Логічні обмеження
Аналітика ланцюга постачань у Python
Aaren Stubberfield
Supply Chain Analytics Mgr.
Приклад задачі
Максимальна вага 20 000 фунтів
| Product | Weight (lbs) | Profitability ($US) |
|---|---|---|
| A | 12,800 | 77,878 |
| B | 10,900 | 82,713 |
| C | 11,400 | 82,728 |
| D | 2,100 | 68,423 |
| E | 11,300 | 84,119 |
| F | 2,300 | 77,765 |
- Оберіть найприбутковіші товари для відвантаження, не перевищивши ліміт ваги
- Змінні рішення:
- X$_{i}$ = 1, якщо товар _i_ обрано, інакше 0
- Ціль:
- Максимізувати z = $\sum$ Profitability$_{i}$X$_{i}$
- Обмеження:
- $\sum$ Weight$_{i}$X$_{i}$ < 20,0000
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))
Приклад результату
Максимальна вага 20 000 фунтів
| Product | Ship or Not |
|---|---|
| A | No |
| B | No |
| C | No |
| D | Yes |
| E | Yes |
| F | Yes |
Результат
- Прибутковість: $230,307
- Вага товарів: 15,700 фунтів
Приклад логічного обмеження 1
Або товар E обрано, або товар D обрано, але не обидва.
- X$_{E}$ = 1, якщо товар _i_ обрано, інакше 0
- X$_{D}$ = 1, якщо товар _i_ обрано, інакше 0
- Обмеження
- X$_{E}$ + X$_{D}$ ≤ 1
Приклад коду — логічне обмеження 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))
Результат для логічного обмеження 1
Максимальна вага 20 000 фунтів
| Product | Ship or Not |
|---|---|
| A | No |
| B | No |
| C | Yes |
| D | Yes |
| E | No |
| F | Yes |
Результат
- Прибутковість: $228,916
- Вага товарів: 15,800 фунтів
Приклад логічного обмеження 2
Якщо обрано товар D, то має бути обрано і товар B.
- X$_{D}$ = 1, якщо товар _i_ обрано, інакше 0
- X$_{B}$ = 1, якщо товар _i_ обрано, інакше 0
- Обмеження
- X$_{D}$ ≤ X$_{B}$
Приклад коду — логічне обмеження 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))
Результат для логічного обмеження 2
Максимальна вага 20 000 фунтів
| Product | Ship or Not |
|---|---|
| A | No |
| B | Yes |
| C | No |
| D | Yes |
| E | No |
| F | Yes |
Результат
- Прибутковість: $228,901
- Вага товарів: 15,300 фунтів
Інші логічні обмеження
| Логічне обмеження | Обмеження |
|---|---|
| Якщо елемент _i_ обрано, то елемент _j_ також обрано. | x$_{i}$ - x$_{j}$ ≤ 0 |
| Або елемент _i_ обрано, або елемент _j_ обрано, але не обидва. | x$_{i}$ + x$_{j}$ = 1 |
| Якщо елемент _i_ обрано, то елемент _j_ не обрано. | x$_{i}$ - x$_{j}$ ≤ 1 |
| Якщо елемент _i_ не обрано, то елемент _j_ не обрано. | -x$_{i}$ + x$_{j}$ ≤ 0 |
| Не більше одного з елементів _i_, _j_ та _k_ обрано. | 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.
Підсумок
- Розглянули приклади логічних обмежень
- Навели таблицю інших логічних обмежень
Тепер ваша черга!
Аналітика ланцюга постачань у Python
