
规划求解来计算最小化运输成本
今天我们根据一个实例来学习一下用Excel的规划求解来计算最小化运输成本。
某超市从A,B,c三个地方采购苹果,运往4个消费区:首都圈、中部、关西、九州。运输路线不同,运输一箱苹果的成本也不同(表1)。假设苹果种类没有差异,那么为了实现最小运输成本,从哪个产地运往哪个消费区以及运输多少数量最适当呢?但前提是必须满足各个消费区的需求量,同时各个产地的采购能力有限。
这种问题叫做运输问题,可以用规划求解简单解决。
首先,制作如图1所示的工作表。上方的表格(单元格A3——F7)是表1中的数据,下方的表格(单元格A10一G14)用于计算。
在单元格B11——E13中求从各个产地运往各个消费区的运输量(可变单元格),在单元格G14中求总运输成本(目的单元格)。在计算表中输入计算公式(图2)。在单元格B14——E14中显示各个消费区的总需求量。在F11——F13中输入计算各个产地的总采购量的公式。
总运输成本等于从各个产地到各个消费区的运输单价×运输量的总和:
总运输成本(单元格G14)=B4*B11+c4*c11+D4*D11+E4*E11+B5*B12+C5*c12+D5*D12+E5*E12+B6*B13+C6*C13+D6*D13+E6*E13
但是,这样需要计算包含3行x4列的两个表格的各个因子乘积的总和,非常麻烦。
然而使用Excel的SUMPRODUCT函数(积和甬数),可以一次性完成相应行列的各个同子乘积的总和,非常方便。
=SUMPRODUCT(B4:E6、B11:E13)
在单元格G14中,求出总运输成本。
完成上述工作后。运行规划求解。单击“工具”-“规划求解”。弹出“规划求解参数”对话框。在“设置目标单元格”中,指定计算总运输成本的单元格G14。在“等于”中选择“最小值”,在“可变单元格”中指定单元格B11——E13(图3)。
接下来,设定约束条件。由于苹果以箱为单位,没有零数,因此指定整数条件(参照补充)。单击“添加”按钮(图3),弹出“添加约束”对话框(图4)。在左边的“单元格引用位置”中指定可变单元格B11——E13。指定中间文本框的比较符号“int”,右边的“约束值”自动显示出“整数”。
为了输入下述约束条件,单击图4的“添加”按钮,设定运往各个消费区的总运输量大卜需求量的约束条件:
再次单击“添加”按钮,设定从各个产地发送的总运输量小于采购能力的约束条件:
F11:F13≤F4:F6
最后,单击“确定”按钮。
运输量不能是负数。单击“选项”按钮。在“规划求解选项”对话框中,选中“假定非负”,单击“确定”按钮。
在“规划求解参数”对话框中,单击“求解”按钮后,显示“规划求解找到一解,可满足所有的约束及最优状况”,可得如图5所示的最优运输量。
从产地A运往首都圈1800箱,关西3000箱,九州1500箱I从产地B运往中部2500箱;从产地c运往首都圈3700箱。此时运输成本最小,最小运输成本是1501000日元。
以上简要介绍了使用规划求解求最优化问题的方法。实际上,在经营活动中最优规划并非一次性完成。求出结果后,必须分析这个结果足否合适;若不合适,要研究应该改善哪此方而。规划求解提供用于分析的分析报告。
分析报告“有二种类型: “运算结果报告”、 “敏感陆报告”、 “极限值报告”。
各个报告的基本内容如下所示。这里将4 2节“例题4 1最优生产计划”的分析报告用图4 15——4 17表示出来。
1、运算结果报告(图6)
运算结果报告显示“日标单元格”、“可变单元格”和“约束”的状况。表示“目标单元格”和“可变单元格”的初值和终值,是否满足约束条件以及与条件之间的差。
2、敏感性报告(图7)
敏感性报告显示当“可变单元格”和“约束”稍微变化时,“目杯单元格”的数值受到多大程度的影响。
3、极限值报告(图8)
极限值报告显示在约束条件范围内可变单元格的数值的可增减量。 我们已经学会了用Excel的规划求解来计算最小化运输成本。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 用户数据散落在注册系统、APP 日志、客服记录中,订单数据分散 ...
2025-10-22在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15