运筹学案例分析
简单的运筹学实际应用案例
简单的运筹学实际应用案例运筹学（Operations Research）是一门研究如何有效利用有限资源进行决策的学科，它通过数学、统计学和经济学等方法，帮助管理者做出最佳决策。
下面将介绍几个简单的运筹学实际应用案例。
1.生产线优化假设一公司拥有多条生产线，每条生产线对应不同的产品。
公司希望通过优化生产线的调度，以达到最大的产出和利润。
运筹学可以通过数学模型和算法，对生产线进行优化调度。
例如，可以使用线性规划模型来确定每条生产线的产量和调度，以最大化总利润；也可以使用整数规划模型来考虑生产线的限制和约束条件。
2.物流网络设计一家物流公司需要设计其物流网络，以最小化成本并满足客户对快速物流的需求。
运筹学可以通过数学模型和算法，帮助物流公司优化物流网络的设计。
例如，可以使用网络流模型来确定货物在物流网络中的最佳路线和节点，以最小化总运输成本；也可以使用线性规划模型来决定在不同节点上的仓库和货物库存量，以满足客户的需求。
3.航班调度问题一家航空公司需要制定最佳航班调度计划，以最大化航班利润并排除延误风险。
运筹学可以通过数学模型和算法，帮助航空公司优化航班调度。
例如，可以使用线性规划模型来决定不同航班的起降时间和机型，以最大化航班利润；也可以使用排队论模型来评估航班的延误风险，并制定相应的调度策略。
4.人员调度问题一家超市需要制定最佳的员工调度计划，以最大化服务质量和节约人力成本。
运筹学可以通过数学模型和算法，帮助超市优化员工调度。
例如，可以使用整数规划模型来决定不同时间段需要多少员工，并考虑员工的技能匹配和工作时间的合理安排；也可以使用模拟仿真方法来评估不同调度策略的效果，并做出相应的决策。
以上是几个简单的运筹学实际应用案例，运筹学在实际生产和管理中有着广泛的应用。
通过数学模型和算法的应用，可以帮助企业优化资源配置、提高效率和决策质量，从而实现最佳的经济效益。
运筹学案例分析报告
运筹学案例分析报告班级：姓名：学号：完成日期：问题一、一、问题描述京成畜产品有限公司计划在市区的东、南、西、北四区建立销售部部门市场，拟议中有10个位置A j(j=1,2,3,4,...,10)可供选择，考虑到各地区居民的消费水平及居民居住密集度，规定：在东区由A1,A2,A3三个点至多选择两个；在西区由A4,A5两个点中至多选一个；在南区由A6,A7两个点中至少选一个；在北区由A8,A9,A10三个点中至少选两个。
A j各点的设备投资及每年可获利润由于地点不同而不同，预测情况如下表（单位：万元）。
但投资总额不超过720万元，问应选择哪几个销售点，可使年利润最大？二、模型建立设0-1变量X i=1（点被选用)或0（A i点没被选用）。
建立数学模型：目标函数:maxZ=36X1+40X2+50X3+22X4+20X5+30X6+25X7+48X8+58X9+61X10约束条件:100X1+120X2+150X3+80X4+70X5+90X6+80X7+149X8+160X9+180X10<=720X1+X2+X3<=2X4+X5>=1X6+X7>=1X8+X9+X10>=2X i>=0,且X i为0-1变量，i=1,2,3,...,10其lingo程序为：model:sets:row/1..5/:b;col/1..10/:c,x;links(row,col):a;endsetsdata:b=720 2 -1 -1 -2;c=36 40 50 22 20 30 25 48 58 61;a=100 120 150 80 70 90 80 140 160 1801 1 1 0 0 0 0 0 0 00 0 0 -1 -10 0 0 0 00 0 0 0 0 -1-1 0 0 00 0 0 0 0 0 0 -1 -1 -1;enddatamax=@sum(col(j):c(j)*x(j));@for(row(i):@sum(col(j):a(i,j)*x(j))<=b(i));@for(col(j):@bin(x));end三、模型求解与分析通过lingo程序的求解，我们可以获得如下数据：Global optimal solution found.Objective value: 245.0000 Objective bound: 245.0000 Infeasibilities: 0.000000Extended solver steps: 0Total solver iterations: 0Variable Value Reduced CostB( 1) 720.0000 0.000000B( 2) 2.000000 0.000000B( 3) -1.000000 0.000000B( 4) -1.000000 0.000000B( 5) -2.000000 0.000000C( 1) 36.00000 0.000000C( 2) 40.00000 0.000000C( 3) 50.00000 0.000000C( 4) 22.00000 0.000000C( 5) 20.00000 0.000000C( 6) 30.00000 0.000000C( 7) 25.00000 0.000000C( 8) 48.00000 0.000000C( 9) 58.00000 0.000000C( 10) 61.00000 0.000000X( 1) 1.000000 -36.00000X( 2) 1.000000 -40.00000X( 3) 0.000000 -50.00000X( 4) 0.000000 -22.00000X( 5) 1.000000 -20.00000X( 6) 1.000000 -30.00000X( 7) 0.000000 -25.00000X( 8) 0.000000 -48.00000X( 9) 1.000000 -58.00000X( 10) 1.000000 -61.00000A( 1, 1) 100.0000 0.000000A( 1, 3) 150.0000 0.000000 A( 1, 4) 80.00000 0.000000 A( 1, 5) 70.00000 0.000000 A( 1, 6) 90.00000 0.000000 A( 1, 7) 80.00000 0.000000 A( 1, 8) 140.0000 0.000000 A( 1, 9) 160.0000 0.000000 A( 1, 10) 180.0000 0.000000 A( 2, 1) 1.000000 0.000000 A( 2, 2) 1.000000 0.000000 A( 2, 3) 1.000000 0.000000 A( 2, 4) 0.000000 0.000000 A( 2, 5) 0.000000 0.000000 A( 2, 6) 0.000000 0.000000 A( 2, 7) 0.000000 0.000000 A( 2, 8) 0.000000 0.000000 A( 2, 9) 0.000000 0.000000 A( 2, 10) 0.000000 0.000000 A( 3, 1) 0.000000 0.000000 A( 3, 2) 0.000000 0.000000 A( 3, 3) 0.000000 0.000000 A( 3, 4) -1.000000 0.000000 A( 3, 5) -1.000000 0.000000 A( 3, 6) 0.000000 0.000000 A( 3, 7) 0.000000 0.000000 A( 3, 8) 0.000000 0.000000 A( 3, 9) 0.000000 0.000000 A( 3, 10) 0.000000 0.000000 A( 4, 1) 0.000000 0.000000A( 4, 3) 0.000000 0.000000A( 4, 4) 0.000000 0.000000A( 4, 5) 0.000000 0.000000A( 4, 6) -1.000000 0.000000A( 4, 7) -1.000000 0.000000A( 4, 8) 0.000000 0.000000A( 4, 9) 0.000000 0.000000A( 4, 10) 0.000000 0.000000A( 5, 1) 0.000000 0.000000A( 5, 2) 0.000000 0.000000A( 5, 3) 0.000000 0.000000A( 5, 4) 0.000000 0.000000A( 5, 5) 0.000000 0.000000A( 5, 6) 0.000000 0.000000A( 5, 7) 0.000000 0.000000A( 5, 8) -1.000000 0.000000A( 5, 9) -1.000000 0.000000A( 5, 10) -1.000000 0.000000Row Slack or Surplus Dual Price1 245.0000 1.0000002 0.000000 0.0000003 0.000000 0.0000004 0.000000 0.0000005 0.000000 0.0000006 0.000000 0.000000 由此我们可以分析得出最优目标函数值为245.最优解为：X1=1,X2=1,X3=0,X4=0,X5=1,X6=1,X7=0,X8=0,X9=1,X10=1.四、结论当选择A1，A2，A5，A6，A10几个销售点时可获得最大利润245万元。
运筹学实例 含解析
案例1. 工程项目选择问题某承包企业在同一时期内有八项工程可供选择投标。
其中有五项住宅工程，三项工业车间。
由于这些工程要求同时施工，而企业又没有能力同时承担，企业应根据自身的能力，分析这两类工程的盈利水平，作出正确的投标方案。
有关数据见下表：表1 可供选择投标工程的有关数据统计工程类型 预期利润/元 抹灰量/m 2混凝土量/ m 3砌筑量/ m 3住宅每项 50011 25 000 280 4 200 工业车间每项 80 000480 880 1 800 企业尚有能力108 0003 68013 800试建立此问题的数学模型。
解：设承包商承包X 1项住宅工程，X 2项工业车间工程可获利最高，依题意可建立如下整数模型：目标是获利最高，故得目标函数为21X 80000X 50011z Max +=根据企业工程量能力限制与项目本身特性，有约束：利用WinSQB 建立模型求解：1080002X 4801X 25000≤+3680X 880X 28021≤+13800X 1800X 420021≤+为整数，；，2121X X 3X 5X ≤≤综上，承包商对2项住宅工程，3项车间工程进行投标，可获利最大，目标函数Max z=340022 元。
案例2. 生产计划问题某厂生产四种产品。
每种产品要经过A，B两道工序加工。
设该厂有两种规格的设备能完成A工序，以A1 ，A2表示；有三种规格的设备能完成B工序，以B1 ，B2，B3 表示。
产品D可在A，B任何一种规格的设备上加工。
产品E可在任何规格的A设备上加工，但完成B工序时只能在B1设备上加工。
产品F可在A2及B2 ，B3上加工。
产品G可在任何一种规格的A设备上加工，但完成B工序时只能在B1 ，B2设备上加工。
已知生产单件产品的设备工时，原材料费，及产品单价，各种设备有效台时如下表，要求安排最优的生产计划，使该厂利润最大？设设产品设备有效台时1 2 3 4A1 A2 B1 B2 B357647109812111068108601110000400070004000原料费（元/件）单价（元/件）0.251.250.352.000.502.800.42.4解：设Xia(b)j为i产品在a(b)j设备上的加工数量,i=1,2,3,4;j=1,2,3，得变量列表设备产品设备有效台时Ta(b)j1 2 3 4A1 A2 B1 B2 B3X1a1X1a2X1b1X1b2X1b3X2a1X2a2X2b1X3b2X3b3X3a1X3a2X3b1X3b2X3b3X4a1X4a2X4b1X4b2X4b3601110000400070004000原料费Ci （元/件） 单价Pi （元/件） 0.25 1.25 0.352.00 0.50 2.80 0.4 2.4其中，令X 3a 1，X 3b 1，X 3b 2，X 3b 3，X 4b 3=0 可建立数学模型如下： 目标函数: ∑∑==-=4121)](*[Maxi j iaj Ci Pi X z=1.00*（X 1a 1+X 1a 2）+1.65*（X 2a 1+X 2a 2）+2.30* X 3a 2+2.00*（ X 4a 1+X 4a 2）约束条件：利用WinSQB 求解（X1~X4，X5~X8,X9~X12,X13~X17,X18~X20分别表示各行变量）：4,3,2,1X21j 31==∑∑==i X j ibjiaj2,1T X 41iaj=<=∑=j Taj i iaj 3,2,141=<=∑=j TbjT Xi ibj ibj2,1;4,3,2,10X iaj ==>=j i 且为整数32,1;4,3,2,10X ibj ，且为整数==>=j i 0X X X X X 4b33b33b23b13a1=====综上，最优生产计划如下：设备产品1 2 3 4A1 A2 B1 B2 B3774235004004008732875目标函数zMax=3495，即最大利润为3495案例3. 高校教职工聘任问题 （建摸）由校方确定的各级决策目标为：P 1 要求教师有一定的学术水平。
运筹学经典案例
运筹学经典案例案例一：鲍德西（（B AWDSEY）雷达站的研究20世纪30年代，德国内部民族沙文主义及纳粹主义日渐抬头。
以希特勒为首的纳粹势力夺取了政权开始为以战争扩充版图，以武力称霸世界的构想作战争准备。
欧洲上空战云密布。
英国海军大臣丘吉尔反对主政者的“绥靖”政策，认为英德之战不可避免，而且已日益临近。
他在自己的权力范围内作着迎战德国的准备，其中最重要、最有成效之一者是英国本土防空准备。
1935年，英国科学家沃森—瓦特（R．Watson-Wart）发明了雷达。
丘吉尔敏锐地认识到它的重要意义，并下令在英国东海岸的Bawdsey建立了一个秘密的雷达站。
当时，德国已拥有一支强大的空军，起飞17分钟即可到达英国。
在如此短的时间内，如何预警及做好拦截，甚至在本土之外或海上拦截德机，就成为一大难题。
雷达技术帮助了英国，即使在当时的演习中已经可以探测到160公里之外的飞机，但空防中仍有许多漏洞，1939年，由曼彻斯特大学物理学家、英国战斗机司令部科学顾问、战后获诺贝尔奖金的P.M.S.Blachett为首，组织了一个小组，代号为“Blachett 马戏团”，专门就改进空防系统进行研究。
这个小组包括三名心理学家、两名数学家、两名应用数学家、一名天文物理学家、一名普通物理学家、一名海军军官、一名陆军军官及一名测量人员。
研究的问题是：设计将雷达信息传送给指挥系统及武器系统的最佳方式；雷达与防空武器的最佳配置；对探测、信息传递、作战指挥、战斗机与防空火力的协调，作了系统的研究，并获得了成功，从而大大提高了英国本土防空能力，在以后不久对抗德国对英伦三岛的狂轰滥炸中，发挥了极大的作用。
二战史专家评论说，如果没有这项技术及研究，英国就不可能赢得这场战争，甚至在一开始就被击败。
“Blackett马戏团”是世界上第一个运筹学小组。
在他们就此项研究所写的秘密报告中，使用了“Operational Research”一词，意指作战研究”或“运用研究”。
运筹学在实际问题中的应用案例分析
运筹学在实际问题中的应用案例分析运筹学作为一门研究如何最优化地解决决策问题的学科，在实际问题中得到了广泛的应用。
本文将通过分析两个实际案例来探讨运筹学在解决复杂问题和优化资源利用方面的应用。
案例一：物流配送优化物流配送是一个典型的运筹学应用领域。
在现代社会，物流配送环节对于企业的运营效率和成本控制至关重要。
如何合理安排车辆路线、调度和配送是一项复杂且具有挑战性的任务。
运筹学可以通过数学建模和优化算法来解决这个问题。
首先，我们可以将物流配送问题建模为一个旅行商问题（Traveling Salesman Problem，TSP）。
TSP是一个经典的组合优化问题，目标是寻找一条最短路径，使得从一个地点出发经过所有其他地点后回到起点，且路径的总长度最小。
通过运筹学方法，可以利用算法来求解最佳路径并优化物流配送效率。
其次，为了进一步优化物流配送的效率，我们可以引入车辆调度问题。
例如，考虑到不同城市的交通堵塞情况，我们可以使用调度算法将不同城市的订单分配给不同的车辆，以减少整体行程时间和成本。
通过运筹学的应用，一家物流公司可以最大限度地减少行程时间、减少燃料消耗，提高物流配送的效率。
因此，运筹学在物流配送问题中的应用具有重要的意义。
案例二：生产排产优化生产排产是制造业中的一个重要环节，它关系到企业的生产效率、生产能力和订单交付时间。
运筹学在生产排产中的应用可以帮助企业提高生产效率，降低成本并及时交付产品。
在生产排产中，我们通常需要考虑到多个因素，如机器的利用率、工人的工作时间和任务的优先级等。
通过运筹学的方法，可以构建一个数学模型，通过数学规划算法来优化生产排产方案。
例如，假设一个工厂有多个机器和多个订单需要排产，每个订单有不同的完成时间和优先级。
我们可以通过运筹学的方法，将这个问题建模为一个调度问题。
然后，利用调度算法来确定每个订单的完成时间和最优的生产顺序，从而实现生产排产的优化。
通过运筹学的应用，企业可以有效地优化生产排产计划，提高生产效率，减少资源浪费，并保证订单能够及时交付。
运筹学应用案例
运筹学应用案例运筹学是一门应用数学，研究如何在资源有限的情况下，最优地组织和管理这些资源。
运筹学的应用范围非常广泛，涉及到各个领域。
以下是一个关于运筹学应用的实际案例。
某公司是一家制造业企业，主要生产产品A和产品B。
这家公司有两个生产车间和一个物流中心，每个车间配备了不同的生产设备。
公司的目标是最大化利润。
产品A在车间1中生产，车间1的生产设备可以在一小时内生产5个单位的产品A。
产品B在车间2中生产，车间2的生产设备可以在一小时内生产4个单位的产品B。
物流中心负责将产品A和产品B运送到市场，物流中心的运输能力为每小时20个单位。
同时，公司还面临一个资源的限制，即每天生产的产品A和产品B的总数不能超过400个单位。
另外，公司还有一个库存的限制，即每天生产的产品A和产品B的总数不能超过600个单位。
为了系统地解决这个问题，公司决定使用运筹学的方法进行决策。
首先，公司需要确定目标函数。
由于公司的目标是最大化利润，所以可以将目标函数定义为利润函数。
假设公司每个单位的产品A的利润为10美元，每个单位的产品B的利润为8美元。
那么公司的目标函数可以定义为：Z=10A+8B。
然后，公司需要确定约束条件。
根据资源的限制，可以得到以下约束条件：A≤5×小时数（车间1的生产能力）B≤4×小时数（车间2的生产能力）A+B≤400（每天生产的总数限制）A+B≤600（库存的限制）20A+20B≤600（物流中心的运输能力）接下来，公司需要确定变量的取值范围。
由于产量和库存数量为实数，所以可以将A和B的取值范围定义为非负实数。
最后，公司需要使用线性规划算法来求解最优解。
线性规划算法可以通过求解目标函数的最大值来找到最优解。
在这个案例中，可以使用单纯形法来求解最优解。
通过使用运筹学的方法，公司可以得到最优的生产和运输计划，以最大化利润。
对于公司而言，这个案例展示了如何在资源有限的情况下，通过合理的规划和管理，实现最优的生产和销售策略。
生活中运筹学案例分析
生活中运筹学案例分析
运筹学是一门研究如何做出最优决策的学科，它在生活中有着广泛的应用。
从
日常生活中的购物决策到企业的生产计划，都可以看到运筹学的影子。
在本文中，我们将通过一些生活中的案例来分析运筹学的应用。
首先，让我们来看一个购物决策的案例。
假设你需要购买一件衣服，而且你有
多个选择。
每件衣服的价格、品质、风格都不同，你需要在这些选择中做出最优的决策。
这时，你可以运用运筹学的方法，比如成本效益分析、决策树分析等，来帮助你做出最佳选择，从而在有限的预算内获得最大的满意度。
其次，让我们来看一个企业生产计划的案例。
假设一个工厂需要生产多种产品，并且有限的资源，比如人力、原材料、机器等。
在这种情况下，工厂需要合理安排生产计划，以最大化产出并降低成本。
这就需要运用运筹学的方法，比如线性规划、排程算法等，来优化生产计划，使得工厂能够以最有效的方式进行生产。
此外，运筹学还可以应用于交通运输、物流配送、金融投资等方面。
比如，在
交通运输中，如何合理安排车辆的路线，以最小化时间和成本；在物流配送中，如何优化仓储和配送流程，以提高效率和降低成本；在金融投资中，如何构建最佳的投资组合，以最大化收益和降低风险。
综上所述，运筹学在生活中有着广泛的应用，可以帮助我们在各种决策中做出
最优选择。
通过分析一些生活中的案例，我们可以更好地理解和应用运筹学的方法，从而提高我们的决策能力和生活质量。
希望本文能够对读者有所启发，让大家在生活中更加注重运筹学的应用。
运筹学案例分析
运筹学案例分析⼀.案例描述西兰物业公司承担了正⼤⾷品在全市92个零售店的⾁类、蛋品和蔬菜的运送业务，运送业务要求每天4点钟开始从总部发货，必须在7:30前送完货（不考虑空车返回时间）。
这92个零售点每天需要运送货物吨，其分布情况为：5千⽶以内为A区，有36个点，从总部到该区的时间为20分钟；10千⽶以内5千⽶以上的为B区，有26个点，从总部到该区的时间为40分钟；10千⽶以上的为C区，有30个点，从总部到该区的时间为60分钟；A区各点间的运送的时间为5分钟，B区各点间的运送时间为10分钟，C区各点间的运送时间为20分钟，A区到B区的运送时间为20分钟，B区到C 区的运送时间为20分钟，A区到C区的运送时间为40分钟。
每点卸货、验收时间为30分钟。
该公司准备购买规格为2吨的运送车辆，每车购价5万元。
请确定每天的运送⽅案，使投⼊的购买车辆总费⽤为最少。
⼆.案例中关键因素及其关系分析关键因素：1.⾸先针对⼀辆车的运送情况作具体分析，进⽽推⼴到多辆车的运送情况；2.根据案例中的关键点“零售点每天需要运送货物吨”及“规格为2吨的运送车辆”可知就⼀辆车运送⽽⾔，可承担4个零售点的货物量；3.根据案例中的“运送业务要求每天4点钟开始从总部发货，必须在7:30前送完货（不考虑空车返回时间）”可知每天货物运送的总时间为210分钟，超过该时间的运送⽅案即为不合理；4.如下表以套裁下料的⽅法列出所有可能的下料防案，再逐个分析。
三、模型构建1、决策变量设置设已穷举的12个⽅案中⽅案i所需的车辆数为决策变量Xi （i=1，2…12），即：⽅案1的运送车台数为X1；⽅案2的运送车台数为X2；⽅案3的运送车台数为X3；⽅案4的运送车台数为X4；⽅案5的运送车台数为X5；⽅案6的运送车台数为X6；⽅案7的运送车台数为X7；⽅案8的运送车台数为X8；⽅案9的运送车台数为X9；⽅案10的运送车台数为X10；⽅案11的运送车台数为X11；⽅案12的运送车台数为X12。
- 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、"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、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)。
. 案例描述西兰物业公司承担了正大食品在全市92 个零售店的肉类、蛋品和蔬菜的运送业务，运送业务要求每天4 点钟开始从总部发货，必须在
7:30 前送完货（不考虑空车返回时间）。
这92 个零售点每天需要运送货物0.5 吨，其分布情况为：5 千米以内为A区，有36个点，从总部到该区的时间为20分钟；10千米以内5千米以上的为B区，有26个点，从总部到该区的时间为40分钟；10千米以上的为C区，有30个点，从总部到该区的时间为60 分钟；A 区各点间的运送的时间为5分钟，B区各点间的运送时间为10分钟，C区各点间的运送时间为20 分钟，A 区到B 区的运送时间为20 分钟，B 区到C区的运送时间为20分钟，A区到C区的运送时间为40 分钟。
每点卸货、验收时间为30 分钟。
该公司准备购买规格为2 吨的运送车辆，每车购价5 万元。
请确定每天的运送方案，使投入的购买车辆总费用为最少。
二.案例中关键因素及其关系分析
关键因素：
1. 首先针对一辆车的运送情况作具体分析，进而推广到多辆车的运送情况；
2. 根据案例中的关键点“零售点每天需要运送货物0.5吨”
及“规格为2吨的运送车辆”可知就一辆车运送而言，可承
担4个零售点的货物量；
3. 根据案例中的“运送业务要求每天4点钟开始从总部发货，必须在7:30前送完货(不考虑空车返回时间)”可知每天货物运送的总时间为210分钟，超过该时间的运送方案即为不合理；
4. 如下表以套裁下料的方法列出所有可能的下料防案，再逐
个分析。
三、模型构建
1、决策变量设置
设已穷举的12个方案中方案i所需的车辆数为决策变量Xi
(i=1 , 2- 12)，即：
方案1的运送车台数为X1；
方案2的运送车台数为X2；
方案3的运送车台数为沁;
方案4 的运送车台数为X4；方案5 的运送车台数为X5；方案6 的运送车台数为X6；方案7 的运送车台数为X7；方案8 的运送车台数为X8；方案9 的运送车台数为X9；
方案10 的运送车台数为
X10；
方案11 的运送车台数为
X11；
方案12 的运送车台数为X12。
2、目标函数的确定问题的目标是使投入的购买车辆总费用为最少，而所需的运送车辆总数为X1+X2+X3+X4+X5+X6+X7+X8+X9+X10+X11+X12,
总费用为5X( X l+X2+X3+X4+X s+X6+X7+X8+X)+X io+X l+X l2)
目标函数为：
min f=5 X( X1+X2+X3+X4+X5+X6+X7+X8+X9+X10+X11+X12)
3、约束条件的确定根据案例要求可得到以下三个约束条件：
4X I+3X2+3X B+2X4+2X5+2X5+X^+X B+X9> 36;
X1+2X4+X5+3为+2X8+X g+4X io+3X ii+2X i2》26;
X B+X5+2X5+X^+2X)+X II+2X I2 > 30;
X > 0 (i=1 , 2- 12) 4、构建数学模型
线性规划模型为：
min f=5 x( X1+X2+X3+X4+X5+X6+X7+X8+X9+X0+X11+X12) s.t. 4X I+3X2+3X B+2X4+2X5+2X3+X7+X B+X9> 36;
X i+2X4+X5+3X^+2X^+X9+4X io+3X ii+2X i2> 26;
X3+X5+2X5+X5+2X9+X ii+2X i2 > 30;
X > 0 (i=1 , 2- 12)
四、模型求解
1 、求解工具及适应性分析
本题选择采用Microsoft Excel 的“规划求解” 模板来解决，这一模板非常适用于变量和约束条件较多的数学模型的求解，使决策的过程集中在建立科学的模型上，通过运筹学数学模型的建立和应用来解决具体的管理实践问题。
2、求解过程分析
( 1 )制作Excel 线性规划问题的模板，在模板的相应单元格中录入数学模型的变量系数和常数项。
( 2 )打开主菜单中的“工具”中的“规划求解”，进行规划求解参数的设置。
( 3 )点击“求解”，即可得本题结果。
3、求解结果描述
最优解有多个方案，现列出三套整数方案：
a. X3=12, X IO=2, x i2=9,其余的为0;
b. X2=8, X6=6, X i2=9,其余的为0;
c. X6=14, X7=8, X i2=1,其余的为0; 最优值为115
4、求解结果的数据分析
敏感性报告
单元格名字终
值目标式系数
允许的
增量
允许的
减量
最优解00 5. 0000000021E+30
$C?31辺0051E+300 $Dt31x3120F0 3. 751 $E$31K4Ci051E+300 1F|31x50061E+300 $G$311600513+300 1H&1x70051E+300 $I$31x80051E+300 1H31x90051E+300 $K$31皿20 5. 00000000200 $L$31sll00 5. 0000000021E+300 $IS31K!290500 JNS31I130001E+300 $0$31xl40001E+3Q0 $F$31x!50001E+3Q0
单元格名字终阴壽
价格勰
允许的增
量
允许的
减量
$Q$8实36L 25365424
$Q$g实味值261-25261E+308 $QS10实30L 25308词
$Q$ll实际值00001E+30
$Q$L2际值00001E+30
$Q$13实际值00001E+30
$Q$iq实际fS00001E+30
$Q$15实际值00001E+30
$Q$16实际值0Q Q Q1E+3Q
$Q$1T实际值00001E+30
$Q$1£际值00001E+30
$Q$19实际值00001E+30
$Q$20穿不值00001E+30
JQ$21际值0Q001E+30
$Q型实际值00001E+30 $Q$23S00001E+30
$Q$24实际植00001E+30
$Q$25实际值00001E+30
$Q$26实际值0Q Q01E+30
$Q$zr实际值00001E+30（注：因为本有多组最优解，这里只是列举其中的一组最优解与敏感性分析报告。
）
五、结论
1、决策效果（结果）的评价
a. X3=12, X IO=2, x i2=9,其余的为0;
b. X2=8, X6=6, X i2=9,其余的为0;
c. x6=14，x7=8，x12=1 ，其余的为0;
最优值为115
上述为决策效果（决策结果），通过运用运筹学线性规划方法，集体的讨论和建模，得出了至少在理论上成本最小化的结论，既是对我们书本知识效果的一次检验，对现实生活中的实际决策问题也有一定的指导意义。
2、遇到的问题及解决方法
（1 ）在讨论方案的时候，时间限制成了很大的障碍，如运
到A区的方案，本可以运5个点，但因为当第一次运完两吨
后，还可以再运一次，但因为此类情况下空车返回需要计时，所以只能在A 区运四个点。
（2）方案是否是最优的问题。
如0A0B3C方案，，因为车内的货物没有完全运完；0A0B4C方案，1A0B3C方案所花费时间超过标准，效果都没有达到最优，所以也就舍去了。
（3）在用线性规划模板求解最优解的时候，可能出现多个小数最优解，但因为车辆数不能是小数，所以在报告中删去了这部分。
精品文档。