200 likes | 359 Vues
最优生产计划安排 ---- 报告人 : 齐海水. 组号 :10 小组成员 : 刘坤鹏 齐海水 李坤鹏 小组分工 : 模型建立 齐海水 刘坤鹏 模型计算 刘坤鹏 版面设计 李坤鹏.
E N D
最优生产计划安排----报告人:齐海水 组号:10 小组成员: 刘坤鹏 齐海水 李坤鹏 小组分工: 模型建立 齐海水 刘坤鹏 模型计算 刘坤鹏 版面设计 李坤鹏
最优生产计划安排关键词:最优解 有效解 弱有效解 线性加权摘要: 企业内部的生产计划有各种不同情况,从空间层次来看,在工厂级要根据外 部需求和内部设备,人力,原料,等条件,以最大利润为目标制定生产计划,在 车间级则要根据产品的生产计划,工艺流程,资源约束及费用参数等,以最小成本为目 标制定生产批量计划。从空间层次来看,若在短时间内认为外部需求和内部资源等随时 间变化,可以制定但阶段的生产计划,否则就要制定多阶段深产计划。本模型则仅考滤设备,工艺流程以及费用参数的情况下,通过线性规划来为企提供最优待生产方案
I问题的提出: 某厂生产三种产品 每种产品要经过A、B两道工 加工。设该厂有两种规格的设备能完成A工序,他们以A1、 A2表示;有三种规格的设备能完成B工序,它们以B1、B2、 B3表示,产品 可以在A、B任何一种规格设备上加工; 产品 可在任何一种规格的A设备上加工,但完成 只能在A2与B2 B工序时只能在B1设备上加工;产品 设备上加工。已知各种机床设备的单件工时,原材料费,产 品销售价格,各种设备有效台时以及满负荷操作时机床的设 备费用,如下表所示,要求安排最优的生产计划,使厂利润 最大。
II问题分析 这个问题的目标是获利最大,有两个方面的因素, 一是产品销售收入能否最大,二是设备费用能否 最小。 我们要做的决策是生产计划,决策受到的限制有:原材 料费,产品价格,各种设备有效台 ,时以及满负荷操作 时机床的设备费用。显然这是一个多目标线性规划问题。
III问题假设: 1不允许出现半成品,即每件产品都必须经过两道工序。 2不考虑加工过程中的损失。
符号设定: 设Z为净利润,Z1为产品销售纯收入,Z2为设备费用, 为权植, (i=1,2) 且 设经过工序A1、A2、B1、B2、B3加工的 产品的数量依次为Xi1 (i=1--5) 设经过工序A1、A2、B1、B2、B3加工的 产品的数量依次为Xi2 (i=1--5); 设经过工序A1、A2、B1、B2、B3加工的 产品的数量依次为Xi3 (i=1--5)。
IV模型建立: 变量矩阵 A=
V模型计算 这是一个多目标线性规划问题,由于计算较复杂,我们将问题转化为 一个单目标线性规划问题,求在某种意义下的“最优解”,“最优值”.这 里我们采用了评价函数法来求解,为了便于理解我们先熟悉一下相 关概念和结论. Def 1: 设 如果 总有 则称x*为(VP)的绝对最 优解.其全体记为 . Def 2:设 如果不存在 ,使得 (或 ),则称x*是(VP)的有效解(或弱有效解), 其全体记为
结论1: 评价函数法基本思想: 借助于几何或应用中的直观背景,构造所谓的评价函数,从而将多目标优 化问题转化为单目标优化问题,然后用单目标优化问题的求解方法求出 “最优解”,并把这种最优解当作多目标优化问题的最优解,转化后的解, 必须是原问题的有效解(或弱有效解). Def 3: (1)若 时,总有 ,则称为z 的严格的 单增函数; (2)若 时,总有 ,则称为z 的单增函数;
结论: 设 又设x*是问题 的极小值点, 那么 (1)若 为z的严格的单增函数,则x*是 的有效解; (2)若 为z的单增函数,则x*是 的弱有效解; : 构造评价函数: 人们总希望对那些相对重要的指标 给予较大的权稀疏,基于 这种现实,自然如下构造评价函数.令 W={ }, 称 为权向量,W为权向量集.
若 则 ,即 严格的单增,由结论, 此时求出的解为有效解, 若 则 ,即 单增, 由结论,此时求出的解为弱有效解, 所以这样定义的 在以上的定义下是合理的. 现在回到原问题按以上理论进行求解: 这里取, 利用线性加权法将多目规划转化为 如下单目标规划:
利用LINGO求解,结果如下: z=-2173.947 Variable Value X12 0.000000 X21 232.000000 X22 500.000000 X23 323.000000 X31 0.000000 X41 861.000000 X51 571.000000 X32 500.000000 X43 323.000000 计算得卖出产品获得的利润z1=2745.4,设备使用费z2=1853, 故最终完成此次加工任务可获利892元
VI结果分析 以下是用LINGO计算的结果,LINGO给出了结果的同时也对结果做出了分析, 具体如下: min -0.52x11-2.01x12-0.53722x21-2.07333x22-1.12583x23-0.6925x31-0.02904x41 ST 5x11+10x12<=6000 7x21+9x22+12x23<=10000 8x12+8x22+6x31<=4000 4x41+11x23<=7000 7x11+7x21-7x31-7x41<=4000 x11+x21-x31-x41-x51=0 x12+x22-x32=0 x23-x43=0 end GIN 10 BJECTIVE VALUE = -2174.11060 SET X23 TO >= 324 AT 1, BND= 2174. TWIN= 2174. 15 SET LP OPTIMUM FOUND AT STEP 5 OX21 TO <= 230 AT 2, BND= 2174. TWIN= 2174. 24
NEW INTEGER SOLUTION OF -2173.93994 AT BRANCH 2 PIVOT 24 BOUND ON OPTIMUM: -2173.968 DELETE X21 AT LEVEL 2 FLIP X23 TO <= 323 AT 1 WITH BND= 2173.9683 SET X12 TO <= 0 AT 2, BND= 2174. TWIN=-0.1000E+31 24 SET X23 TO >= 323 AT 3, BND= 2174. TWIN=-0.1000E+31 24 SET X31 TO <= 0 AT 4, BND= 2174. TWIN=-0.1000E+31 24 SET X41 TO <= 861 AT 5, BND= 2174. TWIN=-0.1000E+31 28 NEW INTEGER SOLUTION OF -2173.94653 AT BRANCH 3 PIVOT 28 BOUND ON OPTIMUM: -2173.947 DELETE X41 AT LEVEL 5 DELETE X31 AT LEVEL 4 DELETE X23 AT LEVEL 3 DELETE X12 AT LEVEL 2 DELETE X23 AT LEVEL 1 ENUMERATION COMPLETE. BRANCHES= 3 PIVOTS= 28 LAST INTEGER SOLUTION IS THE BEST FOUND RE-INSTALLING BEST SOLUTION... OBJECTIVE FUNCTION VALUE