
Excel规划求解步骤
上节我们根据一个实例制作了一个生成计划工作表,这节我们接着上节的内容,来讲一下求最优生产计划的规划求解步骤。
Excel规划求解步骤如下:
单击“工具”-“规划求解’,弹出“规划求解参数”对话框(图1 )
图1
求总利润最大时的产量:
在“设置目标单元格”中,指定总利润的单元格E11。
在“等于”中,选择“最大值”。
在“可变单元格”中。为了使总利润最大,指定显示产品A和产品B产量的可变单元格F3——F4。
接着设置约束条件,在“规划求解参数”对话框中(图1)。单击“约束”的“添加”按钮,弹出“添加约束”对话框。
设定可使用资源的约束条件:
原材料l的总计使用量(单元格B11)≤原材料l的可使用量(单元格B5)
原材料2的总计使用量(单元格c11)≤原材料2的可使用量(单元格c5)
原材料3的总计使用量(单元格D11)≤原材料3的可使用量(单元格D5)
如图2所示。通过操作,将3个条件公式转换成1个。
1、在“添加约束”对话框(图2)左侧的“单元格引用位置”中,指定单元格范围B11——D11。
图2
2、在对话框中间的文本框中选择“<=”。
3、在对话框右侧的“约束值”中指定单元格范围B5——D5
图2的公式把3个条件式写成1个公式。使用这种书写方法时,右边的常数和左边的单元格必须是相同范围或者引用1个单元格。
完成设定后。单击“确定”,返回“规划求解参数”对话框。
为了设定产品A和产品B的产量的非负条件,单击“选项”按钮,在“规划求解选项”对话框中,选择“假定非负”,单击“确定”(图3)。
图3
再次返回到“规划求解参数”对话框(图1),单击“求解”按钮,弹出“规划求解结果”对话框(图4),显示“规划求解找到一解,可满足所有的约束及最优状况”。
图4
图5显示了“最优生产计划”的最优解。若需要保存结果,则在图4 6的“规划求解结果”中,选择“保存规划求解结果”(默认值),单击“确定”。若无需保存,则选择“恢复为原值”,单击“确定”。
图4右边的“报告”是指分析报告(稍后讲解)。分析报告有三种类型:“运算结果报告”、 “敏感性报告’、 “极限值报告”。我们可以自由决定分析报告的输出类型和数量。需要输出分析报告时,选择需要输出的类型,单击“确定”。
这样就求出了最优生产计划(图5)。最大利润是11200千日元。当实现这个目标时,产品A的产量是200个,产品B的产量是400个。
图5
另外,关于作为约束条件的原材料方面。原材料1的使用量是4400kg,正好用完;原材料2的使用量是3200kg,也正好用完;原材料3的使用量是1000kg,可使用量是1400kg,剩余400kg。
图6
根据这节课,我们了解了规划求解的步骤,上图6就是我们归纳用Excel规划求解求最优化问题的流程。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
CDA 数据分析师:善用 Power BI 索引列,提升数据处理与分析效率 在 Power BI 数据分析流程中,“数据准备” 是决定后续分析质量 ...
2025-08-18CDA 数据分析师:巧用 SQL 多个聚合函数,解锁数据多维洞察 在企业数据分析场景中,单一维度的统计(如 “总销售额”“用户总数 ...
2025-08-18CDA 数据分析师:驾驭表格结构数据的核心角色与实践应用 在企业日常数据存储与分析场景中,表格结构数据(如 Excel 表格、数据库 ...
2025-08-18PowerBI 累计曲线制作指南:从 DAX 度量到可视化落地 在业务数据分析中,“累计趋势” 是衡量业务进展的核心视角 —— 无论是 “ ...
2025-08-15Python 函数 return 多个数据:用法、实例与实战技巧 在 Python 编程中,函数是代码复用与逻辑封装的核心载体。多数场景下,我们 ...
2025-08-15CDA 数据分析师:引领商业数据分析体系构建,筑牢企业数据驱动根基 在数字化转型深化的今天,企业对数据的依赖已从 “零散分析” ...
2025-08-15随机森林中特征重要性(Feature Importance)排名解析 在机器学习领域,随机森林因其出色的预测性能和对高维数据的适应性,被广 ...
2025-08-14t 统计量为负数时的分布计算方法与解析 在统计学假设检验中,t 统计量是常用的重要指标,其分布特征直接影响着检验结果的判断。 ...
2025-08-14CDA 数据分析师与业务数据分析步骤 在当今数据驱动的商业世界中,数据分析已成为企业决策和发展的核心驱动力。CDA 数据分析师作 ...
2025-08-14前台流量与后台流量:数据链路中的双重镜像 在商业数据分析体系中,流量数据是洞察用户行为与系统效能的核心依据。前台流量与 ...
2025-08-13商业数据分析体系构建与 CDA 数据分析师的协同赋能 在企业数字化转型的浪潮中,商业数据分析已从 “可选工具” 升级为 “核 ...
2025-08-13解析 CDA 数据分析师:数据时代的价值挖掘者 在数字经济高速发展的今天,数据已成为企业核心资产,而将数据转化为商业价值的 ...
2025-08-13解析 response.text 与 response.content 的核心区别 在网络数据请求与处理的场景中,开发者经常需要从服务器返回的响应中提取数 ...
2025-08-12MySQL 统计连续每天数据:从业务需求到技术实现 在数据分析场景中,连续日期的数据统计是衡量业务连续性的重要手段 —— 无论是 ...
2025-08-12PyTorch 中 Shuffle 机制:数据打乱的艺术与实践 在深度学习模型训练过程中,数据的呈现顺序往往对模型性能有着微妙却关键的影响 ...
2025-08-12Pandas 多列条件筛选:从基础语法到实战应用 在数据分析工作中,基于多列条件筛选数据是高频需求。无论是提取满足特定业务规则的 ...
2025-08-12人工智能重塑 CDA 数据分析领域:从工具革新到能力重构 在数字经济浪潮与人工智能技术共振的 2025 年,数据分析行业正经历着前所 ...
2025-08-12游戏流水衰退率:计算方法与实践意义 在游戏行业中,流水(即游戏收入)是衡量一款游戏商业表现的核心指标之一。而游戏流水衰退 ...
2025-08-12CDA 一级:数据分析入门的基石 在当今数据驱动的时代,数据分析能力已成为职场中的一项重要技能。CDA(Certified Data Anal ...
2025-08-12破解游戏用户流失困局:从数据洞察到留存策略 在游戏行业竞争白热化的当下,用户流失率已成为衡量产品健康度的核心指标。一款游 ...
2025-08-11