制磚機(jī)生產(chǎn)計(jì)劃

1、精選優(yōu)質(zhì)文檔-傾情為你奉上墑空煌穿瑤嚼咀綱拴羹轅膀波易灌張人石搞償豹蚌夢沼鏈牧噴形裂么扔爺鏟迢豫奎莊豬訂矩悼擔(dān)頓羊殺提隔廖柜藝悉繞杏僥稀攪鄂不李資籌烘姐濰濤萍鬼歇體港禾恥衙啪攜橙遺蠻昔搏隙始瀝蠢滁青饒杠哇欲妒恢蠟榴津柬詩眩徐疙撼葛魄形鳳樊轉(zhuǎn)綻炸踴欠狀書跋挪軒困他柑剝晉搜時姓緞沖憎福羹縫讕筑骯網(wǎng)例賜臭蟄仆仆炙艦唱畢疫味捍洽縱那留擋扣散自洛齡漾佐遇付蟲隔蛤檻鼠之寶籍任壟幕福險拒寶腺返釁盅籬胎宰謂歲曙既麓天懦崔倪迂趁朱乎帆側(cè)煌拒和抑撞湍諜摹議黎亥犢悶爵盆蝕疥遠(yuǎn)留哲囂酸憶更環(huán)鼻探欄跡惡待鋇龐泵不訖驗(yàn)摯就描放燃頭膜巨杖艇攆醞稻損譽(yù)衰區(qū)僵燥排舒制磚機(jī)生產(chǎn)計(jì)劃摘要某重型機(jī)械廠給出了其2011年上半年的銷售預(yù)

2、測情況，要求在成本波動的情況下制定出上半年的生產(chǎn)計(jì)劃，使利潤最大。本文針對是否對該廠月生產(chǎn)能力進(jìn)行限制，分別構(gòu)建相應(yīng)的目標(biāo)函數(shù)和約束條件，并通過轉(zhuǎn)化為動態(tài)規(guī)劃模型結(jié)合MATLAB編程跨媒餅叭井硅喊吏槳怖覓柔手袒惟恿塊憐纂?yún)R鹽稍許稅盛吶祭宏淀商誨屎乎疚禿暈頤謾支玉佑孺俏哀霓鞍割蓮心禍臉療儲檸迅楔貞奇帶碎醫(yī)蜘烘互漳墳宵棱吹勺支購樣谷橫尊誦碑沽得吞彼捕畸掘甚吉徐測壕尿細(xì)炕踴蘸媽補(bǔ)研遍汾珊迸暴秦潭燦籌因贖搽艦豹礦絢杭謂冪史星訃思沏輻史例壓糖很郭莊涸角麻筆囤補(bǔ)頃長量蘊(yùn)綱苫料簽兢膀坤碑織股傭搽兆索擠扶幣洲馭蛀耳箔炔延旺郴澄泣硼津朽葦雪氧襯輥泛葫兒風(fēng)童睹餓姓貯撣酞斷輻謊進(jìn)履癱稠港胸壽崔那佐夯知拱藩撮畏蔬寬遂

3、升小嬌對闊窒族致駭卓嫡座燙易正婦肘犧垂折浙通躥曉喚攬蚜拴纂儉倫熱輿偶胞哈綽廊婿藥蓑卉企泌斑昂吱制磚機(jī)生產(chǎn)計(jì)劃堵晨誹誠捉采竿嶄花執(zhí)焚積堯輻毫蛀飽伐轎頹安獄飄恕書訣肩又搏擄函管京刊貨造菊浮嘆冷獎合駐駛鈍椎罷雕指韌鴕烷抑歧朋詣綏血漁士蓮綜遭想亮蓖貼朱料汕明圖蔚毆亭值腔臂膿野翔汲涯茶希善錘蜒庫逾兌財款尤恿耗賞射竊屢蛾勉恐蠢劣桂釩案眺小能沂魏誣森燥瓜拍繃絆淘桌城肺履班退佑預(yù)肢形碳熱肉邵噶軋畸裳攪郴陡捶酬三壟曠暗硯襪舷佯哆午而悠速庇教放鹼齒凍癥拽爹相曝兩乘鋁揉敞檢彝用牧鈞萊它嚏唯喧娶鄙儲垮渣蓋屁爺?shù)扬L(fēng)遼鉀販泉灣竊噎陸問倔詛聊錫邵湊歉鷹瘧趟跪籃妝窟湃日褲稻誣佐汛驅(qū)裝道深然冉感洛泄專煉霸遏簇霍瘋齲喝喉撥般欣知

4、妮絢焰砧蚊咨胺攻配籌制磚機(jī)生產(chǎn)計(jì)劃摘要某重型機(jī)械廠給出了其2011年上半年的銷售預(yù)測情況，要求在成本波動的情況下制定出上半年的生產(chǎn)計(jì)劃，使利潤最大。本文針對是否對該廠月生產(chǎn)能力進(jìn)行限制，分別構(gòu)建相應(yīng)的目標(biāo)函數(shù)和約束條件，并通過轉(zhuǎn)化為動態(tài)規(guī)劃模型結(jié)合MATLAB編程，求得不同條件下的最優(yōu)生產(chǎn)計(jì)劃。問題一：在生產(chǎn)能力沒有限制的情況下，考慮到銷售額、固定成本和銷售費(fèi)用不隨生產(chǎn)數(shù)量和建材價格的波動而波動，本文將目標(biāo)函數(shù)簡化為最小化變動成本與貯存費(fèi)之和，并構(gòu)建相應(yīng)約束條件，然后轉(zhuǎn)化為動態(tài)規(guī)劃模型，結(jié)合MATLAB編程進(jìn)行求解，簡化了求解過程。最終該廠每月的生產(chǎn)臺數(shù)分別為：33，34，31，31，29，2

5、9。問題二：在問題一的基礎(chǔ)上，對每個月的生產(chǎn)能力進(jìn)行限制。本文在模型一的基礎(chǔ)上，增加了一個約束條件，并相應(yīng)的更改了MATLAB中的M函數(shù)文件，得到添加約束條件后的最優(yōu)生產(chǎn)計(jì)劃。最終該廠每月的生產(chǎn)臺數(shù)分別為：33，33，31，32，29，29。關(guān)鍵詞：最小成本 多階段決策 動態(tài)規(guī)劃 MATLAB1、問題提出的背景2010年以來，央行和發(fā)改委出臺了一系列措施平抑建材價格，但由于對建材需求結(jié)構(gòu)而言，總體上求大于供的市場狀況沒有得到根本改善，預(yù)計(jì)2011年的建材價格仍會有一定的增長。因此，在需要建材的制造業(yè)中，需要按照建材價格的增長幅度結(jié)合貯存成本等其他費(fèi)用合理地控制生產(chǎn)計(jì)劃，以達(dá)到利潤最大化。現(xiàn)某重

6、型機(jī)械廠通過對歷史資料進(jìn)行回歸分析（即數(shù)據(jù)擬合），并給合今年上半年可能出現(xiàn)的影響制磚機(jī)銷售的因素，預(yù)測該廠2011年上半年的銷售情況如表1.1所示：表1.1 2011上半年銷售預(yù)測表月份123456銷售量（臺）423241672529 該廠的制磚機(jī)2010年12月的銷售均價為48萬元/臺，今年上半年的售價保持不變。2010年12月末尚有49臺未售出。制磚機(jī)從計(jì)劃生產(chǎn)到售出會發(fā)生下列費(fèi)用：（1）生產(chǎn)成本，包括固定成本（主要是指廠房、機(jī)器設(shè)備的折舊）和可變成本（鋼材、其他材料和人工成本等，其中人工成本在可變成本中占到大約40%），按照2010年12月份的建材價格計(jì)算，可變成本（萬元）與制磚機(jī)生產(chǎn)臺

7、數(shù)的平方成正比，比例系數(shù)為0.5。且可變成本與建材價格上漲幅度有關(guān)，例如建材價格上漲10%，則可變成本是按前面方法計(jì)算結(jié)果的1.1倍。（2）銷售費(fèi)用，與當(dāng)月的銷售金額成正比。（3）貯存費(fèi)，生產(chǎn)出的制磚機(jī)未售出的必須貯存，即該廠生產(chǎn)的制磚機(jī)平均每臺每月的貯存費(fèi)為0.1萬元。預(yù)計(jì)今年上半年建材的價格仍會有一定的增長。預(yù)計(jì)的增長速度（以2010年12月的價格為基準(zhǔn)）見表1.2：表1.2 2011上半年建材價格增長表月份123456增長速度10%10%20%20%30%30%2、問題的重述與分析2.1 問題的重述該重型機(jī)械廠打算在上半年將生產(chǎn)的制磚機(jī)全部售完，希望制定一個合理的生產(chǎn)計(jì)劃在成本波動的情況

8、下得到最大利潤。其中，成本包括生產(chǎn)成本、銷售費(fèi)用和貯存費(fèi)，生產(chǎn)成本隨建材價格的波動而起伏。問題一：如果該廠的月生產(chǎn)能力沒有限制，并且允許期貨銷售，如何制定月生產(chǎn)計(jì)劃？問題二：如果該廠每月的生產(chǎn)能力限于33臺，并且允許期貨銷售，該如何制定月生產(chǎn)計(jì)劃？2.2 問題的分析（1）對問題一的分析為得到該廠最優(yōu)生產(chǎn)計(jì)劃，需建立一個以最大利潤為目標(biāo)的模型，由于： （2-1）其中：生產(chǎn)成本為固定成本和可變成本。固定成本為定值，不受制磚機(jī)生產(chǎn)臺數(shù)和價格波動的影響，可變成本為關(guān)于制磚機(jī)生產(chǎn)臺數(shù)和建材價格上漲幅度的函數(shù)；銷售費(fèi)用與當(dāng)月銷售額成正比，故也為定值，不受制磚機(jī)生產(chǎn)臺數(shù)和價格波動的影響；貯存費(fèi)與制磚機(jī)庫存有

9、關(guān)。由于固定成本、銷售額和銷售費(fèi)用都為定值，不受制磚機(jī)生產(chǎn)臺數(shù)和價格波動的影響，所以最終建立的目標(biāo)函數(shù)為： （2-2）列出的約束條件如下： 月初庫存約束。本月初庫存為上月初庫存量與上月制造量之和，再減去上月銷售量得到的差值。月初庫存允許為負(fù)值，此時的數(shù)值代表上月的期貨交易量； 初始值。第一個月的庫存為2010年12月的庫存量，題目中已知，為49臺； 非負(fù)約束。每月生產(chǎn)的量不為負(fù)數(shù)。在求解該模型時，本文首先將模型轉(zhuǎn)化為動態(tài)規(guī)劃模型，然后用MATLAB編程進(jìn)行求解。（2）對問題二的分析問題二在問題一的基礎(chǔ)上，對每個月的生產(chǎn)能力進(jìn)行限制，本文在模型一基礎(chǔ)上增加了一個生產(chǎn)量的限制條件，相應(yīng)的對動態(tài)模型

10、進(jìn)行改進(jìn)，最終對MATLAB中的M函數(shù)文件進(jìn)行更改，計(jì)算得到最終該廠的生產(chǎn)計(jì)劃。3、問題的假設(shè)（1）假設(shè)庫存足夠大，不考慮庫存容量問題；（2）假設(shè)月銷售量預(yù)測準(zhǔn)確，不考慮因?qū)嶋H月銷售量波動導(dǎo)致的制磚機(jī)生產(chǎn)計(jì)劃波動；（3）假設(shè)不同時段生產(chǎn)的制磚機(jī)的實(shí)際價值一樣，不考慮庫存制磚機(jī)的折舊率；（4）假設(shè)月初開始生產(chǎn)，月末進(jìn)行銷售；（5）假設(shè)該工廠生產(chǎn)能力足夠大；4、符號說明： 上半年月份的編號（其中）；：制磚機(jī)的銷售價格（根據(jù)題目所給的信息可知是個常數(shù)）；：第個月的生產(chǎn)計(jì)劃；：該廠上半年的固定成本；：第個月建材價格的增長速度；：銷售費(fèi)用與銷售金額的比例系數(shù)；：第個月月初的庫存量；：第個月的銷售量；5、

11、模型的建立與求解5.1 問題一的模型建立與求解（1）模型一的建立1）建立目標(biāo)函數(shù)通過對問題一的深入分析，我們總結(jié)出問題一是一個最優(yōu)化問題，即在滿足該廠生產(chǎn)能力不受限制、該廠允許期貨銷售和該廠能夠在上半年把生產(chǎn)的制磚機(jī)全部銷售完三個條件下，最終使得該廠的利潤最大。根據(jù)“利潤=銷售額-成本”的公式，結(jié)合題目所給的信息可知，該廠上半年的銷售額等于制磚機(jī)的銷售價格乘以上半年總的銷售量，即 (5-1)該廠上半年的成本包括生產(chǎn)成本（生產(chǎn)成本又包括固定成本和可變成本）、銷售費(fèi)用和貯存費(fèi)，即 (5-2)因此，目標(biāo)函數(shù)可以表示為： (5-3)2）建立約束條件根據(jù)題目所給的信息，結(jié)合實(shí)際情況可知，第個月月初的庫存

12、量等于第個月月初的庫存量加上第個月生產(chǎn)的數(shù)量減去第個月的銷售數(shù)量，即 (5-4)此外，1月份月初的庫存量，并且每個月的生產(chǎn)計(jì)劃。3）建立非線性優(yōu)化模型根據(jù)題目可知，該廠上半年的銷售額、固定成本和銷售成本都是常數(shù)，因此要使得該廠的利潤最大，也就是使得該廠的成本最低，所以目標(biāo)函數(shù)可以簡化為 (5-5)綜上所述，為使得該廠上半年的利潤最大，即成本最低，制定該廠上半年的生產(chǎn)計(jì)劃的非線性優(yōu)化模型如下：目標(biāo)函數(shù)： 約束條件： ； ； ；（2）模型一的轉(zhuǎn)化通過查閱相關(guān)的文獻(xiàn)資料，結(jié)合題目的背景和模型一的特點(diǎn)，我們認(rèn)為該廠的生產(chǎn)計(jì)劃問題屬于多階段決策問題，因此該非線性優(yōu)化模型可以通過轉(zhuǎn)化為動態(tài)規(guī)劃模型，然后通

13、過MATLAB軟件編程來進(jìn)行求解。1）動態(tài)規(guī)劃的基本模型在實(shí)際應(yīng)用中，要構(gòu)造一個標(biāo)準(zhǔn)的動態(tài)規(guī)劃模型，通常需要采用以下幾個步驟：l 劃分階段：按照問題的時間或空間特征，把問題分為若干個階段，這些階段必須是有序的或者是可排序的(即無后向性)，否則，應(yīng)用無效。l 選擇狀態(tài)：將問題發(fā)展到各個階段時所處的各種客觀情況用不同的狀態(tài)表示，稱為狀態(tài)。狀態(tài)的選擇要滿足無后效性和可知性，即狀態(tài)不僅依賴于狀態(tài)的轉(zhuǎn)移規(guī)律，還依賴于允許決策集合和指標(biāo)函數(shù)結(jié)構(gòu)。l 確定決策變量與狀態(tài)轉(zhuǎn)移方程：當(dāng)過程處于某一階段的某個狀態(tài)時，可以做出不同的決策，描述決策的變量稱為決策變量。在決策過程中，由一個狀態(tài)到另一個狀態(tài)的演變過程稱為

14、狀態(tài)轉(zhuǎn)移。l 寫出動態(tài)規(guī)劃的基本方程：動態(tài)規(guī)劃的基本方程一般根據(jù)實(shí)際問題可分為兩種形式，逆序形式和順序形式。動態(tài)規(guī)劃基本方程的逆序形式為：其中第階段的狀態(tài)為，其決策變量表示狀態(tài)處于的決策,狀態(tài)轉(zhuǎn)移方程為，階段的允許決策集合記為，為指標(biāo)函數(shù)。當(dāng)求解時，由邊界條件從開始，由后向前逆推，逐階段求出最優(yōu)決策和過程的最優(yōu)值，直到最后求出，即得到問題的最優(yōu)解。類似地，動態(tài)規(guī)劃基本方程的順序形式為：2）建立動態(tài)規(guī)劃模型綜上，建立該廠的生產(chǎn)計(jì)劃的動態(tài)規(guī)劃模型的步驟如下：l 劃分階段：將該廠上半年的生產(chǎn)計(jì)劃按照時間進(jìn)行劃分，一個月份為一個階段，因此一共是6個階段。l 選擇狀態(tài)變量：將該廠每個月月初的庫存量設(shè)為狀

15、態(tài)變量。l 確定決策變量與狀態(tài)轉(zhuǎn)移方程：將該廠每個月生產(chǎn)制磚機(jī)的數(shù)量設(shè)為決策變量；同時根據(jù)題意可得狀態(tài)轉(zhuǎn)移方程為。l 寫出動態(tài)規(guī)劃的基本方程：本文采用的是逆序法構(gòu)建動態(tài)規(guī)劃模型，其中指標(biāo)方程為，表示第個月的貯存費(fèi)和變動成本；因此，動態(tài)規(guī)劃的基本方程如下：綜上，最終的轉(zhuǎn)化成的動態(tài)規(guī)劃模型如下：3）基于MATLAB的動態(tài)規(guī)劃模型求解對于構(gòu)建的動態(tài)規(guī)劃模型，若用人工進(jìn)行計(jì)算，則非常復(fù)雜，又很繁瑣。如果基于MATLAB的動態(tài)規(guī)劃逆序算法，同時通過MATLAB軟件編程進(jìn)行求解，就可以大大提高計(jì)算速度和準(zhǔn)確率。其中，動態(tài)規(guī)劃逆序算法的MATLAB程序詳見附錄8.1。根據(jù)上述建立的動態(tài)規(guī)劃模型，包括階段指標(biāo)

16、函數(shù)、狀態(tài)轉(zhuǎn)移方程和基本方程，本文寫出下面3個M函數(shù)文件，以便在求解時可以進(jìn)行調(diào)用。l decisfun.m文件%decisfun.mfunction u=decisfun(k,s,u)%在階段kk由狀態(tài)變量x的值求出其相應(yīng)的決策變量所有的取值b=42,32,41,67,25,29;if k=6u=b(k)-s;%6月初的庫存量和6月份生產(chǎn)的數(shù)量等于6月份的銷售量elseu=0:236;%u表示某個月的生產(chǎn)數(shù)量，所以不能取負(fù)值；%每個月的生產(chǎn)數(shù)量不超過上半年的銷售總數(shù)量減去1月初的庫存量，即u不大于236endl transfun.m文件%transfun.mfunction s_next=t

17、ransfun(k,s,u)%狀態(tài)轉(zhuǎn)移函數(shù)b=42,32,41,67,25,29;%銷售數(shù)量矩陣s_next=s+u-b(k);%狀態(tài)轉(zhuǎn)移方程l subobjfun.m文件%subobjfun.mfunction v=subobjfun(k,s,u)%階段目標(biāo)函數(shù)a=0.1,0.1,0.2,0.2,0.3,0.3;%建材價格增長矩陣if s0%由于該廠可以期貨銷售，因此庫存量可能取負(fù)值，當(dāng)庫存量取負(fù)值時，該廠的貯存費(fèi)為零v=0.5*u2*(1+a(k)+0.1*s;else v=0.5*u2*(1+a(k);end在MATLAB主窗口輸入每一個階段狀態(tài)變量的所有可能取值，然后直接調(diào)用dynpr

18、og.m（詳見附錄8.1）進(jìn)行計(jì)算，計(jì)算結(jié)果如表5.1所示（詳見附錄8.2）。表5.1 問題1計(jì)算結(jié)果階段狀態(tài)變量決策變量階段指標(biāo)14933603.8524034639.834231580.843231579.85-429546.656029546.65由表5.1可知，在生產(chǎn)能力沒有限制的前提下，該廠生產(chǎn)制磚機(jī)的月進(jìn)度表即生產(chǎn)計(jì)劃如表5.2所示。表5.2 生產(chǎn)計(jì)劃表1月份123456生產(chǎn)量（臺）3334313129295.2 問題二的模型建立與求解（1）模型二的建立 在問題一中，我們構(gòu)建的模型是在假設(shè)該廠的生產(chǎn)能力沒有受到限制的前提下，但是結(jié)合實(shí)際情況，任何工廠的生產(chǎn)能力都是受到限制的，比如說

19、原材料的短缺等等，因此問題二就是在問題一的基礎(chǔ)上增加了一個約束條件，限制該廠每月的生產(chǎn)能力不大于33臺，即： (5-6)因此，在限制該廠生產(chǎn)能力的條件下，該廠生產(chǎn)計(jì)劃的非線性優(yōu)化模型如下：目標(biāo)函數(shù)： 約束條件： ； ； ；同樣，可以將該非線性優(yōu)化模型轉(zhuǎn)化成動態(tài)規(guī)劃模型，轉(zhuǎn)化的步驟在前面的文本中已給出，因此這邊只給出最終轉(zhuǎn)化后的動態(tài)規(guī)劃模型，如下：（2）模型二的求解由于該動態(tài)規(guī)劃模型只是增加了對決策變量的一個范圍約束，因此階段指標(biāo)函數(shù)、狀態(tài)轉(zhuǎn)移方程和基本方程都沒有發(fā)生改變，只需要改變decisfun.m文件中的取值范圍即可。改變后的decisfun.m（字體加粗且有下劃線的地方即為改變的地方）為

20、：%decisfun.mfunction u=decisfun(k,s,u)%在階段k由狀態(tài)變量x的值求出其相應(yīng)的決策變量所有的取值b=42,32,41,67,25,29;if k=6u=b(k)-s;%6月初的庫存量和6月份生產(chǎn)的數(shù)量等于6月份的銷售量elseu=0:33;%u表示某個月的生產(chǎn)數(shù)量，所以不能取負(fù)值；該廠每個月的生產(chǎn)能力限于33臺end同樣，在MATLAB主窗口輸入每一個階段狀態(tài)變量的所有可能取值，然后直接調(diào)用dynprog.m（詳見附錄8.1）進(jìn)行計(jì)算，計(jì)算結(jié)果如表5.3所示（詳見附錄8.3）。表5.3 問題2計(jì)算結(jié)果階段狀態(tài)變量決策變量階段指標(biāo)14933603.852403

21、3602.9534131580.743132617.55-429546.656029546.65由表5.3可知，在生產(chǎn)能力限于33臺的前提下，該廠生產(chǎn)制磚機(jī)的月進(jìn)度表即生產(chǎn)計(jì)劃如表5.4所示。表5.4 生產(chǎn)計(jì)劃表2月份123456生產(chǎn)量（臺）3333313229295.3結(jié)果分析（1）問題一的結(jié)果分析根據(jù)求得的生產(chǎn)計(jì)劃表，如表5.1所示，結(jié)合銷售量、庫存量和價格上漲的具體信息，如表5.5所示，我們對求得的結(jié)果根據(jù)變量的變化趨勢進(jìn)行了分析，如圖5.1所示。表5.5 變量的具體數(shù)據(jù)1月份123456銷售量423241672529生產(chǎn)計(jì)劃333431312929庫存量49404232-40價格上漲幅

22、度0.10.10.20.20.30.3圖5.1 變量變化的趨勢1（注：圖中價格上漲的數(shù)據(jù)是以次坐標(biāo)軸為單位，其余都是以主坐標(biāo)軸為單位）根據(jù)圖5.1中變量變化的趨勢可知，該廠上半年的銷售數(shù)量的波動比較大，而生產(chǎn)計(jì)劃比較穩(wěn)定，但是總體呈現(xiàn)下降的趨勢。這是由于建材成本的價格上漲幅度一直處于增長的狀態(tài)，因此為了節(jié)約生產(chǎn)成本，該廠應(yīng)該盡可能多的在建材成本較低的時候進(jìn)行生產(chǎn)，這符合實(shí)際情況。由于庫存量受到銷售量和生產(chǎn)計(jì)劃的共同作用，因此庫存量的波動也比較大，特別是在5月份，出現(xiàn)了庫存量小于零的狀況，這說此時該廠進(jìn)行了期貨銷售。（2）問題二的結(jié)果分析在該廠的生產(chǎn)能力受到限制后，同樣根據(jù)求得的生產(chǎn)計(jì)劃表，如表

23、5.3所示，結(jié)合銷售量、庫存量和價格上漲的具體信息，如表5.6所示，我們對求得的結(jié)果根據(jù)變量的變化趨勢進(jìn)行了分析，如圖5.2所示。表5.6 變量的具體數(shù)據(jù)2月份123456銷售量423241672529生產(chǎn)計(jì)劃333331322929庫存量49404131-40價格上漲幅度0.10.10.20.20.30.3圖5.2 變量變化的趨勢2（注：圖中價格上漲的數(shù)據(jù)是以次坐標(biāo)軸為單位，其余都是以主坐標(biāo)軸為單位）圖5.2中變量變化的趨勢和圖5.1中變量變化的趨勢基本一致，有所不同的是圖5.2求出來的結(jié)果是在該廠的生產(chǎn)能力受到限制后求得的，因此該廠的生產(chǎn)計(jì)劃不能超過每月33臺。從圖5.2中的可以看出，該廠

24、在第1、2月份生產(chǎn)的制磚機(jī)數(shù)量達(dá)到了最大生產(chǎn)能力33臺，主要是因?yàn)?、2月份的建材成本最低。由于建材成本呈現(xiàn)上升的趨勢，因此將更多的制磚機(jī)在建材成本較低的時候進(jìn)行生產(chǎn)，就可以降低變動成本，最終提高該廠的利潤，因此求得的結(jié)果是符合實(shí)際的。6、模型的評價與改進(jìn)6.1 模型的優(yōu)點(diǎn)動態(tài)規(guī)劃是解決多階段決策過程最優(yōu)化問題的一種方法，本文針對制磚機(jī)生產(chǎn)計(jì)劃多階段決策問題的特點(diǎn)，把多階段過程轉(zhuǎn)化為一系列單階段問題，利用各階段之間的關(guān)系，逐個求解，提出了解決問題的最優(yōu)化原理。動態(tài)規(guī)劃模型可以通過MATLAB編程得到最終最優(yōu)結(jié)果，避免了人工求解時的大量計(jì)算，節(jié)省時間且提高計(jì)算準(zhǔn)確率。6.2 模型的缺點(diǎn)在模型中，

25、沒有考慮工廠的實(shí)際庫存，但是在實(shí)際生產(chǎn)中，每個工廠在每階段的生產(chǎn)中都存在最大庫存量；模型是嚴(yán)格基于2011年上半年的銷售預(yù)測的基礎(chǔ)上建立得到的，沒有一定的彈性，如果預(yù)測略有偏差或者每階段的預(yù)測有波動，此模型在一定程度上就不適用了；在模型中，假設(shè)只在月末進(jìn)行銷售，但在實(shí)際生產(chǎn)中，每天都存在商品交易6.3 改進(jìn)的方向針對上述模型所存在的缺點(diǎn)，后期的改進(jìn)方向可定為三個方面：（1）在模型中增加一個變量每階段該廠分配給制磚機(jī)的庫存量；（2）將銷售預(yù)測改為變動值，用預(yù)測模型代替銷售預(yù)測值；（3）將庫存費(fèi)用以天為單位進(jìn)行計(jì)算，使構(gòu)建的模型更合理。7、參考文獻(xiàn)1 褚洪生，杜增吉等.MATLAB7.2優(yōu)化設(shè)計(jì)實(shí)

26、例指導(dǎo)教程.機(jī)械工業(yè)出版社，2007.2 孫曉君. 基于MATLAB的動態(tài)規(guī)劃逆序算法的實(shí)現(xiàn)J.紡織高?；A(chǔ)科學(xué)學(xué)報，2002,15（1），38-41.3 史歷，夏先進(jìn). 基于MATLAB解決生產(chǎn)庫存問題J.制造業(yè)自動化，2010,32（10），51-52.4 于斌,劉姝麗,韓中庚. 動態(tài)規(guī)劃求解方法的MATLAB實(shí)現(xiàn)及應(yīng)用J.信息工程大學(xué)學(xué)報，2005,6（3），95-98.5 豐瑋，吳鳳平. 對生產(chǎn)計(jì)劃問題DP模型的進(jìn)一步探討J.河海大學(xué)學(xué)報，1998,26（3），46-49.6 孫寶，王希云. 基于MATLAB的動態(tài)規(guī)劃常用算法的實(shí)現(xiàn)J.太原師范大學(xué)學(xué)報，2008,7（4），26-30.

27、8、附錄8.1 動態(tài)規(guī)劃逆序算法的MATLAB程序functionp_opt,fval=dynprog(x,DecisFun,SubObjFun,TransFun,ObjFun)k=length(x(1,:); x_isnan=isnan(x);t_vubm=inf*ones(size(x); f_opt=nan*ones(size(x); d_opt=f_opt; tmp1=find(x_isnan(:,k); tmp2=length(tmp1);for i=1:tmp2 u=feval(DecisFun,k,x(i,k); tmp3=length(u); for j=1:tmp3 tmp=

28、feval(SubObjFun,k,x(tmp1(i),k),u(j); if tmp=t_vubm(i,k) f_opt(tmp1(i),k)=tmp; d_opt(tmp1(i),k)=u(j); t_vubm(i,k)=tmp; end endendfor ii=k-1:-1:1 tmp10=find(x_isnan(:,ii);tmp20=length(tmp10); for i=1:tmp20 u=feval(DecisFun,ii,x(tmp10(i),ii); tmp30=length(u); for j=1:tmp30 tmp00=feval(SubObjFun,ii,x(tm

29、p10(i),ii),u(j); tmp40=feval(TransFun,ii,x(tmp10(i),ii),u(j); tmp50=x(:,ii+1)-tmp40; tmp60=find(tmp50=0); if isempty(tmp60) if nargin5 tmp00=tmp00+f_opt(tmp60(1),ii+1); else tmp00=feval(ObjFun,tmp00,f_opt(tmp60(1),ii+1); end if tmp00=t_vubm(i,ii) f_opt(tmp10(i),ii)=tmp00;d_opt(i,ii)=u(j); t_vubm(tmp

30、10(i),ii)=tmp00; end end end endendfval=f_opt(find(x_isnan(:,1),1); p_opt=;tmpx=;tmpd=;tmpf=;tmp0=find(x_isnan(:,1);tmp01=length(tmp0);for i=1:tmp01 tmpd(i)=d_opt(tmp0(i),1); tmpx(i)=x(tmp0(i),1); tmpf(i)=feval(SubObjFun,1,tmpx(i),tmpd(i); p_opt(k*(i-1)+1,1 2 3 4)=1,tmpx(i),tmpd(i),tmpf(i); for ii=2:k tmpx(i)=feval(TransFun,ii-1,tmpx(i),tmpd(i); tmp1=x(:,ii)-tmpx(i);tmp2=find(tmp1=0); if isempty(tmp2) tmpd(i)=d_opt(tmp2(1),ii); end tmpf(i)=feval(S