LINGO小练习——物流配送问题——混合整数规划模型MILP

贴吧里看到的题，稍微做了一下，虽然建的是MILP模型，但奇怪的是电脑运了一宿还是Feasible状态得不出Gobal optimal的结果，开了两个版本的LINGO 11和17 算了23小时，结果一直是318不变，感觉最优解就是318，可能是某项约束太宽了或者维数太大了，整数线性模型LINGO都算的很慢，这也不算是严格的旅行商模型吧，我在模型里并没有加TSP约束，因为从题目中看不出来要求小车是每天都回到基地的，仅要求2个供应商满足6个市场的需求即可。有知道的可以评论告诉我下。
题目的意思我整理了下，供应商1和2每天制造固定的商品(Production)，满足S1-S6每天对应的需求(Needs)，剩余的商品可以遗留到下一天使用，最后对每天的路线进行规划配送（线路上的数字代表成本）最优配送成本(Cost)。
6天、8个地点（2个基地，6个市场）、2台小车依次进行物流配送；
设：
xnjki1={10小车1第i天第n次从j地去往k地elsexnjki2={10小车2第i天第n次从j地去往k地elsex_{njk}^{i1}=\left\{ \begin{array}{c} 1\\ 0\\ \end{array} \right. \begin{array}{c} \text{小车}1\text{第}i\text{天第}n\text{次从}j\text{地去往}k\text{地}\\ \text{else}\\ \end{array} \\ x_{njk}^{i2}=\left\{ \begin{array}{c} 1\\ 0\\ \end{array} \right. \begin{array}{c} \text{小车}2\text{第}i\text{天第}n\text{次从}j\text{地去往}k\text{地}\\ \text{else}\\ \end{array} xnjki1={10小车1第i天第n次从j地去往k地elsexnjki2={10小车2第i天第n次从j地去往k地else
我们设P1为7地，P2为8地；每天小车1都从P1出发，小车2都从P2出发：
∑k=18x17ki1=∑k=18x18ki2=1\sum_{k=1}^8{x_{17k}^{i1}}=\sum_{k=1}^8{x_{18k}^{i2}}=1 k=1∑8x17ki1=k=1∑8x18ki2=1
每次决策只有一个，只能走相邻，并且连续：
∑k=18xnjki1=∑k=18xnkji+11∑k=18xnjki2=∑k=18xnkji+12xnjki1+dij⩽2xnjki2+dij⩽2dij={12相邻不相邻\sum_{k=1}^8{x_{njk}^{i1}}=\sum_{k=1}^8{x_{nkj}^{i+1 1}}\,\,\begin{matrix} & \\ \end{matrix}\,\,\sum_{k=1}^8{x_{njk}^{i2}}=\sum_{k=1}^8{x_{nkj}^{i+1 2}} \\ \begin{matrix} & \\ \end{matrix} \\ x_{njk}^{i1}+d_{ij}\leqslant 2\begin{matrix} & \\ \end{matrix}x_{njk}^{i2}+d_{ij}\leqslant 2\begin{matrix} & \\ \end{matrix}d_{ij}=\left\{ \begin{array}{c} 1\\ 2\\ \end{array} \right. \begin{array}{c} \text{相邻}\\ \text{不相邻}\\ \end{array} \\ k=1∑8xnjki1=k=1∑8xnkji+11k=1∑8xnjki2=k=1∑8xnkji+12xnjki1+dij⩽2xnjki2+dij⩽2dij={12相邻不相邻
设置两个0-1变量zij1zij2\begin{matrix}z_{ij}^{1}&z_{ij}^{2}\end{matrix}zij1zij2表示小车1、21、21、2是否到达第iii天jjj地，和正整数变量qij1qij2\begin{matrix}q_{ij}^{1}&q_{ij}^{2}\\\end{matrix}qij1qij2表示小车1/2第iii天对jjj地的供给，满足需求约束：
qij1⩽100zij1qij2⩽100zij2qij1+qij2=Needsij\\ \begin{matrix} q_{ij}^{1}\leqslant 100z_{ij}^{1}& q_{ij}^{2}\leqslant 100z_{ij}^{2}\\ \end{matrix} \\ \begin{matrix} & \\ \end{matrix} \\ q_{ij}^{1}+q_{ij}^{2}=Needs_{ij} qij1⩽100zij1qij2⩽100zij2qij1+qij2=Needsij
最后我们对剩余量(Residual)加到下一天的剩余量当中：
Pri1=Pi1+ri1Pri2=Pi2+ri2ri+11=Pri1−∑j=18qij1ri+12=Pri2−∑j=18qij2\begin{matrix} Pr_{i}^{1}=P_{i}^{1}+r_{i}^{1}& Pr_{i}^{2}=P_{i}^{2}+r_{i}^{2}\\ \end{matrix}\,\, \\ \begin{matrix} & \\ \end{matrix} \\ \begin{matrix} r_{i+1}^{1}=Pr_{i}^{1}-\sum_{j=1}^8{q_{ij}^{1}}& r_{i+1}^{2}=Pr_{i}^{2}-\sum_{j=1}^8{q_{ij}^{2}}\\ \end{matrix} \\ Pri1=Pi1+ri1Pri2=Pi2+ri2ri+11=Pri1−∑j=18qij1ri+12=Pri2−∑j=18qij2
最后总的最小化目标函数就是一周配送成本最小化：
min⁡=∑i=16∑n=18∑j=18∑k=18∑q=12costijxnjkiq\min =\sum_{i=1}^6{\sum_{n=1}^8{\sum_{j=1}^8{\sum_{k=1}^8{\sum_{q=1}^2{cost_{ij}x_{njk}^{iq}}}}}} min=i=1∑6n=1∑8j=1∑8k=1∑8q=1∑2costijxnjkiq
将已知数据整理好就可以建立LINGO模型进行求解了。

代码附在这里：

model:
sets:
a1/1…8/;
a2/1…6/:r1,r2,P1,P2,Pr1,Pr2,Pcost1,Pcost2;
a3(a2,a1,a1,a1):x,y;
a4(a2,a1,a1);
a5(a2,a1):q1,q2,z1,z2,Needs;
a6(a1,a1):d,cost;
a7(a1,a1,a1);
endsets
@for(a3(i,n,j,k):@bin(x(i,n,j,k)));
@for(a3(i,n,j,k):@bin(y(i,n,j,k)));!0-1constraint;
@for(a5(i,j):@bin(z1(i,j)));
@for(a5(i,j):@bin(z2(i,j)));
@for(a3(i,n,j,k):x(i,n,j,k)+d(j,k)<=2);
@for(a3(i,n,j,k):y(i,n,j,k)+d(j,k)<=2);!dist constraint;
@for(a4(i,n,k)|n#lt#8:@sum(a1(j):x(i,n+1,k,j)-x(i,n,j,k))=0);
@for(a4(i,n,k)|n#lt#8:@sum(a1(j):y(i,n+1,k,j)-y(i,n,j,k))=0);!continous constraint;
@for(a5(i,n):@sum(a6(j,k):x(i,n,j,k))=1);!decision only;
@for(a5(i,n):@sum(a6(j,k):y(i,n,j,k))=1);
@for(a5(i,j):z1(i,j)<=@sum(a6(n,k):x(i,n,k,j)));!reach if;
@for(a5(i,j):z2(i,j)<=@sum(a6(n,k):y(i,n,k,j)));
@for(a5(i,j):q1(i,j)<=64z1(i,j));!supply quantity;
@for(a5(i,j):q2(i,j)<=64z2(i,j));!supply quantity;
@for(a5(i,j):@gin(q1(i,j)));
@for(a5(i,j):@gin(q2(i,j)));
@for(a2(i):P1(i)=Pr1(i)+r1(i));
@for(a2(i):P2(i)=Pr2(i)+r2(i));
@for(a2(i)|i#lt#6:r1(i+1)=P1(i)-@sum(a2(j):q1(i,j)));!residual calc;
@for(a2(i)|i#lt#6:r2(i+1)=P2(i)-@sum(a2(j):q2(i,j)));!residual calc;
r1(1)=0;
r2(1)=0;
@for(a5(i,j):q1(i,j)+q2(i,j)=Needs(i,j));
@for(a2(i):@sum(a1(j):x(i,1,7,j))=1);
@for(a2(i):@sum(a1(j):y(i,1,8,j))=1);
@for(a2(i):Pcost1(i)=@sum(a7(n,j,k):x(i,n,j,k)*cost(j,k)));
@for(a2(i):Pcost2(i)=@sum(a7(n,j,k):y(i,n,j,k)*cost(j,k)));
min=@sum(a2(i):Pcost1(i)+Pcost2(i));
data:
@text()=@writefor(a3(i,n,j,k)|x(i,n,j,k)#eq#1 :‘供应商1第’,i,‘天第’,n,‘次从’,j,‘地去往’,k,‘地’,@newline(1));
@text()=@writefor(a3(i,n,j,k)|y(i,n,j,k)#eq#1 :‘供应商2第’,i,‘天第’,n,‘次从’,j,‘地去往’,k,‘地’,@newline(1));
@text()=@writefor(a5(i,j)|z1(i,j)#eq#1:‘供应商1第’,i,‘天在’,j,‘地提供’,q1(i,j),‘物资’,@newline(1));
@text()=@writefor(a5(i,j)|z2(i,j)#eq#1:‘供应商2第’,i,‘天在’,j,‘地提供’,q2(i,j),‘物资’,@newline(1));
d=
1 1 1 2 2 2 1 2
1 1 2 1 2 2 1 1
1 2 1 1 2 1 2 2
2 1 1 1 2 1 2 1
2 2 2 2 1 1 2 1
2 2 1 1 1 1 2 2
1 1 2 2 2 2 1 2
2 1 2 1 1 2 2 1;
Needs=
50 40 38 23 34 22 0 0
60 44 38 23 34 23 0 0
59 43 45 19 32 34 0 0
64 44 38 23 34 23 0 0
34 43 45 29 32 34 0 0
50 23 28 23 34 22 0 0;
Pr1=200 232 234 235 190 180;
Pr2=59 56 55 67 78 45;
cost=
0 18 8 2 2 2 14 2
18 0 2 9 2 2 10 15
8 2 0 8 2 13 2 2
2 9 8 0 2 10 2 11
2 2 2 2 0 9 2 8
2 2 13 10 9 0 2 2
14 10 2 2 2 2 0 2
2 15 2 11 8 2 2 0;
enddata

LINGO小练习——物流配送问题——混合整数规划模型MILP相关推荐

流水车间调度问题混合整数规划模型
流水车间调度问题(FSP)描述为:有n个独立的工件按照相同的工艺路线在m台机器伤加工,每个工件需要经过m道工序,这些工序分别要求不同的机器,并且各工序的加工过程不能中断. 以最大完工时间为目标的流水车 ...
CPLEX求解混合整数规划模型
在CPLEX中,对于混合整数规划模型的求解是其核心功能之一,因此我们对相关CPLEX的示例程序进行了深入的了解.如下: using System; using System.Collections.G ...
任务车间调度问题的混合整数规划模型
任务车间调度问题的混合整数规划模型文献[1]的7.3节讲了一个任务车间调度问题. 一个车间生产套印纸张,分别套印蓝绿黄三种颜色.三种纸张根据需求分别在蓝.绿.黄三个机器上印刷,印刷时间如下表: ...
混合整数规划（MILP）通过修改目标函数提高运算速度by Gurobi
文章目录问题描述参数说明![在这里插入图片描述](https://img-blog.csdnimg.cn/9a427d9c20974814b493b0ea38f77479.png) 模型对比错误 ...
数学规划模型（三）：整数规划模型
整数规划模型整数规划模型的基本知识指派问题整数规划建模示例整数规划模型的基本知识线性规划模型的决策变量取值可以是任意非负实数,但许多实际问题的建模中,只有当决策变量的取值为整数时才有意义.例 ...
发达国家和地区物流配送方式的比较与借鉴 (zt)
党的十六届三中全会确立了"发展电子商务.连锁经营.物流配送等现代流通方式,促进商品和各种要素在全国范围自由流动和充分竞争"的市场建设方针,其中物流配送作为一种专业化.社会化的服务模 ...
【物流配送的车辆路径问题】
物流配送的车辆路径问题提示:这里可以添加系列文章的所有文章的目录,目录需要自己手动添加 Two-echelon capacitated vehicle routing problem with gr ...
物流配送和算法文献综述
物流配送和算法文献综述小编:这里给大家介绍一篇物流配送的英文综述链接:https://doi.org/10.1007/s12351-020-00600-7 文章目录物流配送和算法文献综述摘要 ...
物流配送系统设计java,ZigBee物流配送系统设计
目前生产系统的物流配送大部分仍处于较落后的状态,使用单位有物料需求时通过电话或邮件与配送单位进行沟通,这种方式存在沟通不及时和缺少数据记录的缺陷.在出现缺料问题时造成无法追究问题的责任单位,容易出现推 ...

LINGO小练习——物流配送问题——混合整数规划模型MILP

LINGO小练习——物流配送问题——混合整数规划模型MILP相关推荐

最新文章

热门文章