运筹学案例分析.docx
- 文档编号:14455410
- 上传时间:2023-06-23
- 格式:DOCX
- 页数:19
- 大小:205.59KB
运筹学案例分析.docx
《运筹学案例分析.docx》由会员分享,可在线阅读,更多相关《运筹学案例分析.docx(19页珍藏版)》请在冰点文库上搜索。
运筹学案例分析
运筹学案例分析
计算机生产销售计戈
商学院
案例分析
所在学院:
学生姓名:
指导老师:
李霞
一、背景介绍3
二、案例分析5
三、模型建立5
四、模型求解7
五、结果分析9
1、最优解分析9
2、灵敏度分析10
背景介绍
Sytech国际公司是一家在同行业中处于领先地位的计算机和外围设备的制
造商。
公司的主导产品分类如下:
大型计算机(MFRAMES)、小型计算机
(MINIS)、个人计算机(PCS)和打印机(PRINTERS)。
公司的两个主要市场是北美和欧洲。
公司一直按季度作出公司最初的重要决策。
公司必须按照营销部门的需求预测来对分布在全球的3个工厂调整产量,公司下一季度需求预测如表1至表3所示。
而公司的三个工厂的生产能力限度又使得其不能随心所欲地在任一工厂进行生产,限制主要是各工厂规模及劳动力约束。
表1需求预测
产品
北美
欧洲
产品
北美
欧洲
大型计算机
962
321
个人计算机
48210
15400
小型计算机
4417
1580
打印机
15540
6850
表2工厂的生产能力
工厂
空间(平方英尺)
劳动力(小时)
伯灵顿
540710
277710
中国台湾
201000
499240
爱尔兰
146900
80170
表3资源利用率
产品
空间/单位
劳动小时/单位
产品
空间/单位
劳动小时/单位
大型计算机
17.48
79.0
个人计算机
3.00
6.9
小型计算机
17.48
31.5
打印机
5.30
5.6
最终分析所要求的数据由会计部门提供,表4所显示的数据表示单位利润
贡献(税后)。
表4单位利润贡献
(美元)
单位利润
大型计算机
小型计算机
个人计算机
打印机
北美
欧洲
北美
欧洲
北美
欧洲
北美
欧洲
伯灵顿
16136.4
13694.0
8914.4
6956.2
1457.18
1037.5
1663.51
1345.4
并分析:
增加伯灵顿的空间生产能力和劳动力生产能力是否可以提高公司的利
润?
增加中国台湾的呢?
二、案例分析
为什么要用线性规划来解决问题:
由案例介绍可知,工厂的生产能力,即
空间和劳动力资源有限,且要实现如何配给生产计划使企业实现利润最大化,是当前要解决的问题。
需求预测和资源均为系统约束,线性规划正是解决稀缺资源最优分配的有效方法,目的正是使企业获得的收益最大。
因此,本案例属于线性规划问题,建立模型,用Lingo软件求最优解。
三、模型建立
设从伯灵顿、中国台湾、爱尔兰分别运往北美和欧洲的大型计算机、小型计
算机、个人计算机、打印机的数量为
单位利润
大型计算机
小型计算机
个人计算机
打印机
北美
欧洲
北美
欧洲
北美
欧洲
北美
欧洲
伯灵顿
X1
X2
X3
X4
X5
X6
X7
X8
中国台湾
X9
X10
X11
X12
X13
X14
X15
X16
爱尔兰
X17
X18
X19
X20
X21
X22
X23
X24
Maxz=16136.46X
+1037.57X
1+13694.03X2+8914.47X3+6956.23X4+1457.18X5
6+1663.51X7+1345.43X8+17358.14X9+14709.96X10
X20
+9951.04X
+1270.16X
+1197.52X
11+7852.36X
16+15652.68X
21+1092.61X
12+1395.35X13+1082.49X14+1554.55X15
17+13216.34X18+9148.55X19+7272.89
22+1478.9X23+1312.44X24
约束条件:
/17.48X1+17.48X2+17.48X
3+17.48X4+3X5+3X6+5.3X7+5.3X8三
540710
17.48X9+17.48X10+17.48X11+17.48X12+3X13+3X14+5.3X15+5.3
X16呈01000
17.48X17+17.48X18+17.48X19+17.48X2o+3X2i+3X22+5.3X23+5.
3X24马46900
79Xi+79X2+31.5X3+31.5X4+6.9X5+6.9X6+5.6X7+5.6X8
呈77710
79X9+79Xio+31.5Xii+31.5X12+6.9X13+6.9X14+5.6X15+5.6Xi6
旨99240
79Xi7+79Xi8+31.5X19+31.5X20+6.9X21+6.9X22+5.6X23+5.6X24
毛0170
Xi+X9+X17骂62
X2+X10+X18£21
X3+Xii+Xi9刍417
X4+X12+X2i目580
X5+X13+X22刍8210
X6+X14+X22目5400
X7+Xi5+X23目5540
X8+X16+X24雯850
Xi三0
四、模型求解
■4L
>«=.05*s24014B47*k»H960,23*14+1mAl*xt-+]03L呱凶阪5]科7+134』■柏蚯針IM6E・】』细9+1MTMtJ0+
LJD411479]fl«iL24LSB.30LU1OOL钊畑1441ES4.BE*%1EH-I2TO・1EIAMB4K2.甜吆1T+132L臥t^93gBB临19*727SL09 HU化裁临2MLINI2d1叼22*N7a-¥*K23+IJl2.<4细24. 1.7-4F吃I+1T.4R I^u4z7-.-! 3: «xlOH-lT・4E»x11+1T・4S«zL2+3«mJ』・』=<兀1.4衍-3»kL5+tL沁]6t-221290; iJ电■«d7+1T・的肥■L肝L雹48*1! ]'? *1工鞍蚯2叶处掘21+3*b22*4.3*e2i>6,J叶24<=L4裁M0: 7? *kG+T 79•nf+TB*tiiJOtJLEll-i-JJ.E*s】2+®・出】3H・fl*aIS乳巨也13懦・€♦jd仇*M』 "忸m吹1H刖■五恢I羽■引・韦52[]铭・应啞I柿・952丹瓦駅卫比・&>ii3+<=-Fn]to: xL-M3+xl? <-g£2; KBti! L3M114-4fl2LDj itJ心31弗初: x^-K_2-x2a<-i5ar; a£*x14-x22<=15400; LINGOSolverStatus[LINGO1] Tnt^miptSoI^fer SolverStitus lhdtl IP Stmtw GlobalOut )jectiv&' 1,S4244e+008 a^ibility: 0 ^r^tions: 0 SolvsrStatus 5diver test QbjEvwi; Steps: kativc: Update Virlables ot^L; onliiLear: 15 a otd,; 9& ordihe吐: 0 GeneratorMemoryUsed(K) 25 -Ela.pse(lRmutiinie(Uh: 00: 00=00 rrn*5s) otai: 24 onlinear: 卩 itegers: Cl Close 呂宙port-LING Globalopttjui^.1soluti口nfaurd. Ofcject-iveva丄口亡: 3.194244CE+O3 Tctai3QIveriterat;ions: Vaiiatole Valve Reduced二"匸 XT n,nonocn 7R07.口叭 X; Q.OOOOCO 7SO? .7^1 Xj 1682.€^6 0・OQJO0Q 0*000000 82.5B000 Xi 14394.59 0・005000 妝 O^OOOOCO 106.7500 X7 155^0*00 0.003000 XE 63bO.000 」・ooJoo。 X9 ^62.0000 0.005000 xia 321.OOCO 0.000000 XU 17^9.275 o.ooaooa XI; 0.000000 223.0200 皿 33B15.41 a.003000 15400,00 o.ooaooo 0,COGDOO 1057.301 £1电 0,000000 1023.6L1 XI? 0.000000 0870.329 XIS 9.QOOOOO 6^6.9=3 XIE 365,0755 t? ・OQ? 09Q X2G 1580.OCO 0,^0? 00Q X21 0*000000 310,汩厂 0.000000 102.18^7 o>ooaoco 226 o.ooaoco 74,6? 422 Raw SlackorSurplus DualPrice 1 0.1S42440E+09 1.000000 2 34944C.6 0.000000 3 o.oaoaoo 4 1024.0 0.000000 吕 0,000300 1A0.4S17 G 2S€<.500 0.000000 7 0.000300 1€^.9123 2 0.000300 9 0.0003CJG JSbii.2at? 10 U,UOOJOO 3^9.3it2 11 C.ODOOOO 7€4.8124 12 0.ODDODO a«ie.2ifi 13 C.ODDO00 1983.«36 14 0.000300 36.59620 15 0.090300 446.7324 五、结果分析 1.最优解分析: 经过14次迭代,线性规划问题得到最优解。 (1)“Objectivevalue: 0.1945629E+09”表示最优目标值 0.1942440E+09=194244000。 (2)“Totalsolveriterations: 00次迭表示得到全局最优解,即不需迭代。 (3)“Value”给出最优解中各变量的值,分别表示: 3伯灵顿工厂生产并运往北美市场的小型计算机的数量为1682.646、 5伯灵顿工厂生产并运往北美市场的个人计算机的数量为14394.59、 7伯灵顿工厂生产并运往北美市场的打印机的数量为15540.00、 8伯灵顿工厂生产并运往欧洲市场的打印机的数量为6850.000、 9中国台湾工厂生产并运往北美市场的大型计算机的数量为962.0000、 10中国台湾工厂生产并运往欧洲市场的大型计算机的数量为321.0000、 11中国台湾工厂生产并运往北美市场的小型计算机的数量为1769.275、 13中国台湾工厂生产并运往北美市场的个人计算机的数量为33815.41、 14中国台湾工厂生产并运往欧洲市场的个人计算机的数量为15400.00、 19爱尔兰工厂生产并运往北美市场的小型计算机的数量为965.0794 20爱尔兰工厂生产并运往欧洲市场的小型计算机的数量为1580.00 所以上述变量是基变量(非0);其余的取值为0,是非基变量(0) (4)“SlackorSurplus 给出松驰变量的值: 第1行松驰变量=0.1942440E+09(模型第一行表示目标函数,所以第 二行对应第一个约束) 第2行松驰变量=349446.6(对应第一个约束,以此类推) 第3行松驰变量=0 第4行松驰变量=102412.0 第5行松驰变量=0 第6行松驰变量=2564.500 第7行松驰变量=0 第8行松驰变量=0 第9行松驰变量=0 第10行松驰变量=0 第11行松驰变量=0 第12行松驰变量=0 第13行松驰变量=0 第14行松驰变量=0 第15行松驰变量=0 2.灵敏度分析 (1)“ReducedCost”列出最优单纯形表中判别数所在行的变量的系数,表示当变量有微小变动时,目标函数的变化率。 其中基变量的reducedcost值应为0;对于非基变量Xj,相应的reducedcost值表示当某个变量Xj增加一个单位时目标函数减少的量(max型问题)。 本案例中: 变量X1对应的reducedcost值为7807.991,表示当非基变量X1的值从 0变为1时(此时假定其他非基变量保持不变,但为了满足约束条件,基变量显然会发生变化),最优的目标函数值=194244000- 7807.991=194236192.009。 变量X2对应的reducedcost值为7602.241,表示当非基变量X的值从 0变为1时(此时假定其他非基变量保持不变,但为了满足约束条件,基变量显然会发生变化),最优的目标函数值=194244000- 7602.241=194236397.759。 变量X4对应的reducedcost值为82.58,表示当非基变量X3的值从0 变为1时(此时假定其他非基变量保持不变,但为了满足约束条件,基变量显然会发生变化),最优的目标函数值=194244000-82.58=194243917.42。 变量X6对应的reducedcost值为106.75,表示当非基变量X6的值从0 变为1时(此时假定其他非基变量保持不变,但为了满足约束条件,基变量显然会发生变化),最优的目标函数值=194244000- 106.75=194243893.25。 变量X12对应的reducedcost值为223.02,表示当非基变量X12的值从0变为1时(此时假定其他非基变量保持不变,但为了满足约束条件,基变量显然会发生变化),最优的目标函数值=194244000- 223.02=194243776.98。 变量X15对应的reducedcost值为1057.301,表示当非基变量X15的值从0变为1时(此时假定其他非基变量保持不变,但为了满足约束条件,基变量显然会发生变化),最优的目标函数值=194244000-1057.301=1942。 变量X16对应的reducedcost值为1023.611,表示当非基变量X16的值 从0变为1时(此时假定其他非基变量保持不变,但为了满足约束条件,基变量显然会发生变化),最优的目标函数值=194244000- 1023.61仁194242976.389。 变量X17对应的reducedcost值为8878.829,表示当非基变量X17的值 从0变为1时(此时假定其他非基变量保持不变,但为了满足约束条件,基变量显然会发生变化),最优的目标函数值=194244000-8878.829=194235121.171 变量Xi8对应的reducedcost值为8666.989,表示当非基变量Xi8的值从0变为1时(此时假定其他非基变量保持不变,但为了满足约束条件,基变量显然会发生变化),最优的目标函数值=194244000- 8666.989=194235133.011。 变量X21对应的reducedcost值为310.9347,表示当非基变量X21的值从0变为1时(此时假定其他非基变量保持不变,但为了满足约束条件,基变量显然会发生变化),最优的目标函数值=194244000- 310.9347=194243689.0653。 变量X22对应的reducedcost值为102.9847,表示当非基变量X22的值从0变为1时(此时假定其他非基变量保持不变,但为了满足约束条件,基变量显然会发生变化),最优的目标函数值=194244000- 102.9847=194243897.0153。 变量X23对应的reducedcost值为226.2242,表示当非基变量X23的值从0变为1时(此时假定其他非基变量保持不变,但为了满足约束条件,基变量显然会发生变化),最优的目标函数值=194244000- 226.2242=194243773.7758。 变量X24对应的reducedcost值为74.60422,表示当非基变量X24的值从0变为1时(此时假定其他非基变量保持不变,但为了满足约束条件,基变量显然会发生变化),最优的目标函数值=194244000- 74.60422=194243925.39578。 (2)“DUALPRICE”(对偶价格)表示当对应约束有微小变动时,目标函数 的变化率。 输出结果中对应于每一个约束有一个对偶价格。 若其数值为p,表 示对应约束中不等式右端项若增加1个单位,目标函数将增加p个单位(maX型问题)。 显然,如果在最优解处约束正好取等号(也就是“紧约束”,也称为有效约束或起作用约束),对偶价格值才可能不是0。 本例中: 第3行是紧约束,即第2个约束条件, 对应的对偶价格值为 348.4979 ,表 示当紧约束右端常数项增加 1时,目标函数值= 194244000+ 348.4979=194244348.4979 。 第5行是紧约束,即第4个约束条件, 对应的对偶价格值为 160.4817 ,表 示当紧约束右端常数项增加 1时,目标函数值= 194244000+ 160.4817=194244160.4817 。 第7行是紧约束,即第6个约束条件, 对应的对偶价格值为 167.9128 ,表 示当紧约束右端常数项增加 1时,目标函数值= 194244000+167.9128 =194244167.9128。 第8行是紧约束,即第7个约束条件, 对应的对偶价格值为 11266.40 ,表 示当紧约束右端常数项增加 1时,目标函数值= 194244000+ 11266.40=194255266.40 。 第9行是紧约束,即第8个约束条件, 对应的对偶价格值为 3859.296 ,表 示当紧约束右端常数项增加 1时,目标函数值= 194244000+ 3859.296=194247859.296 。 第10行是紧约束,即第9个约束条件,对应的对偶价格值为349.8562, 表示当紧约束右端常数项增加1时,目标函数值=194244000+349.8562=194244349.8562 第11行是紧约束,即第10个约束条件,对应的对偶价格值为764.8124, 表示当紧约束右端常数项增加1时,目标函数值 194244000+ 764.8124=194244764.8124。 第12行是紧约束,即第 11个约束条件,对应的对偶价格值为 8618.216 表示当紧约束右端常数项增加 1时,目标函数值 194244000+ 8618.216=194252618.216 第13行是紧约束,即第 12个约束条件,对应的对偶价格值为 1983.636 表示当紧约束右端常数项增加 1时,目标函数值 194244000+ 1983.636=194245983.636 第14行是紧约束,即第 13个约束条件,对应的对偶价格值为 36.99620 表示当紧约束右端常数项增加 1时,目标函数值 194244000+ 36.99620=194244036.99620 第15行是紧约束,即第 14个约束条件,对应的对偶价格值为 446.7324 表示当紧约束右端常数项增加 1时,目标函数值 194244000+ 446.7324=194244446.7324 对于非紧约束,DUALPRICE的值为0,表示对应约束中不等式右端项的 微小扰动不影响目标函数。
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 运筹学 案例 分析