数学建模生产计划问题.docx
- 文档编号:25166706
- 上传时间:2023-06-05
- 格式:DOCX
- 页数:9
- 大小:57.74KB
数学建模生产计划问题.docx
《数学建模生产计划问题.docx》由会员分享,可在线阅读,更多相关《数学建模生产计划问题.docx(9页珍藏版)》请在冰豆网上搜索。
数学建模生产计划问题
数学建模作业
生
产
计
划
问
题
班级数学与应用数学一班
高尚
学号
生产计划问题
摘要
本文通过对每个季度各种产品产量、需求量和存储量之间关系的分析,建立了基于
的生产决策模型,解决了生产计划问题,并提出合理的生产方案得到了总赔偿和存储费用的最优解。
针对该问题,采用线性规划的方法,首先确定
为第
季度产品
的产量,
为第
季度产品
的需求量,
为第
季度末产品
的库存量,用0-1规划来限制上述变量,然后确定这些变量所具有的约束条件,最后列出目标函数与约束条件,利用
软件(见附录)求解出总的赔偿和库存费用的最小值为5900.70元。
模型思路清晰,考虑周全,可以针对同类问题进行建模,具有一定的应用性和推广性。
关键词:
、0-1规划、生产决策、线性规划
一、问题重述
对某厂I、II、III三种产品下一年各季度的合同预订数如表1所示。
表1
产品
季度
1
2
3
4
I
1500
1000
2000
1200
II
1500
1500
1200
1500
III
1000
2000
1500
2500
该三种产品1季度初无库存,要求在4季度末各库存150件。
已知该厂每季度生产工时为15000.8小时,生产I、II、III产品每件分别需要2.1、4.3、2.7小时。
因更换工艺装备,产品I在2季度无法生产。
规定当产品不能按期交货时,产品I、II每件每迟交一个季度赔偿20.5元,产品III赔10.8元;又生产出来产品不在本季度交货的,每件每季度的库存费用为5.1元。
问该厂应如何安排生产,使总的赔偿加库存的费用为最小。
二、问题分析
该问题的目标是使一年内总的赔偿加库存费用最小,需要重新建立生产计划,每种产品在每个季度的产量、贮存量、需求量都对最终决策起到了限制,因此需要对变量进行0-1规划,建立目标函数与约束条件,在此基础上实现总的赔偿加库存的费用最小的目的。
三、模型假设
1.产量、贮存量、需求量不受外界因素影响;
2.产品的生产时间互不影响;
3.变量间没有相互影响。
四、变量说明
变量
含义
总赔偿和库存费用
第
季度产品
的产量
第
季度产品
的需求量
第
季度末产品
的库存量
五、模型的建立与求解
根据题中所给条件分析可得:
决策目标:
总的赔偿费用为每个季度各产品费用的总和,总的库存费用为每个季度各产品的总库存量与费用之积,总的赔偿加库存的费用最小为目标,即:
约束条件一:
每个季度总工时是有限的,第
季度生产所有产品所耗总工时不能超过每季度生产工时,即:
约束条件二:
产品I在第二季度无法生产,产量为0,即:
约束条件三:
每种产品在第四季度给库存150件,四个季度的总产量与第四季度库存量总和为该种产品一年的总需求量,即:
约束条件四:
第
季度的库存量就是本季度生产量与上个季度库存量之和在除去需求量,即:
约束条件五:
每个季度每种产品的产品量不可能为负数,并且也只能为整数,即:
线性规划的目标函数与约束条件方程为:
利用
得出总的赔偿加库存的费用最小为5900.70元。
六、模型结果的分析与检验
6.1结果分析
根据模型的计算式子,利用软件求解得出了总的赔偿和库存费用,在不考虑其它风险的情况下,限定的工时内,通过对每种产品安排不同的工时,求得了最少的赔偿以及库存费用,但是利润不一定是最高的。
6.2结果检验
当改变不同产品的总工时时,赔偿和库存费用便会增高。
七、模型的推广与改进方向
7.1模型的推广
本模型适用于以0-1规划为基础的线性规划的问题,考虑不同变量间的相互影响,为工厂或企业提供生产计划的最优解。
7.2模型的改进
当约束条件增加时,模型求得的结果会更精确、
八、模型的优缺点
8.1优点
模型思路清晰,求解相对简单,可以针对同类问题进行建模,具有比较大的应用性和实际性。
8.2缺点
当变量之间有相互影响时,该模型就不适用。
九、参考文献
[1]姜启源.数学模型(第四版)[M].:
高等教育出版社,1999.:
85-100.
[2]韩中庚.数学建模方法及其应用(第二版)[M].:
高等教育出版社,2009.
[3]陈国华.数学模型与数学建模方法[M].天津:
南开大学出版社,2012.:
53-62.
十、附录
附录一:
Lingo代码
model:
sets:
season/1..4/:
;
product/1..3/:
r,a;!
a是生产用时,r赔偿;
link(season,product):
x,p,s;!
p销量,s是余量;
endsets
min=sum(season(i):
sum(product(j):
if(s(i,j)#ge#0,5.1*s(i,j),-r(j)*s(i,j))));
for(season(i):
sum(product(j):
a(j)*x(i,j))<=15000.8);
x21=0;
for(product(j):
s(4,j)=150);
for(link(i,j):
s(i,j)=if(i#eq#1,x(i,j)-p(i,j),x(i,j)-p(i,j)+s(i-1,j)));
for(link(i,j):
free(s);gin(x));
data:
p=
150015001000
100015002000
200012001500
120015002500;
r=20.520.510.8;
a=2.14.32.7;
enddata
end
附录二:
运行结果
Localoptimalsolutionfound.
Objectivevalue:
5900.700
Objectivebound:
5900.700
Infeasibilities:
0.000000
Extendedsolversteps:
0
Totalsolveriterations:
203
VariableValue
X210.000000
R
(1)20.50000
R
(2)20.50000
R(3)10.80000
A
(1)2.100000
A
(2)4.300000
A(3)2.700000
X(1,1)1606.000
X(1,2)1500.000
X(1,3)1000.000
X(2,1)894.0000
X(2,2)1615.000
X(2,3)2001.000
X(3,1)2000.000
X(3,2)1570.000
X(3,3)1499.000
X(4,1)1350.000
X(4,2)1165.000
X(4,3)2650.000
P(1,1)1500.000
P(1,2)1500.000
P(1,3)1000.000
P(2,1)1000.000
P(2,2)1500.000
P(2,3)2000.000
P(3,1)2000.000
P(3,2)1200.000
P(3,3)1500.000
P(4,1)1200.000
P(4,2)1500.000
P(4,3)2500.000
S(1,1)106.0000
S(1,2)0.000000
S(1,3)0.000000
S(2,1)0.000000
S(2,2)115.0000
S(2,3)1.000000
S(3,1)0.000000
S(3,2)485.0000
S(3,3)0.000000
S(4,1)150.0000
S(4,2)150.0000
S(4,3)150.0000
RowSlackorSurplus
15900.700
22478.200
3776.2000
42.500000
51.300000
60.000000
70.000000
80.000000
90.000000
100.000000
110.000000
120.000000
130.000000
140.000000
150.000000
160.000000
170.000000
180.000000
190.000000
200.000000
210.000000
- 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:
- 数学 建模 生产 计划 问题
![提示](https://static.bdocx.com/images/bang_tan.gif)