
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
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