TB体育官网页（封面）题目（A/B）：论文题目：饮料生产参赛队员：王小林戴婷婷指导教师：学校名称：漳州职业技术学院饮料生产本文是一个线性规划问题，对实际生活中一家饮料生产企业的生产与发货情况做了详细的分析。根据该企业在沈阳、武汉、成都三个厂的生产能力，以及各个城市的需求量与仓库容量，已知运费的计算公式=（发到基价+运行基价运距）运量，通过百度地图查出各地之间的运距。分别设置出由沈阳、武汉、成都向其他各个的城市发货的未知量。根据收入为销售量与价格的乘积减去运费和库存费，建立规划表达式。根据问题一，只考虑一月的情况，从而安排各厂的生产与发货，使收入达到最大。为达到利润最大，三个生产厂地无库存，运用lingo软件求解，安排沈阳生产41，向北京发货27吨。安排武汉生产70吨天博tb综合体育·(中国)官方网站IOS/安卓通用版/手机APP下载，自给21向太原发货11吨，向长沙发货13吨，向广州发货25吨。安排成都生产45向西安发货16吨，自给20吨，向昆明发货9根据问题二，分析三月份按最大能力生产即满足需求量的情况下，库存应满足最大容量，同时收入达到最大。建立模型，运用lingo软件解得，安排沈阳生产82吨，自给19吨，向北京发货38吨，向太原发货5吨，库存20吨。安排武汉生产160吨，向太原发货10吨，自给29吨，向长沙发货17吨，向西安发货21吨，向昆明发货9吨，向广州发货34吨，库存40自给27吨，向昆明发货3吨，库存20吨。利润最大值为537943.2结合实际情况，对模型进行分析，说明此模型具有一定的通用性与可操作性。关键词：饮料生产，lingo模型天博tb综合体育·(中国)官方网站IOS/安卓通用版/手机APP下载，运输规划天博tb综合体育·(中国)官方网站IOS/安卓通用版/手机APP下载，收入最值一.问题的重述有一家饮料生产企业在沈阳、武汉、成都有三个矿泉水生产厂，三个生产厂都有成品仓库。已知三个生产厂的生产能力分别为110吨/月、160吨/月、50/月；三个生产厂的仓库容量分别为20吨、40吨、20吨。三个厂的矿泉水产品在全国9个城市（包括生产厂所在城市）设有销售代理商，负责所在地区的产品销售。没有生产厂的城市不能库存产品。现知道1-6月份9个城市的产品需求。产品的销售价格全国统一为2570需求量可以不满足，但发货不能超过需求量。产品运输采用铁路货运，运费按公式计算：运费=发到基价（元/吨）运量（吨）+运行基价（元/吨公里）运距（公里）运量（吨）=（发到基价+运行基价运距）运量。运距通过查询已经知道。设库存费每月5元/吨，“发到基价”为12元/吨，“运行基价”为0.05吨公里。问题一是只考虑一月份，安排生产和运输，使其收入最大。已知一月份的需求量如下：一月份产品需求量（吨）问题二是三月份按最大能力生产安排运输，使收入最大。三月份产品需求量（吨）经过资料查询得到各地间运距，如图（1、2、3）所示：沈阳北京太原武汉长沙西安成都昆明广州合计需求量5156沈阳北京太原武汉长沙西安成都昆明广州合计需求量234212二.问题分析该矿泉水生产厂的销售代理商分布在全国9个不同的城市，而该家企业只在成都、武汉、沈阳等地设有矿泉水生产厂，在不考虑生产成本的情况下，矿泉水运输费与每月库存费为该矿泉水厂的主要支出金额。自成都、武汉、沈阳三地发散性的对其他六个城市进行货物提供，根据9个城市的不同距离进行分析，从而得出最佳方案。根据问题一进行分析：（1）只考虑一月份，则该月份中成都、武汉、沈阳三地没有库存；（2）最大利润为产品总销售价格与运费的差值；根据问题二进行分析：（1）当三个厂达到最大能力生产时，成都、武汉、沈阳三地的库存都达到该地的仓库容量；（2）当三个厂达到最大能力生产时，全国设有销售代理商的9个城市需求量都得到满足；三.模型假设1、假设铁路运距为直线、假设设有生产厂的城市，其需求由该生产厂提供，其他生产厂不予提供。3、对于问题二假设二月无库存。4、假设无需考虑生产成本。四.符号说明从沈阳到其他地方的发货量（单位：吨）A沈阳的仓库容量为：17武汉的仓库容量为：27成都的仓库容量为：37沈阳10武汉20成都30北京11北京21北京31太原12太原22太原32沈阳长沙13武汉长沙23成都长沙33西安14西安24西安34昆明15昆明25昆明35广州16广州26广州36五.模型的建立与求解问题一：根据问题给出的条件和要求，只考虑一月份，我们猜测问题中的关系式是线性。我们据此对运量列出线建立模型，lingo软件求解，编程框编码建立模型一：max(x10+x11+x12+x13+x14+x15+x16+x20+x21+x22+x23+x24+x25+x26+x30+x31+x32+x33+x34+x35+x36)*2570-((12+0.05*611.7)*x11+(12+0.05*1019.3)*x12+(12+0.05*1773.8)*x13+(12+0.05*1506.7)*x14+(12+0.05*2648)*x15+(12+0.05*2298)*x16+(12+0.05*1046.7)*x21+(12+0.05*822.9)*x22+(12+0.05*268.9)*x23+(12+0.05*657.7)*x24+(12+0.05*1308.4)*x25+(12+0.05*835.6)*x26+(12+0.05*1505)*x31+(12+0.05*1114.6)*x32+(12+0.05*890.9)*x33+(12+0.05*605)*x34+(12+0.05*639)*x35+(12+0.05*1238)*x36);x10+x11+x12+x13+x14+x15+x16=110;x20+x21+x22+x23+x24+x25+x26=160;x30+x31+x32+x33+x34+x35+x36=50;x11+x21+x31=27;x12+x22+x32=11;x13+x23+x33=13;x14+x24+x34=16;x15+x25+x35=9;x16+x26+x36=25;x10=14;x20=21;x30=20;end得出数据：GlobaloptimalsolutionfoundObjectivevalue: 396438.8 Variable Value Reduced Cost X10 14.00000 0.000000 X11 27.00000 0.000000 X12 0.000000 9.820000 X13 0.000000 75.24500 X14 0.000000 45.08500 X15 0.000000 100.4500