运输问题的目标
运输问题旨在寻找一种成本最低的方式,将产品从供应地(起始地)运送到需求地(目的地)。视频在引入任何公式之前,先陈述了这一目标。
Joshua Emmanuel · YouTube · 6:40
这段时长为120秒的片段将运输问题作为线性规划模型进行介绍,其目标是以最低总成本将货物从产地运往销地。片段首先定义了优化目标,接着给出一个具体的2行3列示例矩阵,其中波士顿和多伦多为生产厂,DC1、DC2、DC3为配送中心。同一组数据随后被重绘为一个二部网络图:节点标注供应量或需求量,弧上标注单位运输成本。最后,片段为每条运输路线定义一个决策变量,指出变量总数为,并为更大规模模型引入紧凑的带下标记号 X_{ij}。本片段未展示任何优化求解过程。 这个时长为120秒的片段将一个小型运输问题建模为线性规划:定义了路线变量X_{ij},依据给定的单位运输成本构建成本最小化目标函数,在两个产地处写出供应不等式约束,在三个销地处写出需求等式约束,添加非负性约束,随后简要开启一个涉及生产成本的拓展,但未完成。 这个时长为120秒的片段将运输问题解释为一个线性规划问题。它从一个含两个工厂、三个目的地的网络出发,写出目标函数、供应约束、需求约束及非负性条件。随后,旁白通过给所有运往波士顿的路线成本加上20、给所有运往多伦多的路线成本加上18来更新目标函数,从而得到屏幕上显示的系数25、26、24、24、21和25。接着,它利用总量800和750区分供需平衡与不平衡的运输问题;然后将DC1的需求调整为300,使总需求变为850,超出供应量50。为处理这种需求过剩的不平衡情形,片段引入了一个供应量为50、运输成本为零的虚拟工厂,并在模型中新增变量、、;最后提出一种替代方法:将供应不等式改为等式,因为所有实际供应量都会被完全使用。 本视频片段给出了一个运输问题的完整线性规划建模过程,涉及两家工厂(波士顿、多伦多)和三家配送中心。内容详细说明了以最小化运输成本为目标的目标函数,以及供应与需求约束;并指出,由于总供应量小于总需求量,因此需求约束采用不等式形式。随后,片段演示了如何通过添加一条显式约束(令对应变量为零),来处理一条禁止的运输路线(即从多伦多到 DC3),而非将该变量从所有方程中删除。
在学习检查器中查看要点和时刻,或切换阅读标签查看完整笔记。
依据视频画面与讲解整理,并非逐字语音转写。
该片段开篇点明主题:运输问题的线性规划建模。
接着阐明核心思想:货物在称为产地的供应点生产,并须运往称为销地的需求点,以使总运输成本最小化。
为使该思想具体化,视频引入了一个运输矩阵:行代表产地,列代表销地,最右列列出各产地的供应量,最下行列出各销地的需求量,内部单元格则列出对应产地到销地的单位运输成本。
在该示例中,波士顿的供应量为300,多伦多的供应量为500。三个目的地DC1、DC2和DC3的需求量分别为200、300和250。其中一个高亮显示的成本项表明:从波士顿向DC2运送一个单位货物的成本为$6。
随后,相同的数据被重绘为网络图:两个工厂变为起始节点,三个配送中心变为终点节点,每条可能的运输路线则变为一条从起始节点指向终点节点的有向弧。
节点标签标示数量:起始节点处标注供应量,终点节点处标注需求量;弧标签标示单位运输成本,这些数值取自原矩阵。
接下来,视频定义了决策变量:每条运输路线对应一个变量,用于衡量沿该路线运送的货物单位数——来自波士顿的变量为、、,来自多伦多的变量为、、。
由于每个起始–终点对对应一个变量,因此变量总数等于起始节点数乘以终点节点数。本例中即为。
最后,视频不再逐条列出所有路线,而是引入紧凑的下标记号:X_{ij}表示从工厂i运往配送中心j的货物单位数。这为从小规模具体示例过渡到一般线性规划(LP)模型做好了准备。
该片段从一个运输网络开始,其中有两个产地——波士顿和多伦多,以及三个销地——DC1、DC2和DC3。讲解者按运输路线定义决策变量:表示从工厂运往配送中心的单位数量,其中代表波士顿,代表多伦多,代表三个配送中心。由此共确立六个变量,即网络中每条边对应一个变量。
下一步是构建目标函数。由于目标是最小化总运输成本,因此每个路线变量均乘以其在表格和网络图中对应的单位成本。所得表达式为。讲解强调:每条路线的成本在求和式中恰好出现一次。
模型随后为每个节点添加一条约束。在产地节点处,总出运量不得超过可用供应量。对波士顿得到约束,对多伦多得到约束。画面中对出向边的突出显示清晰表明这些是流出流量约束。
一个关键的建模要点被明确指出:总供应量为,而总需求量为,因此供应量大于需求量。故产地约束使用而非,因为允许存在未使用的产能。
在目的地节点,逻辑发生变化。每个配送中心(DC)必须恰好接收所要求的数量,因此流入量等于需求值。这得到、和。讲解者指出,使用等式是恰当的,因为需求必须被完全满足,且总供应量足以满足全部需求。
最后,视频片段添加了非负性约束。这些约束可逐个列出全部六个变量,也可简洁地写作对所有成立。结合目标函数、供应约束、需求约束以及非负性约束,讲解者指出了该运输问题的完整线性规划(LP)模型。
在最后几秒,视频开始拓展:引入波士顿的生产成本和多伦多的生产成本,讲解者指出这些成本应加到运输成本中。修订后的目标函数在片段结束前尚未完成。
片段以一个已完整写出的运输线性规划模型开场。决策变量定义为,即从工厂运往配送中心的单位数量,其中和。网络图与表格给出波士顿的供应量为300、多伦多的供应量为500,各需求量分别为200、300、250;而路线成本方面,从波士顿出发的为5、6、4,从多伦多出发的为6、3、7。
第一项数学运算是对目标函数的更新。旁白说明:从波士顿发出的每单位货物需加 20,从多伦多发出的每单位货物需加 18。由于目标函数是各条运输路线的成本乘以发货量之和,这意味着将每个波士顿出发路线的系数均增加 20,每个多伦多出发路线的系数均增加 18。
执行该运算后,得到屏幕上显示的更新后目标函数 。本步骤中约束条件的结构不变,仅成本系数被修订。
随后,课程重点从代数更新转向模型分类。它指出:若总供应量等于总需求量,则所有约束均可写为等式形式。这种情况称为平衡运输问题。
根据屏幕上的数字,总供应量为 ,原始总需求量为 。由于 ,原始实例属于供过于求的非平衡运输问题。旁白还提到了相反的情形,即需求超过供应。
引入一种新情景:配送中心1的需求量由 200 上升至 300。重新计算总量可得需求为 ,而供应保持不变,仍为 800,因此现在有 ,短缺量为 50 单位。这使得不平衡状态由供应过剩转变为需求过剩。
为处理需求过剩的情形,第一种方法是添加一个虚拟工厂 ,其供应量为 50。该虚拟工厂不代表真实库存,因此其单位成本与运输成本均设为零。在线性规划模型中,这体现为新增变量 、新增目标函数项 ,以及一条虚拟供应约束 。
接着,需求约束被扩展以包含虚拟发货量,例如 。从概念上讲,任何正的虚拟发货量都代表无法真正满足的需求,因为虚拟单位并不存在。所有变量仍须满足非负性约束。
随后,视频展示了第二种不引入虚拟节点的方法。由于需求超过供应,其逻辑是:所有实际供应都将被完全用尽,因此将供应约束由不等式改为等式: 和 。
最后,由于部分目的地的需求无法完全满足,需求等式也需相应放宽。视频明确宣布了这一调整,但片段在完整展示最终需求侧不等式形式前即结束。
视频展示了运输问题的完整线性规划模型。目标是最小化总成本:。约束条件包括波士顿()和多伦多()的供应量限制,以及各配送中心的需求量限制。由于总供应量(800)小于总需求量(850),因此需求约束以不等式形式给出,例如 对于配送中心1。
讲解者引入了一个场景:从多伦多到 DC3 的运输被禁止,原因可能是运费过高或距离过远。虽然可以简单地将变量 从模型中移除,但在大规模模型中这样做效率低下。更优的做法是添加一条显式约束:。这能在不改变其他方程结构的前提下,有效消除该运输路线。
运输问题旨在寻找一种成本最低的方式,将产品从供应地(起始地)运送到需求地(目的地)。视频在引入任何公式之前,先陈述了这一目标。
在所示矩阵中,行代表起始地,列代表目的地,最右一列给出各起始地的供应量,最底一行给出各目的地的需求量,内部单元格则给出单位运输成本。本例中,波士顿供应量为300,多伦多供应量为500,各配送中心DC的需求量分别为200、300、250。
该矩阵可转化为一个二部网络:圆圈代表节点,一侧为起始节点,另一侧为终点节点;有向箭头代表弧,表示可能的运输路线;供应量与需求量标注在节点上,单位成本则标注在弧上。
对于这个2行3列的例子,每条可能的路径都有其对应的变量:、、、、、。每个变量表示从该起点运往该配送中心的货物单位数量。
当每个起点均可向每个终点发货时,决策变量的个数等于起点个数乘以终点个数。因此,本例共有个变量。
对于规模更大的问题,视频中用简洁的双下标变量替代显式列举。X_{ij} 表示从第 i 个工厂运往第 j 个配送中心的货物单位数量。
运输模型为每个产地—目的地组合设置一个变量。在此例中,表示从工厂运往配送中心的单位数量,其中和,共得到六个路径变量。
目标函数对所有路径求和,每一项为单位运输成本乘以运输数量。系数直接来自成本表和网络边。
每个产地约束将总流出量限制在可用产能之内。由于总供应量大于总需求量,允许存在未使用的产能,因此约束中使用。
每个目的地约束要求总流入量严格匹配其确切需求量。采用等式是因为需求必须被完全满足。
所有运货变量必须为非负数。这可以逐个变量写出,也可以用带下标的记号简洁表达。
完整的线性规划问题包含最小化目标函数、产地供应不等式、销地需求等式以及非负性约束。
在视频接近结尾处,引入了波士顿的产地特有生产成本和多伦多的产地特有生产成本,并指出应将它们加到运输成本中;但本片段内未完整展示修订后的目标函数。
该片段构建了一个运输问题:决策变量为 ,目标为最小化各条路线的运输成本之和;约束包括各工厂的供应约束、各目的地的需求约束,以及所有变量的非负性约束。网络图与代数表达保持同步,即每条弧对应一个变量。
表示从工厂运往配送中心的单位数量。本例中,取值为波士顿和多伦多,而取值为DC1、DC2和DC3。
当某一源点的所有运货均附加额外的单位成本时,该源点所有出向路径的系数均增加相同数值。此处波士顿增加20,多伦多增加18,从而得到屏幕上显示的更新后目标函数。
当总供应量等于总需求量时,运输问题称为平衡的。此时模型可在供应端与需求端均采用等式约束。
本例是非平衡的,因为总供应量与总需求量不相等。视频片段首先展示供应量超过需求量的情形,随后通过提高DC1的需求量,构造出相反的情形。
当需求量超过供应量时,可添加一个虚拟工厂,其供应量等于短缺量。该虚拟工厂的成本为零,因为虚拟单位并不存在;从它发出的运货仅表示未被满足的需求。
添加虚拟源点后,每个目的地的方程均包含一项虚拟项。这在保持运输模型代数结构的同时,允许部分需求仅通过人工方式得以满足。
该片段建议,不使用虚拟节点,而是将供应约束改为等式,因为当需求超过供应时,所有实际供应都会被用尽。同时指出,此时需求等式必须相应放宽,但在片段结束前,最终的需求侧形式并未完全展示出来。
运输问题的标准线性规划模型在满足供需约束的前提下,最小化总运输成本。当总供应量小于总需求量时,需求约束需写为不等式(),以体现并非所有需求都能得到满足。
在运输模型中,若要禁止某条特定路线,与其从所有方程中删除对应变量,更高效的做法是添加一个约束,将该变量设为零。这样既保持了模型的结构一致性,又实现了对该路线的限制。
按知识点查看条件、步骤和证据。补充解释与视频直接内容分别标明。
幻灯片列出 = 从波士顿运往配送中心 DC1的单位数量。
讲解员说:“令 XB1 等于从波士顿运往配送中心 DC1的单位数量。”
从波士顿运往配送中心 DC1的单位数量。
运输模型中非负的运货量。
幻灯片列出 = 从波士顿运往配送中心 DC2的单位数量。
讲解员说:“然后 XB2 从波士顿运往配送中心 DC2。”
从波士顿运往配送中心 DC2的单位数量。
运输模型中非负的运货量。
幻灯片列出 = 从波士顿运往配送中心 DC3的单位数量。
讲解员说:“以及 XB3 运往配送中心 DC3。”
从波士顿运往配送中心 DC3的单位数量。
运输模型中非负的运货量。
幻灯片列出 = 从多伦多运往配送中心 DC1的单位数量。
讲解员说:“类似地,对于多伦多,我们可以使用 XT1、XT2 和 XT3。”
从多伦多运往配送中心 DC1的单位数量。
运输模型中的非负运货量。
幻灯片列出 = 从多伦多运往配送中心 DC2的单位数量。
讲解员说:“类似地,对于多伦多,我们可以使用 XT1、XT2 和 XT3。”
从多伦多运往配送中心 DC2的单位数量。
运输模型中的非负运货量。
幻灯片列出 = 从多伦多运往配送中心 DC3的单位数量。
讲解员说:“类似地,对于多伦多,我们可以使用 XT1、XT2 和 XT3。”
从多伦多运往配送中心 DC3的单位数量。
运输模型中的非负运货量。
幻灯片显示 X_{ij} = 从工厂 i 运往配送中心 j 的单位数量。
讲解员说:“令 Xij 等于单位数量……”后,视频片段在句子中途结束。
语音定义在片段结尾处被截断,但屏幕上的公式是完整的。
X_{ij}
从工厂 i 运往配送中心 j 的单位数量的一般决策变量。
非负运货量;i 表示产地/工厂,j 表示目的地/配送中心。
运输矩阵显示波士顿的供应量 = 300。
讲解员指出波士顿的供应量或产能为 300 单位。
300
波士顿产地的供应量/产能。
可从波士顿发出的产品单位数。
运输矩阵显示多伦多的供应量 = 500。
讲解员指出多伦多的供应量或产能为 500 单位。
500
多伦多产地的供应量/产能。
可从多伦多发货的产品单位数。
运输矩阵显示,配送中心1的需求量为200。
讲解员指出,各目的地的需求量分别为200、300和250。
200
目的地配送中心1的需求量。
配送中心1所需的产品单位数。
运输矩阵显示,配送中心2的需求量为300。
讲解员指出,各目的地的需求量分别为200、300和250。
300
目的地配送中心2的需求量。
配送中心2所需的产品单位数。
运输矩阵显示,配送中心3的需求量为250。
讲解员指出,各目的地的需求量分别为200、300和250。
250
目的地配送中心3的需求量。
配送中心3所需的产品单位数。
讲解员将运输问题的目标定义为:在供应地(即产地)生产产品,并以最低总成本将其运送到有需求的目的地。
幻灯片显示‘供应地(产地)’指向‘需求地(目的地)’,并标注‘最低成本’。
运输问题探讨如何将货物从产地运往目的地,以满足全部需求,同时使总运输成本最小化。本片段中,产地即供应地,目的地即需求地。
存在若干供应地/产地。
存在若干需求地/目的地。
目标是使成本最小。
一张标有“发运地/目的地”的表格,行标题为波士顿和多伦多,列标题为DC1、DC2、DC3以及一列“供应量”,表格底部另有一行“需求量”。
讲解者表示将为此运输矩阵写出一个线性规划(LP)模型,随后依次读出各发运地、供应量、各目的地、需求量及单位运输成本。
该矩阵将问题组织为:行表示发运地,列表示目的地,内部单元格为单位运输成本,最右列为供应能力,最底行为需求量。本例中,波士顿的供应量为300,多伦多的供应量为500,DC1、DC2、DC3的需求量分别为200、300、250。
各行代表发运地(或工厂)。
各列代表目的地(或配送中心)。
内部单元格为单位运输成本。
最右列的数值为供应量。
最底行的数值为需求量。
讲解者说:“这些圆圈称为发运地节点……这些则是目的地节点。”随后又说:“从发运地指向目的地的箭头称为弧。”
幻灯片绘制了两个发运地节点,分别标注为“波士顿”和“多伦多”;三个目的地节点,分别标注为“DC1”、“DC2”、“DC3”;并在每一对发运地与目的地之间画出有向箭头,箭头上标有对应运输成本。
运输问题可以绘制成一个二分网络:一侧为产地节点,另一侧为销地节点,每条有向弧从一个产地指向一个销地。节点标签标出供应量或需求量,弧标签标出单位运输成本。
产地与销地分别表示为两个独立的节点集合。
每条可行路线由一条弧表示。
弧的方向为从产地指向销地。
幻灯片列出了 、、、、、,其定义为从各产地运往各配送中心的单位数量。
讲解者用自然语言明确界定了每个变量。
针对一个具体的小规模实例,每条可能的运输路线都对应一个变量。此处六个变量分别表示从波士顿运往 DC1、DC2、DC3,以及从多伦多运往 DC1、DC2、DC3 的运量。
每一对产地—销地组合对应一个变量。
该变量衡量沿该路线运输的单位数量。
讲解者指出,决策变量的个数即为产地个数乘以销地个数。
幻灯片显示 。
若每个产地均可向每个销地发货,则决策变量的个数等于产地个数乘以销地个数。本例中有2个产地和3个销地,因此共有6个变量。
该模型为每一条产-销路线设置一个变量。
此处所展示的计数包含所有可能的产-销配对。
讲解者介绍了一种简写形式,用于在逐一列出所有变量不便或变量过多时使用。
幻灯片显示:X_{ij} = 从第 i 个工厂运往第 j 个配送中心的单位数量。
语音句子在视频片段结尾处被截断,但屏幕上显示的定义是完整的。
无需为每条路线单独命名,可采用双下标变量 X_{ij},其中 i 标识工厂(产地),j 标识配送中心(销地)。这种紧凑记法可扩展应用于规模更大的运输问题。
i 用于标识产地/工厂。
j 用于标识销地/配送中心。
X_{ij} 表示路线 (i,j) 上的运货量。
幻灯片定义了决策变量 X_{ij} = 从工厂 i 运往配送中心 j 的单位数量,并列出了六个具体变量:、、、、、。
解说员解释说,下标 i 表示波士顿和多伦多,下标 j 表示配送中心1、配送中心2和配送中心3。
运输问题为每个起运地—目的地组合设置一个变量。本例中有两个起运地(波士顿、多伦多)和三个目的地(配送中心1、配送中心2、配送中心3),因此模型共使用六个运输变量。下标记号编码了运输路线:第一个下标表示工厂,第二个下标表示配送中心。
i 属于集合 {B, T}
j 属于集合 {1,2,3}
每个变量代表某条特定路线上非负的运输数量。
幻灯片显示:最小化 。
讲解员指出目标是最小化成本,并明确读出前几项。
成本矩阵与网络边所标注的系数相同,均为5、6、4、6、3、7。
目标函数将每条运输路线上的单位运输成本乘以对应的运量变量后求和。各系数直接来自成本表及网络边上所标注的数值。视频强调,每条路线的成本在总和中仅出现一次。
该模型旨在最小化总运输成本。
各系数表示每个产地—销地对的单位运输成本。
幻灯片显示约束条件: 且 。
讲解员指出,每个工厂发出的总运量不得超过其产能。
红色圆圈标出波士顿与多伦多,解释过程中同时高亮显示从这两地出发的边。
对每个工厂而言,从该工厂发出的所有运量之和不得超过该工厂的可供应量。由于总供应量大于总需求量,这些约束为不等式而非等式。
每个产地节点对应一个约束条件。
右端项为各工厂的产能。
采用不等式形式,是因为供应量无需全部用尽。
幻灯片上写有 ,,。
讲解者指出,此处使用等式,是因为需求必须被满足,且供应量足以满足全部需求。
每处配送中心的入边被高亮显示,同时对应的需求数值被圈出。
对每个配送中心而言,所有流入的运量之和必须恰好等于其标定的需求量。这为每个配送中心生成一个等式约束。
每个目的地节点对应一个约束条件。
采用等式形式,是因为需求必须被完全满足。
可行性依赖于总供应量至少等于总需求量。
幻灯片上写有 , , , , , 或 X_{ij} 。
讲解者指出,非负性约束可以逐个变量列出,也可以简洁地写作 X_{ij} (对所有 i 和 j)。
运货量不能为负数。模型可通过逐一列出全部六个变量,或对所有运输路线采用简洁的下标形式来表述这一点。
适用于每一个决策变量。
这是有效线性规划模型所必需的。
一个红色方框框住了完整模型:目标函数、供应约束、需求约束以及非负性约束。
讲解者总结道:“这就是该线性规划模型。”
完整的线性规划模型包括:对所有运输路线变量的最小化目标函数、各产地的供应不等式约束、各销地的需求等式约束,以及非负性限制。视频将此呈现为运输问题的标准建模流程。
两个产地和三个销地。
总供应量超过总需求量。
所有成本均按每单位货物在各条路线上运输给出。
讲解员指出总供给超过总需求,因此运力不会被完全用尽。
底部的红色对比显示。
当总供给超过总需求时,产地侧约束写作 ≤ 而非 =,因为并非全部运力都必须被使用。
总供给大于总需求。
需求约束要求精确满足。
针对该运输问题实例,其供给为800,需求为750。
讲解员指出此处使用等式,是因为需求必须被满足,且供给充足足以满足全部需求。
目的地侧约束写作等式,其右侧分别为200、300和250。
当每个目的地的需求必须被完全满足时,目的地侧约束写作等式。
每个配送中心都有固定的需求数量。
总供应量足以满足所有需求。
对于模型中的每个目的地节点 j。
解说指出,若总供给等于总需求,则所有约束均可采用等式。
幻灯片文字显示:若总供给 = 总需求。
若运输问题中的总供应量等于总需求量,则该模型对所有供应约束和需求约束均可采用等式约束。
该问题是一个运输问题。
总供应量等于总需求量。
在供需平衡的情形下,所有供应与需求约束均适用。
幻灯片显示。
旁白指出,本题是一个供应大于需求的非平衡运输问题示例。
在原始数值示例中,总供应量800超过总需求量750,因此该问题是具有供应过剩的非平衡运输问题。
波士顿的供应量为300。
多伦多的供应量为500。
华盛顿特区的需求量分别为200、300和250。
针对所展示的这个具体数值实例。
旁白说,假设配送中心一的需求增加至300单位。
幻灯片随后显示800<850。
旁白说,需求超出供应50单位。
在配送中心1的需求从200增至300后,总需求变为850,而总供应仍为800,因此需求超出供应50单位。
原始总供应量为800。
原始配送中心1的需求为200。
配送中心1的需求被更改为300。
针对修改后的数值实例。
旁白说,这50个单位并不存在,因此其单位成本为零,且运输成本也为零,因为它们根本不会被运送。
虚拟节点标记为$0。
扩展后的目标函数包含+。
在虚拟工厂模型中,虚拟供应代表不存在的单位,因此相应的单位成本和运输成本均设为零。
引入一个虚拟工厂来弥补50个单位的短缺。
虚拟运货代表未满足的需求,而非实际的运输。
对于所有从虚拟工厂到配送中心的运输路线。
旁白指出:由于需求超过供应,所有可用的供应都将被耗尽。
供应约束条件显示由 ≤ 改为 =。
该片段口头陈述了结论并展示了供应端的变化,但并未提供形式化的证明。
在需求超过供应的情形下,替代模型将所有可用的真实供应视为完全使用,因此供应约束变为等式。
总需求超过总供应。
此替代模型中未引入虚拟节点。
针对修正示例中的真实植物。
讲解者说明,决策变量的个数等于产地个数乘以销地个数。
幻灯片在所列的六个变量旁显示 。
从视频中所述的路线变量计数规则出发。
由讲解者直接陈述。
将本例中的 2 个产地和 3 个销地代入该规则。
矩阵图与网络图均显示 2 个产地和 3 个销地。
该运输问题实例有 6 个决策变量,与屏幕上列出的六个具体路线变量一致。
讲解者从决策变量出发,逐步推导出目标函数、约束条件、非负性要求,最后指出这就是该线性规划模型。
各步骤按相同顺序依次出现在幻灯片上。
为每条起讫地路线定义一个决策变量。
这是运输模型中表示运货量的标准方式。
将每条路线的变量乘以其单位运输成本,并将所有项相加,从而构成目标函数。
目标是最小化总运输成本,各系数均来自成本表与网络图。
通过汇总所有从波士顿发出的运货量,写出波士顿的供应约束。
从任一起点流出的总流量不得超过其可用容量。
通过汇总所有从多伦多发出的运货量,写出多伦多的供应约束。
从某个产地出发的总运出流量不能超过其可用产能。
写出配送中心1的需求约束:对所有进入配送中心1的运货量求和。
每个目的地的需求必须恰好得到满足。
写出配送中心2的需求约束:对所有进入配送中心2的运货量求和。
每个目的地的需求必须恰好得到满足。
写出配送中心3的需求约束:对所有进入配送中心3的运货量求和。
每个目的地的需求必须恰好得到满足。
为所有路径变量添加非负性限制。
在实际运输模型中,运量不能为负数。
所得线性规划是一个最小化目标函数问题,其约束条件包括产地供应不等式、目的地需求等式以及非负性约束。
旁白解释:向波士顿路线成本添加20,并向多伦多路线成本添加18。
原始目标函数与更新后的目标函数均显示在屏幕上。
从幻灯片上显示的原始运输成本目标函数出发。
直接从初始公式展示中观察得出。
向每个波士顿路线系数添加20,因为额外成本适用于从波士顿发出的每一单位货物。
音频中已说明,并由波士顿旁标注的$20予以佐证。
向每个多伦多路线系数添加18,因为额外成本适用于从多伦多发出的每一单位货物。
音频中已说明,并由多伦多旁标注的$18予以佐证。
进行算术化简,得到屏幕上显示的更新后目标函数。
对上一行表达式直接进行数值化简。
更新后的目标是最小化。
表格列出了供应量300和500,以及需求量200、300和250。
幻灯片后续显示800大于750。
将波士顿和多伦多的供应量相加。
从表格的供应列中读取数据。
将DC1、DC2和DC3的需求量相加。
从表格的需求行中读取数据。
比较总供应量与总需求量。
对这两个总量进行数值比较。
原始实例供需不平衡,供应量比需求量多50单位。
讲解词指出DC1的需求量增加至300单位。
幻灯片后续显示。
总供应量保持不变。
新情景下,电厂的供应量未作调整。
在配送中心1需求由200变更为300后,重新计算总需求。
采用音频中说明并同时在屏幕上显示的更新后的配送中心1需求。
将保持不变的供应总量与新的需求总量进行比较。
数值比较。
计算需求超出供应的部分,即短缺量。
两项总量之差。
修改后的情形处于失衡状态,需求超出供应50个单位。
新增一个虚拟节点,其供应量为50,成本为0美元。
扩展模型展示了新变量 、、、新的目标函数项,以及一个虚拟供应约束。
该片段在视觉上突出了虚拟添加部分,但并未单独证明扩展模型与原始意图等价。
引入一个容量等于短缺量的虚拟供应源。
音频中已说明,并在网络图中展示。
为从虚拟供应源到各配送中心的运货添加决策变量。
在扩展后的变量列表和约束条件中展示。
为目标函数中虚拟运输路径添加零成本项。
在更新后的目标函数中明确展示,并在音频中加以解释。
为虚拟节点添加供应约束。
幻灯片中以“虚拟供应量”形式展示。
更新需求约束,将虚拟运输纳入其中。
在展开的需求约束模块中展示。
虚拟工厂模型将需求偏大的实例转化为一个扩展的运输模型,其中零成本的人工供应代表未满足的需求。
该矩阵给出波士顿供应量 300、多伦多供应量 500、各需求量 200、300、250,以及成本项 5、6、4;6、3、7。
讲解者先口读数据,再将其转化为网络图与决策变量列表。
该片段仅完成模型构建,未求解最优运量。
给定两个工厂:波士顿和多伦多,以及三个配送中心:DC1、DC2、DC3,建立该运输问题的数据结构及线性规划(LP)模型所需的决策变量。
波士顿的供应量 = 300。
多伦多的供应量 = 500。
DC1的需求量 = 200。
DC2的需求量 = 300。
DC3的需求量 = 250。
单位运输成本:波士顿→DC1 = 5,波士顿→DC2 = 6,波士顿→DC3 = 4,多伦多→DC1 = 6,多伦多→DC2 = 3,多伦多→DC3 = 7。
将该实例表示为运输矩阵,再表示为网络图,并定义线性规划(LP)建模所需的决策变量。
将单位成本置于矩阵内部,供应量置于最右列,需求量置于最底行。
这是视频中明确展示并讲解的矩阵形式。
将矩阵转化为二部网络图:每个产地和每个销地各对应一个节点,每条运输路线对应一条有向弧。
讲解员在介绍节点与弧之后,准确画出了这一网络图。
为每条运输路线定义一个变量,表示该路线运送的货物单位数量。
幻灯片与讲解明确赋予了这些变量上述含义。
通过将起运地数量乘以目的地数量,得到变量总数。
讲解员陈述了这一计数规则,幻灯片同步展示了相应算式。
用紧凑的带下标记号替代逐条列出的路线表示法。
最后一张幻灯片为规模更大的模型引入了这种简写形式。
该实例由给定的成本/供应/需求矩阵表示,等价地也可用含5个节点和6条弧的二部网络表示;线性规划模型使用6个决策变量,这些变量可逐一列出,也可统一记作 X_{ij}。
所列六个变量与网络中的六条弧一一对应,且计数式与矩阵中起运地—目的地配对的数量一致。
本页幻灯片展示了一个具体的双产地、三目的地实例,包含运费表、各产地供应量、各目的地需求量以及网络图。
讲解者将该具体实例建模为一个线性规划模型。
考虑生产成本的最终扩展部分在本视频片段中开始讲解,但未完成。
根据给定的单位运输成本、供应量和需求量,建立一个包含两个工厂(波士顿和多伦多)与三个配送中心(DC1、DC2、DC3)的运输问题模型。
单位运输成本:波士顿到DC1为5,波士顿到DC2为6,波士顿到DC3为4;多伦多到DC1为6,多伦多到DC2为3,多伦多到DC3为7。
供应量:波士顿为300,多伦多为500。
需求量:DC1为200,DC2为300,DC3为250。
总供应量为800,总需求量为750。
写出以最小化总运输成本为目标的完整线性规划模型。
引入六个路线变量:、、、、、。
每条可能的运输路线都需要一个独立的决策变量。
在目标函数中,将给定的单位成本作为对应变量的系数。
总成本等于各条路线的单位成本乘以该路线运输量之和。
通过波士顿的供应量约束其总出货量。
任一起点的出流量不得超过其可用供应量。
通过多伦多的供应量约束其总出货量。
任一起点的出流量不得超过其可用供应量。
要求配送中心1的总流入量等于其需求量。
每个目的地的需求必须得到完全满足。
要求配送中心2的总流入量等于其需求量。
每个目的地的需求必须得到完全满足。
要求配送中心3的总流入量等于其需求量。
每个目的地的需求必须得到完全满足。
对所有路径变量施加非负性约束。
负的发货量没有实际意义。
线性规划模型为:最小化 ,约束条件为 ,,,,,且 X_{ij}≥0。
各系数与所展示的成本表及网络边标签一致;右侧常数项与所展示的供应量和需求量一致;不等式/等式类型与讲解者所述‘供应量超过需求量,但所有需求必须被满足’的说明一致。
该幻灯片展示了完整的初始线性规划模型,包括目标函数、供应约束、需求约束以及非负性约束。
网络图显示波士顿和多伦多分别连接至配送中心1、配送中心2、配送中心3,并标出了各条路线的成本。
利用所显示的成本、供应量和需求量,为两个工厂和三个配送中心构建运输问题模型。
波士顿的供应量 = 300。
多伦多的供应量 = 500。
配送中心1的需求量 = 200。
配送中心2的需求量 = 300。
配送中心3的需求量 = 250。
各条路线的成本:波士顿→配送中心,波士顿→配送中心,波士顿→配送中心,多伦多→配送中心,多伦多→配送中心,多伦多→配送中心。
写出线性规划模型。
在目标函数中,以各运输路线的成本作为对应运量变量的系数。
直接从所展示的模型中读取。
用波士顿的供应量约束其总出货量。
表示为(波士顿的供应量)。
用多伦多的供应量约束其总出货量。
表示为(多伦多的供应量)。
在初始模型中,精确满足配送中心1的需求。
表示为(配送中心1的需求)。
在初始模型中,精确满足配送中心2的需求。
表示为(配送中心2的需求)。
在初始模型中,精确满足配送中心3的需求。
显示为(DC3的需求)。
对所有运输变量施加非负性约束。
在幻灯片上展示,并在音频中说明。
初始线性规划问题为:最小化 ,约束条件为屏幕上显示的供应、需求及非负性约束。
数据隐含的总量为:供应量为800,需求量为750,与后续屏幕上的比较一致。
讲解中指出,需将20加到波士顿的产品成本上,将18加到多伦多的产品成本上。
更新后的目标函数显示为:最小化 。
当从波士顿发出的每单位货物额外增加成本20,且从多伦多发出的每单位货物额外增加成本18时,调整运输目标函数。
波士顿原始路线成本分别为5、6、4。
多伦多原始路线成本分别为6、3、7。
波士顿额外成本 = 20/单位。
多伦多额外成本 = 每单位18。
写出更新后的目标函数。
将20加到每条波士顿运输路线的系数上。
该额外成本统一适用于所有运往波士顿的货物。
将18加到每条多伦多运输路线的系数上。
该额外成本统一适用于所有运往多伦多的货物。
将更新后的系数代入目标函数。
与屏幕上显示的公式一致。
最小化 。
每个更新后的系数等于对应原始系数加上所声明的产地级附加费。
旁白提到:假设配送中心一的需求增加至300单位。
幻灯片显示变化后有。
当直流1需求从200增加到300而供应量保持不变时,确定其对供需平衡的影响。
总供应量 = 800。
原始需求 = 200、300、250。
新的直流1需求 = 300。
求出新的总需求及失衡类型。
替换后重新计算总需求 200 为 300 对于配送中心1。
使用视频片段中给出的更新后的需求值。
将总供应量与新的总需求进行比较。
与屏幕上的对比结果一致。
计算短缺量。
需求与供应之间的算术差值。
总需求变为850,因此需求超出供给50个单位。
视频片段明确指出短缺为50个单位,并显示。
向网络中添加一个供应量为50、单位成本为$0的虚拟节点。
扩展后的模型显示+,以及。
该视频片段未对线性规划进行数值求解,仅构建了虚拟节点扩展模型。
通过引入虚拟工厂,对需求超出供给的情形进行重构。
短缺 = 50个单位。
虚拟供应量 = 50。
虚拟单位成本 = 0。
实际运输路线的成本在更新后的目标函数中保持不变。
在线性规划中加入虚拟变量、虚拟成本项、虚拟供应约束以及更新后的需求约束。
创建一个等于短缺量的虚拟供应源。
音频中已说明,并在图中展示。
为虚拟运量添加零成本的目标函数项。
在扩展后的目标函数中展示,并解释为不存在的单位。
添加虚拟供应约束。
以(虚拟供应量)形式显示。
更新配送中心1的需求量,以包含虚拟运量。
在扩展后的需求约束中展示。
更新配送中心2的需求量,以包含虚拟运量。
在扩展后的需求约束中展示。
更新配送中心3的需求量,以包含虚拟运量。
在扩展后的需求约束中展示。
扩展模型增加了变量 、、,零成本目标项,约束条件 ,以及需求方程内部的哑元项。
哑元供应量50恰好等于先前计算出的短缺量850减800,即50。
标题页显示“线性规划/运输问题”,随后一幅简单图示呈现“供应地(起运地)→ 需求地(目的地),以最小化运输成本”。
讲解员引出本主题,并指出目标是使从起运地到目的地的运输成本最小化。
标题文字
供应地(产地)
需求地(销地)
箭头
最小成本标签
幻灯片首先呈现标题,随后添加从产地到销地的示意图。
箭头在最小化成本的目标下,直观地连接供应与需求。
产地始终位于左侧,销地始终位于右侧。
目标标签保持为“最小成本”。
该图示将运输问题定义为:以最低成本将货物从源点运往汇点。
出现一个运输矩阵;红色方框和椭圆依次高亮显示供应列、配送中心(DC)表头、需求行以及内部成本区域。
讲解员依次读出供应量、需求量,并解释内部成本项的含义。
运输矩阵
波士顿行
多伦多行
华盛顿特区1/华盛顿特区2/华盛顿特区3列
供应量列
需求量行
内部成本单元格
首先突出显示供应量列。
接着突出显示目的地表头。
然后突出显示需求量行。
最后将内部成本区域加框,并单独标出其中一个单元格作为示例。
矩阵维度保持为2个产地乘以3个目的地。
高亮显示过程中,数值数据保持不变。
高亮显示帮助学习者理解运输表格的读法:行代表产地,列代表销地,侧边条目代表供应量/需求量,内部条目代表单位运价。
首先出现两个产地圆圈,然后出现三个销地圆圈,接着显示供应量/需求量标签,最后显示全部六条带运价的有向弧。
讲解员在为圆圈命名节点、为箭头命名弧的同时,分别标注容量、需求量和运输成本。
波士顿节点
多伦多节点
DC 1节点
DC 2节点
DC 3节点
供应量标签
需求量标签
六条有向弧
弧上的成本标签
起点节点绘制在终点节点之前。
供应量与需求量数值分别标注在对应节点上。
弧按组依次添加,直至每个起点均连接至每个终点。
该网络始终保持二分结构,起点位于一侧,终点位于另一侧。
每条弧的方向均由起点指向终点。
动画将表格数据转化为图示形式,使路径及其成本变得直观明确。
决策变量面板列出了 至 ;每当引入一个变量时,其对应的弧即以黄色高亮显示。
幻灯片下半部分随后显示 ,接着给出 X_{ij} = 从工厂 i 运往配送中心 j 的单位数量。
最后一句口述内容被截断,但屏幕上显示的带下标的定义是完整的。
决策变量面板
六个路径变量
网络弧
黄色高亮
方程
下标变量 X_{ij}
变量按顺序依次添加,从波士顿出发的路径开始,到多伦多出发的路径结束。
每个新变量都会在网络中高亮显示其对应的弧。
列出全部变量后,幻灯片先总结变量个数,再将列表替换为下标表示法。
该示例中始终存在六条起讫点路径。
在定义变量的过程中,网络结构保持不变。
这种视觉配对表明:每个决策变量恰好对应一条弧,即一条可能的运输路径。
左侧展示了一个成本/供应量/需求量表格,以及一个二部网络图:左侧为波士顿和多伦多,右侧为 DC1、DC2、DC3。
右侧列出了决策变量的定义。
成本表
含两个产地和三个销地的网络图
决策变量列表
一般定义 X_{ij} 被高亮显示。
下标集 i 和 j 的取值范围被添加在一般定义的下方。
供应量、需求量及单位成本在左侧保持固定不变。
视觉布局将每个代数变量分别与网络中的一条特定边、成本表中的一个特定单元格关联起来。
目标函数按当前形式书写时,各项(如和)以黄色高亮显示。
在讲解各项系数的同时,对应网络边被强调显示。
目标函数直线
从波士顿和多伦多指向配送中心的网络边
目标函数中的每一项依次高亮显示。
网络中匹配的路径边被视觉化强调。
数值成本5、6、4、6、3、7保持不变。
动画演示表明:目标函数中每个系数均源自运输网络中某条特定路径的成本。
当写出第一个供应约束时,波士顿节点以红色圆圈标出,其向外发出的边被高亮;随后多伦多节点被红圈标出,其向外发出的边也被高亮。
在两个供应约束均显示完毕后,底部出现红色对比式。
波士顿节点
多伦多节点
出边
底部对比标注
关注点从波士顿转移到多伦多。
依次高亮显示每个起点的出边。
出现总供给与总需求的汇总对比。
节点容量300和500保持不变。
图示将每个供给约束与一个起点节点的总流出量关联起来,并解释为何这些约束是不等式。
依次用红色圈出DC1、DC2、DC3节点,同时高亮其入边,并将对应的等式约束加框标出。
DC1节点
DC2节点
DC3节点
流入边
注意力从一个目的地依次移向下一个目的地。
当每个目的地的等式约束被写出时,其对应的流入边会被高亮显示。
需求值200、300和250保持不变。
动画表明,每个需求约束将流向某一目的地节点的所有入流进行聚合。
一个大型红色矩形框将幻灯片右侧的完整线性规划公式整体包围。
完整的目标函数
所有约束条件
非负性说明
各条线在视觉上被归为一个完整的模型。
每行的数学内容保持不变。
方框显示标志着基础运输模型的构建过程已完成。
标签$20 且 $18分别出现在波士顿和多伦多旁。
讲解员引入生产成本,并指出需将其加到运输成本中。
修订后的目标函数在片段结束前未完全展示。
波士顿节点
多伦多节点
新的成本标签$20 且 $18
新的单位生产成本被附加到起始节点上。
讲解指出目标函数将被修改。
原始的运费结构与约束条件仍保持可见。
该片段开始通过引入产地特异性的生产成本,来扩展纯运输成本模型,但完整的重构过程不在本节范围内。
一个二分网络图中,左侧为波士顿和多伦多,右侧为 DC1、DC2、DC3,各条路径的标签分别为5、6、4、6、3、7。
一张表格列出了供应量300和500,以及需求量200、300、250。
波士顿节点
多伦多节点
DC1节点
DC2节点
DC3节点
路径成本标签
供需表格
路线成本与节点容量共同确定了该数值实例。
后续叠加层会修改成本与需求值。
图结构为从工厂到配送中心的二分图。
决策变量对应网络中的弧。
可视化布局将每个代数项 X_{ij} 与一条从工厂到目的地的具体弧相联系,从而使线性规划模型可直接从网络中读出。
红色方框在多伦多附近标出$20 near Boston 且 $18。
黄色高亮标记目标函数各项中成组出现的 +20+ 和 +18+。
波士顿标签 $20
多伦多标签 $18
目标函数各项
与波士顿相关的系数以视觉方式分组,用于 +20。
与多伦多相关的系数在视觉上被归为一组,对应于 +18。
目标函数被重写,系数数值变大。
在此步骤中,决策变量的集合保持不变。
仅成本系数发生变化,供应量和需求量均不变。
动画演示表明:在某一供应点处施加统一附加费,等价于在目标函数中对所有从该点出发的运输路线系数都加上同一个常数。
讲解者明确区分:圆圈代表节点,箭头代表弧。
该网络用供应量/需求量标注节点,用运输成本标注弧。
学习者可能误以为运输成本属于节点,而非运输路线。
在此表示方式中,节点承载供应量或需求量,而弧承载沿该路线运送货物的单位运输成本。
讲解者指出,决策变量的个数等于产地数量乘以销地数量。
幻灯片显示。
学习者可能仅统计可见的位置(例如,5个节点),从而得出共有5个变量。
变量对应的是路线(即弧),而非节点。若有2个产地和3个销地,则共有个路线变量。
讲解者明确指出总供应量大于总需求量,这正是使用小于等于号的原因。
幻灯片显示。
人们可能认为运输问题中的每个节点约束都必须是等式。
此处产地约束为不等式,是因为当总供应量超过总需求量时,过剩的供应量可能未被使用。
讲解者表示使用等式是因为需求必须被满足。
所有目的地约束均以等号(=)写出。
人们可能用≤或≥而非=来书写目的地约束。
由于每个目的地的需求必须被精确满足,因此流入流量约束均为等式。
解说词指出,如果总供应量等于总需求量,那么所有约束均可采用等式。
当前模型在初始设定中,对供应侧使用 ≤,对需求侧使用 =,适用于供需不平衡的情形。
人们可能认为运输线性规划问题总是对供应侧和需求侧均采用等式约束。
在供需平衡的情形下,两侧均取等式是恰当的;而在实例不平衡时,模型必须区分供应是否被完全耗尽,以及需求是否未被满足或存在过剩。
解说词指出,这50个单位并不存在,也根本不会被运送。
虚拟节点标注了0成本。
虚拟工厂的运货可能被误认为是实际运输的实物库存。
虚拟运货是一种用于建模未满足需求的工具,其零成本反映了它们并非真实的运货。
旁白指出,由于需求超过供给,所有可用供给都将被耗尽。
仅在需求占主导的情境下,供给约束才从 ≤ 改为 =。
人们可能认为工厂的供给约束应始终写为等式。
供给约束采用不等式还是等式,取决于供需平衡状况以及关于未使用产能的建模假设。
在定义目标之后,讲解者立即表示将为运输矩阵写出一个线性规划(LP)模型。
抽象的产地/销地图示之后,紧接着是一个具体的矩阵,其中包含供应量、需求量及运输成本。
最小化运输成本这一总体目标,在矩阵中通过指定具体的产地、销地、供应量、需求量以及单位运输成本来具体化。
讲解完矩阵后,讲解者说:“现在我们为该问题绘制一个运输网络。”
相同的数值数据被重新绘制成节点、供应量/需求量以及带成本的弧。
矩阵与二部网络以两种不同的形式编码了相同的运输数据。
每当一个变量被命名时,网络中对应的弧即被高亮显示。
讲解者将变量定义为从某一特定产地运往某一特定销地的货物数量。
网络中的每条弧对应一个决策变量,表示该运输路线上的发货量。
讲解者首先逐一列出所有变量,然后指出:若变量过多,可采用简写形式。
幻灯片内容从 ,..., 过渡到 X_{ij}。
下标记号 X_{ij} 将按具体路线逐一列举的方式推广至任意数量的工厂和配送中心。
在引入 X_{ij} 之前,幻灯片展示了 。
讲解者先解释计数规则,再说明为何对规模更大的模型需采用紧凑记号。
理解变量对应于起讫点对,有助于解释为何双重下标 i,j 是一种自然的紧凑表示法。
目标函数仅在变量 X_{ij} 定义完成后才写出。
讲解者从定义变量过渡到陈述目标函数。
目标函数用路径变量表示,因此变量定义必须先于目标函数出现。
供应约束是此前已定义的路径变量之和。
每个供应约束汇总了从某一出发地出发的所有出向路径所对应的变量。
需求约束是进入各目的地的、此前已定义的路径变量之和。
每个需求约束汇总了到达某一目的地的所有入向路径所对应的变量。
最终框出的模型同时包含了目标函数、供应约束、需求约束以及非负性约束。
讲解者指出,这些组合在一起的式子构成了线性规划模型。
完整的线性规划表述中,目标函数是其主要组成部分之一。
讲解者对比了供应节点使用不等式与需求节点使用等式的不同处理方式。
供应约束使用 ≤,而需求约束使用 =。
产地约束通过不等式限制流出量,而销地约束则通过等式强制要求流入量恰好满足需求。
幻灯片展示了一个运输网络,并附有明确的线性目标函数和线性约束条件。
运输模型以决策变量定义 X_{ij} 为其基本建模要素。
旁白通过总供给与总需求对比平衡情形与非平衡情形。
展示了比较式和。
平衡运输问题与非平衡运输问题的区别在于总供应量是否等于总需求量。
讲述者用文字定义了运输问题的目标。
开场幻灯片展示了起运地、目的地以及最小运输成本。
该矩阵显示了行、列、供应量、需求量以及运输成本。
讲述者逐一解释矩阵的各个部分。
讲述者指出圆圈代表节点,箭头代表弧。
网络图中对节点和弧的标注方式有所不同。
幻灯片列出了 到 ,然后是 X_{ij}。
讲述者将每个变量定义为某条路线上运输的单位数量。
讲解者陈述了计数变量的乘法法则。
幻灯片显示。
幻灯片显示 X_{ij} = 从工厂 i 运往配送中心 j 的单位数量。
讲解者为规模更大的模型引入了一种简写形式。
语音句子在视频片段边界处被截断。
幻灯片明确给出了 X_{ij} 的定义。
目标函数以逐项形式展示。
讲解者说明,目标是使成本最小化。
讲解者指出总供应量大于总需求量,因此产能未被完全用尽。
幻灯片显示。
讲解者指出需求必须被满足,且供应量足以满足全部需求。
销地约束以等式形式写出。
完整模型在屏幕上用方框标出。
讲解员说:“这就是线性规划(LP)模型。”
标签$20 且 $18出现在产地旁。
讲解员开始解释:应将生产成本加到运输成本中。
修正后的目标函数在本片段中未完成。
已覆盖 · 标题卡及主题的口头导引;除点明主题外,无其他独立的数学表述。
已覆盖 · 用简洁的“产地—销地”图示,口头定义运输问题的目标。
已覆盖 · 展示并解释运输矩阵,包括供应量、需求量和单位运价。
已覆盖 · 将该矩阵转化为二部网络,包含节点、供应量/需求量、弧以及弧上的成本。
已覆盖 · 六个运输路线变量的显式定义,以及计数公式的推导。
已覆盖 · 引入紧凑的带下标记号 X_{ij};口述句子被截断,但屏幕上显示的定义是完整的。
已覆盖 · 定义了带下标的决策变量及其对应的运输路径含义。
已覆盖 · 根据各条运输路径的成本构建最小化目标函数。
已覆盖 · 写出产地供应约束,并解释为何它们是不等式。
已覆盖 · 写出目的地需求约束,并解释为何它们是等式。
已覆盖 · 添加非负性约束,并将完整的线性规划(LP)模型用方框标出。
已覆盖 · 以生产成本$20 且 $18开启一个拓展部分,但本片段未完成修订后的目标函数。
已覆盖 · 整个片段是对运输线性规划问题的连续讲解,内容包括初始模型、成本更新、供需平衡讨论、引入虚拟工厂的重构,以及另一种直接重构方法的开端。
已覆盖 · 整个片段涵盖线性规划模型的呈现,以及针对禁止路线所作的修改。
已审核的主题路径