Tutorial and Practice in Linear Programming: Optimization Problems in Supply Chain and Transport Logistics

要約

タイトル：サプライチェーンとトランスポートロジスティクスの最適化問題における線形計画法のチュートリアルと実践

要約：
– このチュートリアルは、線形計画法の基礎と実践を知りたい学生や実務家向けの指南書である。
– 演習問題は、サプライチェーン管理やトランスポートロジスティクスにおける空間分析に重点を置いたクラシックな最適化問題を解決する方法を示している。
– 全ての演習は、それらを解決するために使用されたPythonプログラムと最適化ライブラリを表示している。
– 第1章では線形計画法の主要な概念を紹介し、最適化問題の設定を学生や実務家が直接最適化ソフトウェアに適用できる形式で取り扱うための新しい認知フレームワークを提供する。
– 第2章では、配信とサービス計画のロジスティクスの文脈で2種類のモビリティ最適化問題(ネットワーク内の最短経路と最小コストツアー)を紹介する。
– 第3章では、最適化されたソリューションをマップで視覚化するためのワークフローを提供し、4種類の空間最適化問題(近隣のカバレッジ、フロー捕捉、ゾーンの異質性、サービスカバレッジ)を紹介する。このワークフローは、無料の地理情報システム(QGISとGeoDA)を使用して、地図から決定変数を作成する。
– 第4章では、3種類の空間ロジスティクス問題(空間分布、フロー最大化、倉庫の位置最適化)を紹介し、ソフトウェアで認知フレームワークを拡張して解決策を得る方法を実証する。
– 最終章では、得られた知見をまとめ、自分自身の最適化問題を解決し、結果を視覚化するためにPhytonプログラムとGISワークフローをどのように修正できるかについて洞察を提供する。

要約(オリジナル)

This tutorial is an andragogical guide for students and practitioners seeking to understand the fundamentals and practice of linear programming. The exercises demonstrate how to solve classical optimization problems with an emphasis on spatial analysis in supply chain management and transport logistics. All exercises display the Python programs and optimization libraries used to solve them. The first chapter introduces key concepts in linear programming and contributes a new cognitive framework to help students and practitioners set up each optimization problem. The cognitive framework organizes the decision variables, constraints, the objective function, and variable bounds in a format for direct application to optimization software. The second chapter introduces two types of mobility optimization problems (shortest path in a network and minimum cost tour) in the context of delivery and service planning logistics. The third chapter introduces four types of spatial optimization problems (neighborhood coverage, flow capturing, zone heterogeneity, service coverage) and contributes a workflow to visualize the optimized solutions in maps. The workflow creates decision variables from maps by using the free geographic information systems (GIS) programs QGIS and GeoDA. The fourth chapter introduces three types of spatial logistical problems (spatial distribution, flow maximization, warehouse location optimization) and demonstrates how to scale the cognitive framework in software to reach solutions. The final chapter summarizes lessons learned and provides insights about how students and practitioners can modify the Phyton programs and GIS workflows to solve their own optimization problem and visualize the results.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI