原文:http://tecdat.cn/?p=3432
使用R中的線性編程工具來解決優化問題。
優化通常用於運營研究領域,以解決生產計划,運輸網絡設計,倉庫位置分配和調度等問題,我們嘗試最大化或最小化具有決策變量和約束數量的線性函數。
在這里,我使用了我的一個咨詢項目,幫助我們的投資組合公司選擇一個無線供應商,其中包含可以滿足所有要求(總線數和匯總數據量)的數據計划組合,同時花費最少的金錢。
這種優化通常可以在Excel求解器中解決。但是,由於我有20個投資組合公司有2個提供商和2個方案進行分析,要在Excel中完成,我將不得不運行80次。使用R會容易得多。
加載包
加載數據
使用數據
## Company Num_Lines Data_Usage
## 1 A 134 397.5
## 2 B 350 1037.5
## 3 C 1510 3462.5
## 4 D 2260 4437.5
## 5 E 750 2875.0
## 6 F 410 612.5
## 'data.frame': 20 obs. of 3 variables:
## $ Company : Factor w/ 20 levels "A","B","C","D",..: 1 2 3 4 5 6 7 8 9 10 ...
## $ Num_Lines : int 134 350 1510 2260 750 410 2930 1091 3350 7760 ...
## $ Data_Usage: num 398 1038 3462 4438 2875 ...
我們可以看到,我們在數據集中共有20家公司,平均線數和過去3個月的月度數據使用量。
現在,我查看摘要統計信息和公司數據的直方圖。
- 行數:我們可以看到平均行數約為1800,但大多數公司的行數少於2000行。只有一家公司有超過7000條線路的異常值。
- 數據使用情況:每行的平均使用量約為2.5GB,范圍從1GB到4GB。
## Min. 1st Qu. Median Mean 3rd Qu. Max.
## 134.0 779.2 1083.0 1774.0 1909.0 7760.0
## Min. 1st Qu. Median Mean 3rd Qu. Max.
## 1.004 1.674 2.527 2.547 3.075 4.475
## Wireless_Carrier Data_GB Plan_Rate
## 1 ATT 3 60
## 2 ATT 4 75
## 3 ATT 5 85
## 4 ATT 6 100
## 5 VZW 1 56
## 6 VZW 2 60
## 'data.frame': 10 obs. of 3 variables:
## $ Wireless_Carrier: Factor w/ 2 levels "ATT","VZW": 1 1 1 1 2 2 2 2 2 2
## $ Data_GB : int 3 4 5 6 1 2 4 6 8 10
## $ Plan_Rate : int 60 75 85 100 56 60 70 80 90 100
我們還可以看到我們有來自AT&T和Verizon Wireless的不同級別的數據計划供我們選擇。此分析的目標是選擇具有最低總成本的不同數據計划組合的運營商,同時滿足線路數量和總數據要求
創建目標函數,約束和約束方向對象
我們有兩個目標函數,因為我們希望找到AT&T和Verizon成本最低的計划組合。並且有兩個限制因素。一個是總行數和總(合並)數據量。對於總行數,我希望數據計划具有完全相同的數量,因此我使用“=”。但是對於總的數據量,只要有比所消耗的數據更多的數據,就可以接受。所以我用“> =”表示數據量約束。
創建空矩陣以存儲結果
創建循環以針對每個提供商為每個投資組合公司運行解算器
AT&T優化結果
## 3GB 4GB 5GB 6GB Cost
## A 134 0 0 0 8040
## B 350 0 0 0 21000
## C 1510 0 0 0 90600
## D 2260 0 0 0 135600
## E 438 0 311 1 52815
## F 410 0 0 0 24600
## G 2930 0 0 0 175800
## H 286 0 805 0 85585
## I 3350 0 0 0 201000
## J 7760 0 0 0 465600
## K 4920 0 0 0 295200
## L 594 0 335 1 64215
## M 960 0 0 0 57600
## N 1792 0 0 0 107520
## O 1730 0 0 0 103800
## P 1406 0 247 1 105455
## Q 316 0 472 1 59180
## R 297 0 0 0 17820
## S 1075 0 0 0 64500
## T 796 0 0 0 47760
正如我們在這里看到的,大多數分配是3GB計划,這是有道理的,因為大多數公司使用的不到3GB。但是,如果公司使用超過3GB,由於每GB成本較低,似乎更好地使用更高的數據計划。
Verizon優化結果
## 1GB 2GB 4GB 6GB 8GB 10GB Cost
## A 0 69 65 0 0 0 8690
## B 0 258 66 0 1 25 22690
## C 1 1405 64 1 0 39 92816
## D 82 2178 0 0 0 0 135272
## E 1 528 65 0 1 155 51876
## F 207 203 0 0 0 0 23772
## G 785 2145 0 0 0 0 172660
## H 1 704 64 0 1 321 78966
## I 3337 13 0 0 0 0 187652
## J 1 7174 64 0 1 520 487066
## K 4215 705 0 0 0 0 278340
## L 1 680 64 1 0 184 63816
## M 645 315 0 0 0 0 55020
## N 0 1573 1 0 0 218 116250
## O 1 1571 66 0 1 91 108126
## P 1 1336 64 0 0 253 109996
## Q 0 523 65 0 1 200 56020
## R 148 149 0 0 0 0 17228
## S 1 890 66 0 0 118 69876
## T 0 796 0 0 0 0 47760
至於Verizon,我們可以看到大多數公司都有2GB和10GB的混合計划,以利用2GB計划中更便宜的總速率,但從10GB計划中降低每GB速率。
比較AT&T和Verizon Wireless的總體成本
## ATT VZW Lowest
## A 8040 8690 att
## B 21000 22690 att
## C 90600 92816 att
## D 135600 135272 vzw
## E 52815 51876 vzw
## F 24600 23772 vzw
## G 175800 172660 vzw
## H 85585 78966 vzw
## I 201000 187652 vzw
## J 465600 487066 att
## K 295200 278340 vzw
## L 64215 63816 vzw
## M 57600 55020 vzw
## N 107520 116250 att
## O 103800 108126 att
## P 105455 109996 att
## Q 59180 56020 vzw
## R 17820 17228 vzw
## S 64500 69876 att
## T 47760 47760 att
第二種情景
現在我們知道根據我們當前的行數和用途選擇什么提供商和計划。然而,公司可能希望購買的數據超過他們現在消費的數據,因為數據的使用一直在增長,並且預計會繼續這樣做,其次,他們希望避免潛在的超額費用。
所以現在,我將建立一個新變量,作為公司過去使用的數據的百分比。
## 3GB 4GB 5GB 6GB Cost
## A 97 0 36 1 8980
## B 253 0 96 1 23440
## C 1510 0 0 0 90600
## D 2260 0 0 0 135600
## E 150 0 600 0 60000
## F 410 0 0 0 24600
## G 2930 0 0 0 175800
## H 0 0 687 404 98795
## I 3350 0 0 0 201000
## J 7513 0 246 1 471790
## K 4920 0 0 0 295200
## L 248 0 681 1 72865
## M 960 0 0 0 57600
## N 1282 0 510 0 120270
## O 1730 0 0 0 103800
## P 860 0 794 0 119090
## Q 0 0 757 32 67545
## R 297 0 0 0 17820
## S 753 0 321 1 72565
## T 796 0 0 0 47760
## 1GB 2GB 4GB 6GB 8GB 10GB Cost
## A 1 57 66 0 1 9 9086
## B 1 231 66 0 1 51 23726
## C 1 1318 65 0 1 125 96276
## D 1 2109 65 1 0 84 139626
## E 0 504 3 0 0 243 54750
## F 85 325 0 0 0 0 24260
## G 0 2899 3 0 0 28 176950
## H 1 581 65 1 0 443 83846
## I 2665 685 0 0 0 0 190340
## J 1 6678 65 0 1 1015 506876
## K 3090 1830 0 0 0 0 282840
## L 1 593 65 0 1 270 67276
## M 390 570 0 0 0 0 56040
## N 0 1439 2 0 0 351 121580
## O 0 1513 1 0 0 216 112450
## P 0 1199 66 0 1 388 115450
## Q 1 440 64 0 0 284 59336
## R 59 238 0 0 0 0 17584
## S 0 860 0 0 0 215 73100
## T 1 707 64 0 0 24 49356
## ATT VZW Lowest
## A 8980 9086 att
## B 23440 23726 att
## C 90600 96276 att
## D 135600 139626 att
## E 60000 54750 vzw
## F 24600 24260 vzw
## G 175800 176950 att
## H 98795 83846 vzw
## I 201000 190340 vzw
## J 471790 506876 att
## K 295200 282840 vzw
## L 72865 67276 vzw
## M 57600 56040 vzw
## N 120270 121580 att
## O 103800 112450 att