《运筹学论文产销不平衡运输问题.doc》由会员分享，可在线阅读，更多相关《运筹学论文产销不平衡运输问题.doc（9页珍藏版）》请在金锄头文库上搜索。
1、重庆文理学院 数学与财经 统计学 石艳泓 QQ：593982714 电话：18716350620管理运筹学论文 -产销不平衡运输问题姓名：石艳泓 学号：201002054030 班级：10级统计摘要：运输问题是运筹学中的一个重要问题，也是物流系统优化中常见的问题，同时也是一种特殊的线性规划问题。怎么样尽可能的在产地与销地之间减少运输成本和降低运输费用是很多运输公司热切关注的话题。本文涉及的是一个总产量大于总销量的产销不平衡运输问题，通过对产地与销售地车辆运输的建立模型，在运用表上作业迭代法（最小元素法）求解后，再根据模型用lingo软件编写程序进行求解。然后对结果进行分析，以及运输问题的延伸。
2、最后证明用lingo解决车辆运输的可行性。关键字：运输问题，产销不平衡，表上作业法， lingo模型问题提出：重庆有三家电子厂分别是新普，隆宇和恒华，生产的笔记本电脑将要运向北京，天津，广东，上海四个城市销售，其产量和销售量见下表：（单位：万台）表：1-1北京天津广东上海产量新普626730隆宇495325恒华881521销量15172212-问：哪种销售方案将会取得最少的运输费用，费用为多少？问题分析：图表数据显示产量总和为30+25+21=76万台，销量的总和为15+17+22+12=66万台，说明了此问题是一个总产量大于总销量的运输问题（7666）。该问题一方面要求满足北京，天津，广东，
3、上海四个销售地的供货需求，而另一方面又要考虑新普，隆宇和恒华三个产地的运往销售地的运输费用，此外问题不但要求满足销售地分配要足，同时也要保证最大化的减少运输费用。这里选择何种分配方案，将涉及不同的运输费用，所以其是一个典型的线性规划问题，同时也是一个总产量大于总销量的产销不平衡运输问题。根据题目已知可以得出以下图论：新普隆宇恒华北京天津广东上海模型建立：假设某物品有m个产地 A1、A2、 Am，各产地的产量是a1、a2、am；有n个销地B1、B2、Bn，各销售地销量分别为b1、b2、bn；假定从产地Ai（i=1,2，m）向销售地Bj（j=1，2，n）运价单位物品的运价是cij，问这样调运这些物
4、品才能使运费最少？ 设 xij 为从产地Ai运往销地Bj的运输量，若各产地产量之和大于各销地销量之和，即有：则得到下列产销平衡运输量问题的模型：其中，约束条件右侧常数ai和bj，约束条件最多有m+n-1个有效，即最多有m+n-1个基可行解。为了能使用表上作业法，可增加一个假想的销地虚销地Bn+1而由产地Ai（i=1,2，m）调运到这个假想销地的物品数量的销量Xi，n+1（相当于松弛变量），实际上就地储存在Ai。因为就地储存没有运输，故单价为Ci，n+1=0，（i=1,2，m）令假想销地的销量为：从而数学模型： 基本假设：针对该运输问题，为了方便计算，可以设新普（A1），隆宇（A2）和恒华（A3
5、）分别销往北京（B1）、天津（B2）、广东（B3）和上海（B4）四个城市销售量为x11、x12、x13、x14、x21、x22、x23、x24、x31、x32、x33、x34。建立以下模型：表：1-2B1B2B3B4产量A1626730A2495325A3881521销量15172212-目标（The objective）最少费用：约束条件：供应限制（The supply constrains）指标约束（The damand constrains）定义符号说明：A1、A2、A3分别代表新普，隆宇和恒华生产商；B1、B2、B3、B4分别代表北京，天津，广东，上海销售地。x11、x12、x13、x
6、14、x21、x22、x23、x24、x31、x32、x33、x34为新普、隆宇和恒华分别销往北京、天津、广东和上海四个城市销售量。Cij为从产地Ai（i=1,2，m）向销售地Bj（j=1，2，n）运价单位物品的运价， xij 为从产地Ai（i=1,2，m）运往销地Bj（j=1，2，n）的运输量。Z即为整个运输过程中涉及的运输费用。Min z则为该运输问题中的最小费用。表上作业法（最小元素法）：最小元素法：是找出运价表中最小的元素，然后在运量表内对应的格填入允许取得的最大数值，若某行或者某列的产量或者销量已得到满足，则把运价表中该运价所在行或者列划去；找出未划去的运价中的最小数值，按此办法依次
7、进行下去，直至得到一个基本可行解的方法。表上作业法：是求解运输问题的一种简便而有效的方法，求解过程在运输表上进行行，这是一种迭代求解法，迭代步骤为：步骤一：按某种规则找出一个初始基可行解。步骤二：对进行解作最有判断，即求个非基变量的检验数，判别是否达到最优解。如果已经是最优解，则停止计算；如果不是最优解，则进行下一步骤。步骤三：在表上对初始方案进行改进，找出新的基可行解，再按照步骤二进行判别，直至找出最优解。表上作业法具体求解如下：表：1-3：-12221715销量21501218080A3253125090413A217230706126A1产量B4B3B2B1步骤一：从表1-2中找出最小运
8、价为1，故首先考虑此项，由于A3产地产量小于B3销量（2117），故在表1-3的（A1，B2）交叉格填上17，由于B2销量已经饱和，故划去表1-4中的B2列得表1-5。表：1-5B1B3B4A1667A2453步骤三：从表1-5中找出最小运价为3，故首先考虑此项，由于A2产地产量大于B4销量（2512），故在表1-3的（A2，B4）交叉格填上12，由于B4销量已经饱和，故划去表1-5中的B2列得表1-6。表：1-6B1B3A166A245步骤四：从表1-6中找出最小运价为4，故首先考虑此项，由于A2产地剩余产量小于B1销量（25-12=1315-13=2），故在表1-3的（A1，B1）交叉格填
9、上2，由于B1销量已经饱和，故划去表1-5中的B2列。步骤六：由于B3销地为达到饱和，故在（A1，B3）交叉格填上1，然后在其它空格位置统一填上0。经以上步骤得到一个总产量大于总销量，且销量全部满足的调配方案。经过计算，空格的检验数均大于零，最优方案为：最小费用为：lingo求解模型：LINGO模型：model:sets:origin/1.3/:a;sale/1.4/:b;routes(origin,sale):c,x;endsetsdata:a=30,25,21;b=15,17,22,12;c=6,2,6,7,4,9,5,3,8,8,1,5;enddataOBJmin=sum(routes:
10、c*x);for(origin(i):SUPsum(sale(j):x(i,j)=a(i);for(sale(j):DEMsum(origin(i):x(i,j)=b(j);endlingo结果： Global optimal solution found. Objective value: 161.0000 Infeasibilities: 0.000000 Total solver iterations: 6 Variable Value Reduced Cost X( 1, 1) 2.000000 0.000000 X( 1, 2) 17.00000 0.000000 X( 1, 3)
11、1.000000 0.000000 X( 1, 4) 0.000000 2.000000 X( 2, 1) 13.00000 0.000000 X( 2, 2) 0.000000 9.000000 X( 2, 3) 0.000000 1.000000 X( 2, 4) 12.00000 0.000000 X( 3, 1) 0.000000 7.000000 X( 3, 2) 0.000000 11.00000 X( 3, 3) 21.00000 0.000000 X( 3, 4) 0.000000 5.000000 Row Slack or Surplus Dual Price OBJ 161.0000 -1.000000 SUP( 1) 10.00000 0.000000 SUP( 2) 0.000000 2.000000 SUP( 3)
