解の妥当性チェック

Pythonで学ぶサプライチェーン分析

Aaren Stubberfield

Supply Chain Analytics Mgr.

解の妥当性チェックのフローチャート

モデルのステータスを確認

Infeasible（実行不能）: 実行可能解がない。
- 制約を見直す
Unbounded（非有界）: 目的関数が有界でない。最大化/最小化で無限に発散。
- 目的関数を見直す
Undefined（未確定）: 最適解はあるかもしれないが未発見の可能性。
- 現時点の最良解の可能性
- モデル化の方法を見直す

結果が期待どおりか確認

意思決定変数 と 目的値 は期待範囲内か？

問題の知識/理解に基づいて判断
「はい」なら妥当な解
「いいえ」なら以下を見直す:
- Pythonコード
- データ
- LPファイルを書き出す

LPを書き出す

writeLP(filename)

filename = 作成するファイル名

出力内容:

問題名
目的関数と最小化/最大化
制約（意思決定変数の Bounds を含む）
意思決定変数

コード例

\* Aggregate Production Planning *\
Minimize
OBJ: 20 prod_('A',_0) + 17 prod_('A',_1) 
    + 18 prod_('A',_2) + 15 prod_('B',_0) 
    + 16 prod_('B',_1) + 15 prod_('B',_2)
Subject To
_C1: prod_('A',_0) >= 0
_C2: prod_('A',_1) >= 0
_C3: prod_('A',_2) >= 0
_C4: prod_('B',_0) >= 8
_C5: prod_('B',_1) >= 7
_C6: prod_('B',_2) >= 6

Bounds
0 <= prod_('A',_0)
0 <= prod_('A',_1)
0 <= prod_('A',_2)
0 <= prod_('B',_0)
0 <= prod_('B',_1)
0 <= prod_('B',_2)
Generals
prod_('A',_0)
prod_('A',_1)
prod_('A',_2)
prod_('B',_0)
prod_('B',_1)
prod_('B',_2)

まとめ

妥当性チェックの戦略

モデルのステータスを確認
意思決定変数と目的値が期待範囲内か確認
必要に応じて writeLP() を使用

¡Vamos a practicar!

Pythonで学ぶサプライチェーン分析