Weryfikacja poprawności rozwiązania

Analityka łańcucha dostaw w Pythonie

Aaren Stubberfield

Supply Chain Analytics Mgr.

schemat blokowy strategii weryfikacji rozwiązania

Sprawdź status modelu

Infeasible: Brak dopuszczalnych rozwiązań.
- Przejrzyj ograniczenia
Unbounded: Funkcja celu jest nieograniczona – maksymalizacja lub minimalizacja zmierza do nieskończoności.
- Przejrzyj funkcję celu
Undefined: Optymalne rozwiązanie może istnieć, ale mogło nie zostać znalezione.
- Być może to najlepsze dostępne rozwiązanie
- Przejrzyj sposób modelowania problemu

Sprawdź, czy wyniki są zgodne z oczekiwaniami

Czy zmienne decyzyjne i wartość celu mieszczą się w oczekiwanym zakresie?

Na podstawie wiedzy i rozumienia problemu
Jeśli „Tak" – rozwiązanie jest prawidłowe
Jeśli „Nie" – przejrzyj:
- Kod Python
- Dane
- Plik LP

Zapis do pliku LP

writeLP(filename)

filename = Nazwa pliku do utworzenia

Wyświetla:

Nazwę problemu
Funkcję celu i kierunek optymalizacji
Ograniczenia, w tym ograniczenia zmiennych decyzyjnych (Bounds)
Zmienne decyzyjne

Przykład kodu

\* 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)

Podsumowanie

Strategia weryfikacji poprawności

Sprawdź status modelu
Sprawdź, czy zmienne decyzyjne i cel mieszczą się w oczekiwanym zakresie
W razie potrzeby użyj writeLP()

Czas na ćwiczenia!

Analityka łańcucha dostaw w Pythonie