Strumento Di Ottimizzazione

Lo strumento di ottimizzazione risolve la programmazione lineare (LP), la programmazione lineare mista intera (MILP) e i problemi di ottimizzazione della programmazione quadratica (QP) utilizzando le modalità di input matrice, manuale e file.

Questo strumento utilizza lo strumento R. Vai a Opzioni > Scarica strumenti predittivi e accedi al portale Alteryx Downloads and Licenses per installare R e i pacchetti utilizzati dallo strumento R. Consultate Scaricare e utilizzare gli strumenti predittivi.

L'ottimizzazione ha ampie applicazioni in molti settori, come la catena di fornitura, i trasporti, i servizi finanziari, la vendita al dettaglio, le telecomunicazioni e l'energia. Le aree di applicazione includono l'ottimizzazione della catena di fornitura, l'ottimizzazione dell'assortimento, l'ottimizzazione del portafoglio, la pianificazione della forza lavoro e la programmazione sportiva.

Un problema di ottimizzazione ha in genere la seguente forma matematica, costituita da una funzione oggettiva (prima equazione), un insieme di vincoli (seconda equazione) e una specifica dei tipi (continua, intera, binaria) e limiti della decisione variabili (terza equazione). L'obiettivo è in genere quello di trovare i valori delle variabili decisionali che massimizzano o riducono al minimo l'obiettivo, soddisfacendo al contempo tutti i vincoli, i tipi e i limiti sottostanti.

Non sono necessari input per le modalità di input manuale o file. Per la modalità di input della matrice, gli ingressi O e A sono obbligatori, ma B e Q sono facoltativi.

• O ancoraggio: (Obbligatorio per la modalità di input della matrice) Utilizzare questo input per fornire i nomi delle variabili decisionali, i relativi coefficienti nella funzione obiettivo e, facoltativamente, i limiti e i tipi.
  • variabile: (Obbligatorio) una stringa, nomi di variabili decisionali. Corrisponde a x nelle equazioni.
  • coefficiente: (Obbligatorio) un numero, coefficiente di ogni variabile decisionale nella funzione oggettiva. Corrisponde a c.
  • lb: (Facoltativo) un numero, limite inferiore della variabile decisionale. Il valore predefinito è 0.The default value is 0.
  • ub: (Facoltativo) un numero, limite superiore della variabile decisionale. Il valore predefinito è Inf (infinito positivo).
  • type: (Facoltativo) un carattere, il tipo della variabile decisionale, che può essere C (continua), B (binario) o I (integer). Il valore predefinito è C.
    A partire da Designer 11.0, è possibile abilitare l'opzione Visualizza mapping campi per L'ancoraggio input O per una maggiore flessibilità con i nomi dei campi.
• Un ancoraggio: (Obbligatorio per la modalità di input della matrice) Utilizzare questo input per fornire la matrice di vincoli corrispondente ad A nelle equazioni. È possibile organizzare la matrice in due modi diversi:
  • Matrice densa:
    • Vincoli nelle righe: Ogni riga corrisponde a un vincolo. Il primo campo può facoltativamente essere denominato constraint per indicare il nome del vincolo in ogni riga, mentre i nomi di campo rimanenti devono corrispondere alle variabili decisionali definite in O. Inoltre, è possibile includere i campi dir e rhs per eseguire il roll dell'input B in questo.
      • Esempio
        Se le equazioni di vincolo sono: x 4 e x , y , 1 , i seguenti sono tutti input legittimi per l'input A:
        Con campo vincolo:

        	vincolo	x	y	Z
        1	c1	1	2	3
        2	c2 (in questo modo)	1	1	0

        Senza campo vincolo:

        	variabile	c1	c2 (in questo modo)
        1	x	1	1
        2	y	2	1
        3	Z	3	0

        Compresi dir e rhs:

        	x	y	Z	dir	rhs
        1	1	2	3		4
        2	1	1	0	>=	1

    • Variabili nelle righe: Ogni riga corrisponde a una variabile. Il primo campo deve essere denominato variabile, mentre i nomi di campo rimanenti devono corrispondere ai nomi dei vincoli. Si noti che questo corrisponde alla trasposizione della matrice A nelle equazioni precedenti.
      L'ordine delle variabili per l'input O e l'input A deve essere lo stesso.
      • Esempio:
        Di seguito è riportato un input legittimo per l'input A:

        	variabile	c1	c2 (in questo modo)
        1	x	1	1
        2	y	2	1
        3	Z	3	0

        A partire dalla finestra di progettazione 11.0, è possibile utilizzare altri nomi di campo per "vincolo" o "variabile" e lo strumento Ottimizzazione deduce in modo intelligente quale campo contiene vincoli e quale campo contiene variabili. Tuttavia, la convenzione di denominazione è ancora preferibile e consigliato.

  • Matrice sparsa: Per set di vincoli più grandi, è possibile specificare la matrice A nella forma SLAM. È costituito da tre campi obbligatori i, je v, dove i e j sono rispettivamente indici di riga e colonna e v è il valore diverso da zero dell'elemento della matrice. La modalità matrice sparse presuppone sempre vincoli nelle righe.
• Ancoraggio B: (Obbligatorio se non è già disponibile in A) Utilizzare questo input per fornire il nome, la direzione e il lato destro dei vincoli.
  • constraint: (Facoltativo) una stringa, nome del vincolo.
  • dir: una stringa, direzione della disuguaglianza del vincolo. Deve essere la >,= or ==.>
  • rhs: un numero, il lato destro della disuguaglianza, corrispondente a b.
• Ancoraggio Q: Facoltativo. Utilizzare questo input per fornire la parte quadratica della funzione obiettivo, per problemi di programmazione quadratica. Corrisponde a Q nelle equazioni. È possibile specificarlo come matrice densa o come matrice di tipo sparse.
  • Matrice densa: I nomi dei campi devono corrispondere ai nomi delle variabili decisionali definiti in O.
  • Matrice di tiposparse : i nomi dei campi sono i, je v, dove i e j sono rispettivamente indici di riga e di colonna e v è il valore diverso da zero dell'elemento della matrice associato.

Selezionare il modello come matrici

La modalità matrice supporta matrici dense o sparse.de). Gli ingressi O e A sono necessari per la modalità di input della matrice.

Selezionare il tipo di problema:

• Programma lineare: (Default)(LP) Vincoli obiettivo lineare e lineare con variabili decisionali continue.
• Mixed Integer Program: (MILP) Vincoli obiettivo lineare e lineare con variabili decisionali binarie o intere insieme a variabili decisionali continue.
• Programma Quadratico: (QP) Obiettivi quadratici e vincoli lineari con variabili decisionali continue.

Selezionare il risolutore:

• Glpk: (predefinito) per programmi lineari e programmi lineari misti
• Sinfonia: Per programmi lineari e programmi Mist Integer. Di solito funziona meglio di Glpk per MILP.
• Quadprog: Per i programmi quadratici.

Massimizza l'obiettivo?: Attivare questa opzione se si desidera massimizzare la funzione obiettivo. In caso contrario, lo strumento riduce al minimo la funzione obiettivo.

Selezionare la modalità vincolo per Ancoraggio di input A: Per informazioni dettagliate, vedere Collegare gli input sopra.

• Matrice densa, vincoli in righe (impostazione predefinita)
• Matrice alta densità, variabili nelle righe
• Matrice sparsa (SLAM)

Il mapping dei campi di visualizzazione per l'ancora di ingresso O: (Facoltativo) Input O richiede le parole riservate variabile, coefficiente, lb, ubo tipo per i nomi dei campi della tabella di input. Se si utilizzano nomi di campo diversi o se i nomi dei campi contengono spazi vuoti iniziali o finali, si verificano errori. Attivando questa opzione, è possibile mappare i campi esistenti ai campi variabili, coefficiente, lb, ube type senza il passaggio aggiuntivo di utilizzare uno strumento di selezione per modificare i nomi dei campi.

Inserire il modello manualmente

Questa modalità offre un'interfaccia interattiva in cui è possibile specificare direttamente obiettivi e vincoli. L'analisi della sensibilità è disponibile per i problemi di programmazione lineare.

Seleziona tipo problema

• Programma lineare: (LP) Vincoli oggettivi e lineari lineari con variabili decisionali continue.
• Mixed Integer Program: (MILP) Vincoli obiettivo lineare e lineare con variabili decisionali binarie o intere insieme a variabili decisionali continue.
• Programma Quadratico: (QP) Obiettivi quadratici e vincoli lineari con variabili decisionali continue.

Selezionare risolutore: Glpk (per il programma lineare e il programma Misto Intero), Sinfonia (per il programma lineare e il programma Misto intero) o Quadprog (per il programma Quadratico).

Massimizza l'obiettivo?: Attivare questa opzione se si tratta di un problema di massimizzazione.

Elenco variabili :Specificare un elenco separato da virgole di nomi di variabili decisionali.

Obiettivo: Specificare una funzione obiettivo da massimizzare o ridurre al minimo.

Vincoli: Specificare i vincoli. Assicurarsi che tutte le variabili nel vincolo si trovino sul lato sinistro del segno di disuguaglianza/uguaglianza. (Ad esempio, il risolutore avrà esito negativo per il vincolo 2x> , y , ma verrà eseguito correttamente per il vincolo 2x-y>.4. Mentre entrambe le equazioni sono matematicamente equivalenti, la seconda soddisfa i requisiti del risolutore.)

Bounds & Types: Specificare i limiti e i tipi.

Specifica il modello da un file

Questa modalità supporta l'input di file di modello standard del settore.

Selezionare il tipodi file : CLPEX_LP, MathProgo MPS_Free.

Selezionare risolutore: Glpk (per il programma lineare e il programma Misto Intero), Sinfonia (per il programma lineare e il programma Misto intero) o Quadprog (per il programma Quadratico).

Seleziona file: Specificare un file di modello di ottimizzazione.

• Ancoraggio: questo output fornisce un dashboard interattivo della soluzione.
• Ancoraggio D: questo output è costituito da tre tabelle separate da pipe: riepilogo, variabili e vincoli. Possono essere utilizzati a monte nel flusso di lavoro per creare report e dashboard.
• Ancoraggio S: Si tratta di un semplice output di dati costituito da una singola tabella con il valore ottimale della funzione obiettivo e le variabili decisionali. Per i problemi costituiti solo da variabili decisionali binarie (0/1), questa tabella contiene solo i valori 1.