【管理运筹学】第 8 章 | 动态规划(5,设备更新问题)

这篇具有很好参考价值的文章主要介绍了【管理运筹学】第 8 章 | 动态规划(5,设备更新问题)。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

系列文章

【管理运筹学】第 8 章 | 动态规划(1,多阶段决策过程与动态规划基本概念)
【管理运筹学】第 8 章 | 动态规划(2,动态规划的基本思想与模型求解)
【管理运筹学】第 8 章 | 动态规划(3,资源分配问题)
【管理运筹学】第 8 章 | 动态规划(4,生产与储存问题)
【管理运筹学】第 8 章 | 动态规划(5,设备更新问题)


引言

在工业和交通运输企业中,经常碰到设备陈旧或部分损坏需要更新的问题。从经济上来分析,一种设备应该用多少年后进行更新较为恰当,即更新的最佳策略如何,从而使在某一时间内的总收入达到最大(或总费用达到最小)。


五、设备更新问题

现以一台机器为例,随着使用年限的增加,机器的使用效率降低,收入减少,维修费用增加。而且机器使用年限越长,它本身的价值就越小,因而更新时所需的净支出费用就愈多。

I j ( t ) I_j(t) Ij(t) —— 在第 j j j 年机器役龄为 t t t 年的一台机器运行所得收入; O j ( t ) O_j(t) Oj(t) —— 在第 j j j 年机器役龄为 t t t 年的一台机器运行所需费用; C j ( t ) C_j(t) Cj(t) —— 在第 j j j 年机器役龄为 t t t 年的一台机器更新时所需净费用;

α \alpha α —— 折扣因子( 0 ≤ α ≤ 1 0\leq \alpha \leq 1 0α1),表示 1 年以后的单位收入价值视为现年的 α \alpha α 单位; T T T —— 在第 1 年开始时,正在使用的机器的役龄; n n n —— 计划的年限总数;

g j ( t ) g_j(t) gj(t) —— 在第 j j j 年开始使用一个机器役龄为 t t t 年的机器时,从第 j j j 年至第 n n n 年内的最佳收入; x j ( t ) x_j(t) xj(t) —— 决策变量,表示在第 j j j 年开始时的决策。

5.1 问题分析

可以从两个方面对问题进行分析。若在第 j j j 年开始时购买了新机器,则从第 j j j 年至第 n n n 年得到的总收入应等于:在第 j j j 年中新机器获得的收入 — 在第 j j j 年的运行费用 — 在第 j j j 年开始时役龄为 t t t 年的机器的更新费用 + 第 j + 1 j+1 j+1 年开始使用役龄为 1 年的机器从第 j + 1 j+1 j+1 年至第 n n n 年的最佳收入。

若在第 j j j 年开始时继续使用役龄为 t t t 年的机器,则从第 j j j 年至第 n n n 年得到的总收入应等于:在第 j j j 年由役龄为 t t t 年的机器得到的收入 — 在第 j j j 年役龄为 t t t 年的机器的运行费用 + 在第 j + 1 j+1 j+1 年开始使用役龄为 t + 1 t+1 t+1 年的机器从第 j + 1 j+1 j+1 年至第 n n n 年的最佳收入。

通过比较两者大小来进行决策,则递推关系的数学表达如下: g j ( t ) = max ⁡ { R : I j ( 0 ) − O j ( 0 ) − C j ( t ) + α g j + 1 ( 1 ) K : I j ( t ) − O j ( t ) + α g j + 1 ( t + 1 ) } g_j(t)=\max \begin{Bmatrix} R:&I_j(0)-O_j(0)-C_j(t)+\alpha g_{j+1}(1) \\ K:& I_j(t)-O_j(t)+\alpha g_{j+1}(t+1)\end{Bmatrix} gj(t)=max{R:K:Ij(0)Oj(0)Cj(t)+αgj+1(1)Ij(t)Oj(t)+αgj+1(t+1)} 其中, j = 1 , 2 , ⋯   , n ; t = 1 , 2 , ⋯   , j − 1 , j + T − 1 j=1,2,\cdots,n;t=1,2,\cdots,j-1,j+T-1 j=1,2,,n;t=1,2,,j1,j+T1 ;字母 K K K 表示 keep ,保留;字母 R R R 表示 replacement ,更新机器。更新机器需要支付更新费用。

研究今后 n n n 年的计划,故添加边界条件 g n + 1 ( t ) = 0 g_{n+1}(t)=0 gn+1(t)=0 ;对于 g 1 ( t ) g_1(t) g1(t) 来说,允许的 t t t 值只能为 T T T ,因此此时未购入新机器,只有已经使用了 T T T 年的旧机器。

上述设备更新问题,是以机龄为状态变量,决策时保留或更新两种。如还考虑对机器进行大修作为一种决策,那时所需的费用和收入,不仅取决于机龄和购置的年限,也取决于上次大修后的时间。因此,必须使用两个状态变量对系统进行描述。

5.2 算例

】假设 n = 5 , α = 1 , T = 1 n=5,\alpha=1,T=1 n=5,α=1,T=1 ,有关数据如下表所示。试制定 5 年内中的设备更新策略,使得 5 年内的总收入达到最大。

运筹学设备更新问题,# 运筹学,动态规划,运筹学考研,设备更新问题

解释一下表中数据的意思。第 j j j 年机龄为 t t t 年的机器,那么它的年序应该为 j − t j-t jt 。因为第 j j j 年的时候,这台机器就已经使用了 t t t 年,说明它是第 j − t j-t jt 年首次开始工作的。那么 I 5 ( 0 ) I_5(0) I5(0) 表示第 5 年的新机器运行的收入,查表,年序为 5-0=5 ,是 32 。 I 3 ( 2 ) I_3(2) I3(2) 表示第 3 年机龄为 2 年的机器运行所得收入,那么查表,3-2=1,第一年中机龄为 2 年的收入 20 。同理,有 C 5 ( 2 ) = 33 , C 3 ( 1 ) = 31 C_5(2)=33,C_3(1)=31 C5(2)=33,C3(1)=31 ,其余以此类推。

j = 5 j=5 j=5 ,即第 5 年时,由于 T = 1 T=1 T=1 ,说明第一年时的机器机龄就有 1 年了,那么第 5 年状态变量机龄 t t t 可取 { 1 , 2 , 3 , 4 , 5 } \{1,2,3,4,5\} {1,2,3,4,5} 。根据递推关系有 g 5 ( t ) = max ⁡ { R : I 5 ( 0 ) − O 5 ( 0 ) − C 5 ( t ) + g 6 ( 1 ) K : I 5 ( t ) − O 5 ( t ) + g 6 ( t + 1 ) } g_5(t)=\max \begin{Bmatrix} R:&I_5(0)-O_5(0)-C_5(t)+g_{6}(1) \\ K:& I_5(t)-O_5(t)+g_{6}(t+1)\end{Bmatrix} g5(t)=max{R:K:I5(0)O5(0)C5(t)+g6(1)I5(t)O5(t)+g6(t+1)} 可得到 g 5 ( 1 ) = max ⁡ { R : 32 − 4 − 33 + 0 = − 5 K : 28 − 5 + 0 = 23 } = 23 , x 5 ( 1 ) = K g_5(1)=\max \begin{Bmatrix} R:&32-4-33+0=-5 \\ K:& 28-5+0=23\end{Bmatrix}=23,x_5(1)=K g5(1)=max{R:K:32433+0=5285+0=23}=23,x5(1)=K g 5 ( 2 ) = max ⁡ { R : 32 − 4 − 33 + 0 = − 5 K : 24 − 6 + 0 = 18 } = 18 , x 5 ( 2 ) = K g_5(2)=\max \begin{Bmatrix} R:&32-4-33+0=-5 \\ K:& 24-6+0=18\end{Bmatrix}=18,x_5(2)=K g5(2)=max{R:K:32433+0=5246+0=18}=18,x5(2)=K g 5 ( 3 ) = max ⁡ { R : 32 − 4 − 36 + 0 = − 8 K : 22 − 9 + 0 = 13 } = 13 , x 5 ( 3 ) = K g_5(3)=\max \begin{Bmatrix} R:&32-4-36+0=-8 \\ K:& 22-9+0=13\end{Bmatrix}=13,x_5(3)=K g5(3)=max{R:K:32436+0=8229+0=13}=13,x5(3)=K g 5 ( 4 ) = max ⁡ { R : 32 − 4 − 37 + 0 = − 9 K : 16 − 10 + 0 = 6 } = 6 , x 5 ( 4 ) = K g_5(4)=\max \begin{Bmatrix} R:&32-4-37+0=-9 \\ K:& 16-10+0=6\end{Bmatrix}=6,x_5(4)=K g5(4)=max{R:K:32437+0=91610+0=6}=6,x5(4)=K g 5 ( 5 ) = max ⁡ { R : 32 − 4 − 38 + 0 = − 10 K : 14 − 10 + 0 = 4 } = 4 , x 5 ( 5 ) = K g_5(5)=\max \begin{Bmatrix} R:&32-4-38+0=-10 \\ K:& 14-10+0=4\end{Bmatrix}=4,x_5(5)=K g5(5)=max{R:K:32438+0=101410+0=4}=4,x5(5)=K j = 4 j=4 j=4 ,第 4 年时,状态变量可取 { 1 , 2 , 3 , 4 } \{1,2,3,4\} {1,2,3,4} ,有 g 4 ( 1 ) = max ⁡ { R : 30 − 4 − 32 + 23 = 17 K : 26 − 5 + 18 = 39 } = 39 , x 5 ( 1 ) = K g_4(1)=\max \begin{Bmatrix} R:&30-4-32+23=17 \\ K:& 26-5+18=39\end{Bmatrix}=39,x_5(1)=K g4(1)=max{R:K:30432+23=17265+18=39}=39,x5(1)=K 同理,有 g 4 ( 2 ) = 29 , x 4 ( 2 ) = K ; g 4 ( 3 ) = 16 , x 4 ( 3 ) = K ; g 4 ( 4 ) = 13 , x 4 ( 4 ) = R . g_4(2)=29,x_4(2)=K;g_4(3)=16,x_4(3)=K;g_4(4)=13,x_4(4)=R. g4(2)=29,x4(2)=K;g4(3)=16,x4(3)=K;g4(4)=13,x4(4)=R.

j = 3 j=3 j=3 时,状态变量可取 { 1 , 2 , 3 } \{1,2,3\} {1,2,3} ,有 g 3 ( 1 ) = 48 , x 3 ( 1 ) = K ; g 3 ( 2 ) = 31 , x 3 ( 2 ) = R ; g 3 ( 3 ) = 27 , x 3 ( 3 ) = R ; g_3(1)=48,x_3(1)=K;g_3(2)=31,x_3(2)=R;g_3(3)=27,x_3(3)=R; g3(1)=48,x3(1)=K;g3(2)=31,x3(2)=R;g3(3)=27,x3(3)=R;

j = 2 j=2 j=2 时,状态变量可取 { 1 , 2 } \{1,2\} {1,2} ,有 g 2 ( 1 ) = 46 , x 2 ( 1 ) = K ; g 2 ( 2 ) = 36 , x 2 ( 2 ) = R . g_2(1)=46,x_2(1)=K;g_2(2)=36,x_2(2)=R. g2(1)=46,x2(1)=K;g2(2)=36,x2(2)=R.

j = 1 j=1 j=1 时,状态变量可取 { 1 } \{1\} {1} ,有 g 1 ( 1 ) = max ⁡ { R : 22 − 6 − 32 + 46 = 30 K : 18 − 8 + 36 = 46 } = 46 , x 1 ( 1 ) = K . g_1(1)=\max \begin{Bmatrix} R:&22-6-32+46=30 \\ K:& 18-8+36=46\end{Bmatrix}=46,x_1(1)=K. g1(1)=max{R:K:22632+46=30188+36=46}=46,x1(1)=K. 最后,根据上面的计算结果回溯。第一年,机龄为 1 年,最佳策略为保留;第二年,机龄为 2 年,最佳策略为更新;第三年,机龄变为 1 年,最佳策略为保留;第四年,机龄为 2 年,最佳策略为保留;第五年,机龄为 3 年,最佳策略为保留。


写在最后

设备更新问题确实不简单,很有实际意义,不过,只要正确建好了模型,剩下的就是代数字进去算。回忆一下之前的生产与储存问题和资源分配问题,顿时感觉小巫见大巫了。

那到此,大纲要求的三个问题,到此就完结了,后面我们就来看看剩下的两章节内容。文章来源地址https://www.toymoban.com/news/detail-731259.html

到了这里,关于【管理运筹学】第 8 章 | 动态规划(5,设备更新问题)的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 【管理运筹学】第 7 章 | 图与网络分析(3,最短路问题)

    【管理运筹学】第 7 章 | 图与网络分析(1,图论背景以及基本概念、术语、矩阵表示) 【管理运筹学】第 7 章 | 图与网络分析(2,最小支撑树问题) 【管理运筹学】第 7 章 | 图与网络分析(4,最大流问题) 【管理运筹学】第 7 章 | 图与网络分析(5,最小费用流问题及最小

    2024年02月09日
    浏览(42)
  • 运筹学—线性规划单纯形表

    什么是标准型数学模型? a. 具有等式约束方程组:一般引入松弛变量将不等式约束转化为等式约束 b. 约束方程右边常数非负:若右边为负,则两边同称-1使其变为非负 c. 所有变量非负 d. 目标函数为max型,对于min型,化为max型 例如:3a+9b=540添加松弛变量c,使得不等式变为3

    2023年04月08日
    浏览(34)
  • 运筹学经典问题(五):多商品流运输问题

    前面介绍了多商品网络流(MCNF)问题,今天要介绍的多商品流运输问题(Mulit-commodity Transportation Problem, MCTP)与MCNF的唯一差异别:MCTP要求商品直接从供应商运送到客户,没有中间流转的路径。 集合: S S S :供应商的集合; C C C :客户的集合; A A A :网络中弧段的集合,

    2024年02月04日
    浏览(40)
  • 运筹学—运输问题与表上作业法

    不考虑运价,从西北角的格子开始分配运量,按尽可能满足一方取小的原则,第一行和第一列的格子分配完后,依次向东南角方向的格子进行运量分配。 例如: 第一步:列出产售平衡表 第二步:利用西北角法进行运量分配: 首先在产售平衡表的x 11 处尽可能取最小值:min

    2024年02月12日
    浏览(35)
  • 【课堂笔记】运筹学第二章:对偶问题

    听说运筹学这门课挺好的,有值得一听的必要;此篇用作课堂总结、期末复习及记录。 或许与教材内容会有很大程度重复。 本章开始会适当结合一些B站网课【运筹学】应试向基础教程 对偶问题的对偶问题就是原问题 矩阵表达 要弄清楚矩阵 A A A 和 C C C 分别是什么 最好记住

    2024年02月07日
    浏览(87)
  • 【管理运筹学】第 7 章 | 图与网络分析(1,图论背景以及基本概念、术语、矩阵表示)

    【管理运筹学】第 7 章 | 图与网络分析(2,最小支撑树问题) 【管理运筹学】第 7 章 | 图与网络分析(3,最短路问题) 【管理运筹学】第 7 章 | 图与网络分析(4,最大流问题) 【管理运筹学】第 7 章 | 图与网络分析(5,最小费用流问题及最小费用最大流问题) 按照正常

    2024年02月09日
    浏览(34)
  • 运筹学—例题求解

    作答如下:      图解法验证:  由图可得在点x1=20,x2=24取到最大值 Z =4080; 作答如下: 解: (1)设 xij 为从产地Ai运往销地Bj的运输量,得到下列运输量表设 xij 为从产地Ai运往销地Bj的运输量,得到下列运输量表   B1 B2 B3 产量 A1 x 11 x 12 x 13 200 A2 x 21 x 22 x 23 230 销量 100 150 180

    2024年02月04日
    浏览(35)
  • 【运筹学】第4讲 线性代数基础

    笔记来源: b站 王树尧SJTU 本节主要对线性代数整体的研究思路(矩阵、行列式的引出)进行梳理,基础计算方法等请自行复习线性代数; 1、目的:解线性方程(未知数次数为1的方程) 2、n元方程组的推广过程 3、n元方程组研究步骤 有没有解? 怎么解? 解是什么? 对于一

    2024年01月23日
    浏览(33)
  • 运筹学的松弛变量和影子价格或者对偶价格

    1、影子价格就是对偶价格,反应的是对偶问题的决策变量的值;对偶问题中,决策变量对应的是原问题的资源,而松弛变量反应的是资源的利用问题,如果某种资源的松弛变量为0,说明这个资源在此模型下面全部用完,入股松弛变量不为0,说明,此资源还有剩余。 2、如果

    2024年02月11日
    浏览(34)
  • 一些关于运筹学和机器学习之间协同作用的思考

    几十年来,运筹学(OR)和机器学习(ML)一直作为两个相对独立的研究领域不断发展。数据科学和人工智能领域的专家可能更熟悉机器学习而不是运筹学,尽管每个机器学习实践者都应该至少了解一些优化技术,因为每个机器学习问题本质上都是一个优化问题。在本文中,我

    2024年02月05日
    浏览(42)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包