问题简述:一个工厂需要选择供应商和转运商,确定未来24周最优的订购方案,转运方案
问题分析:
第一问:题目要求从很多个供应商中确定50个最好的供应商。
处理方法:显然这属于评价模型,可以通过题目所给数据用topsis评分,权重可以通过熵权法确定。该问处理难度很低,套公式即可,无需调用matlab包。
第二问:题目问至少选择多少家供应商可以满足生产需求,并从这些供应商中确定最优的订购方案,转运方案。
处理方法:显然这属于优化模型。第一小问可以用多目标规划,设置两个优化目标,最少供应商和这些供应商最大评分和。第二小问,我们分别设计订购与转运的优化模型,运用遗传算法解决。具体过程如下:设置初始变量->第一周订购优化->第一周转运优化->工厂生产->以生产后的剩余库存作为初始变量->第二周订购优化 如此循环
第三问:题目要求在偏好订购A货物和尽量少订购C货物的情况再确定最优的订购方案,转运方案。
处理方法:运用第二问的模型,扩大A货物定义域,缩小C货物定义域。或者给予A货物更大的权重,给予C货物更少的权重。
第四问:题目假设工厂产能无限,确定最优的订购方案,转运方案。
处理方法:关键在于认识到转运多少工厂生产多少,故工厂虽然产能无限,但受到转运数量的限制。修改一下第二问模型即可。
加分细节:
第一问将熵权法和层次分析法结合来确定权重,层次分析法判断矩阵可以上网找
第三问可以先分析简述为什么工厂需要偏好订购A货物和尽量少订购C货物(成本更低)再建模
建模过程可能出现问题:
- 该题关键在于第二问,需要多次循环遗传算法和设置初始值,考验代码能力
- 模型做出结果后,需要画图深入分析每周的库存,订购方案是否对材料有偏好,等等,考验画图能力
- 建模需要通过历年数据情况对多家订购商,转运商进行预测。建议用spss时间序列专家建模器,但是由于订购商和转运商数量较大,故处理时间较长。