奶制品的生产与销售(数学建模)

合集下载
  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

加工奶制品的生产计划

问题重述

一奶制品加工厂用牛奶生产1A ,2A 两种奶制品,1桶牛奶可以在设备甲上用12小时加工成3公斤1A ,或者在设备乙上用8小时加工成4公斤2A 。根据市场需求,生产的1A ,2A 全部能售出,且每公斤1A 获利24元,每公斤2A 获利16元.现在加工厂每天能得到50桶牛奶的供应,每天正式工人总的劳动时间为480小时,并且设备甲每天至多能加工100公斤1A ,设备乙的加工能力没有限制。试为该厂制订一个生产计划,使每天获利最大。

问题分析

这个优化问题的目标是使每天的获利最大,要作的决策是生产计划,即每天用多少桶牛奶生产1A ,用多少桶牛奶生产2A (也可以是每天生产多少公斤1A ,多少公斤2A ),决策受到3个条件的限制:原料(牛奶)供应、劳动时间、设备甲的加工能力.按照题目所给,将决策变量、目标函数和约束条件用数学符号及式子表示出来,就可得到下面的模型。

模型假设

1) 1A ,2A 两种奶制品每公斤的获利是与它们各自产量无关的常数,每桶牛奶加工出1A ,2A 的数量和所需的时间是与它们各自的产量无关的常数;

2) 1A ,2A 每公斤的获利是与它们相互间产量无关的常数,每桶牛奶加工出1A ,2A 的数量和所需的时间是与它们相互间产量无关的常数;

3)加工1A ,2A 的牛奶的桶数可以是任意实数.

模型建立

设每天用1x 桶牛奶生产1A ,用2x 桶牛奶生产2A . 设每天获利为z 元.1x 桶牛奶可生产31x 公斤1A ,获利 24⨯31x ,2x 桶牛奶可生产42x 公斤2A ,获利16⨯42x ,故目标函数为:z=721x +642x .

由题设可以得到如下约束条件:

原料供应: 生产1A ,2A 的原料(牛奶)总量不得超过每天的供应,即1x +2x ≤50桶; 劳动时间: 生产1A ,2A 的总加工时间不得超过每天正式工人总的劳动时间,即121x +82x ≤480小时;设备能力: 1A 的产量不得超过设备甲每天的加工能力,即31x ≤100; 非负约束: 1x +2x 均不能为负值,即1x ≥0,2x ≥0.

综上可得该问题的数学模型为:

max 216472x x z += (1)

S.t.

5021≤+x x (2)

48081221≤+x x (3)

10031≤x (4)

0,021≥≥x x (5)

模型求解

将(1)……(5)式代入lingo 软件进行求解:

max = 72*x1+64*x2;

x1+x2<=50;

12*x1+8*x2<=480;

3*x1<=100;

得到结果如下:

Global optimal solution found.

Objective value: 3360.000

Infeasibilities: 0.000000

Total solver iterations: 2

Variable Value Reduced Cost X1 20.00000 0.000000 X2 30.00000 0.000000

Row Slack or Surplus Dual Price 1 3360.000 1.000000 2 0.000000 48.00000 3 0.000000 2.000000 4 40.00000 0.000000

最终结果为20桶牛奶生产A ,30桶牛奶生产B ,所得利润为3360元。

图解法: 这个线性规划模型的决策变量为2维,用图解法既简单,又便于直观地把握线性规划的基本性质.将约束条件(2)~(5)中的不等号改为等号,可知它们是1Ox ,2x 平面上的5条直线,依次记为1L ~5L ,如图1.其中4L ,5L 分别是工2x 轴和1x 轴,并且不难判断,(2)~(5)式界定的可行域是5条直线上的线段所围成的5边形OABCD .容易算出,5个顶点的坐标为:O(0,0),A(0,50),B(20,30),C(100/3,

10),D(100/3,0).

目标函数(1)中的z 取不同数值时,在图1中表示一组平行直线(虚线),称等值线族.如z=0是过O 点的直线,z=2400是过D 点的直线,z=3040是过C 点的直线,….可以看出,当这族平行线向右上方移动到过B 点时,z=3360,达到最大值,所1,5[B 点的坐标(20,30)即为最优解:1x =20, 2x =30.

我们直观地看到,由于目标函数和约束条件都是线性函数,在2维情形,可行域为直线段围成的凸多边形,目标函数的等值线为直线,于是最优解一定在凸多边形的某个顶点取得.推广到n维情形,可以猜想,最优解会在约束条件所界定的一个凸多面体 (可行域)的某个顶点取得.线性规划的理论告诉我们,这个猜想是正确的.

相关文档
最新文档