线性规划基础 Introduction to Linear Programming #2
两道例题
Product Mix Problem
许多制造业公司会面临不同产品的生产数量的决策问题, 比如A和B产品分别制造多少,能产生最大的利益。这道例题里,一家科技公司需要生产两种电脑,Basic款和XP款。 每生产一台电脑,都需要组装和测试。
- 这家公司觉得,本月他们可以售出600台基础款,以及1200台XP款。
- 基础款价格是300,成本为150, XP款价格是450,成本为225。
- 组装电脑的总工时不能超过10000小时,人工成本为11/小时。测试电脑的总工时不能超过3000小时,人工成本为15/小时。
- 基础电脑需要5小时组装,1小时测试。
- XP电脑需要6小时组装,2小时测试。
- Decision Variable
基础款的生产量(B) >= 0
XP的生产量 (X)>= 0 - Objective Function
最大化利润 MAX( (150 - 5 x 11 - 15 x 1) x B + (225 - 6 x 11 - 15 x 2) x X) - Constrains
B <= 600
XP <= 1200
总加工工时: 5B + 6XP <= 10000
总测试工时: B + 2XP <= 3000
用Excel Solver
Solver的具体参数
广告投放
再看一个求最小值的优化问题。
一家公司希望在电视台投放自己的产品广告。每家电视台会吸引不同人群和年龄段的观众,且收费不同。 如何可以用最少的花费,来达到预期的曝光度呢?预期的总曝光度是由各个不同人群分别的期望曝光度共同组成的。
- Decisions Variables: Number of ads to place on various types of shows (x1…x8)
- Objective: Minimizing the total advertising cost
Minimize (140x1 + 100x2 + 80x3 + 9x4 + 13x5 + 15x6 + 8x7+ 140x8) - Constraints: Actual exposure ≥ Required exposure
4. 换成表格
要注意的是,广告的购买数量应该是一个整数,所以我们这里的Decision Variable也应该设为整数。 这需要手动在Solver里进行设置。
当我们限制Decision Variable只能为整数后,算出优化值(最小Cost)其实要比之前的值大。而且最优的整数值,并不等于直接把之前的小数值进行四舍五入。