基于CPLEX的物流网络设计综合实验——固定费用模型

2023-10-23 16:41

本文主要是介绍基于CPLEX的物流网络设计综合实验——固定费用模型,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

          基于CPLEX的物流网络设计综合实验——固定费用模型

1.问题背景

在汶川地震发生后,根据受灾的情况把整个灾区划分为如下图所示的15个区域,其中每一个受灾区域由从“A”到“O”的一个字母表示。每个受灾区域都需要大量的救灾资源,如食品、水、帐篷、药品,以及救灾人员和医护人员(医生、护士)。为保证救灾行动的有序进行,现在灾区周围初步选定了8个临时配送中心(用三角形表示,并编有序号),所有救援资源动员配置到所选定的配送中心后,再统一组织从配送中心运往各受灾区域。每个配送中心的构建成本、应急资源的动员成本和动员潜力都不一样,后者主要取决于其应急资源的初始库存水平和外部运输条件。每个候选配送中心到任一受灾区域的运输代价与它们之间的距离成正比。请构建和实现一选址-分配模型,用以决定在哪些候选地建立临时配送中心,每个被选定的临时配送中心处各类救灾资源的动员配置水平如何,以及每个临时配送中心与各受灾区域之间的物资、人员分配计划。

图 1   受灾区域与候选配送中心分布图

 

 

2.模型构建

2.1 集合参数与变量定义

2.1.1 集合与索引定义

I:候选临时配送中心节点集,i\in I

J:受灾地区集合,j\in J

K:救灾资源类别集合,k\in K

2.1.2 参数定义

f_{i}:临时配送中心i的选定构建成本;

d_{jk}:受灾地区j对第k类救援资源的需求水平(单位);

t_{ij}:临时配送中心i和受灾地区j之间的平均距离(飞行小时);

r_{k}:第k类救援资源的单位运输成本;

U_{ik}:临时配送中心i处第k类救援资源的最大动员水平(单位)

L:修正变量,比y_{ijk}的最大值大。

2.1.3 决策变量

x_{i}:是否选定临时配送中心i(1表示选定,0表示不选定)

s_{ik}:临时配送中心ik类型救援资源的动员水平(单位)

y_{ijk}:临时配送中心i和受灾区域之间有关k类救援资源的运输分配结果。

2.2 优化模型

优化目标:

                                     (1)

(1)表示系统化最小系统总成本,包括选址成本和运输成本

条件约束:

              (2)

                                       (3)

                              (4)

                   (5)

                           (6)

 

(2)表示只能从被送设施处提供对外运输服务

(3)表示任一需求点对任一资源的需求必须得到满足

(4)表示任一设施处发往所有灾区的任一资源总数须小于实际动员水平

(5)表示实际动员水平须小于动员容量限制

(6)表示变量的约束

3.实验验证

 

 

3.1 具体代码

/*********************************************

 * OPL 12.5.1.0 Model

 * Author: byreeze

 * Creation Date: 2019-6-18 at 下午03:20:13

 *********************************************/

 //集合与索引定义

 {string} I =...;//候选临时配送中心节点集,i in I

 {string} J 

这篇关于基于CPLEX的物流网络设计综合实验——固定费用模型的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/269109

相关文章

大模型研发全揭秘:客服工单数据标注的完整攻略

在人工智能(AI)领域,数据标注是模型训练过程中至关重要的一步。无论你是新手还是有经验的从业者,掌握数据标注的技术细节和常见问题的解决方案都能为你的AI项目增添不少价值。在电信运营商的客服系统中,工单数据是客户问题和解决方案的重要记录。通过对这些工单数据进行有效标注,不仅能够帮助提升客服自动化系统的智能化水平,还能优化客户服务流程,提高客户满意度。本文将详细介绍如何在电信运营商客服工单的背景下进行

不懂推荐算法也能设计推荐系统

本文以商业化应用推荐为例,告诉我们不懂推荐算法的产品,也能从产品侧出发, 设计出一款不错的推荐系统。 相信很多新手产品,看到算法二字,多是懵圈的。 什么排序算法、最短路径等都是相对传统的算法(注:传统是指科班出身的产品都会接触过)。但对于推荐算法,多数产品对着网上搜到的资源,都会无从下手。特别当某些推荐算法 和 “AI”扯上关系后,更是加大了理解的难度。 但,不了解推荐算法,就无法做推荐系

Andrej Karpathy最新采访:认知核心模型10亿参数就够了,AI会打破教育不公的僵局

夕小瑶科技说 原创  作者 | 海野 AI圈子的红人,AI大神Andrej Karpathy,曾是OpenAI联合创始人之一,特斯拉AI总监。上一次的动态是官宣创办一家名为 Eureka Labs 的人工智能+教育公司 ,宣布将长期致力于AI原生教育。 近日,Andrej Karpathy接受了No Priors(投资博客)的采访,与硅谷知名投资人 Sara Guo 和 Elad G

综合安防管理平台LntonAIServer视频监控汇聚抖动检测算法优势

LntonAIServer视频质量诊断功能中的抖动检测是一个专门针对视频稳定性进行分析的功能。抖动通常是指视频帧之间的不必要运动,这种运动可能是由于摄像机的移动、传输中的错误或编解码问题导致的。抖动检测对于确保视频内容的平滑性和观看体验至关重要。 优势 1. 提高图像质量 - 清晰度提升:减少抖动,提高图像的清晰度和细节表现力,使得监控画面更加真实可信。 - 细节增强:在低光条件下,抖

Linux 网络编程 --- 应用层

一、自定义协议和序列化反序列化 代码: 序列化反序列化实现网络版本计算器 二、HTTP协议 1、谈两个简单的预备知识 https://www.baidu.com/ --- 域名 --- 域名解析 --- IP地址 http的端口号为80端口,https的端口号为443 url为统一资源定位符。CSDNhttps://mp.csdn.net/mp_blog/creation/editor

Retrieval-based-Voice-Conversion-WebUI模型构建指南

一、模型介绍 Retrieval-based-Voice-Conversion-WebUI(简称 RVC)模型是一个基于 VITS(Variational Inference with adversarial learning for end-to-end Text-to-Speech)的简单易用的语音转换框架。 具有以下特点 简单易用:RVC 模型通过简单易用的网页界面,使得用户无需深入了

透彻!驯服大型语言模型(LLMs)的五种方法,及具体方法选择思路

引言 随着时间的发展,大型语言模型不再停留在演示阶段而是逐步面向生产系统的应用,随着人们期望的不断增加,目标也发生了巨大的变化。在短短的几个月的时间里,人们对大模型的认识已经从对其zero-shot能力感到惊讶,转变为考虑改进模型质量、提高模型可用性。 「大语言模型(LLMs)其实就是利用高容量的模型架构(例如Transformer)对海量的、多种多样的数据分布进行建模得到,它包含了大量的先验

图神经网络模型介绍(1)

我们将图神经网络分为基于谱域的模型和基于空域的模型,并按照发展顺序详解每个类别中的重要模型。 1.1基于谱域的图神经网络         谱域上的图卷积在图学习迈向深度学习的发展历程中起到了关键的作用。本节主要介绍三个具有代表性的谱域图神经网络:谱图卷积网络、切比雪夫网络和图卷积网络。 (1)谱图卷积网络 卷积定理:函数卷积的傅里叶变换是函数傅里叶变换的乘积,即F{f*g}

秋招最新大模型算法面试,熬夜都要肝完它

💥大家在面试大模型LLM这个板块的时候,不知道面试完会不会复盘、总结,做笔记的习惯,这份大模型算法岗面试八股笔记也帮助不少人拿到过offer ✨对于面试大模型算法工程师会有一定的帮助,都附有完整答案,熬夜也要看完,祝大家一臂之力 这份《大模型算法工程师面试题》已经上传CSDN,还有完整版的大模型 AI 学习资料,朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费

【生成模型系列(初级)】嵌入(Embedding)方程——自然语言处理的数学灵魂【通俗理解】

【通俗理解】嵌入(Embedding)方程——自然语言处理的数学灵魂 关键词提炼 #嵌入方程 #自然语言处理 #词向量 #机器学习 #神经网络 #向量空间模型 #Siri #Google翻译 #AlexNet 第一节:嵌入方程的类比与核心概念【尽可能通俗】 嵌入方程可以被看作是自然语言处理中的“翻译机”,它将文本中的单词或短语转换成计算机能够理解的数学形式,即向量。 正如翻译机将一种语言