Logické omezení

Supply Chain Analytics v Pythonu

Aaren Stubberfield

Supply Chain Analytics Mgr.

Příklad problému

Maximální hmotnost: 20 000 lbs

Produkt Hmotnost (lbs) Ziskovost ($US)
A 12 800 77 878
B 10 900 82 713
C 11 400 82 728
D 2 100 68 423
E 11 300 84 119
F 2 300 77 765
  • Vyberte nejziskovější produkt k přepravě bez překročení limitu hmotnosti
  • Rozhodovací proměnné:
    • X$_{i}$ = 1, pokud je produkt _i_ vybrán, jinak 0
  • Účelová funkce:
    • Maximalizovat z = $\sum$ Ziskovost$_{i}$X$_{i}$
  • Omezení:
    • $\sum$ Hmotnost$_{i}$X$_{i}$ < 20 0000
Supply Chain Analytics v Pythonu
prod = ['A', 'B', 'C', 'D', 'E', 'F']
weight = {'A':12800, 'B':10900, 'C':11400, 'D':2100, 'E':11300, 'F':2300}
prof = {'A':77878, 'B':82713, 'C':82728, 'D':68423, 'E':84119, 'F':77765}

# Initialize Class model = LpProblem("Loading Truck Problem", LpMaximize) # Define Decision Variables x = LpVariable.dicts('ship_', prod, cat='Binary')
# Define Objective model += lpSum([prof[i]*x[i] for i in prod]) # Define Constraint model += lpSum([weight[i]*x[i] for i in prod]) <= 20000
# Solve Model model.solve() for i in prod: print("{} status {}".format(i, x[i].varValue))
Supply Chain Analytics v Pythonu

Výsledek příkladu

Maximální hmotnost: 20 000 lbs

Produkt Přepravit
A Ne
B Ne
C Ne
D Ano
E Ano
F Ano

Výsledek

  • Ziskovost: 230 307 $
  • Hmotnost produktů: 15 700 lbs
Supply Chain Analytics v Pythonu

Logické omezení, příklad 1

Vybrán je buď produkt E, nebo produkt D, nikoli oba.

  • X$_{E}$ = 1, pokud je produkt _i_ vybrán, jinak 0
  • X$_{D}$ = 1, pokud je produkt _i_ vybrán, jinak 0
  • Omezení
    • X$_{E}$ + X$_{D}$ ≤ 1
Supply Chain Analytics v Pythonu

Příklad kódu – logické omezení, příklad 1

model += x['E'] + x['D'] <= 1
prod = ['A', 'B', 'C', 'D', 'E', 'F']
weight = {'A':12800, 'B':10900, 'C':11400, 
          'D':2100, 'E':11300, 'F':2300}
prof = {'A':77878, 'B':82713, 'C':82728, 
        'D':68423, 'E':84119, 'F':77765}

# Initialize Class
model = LpProblem("Loading Truck Problem",
                   LpMaximize)

# Define Decision Variables
x = LpVariable.dicts('ship_', prod, 
                      cat='Binary')
# Define Objective
model += lpSum([prof[i]*x[i] for i in prod])

# Define Constraint
model += 
  lpSum([weight[i]*x[i] for i in prod]) <= 20000
model += x['E'] + x['D'] <= 1

# Solve Model
model.solve()
for i in prod:
  print("{} status {}".format(i, x[i].varValue))
Supply Chain Analytics v Pythonu

Výsledek logického omezení, příklad 1

Maximální hmotnost: 20 000 lbs

Produkt Přepravit
A Ne
B Ne
C Ano
D Ano
E Ne
F Ano

Výsledek

  • Ziskovost: 228 916 $
  • Hmotnost produktů: 15 800 lbs
Supply Chain Analytics v Pythonu

Logické omezení, příklad 2

Pokud je vybrán produkt D, musí být vybrán i produkt B.

  • X$_{D}$ = 1, pokud je produkt _i_ vybrán, jinak 0
  • X$_{B}$ = 1, pokud je produkt _i_ vybrán, jinak 0
  • Omezení
    • X$_{D}$ ≤ X$_{B}$
Supply Chain Analytics v Pythonu

Příklad kódu – logické omezení, příklad 2

model += x['D'] <= x['B']

prod = ['A', 'B', 'C', 'D', 'E', 'F'] weight = {'A':12800, 'B':10900, 'C':11400, 'D':2100, 'E':11300, 'F':2300} prof = {'A':77878, 'B':82713, 'C':82728, 'D':68423, 'E':84119, 'F':77765} # Initialize Class model = LpProblem("Loading Truck Problem", LpMaximize) # Define Decision Variables x = LpVariable.dicts('ship_', prod, cat='Binary')
# Define Objective
model += lpSum([prof[i]*x[i] for i in prod])

# Define Constraint
model += 
 lpSum([weight[i]*x[i] for i in prod]) <= 20000
model += x['D'] <= x['B']

# Solve Model
model.solve()
for i in prod:
  print("{} status {}".format(i, x[i].varValue))
Supply Chain Analytics v Pythonu

Výsledek logického omezení, příklad 2

Maximální hmotnost: 20 000 lbs

Produkt Přepravit
A Ne
B Ano
C Ne
D Ano
E Ne
F Ano

Výsledek

  • Ziskovost: 228 901 $
  • Hmotnost produktů: 15 300 lbs
Supply Chain Analytics v Pythonu

Další logická omezení

Logické omezení Omezení
Pokud je vybrán prvek _i_, je vybrán i prvek _j_. x$_{i}$ - x$_{j}$ ≤ 0
Vybrán je buď prvek _i_, nebo prvek _j_, nikoli oba. x$_{i}$ + x$_{j}$ = 1
Pokud je vybrán prvek _i_, prvek _j_ vybrán není. x$_{i}$ - x$_{j}$ ≤ 1
Pokud není vybrán prvek _i_, není vybrán ani prvek _j_. -x$_{i}$ + x$_{j}$ ≤ 0
Nejvýše jeden z prvků _i_, _j_ a _k_ je vybrán. x$_{i}$ + x$_{j}$ + x$_{k}$ ≤ 1
1 James Orlin, and Ebrahim Nasrabadi. 15.053 Optimization Methods in Management Science. Spring 2013. Massachusetts Institute of Technology: MIT OpenCourseWare. License: Creative Commons BY-NC-SA.
Supply Chain Analytics v Pythonu

Shrnutí

  • Příklady logických omezení
  • Přehled dalších logických omezení v tabulce
Supply Chain Analytics v Pythonu

Vaše řada!

Supply Chain Analytics v Pythonu

Preparing Video For Download...