本申请涉及资源调度领域,尤其是一种面向动态环境的产业资源配置优化方法、装置及设备。
背景技术:
1、盐湖是一种含有大量盐类物质的湖泊,其地理位置多位于高海拔地区或内陆干旱地区。盐湖中蕴含着丰富的矿物质资源,如钾、镁、锂、钠、硼等,这些资源对于国家的农业、工业、军事等领域都具有重要的战略意义,对国民经济发展有着重要影响。盐湖资源丰富,分布广泛,为我国的经济和社会发展提供了重要的物质基础。
2、盐湖资源主要用于钾肥的生产,钾肥是一种必需的肥料,有助于植物抵抗疾病和害虫,延长货架寿命,并产生更美味、更吸引人的农产品,同时不含会对作物造成伤害的过量氯化物。因此,连续供应钾肥在稳定农产品生产中起着至关重要的作用。我国大部分天然富钾矿产资源分布在西北地区,即新疆维吾尔自治区和青海省。该地区的矿产资源促进了钾肥生产商的集聚,形成了相应的化学工业集群。据报道,该工业集群生产的钾肥产品满足了国内大部分需求。从客户的角度来看,钾肥在植物的整个生长周期中适时施用时才能发挥最佳效果,因此运输的及时性是客户满意度的重要因素。然而,正如上面提到的,与富钾矿产资源相关的行业属于资源密集型行业,客户遍布全国各地。供应商与客户之间的距离较远,加上客户需求频繁,导致产品的运输成本较高。盐湖化工产业从产出地到销售地需要跨越较大的地理距离。由于产地和销售地之间存在较大的地理距离,运输能力成为生产和销售过程中需要考虑的重要因素。目前,盐湖化工产品的运输主要依赖铁路和货车运输。然而,由于运力不足,可能导致无法按时交付货物。
技术实现思路
1、有鉴于此,本申请提供一种面向动态环境的产业资源配置优化方法、装置及设备,以提高盐湖化工产业的运力资源利用效率,并减少运输与库存成本。
2、本申请的一方面提供了一种面向动态环境的产业资源配置优化方法,包括:
3、构建产业资源配置的优化模型;
4、根据所述优化模型确定根据运营成本构建的目标函数;
5、获取历史订单,并根据所述历史订单对第一模糊集进行约束,得到第一支持集;目标订单分布于所述第一模糊集中;
6、获取所述目标函数的强对偶;
7、利用商用求解器在所述第一支撑集求解所述强对偶,得到运营成本的最小值及对应的决策变量。
8、可选地,所述构建产业资源配置的优化模型,包括:
9、根据多个生产厂、多个中转站多个收货地、多个销地以及多个订单构建所述优化模型。
10、可选地,所述方法还包括:
11、根据辅助变量更新所述第一模糊集,得到第二模糊集;
12、根据所述历史订单对所述第二模糊集进行约束,得到第二支持集;
13、所述利用商用求解器在所述第一支撑集求解所述强对偶,包括:
14、利用商用求解器在所述第二支撑集求解所述强对偶。
15、可选地,在所述利用商用求解器在所述第二支撑集求解所述强对偶之前,所述方法还包括:
16、采用线性决策规则来近似所述第二支撑集中的分段线性函数,得到第三支撑集;
17、所述利用商用求解器在所述第二支撑集求解所述强对偶,包括:
18、利用商用求解器在所述第三支撑集求解所述强对偶。
19、可选地,所述获取所述目标函数的强对偶,包括:
20、将所述目标函数对应的分布鲁棒优化问题转化为鲁棒优化问题;
21、求取所述鲁棒优化问题的第一对偶问题;
22、利用锥对偶理论确定所述第一对偶问题中的一个约束及其对应问题;
23、将所述对应问题约束表示为二阶锥体约束,并获取所述二阶锥体约束对应的第二对偶问题,所述一个约束及其对应问题和所述第二对偶问题作为所述强对偶。
24、可选地,所述商用求解器采用gurobi;
25、所述利用商用求解器在所述第一支撑集求解所述强对偶,得到运营成本的最小值及对应的决策变量,包括:
26、利用gurobi在所述第一支撑集求解所述强对偶,得到运营成本的最小值及对应的决策变量。
27、可选地,所述利用gurobi在所述第一支撑集求解所述强对偶,得到运营成本的最小值及对应的决策变量,包括:
28、获取所述优化模型中各变量对应的实际数值,并利用gurobi在所述第一支撑集求解所述强对偶,得到运营成本的最小值及对应的决策变量;
29、其中,所述运营成本的最小值为中转站消耗费用与运输费用之和;
30、所述决策变量包括在设定时段内各个生产厂运输至各个中转站的货物数量、在设定时段内各个中转站运输至各个收货地的货物数量以及在设定时段内各个生产厂直接运输至各个销地的货物数量。
31、本申请的另一方面还提供了一种面向动态环境的产业资源配置优化装置,包括:
32、第一单元,用于构建产业资源配置的优化模型;
33、第二单元,用于根据所述优化模型确定根据运营成本构建的目标函数;
34、第三单元,用于获取历史订单,并根据所述历史订单对第一模糊集进行约束,得到第一支持集;目标订单分布于所述第一模糊集中;
35、第四单元,用于获取所述目标函数的强对偶;
36、第五单元,用于利用商用求解器在所述第一支撑集求解所述强对偶,得到运营成本的最小值及对应的决策变量。
37、本申请的另一方面还提供了一种电子设备,包括处理器以及存储器;
38、所述存储器用于存储程序;
39、所述处理器执行所述程序实现所述的方法。
40、本申请的另一方面还提供了一种计算机可读存储介质,所述存储介质存储有程序,所述程序被处理器执行实现所述的方法。
41、本申请还公开了一种计算机程序产品或计算机程序,该计算机程序产品或计算机程序包括计算机指令,该计算机指令存储在计算机可读存储介质中。电子设备的处理器可以从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该电子设备执行上述的方法。
42、本申请通过获取历史订单,并根据历史订单对目标订单所分布的第一模糊集进行约束,得到第一支持集;进而再根据获取目标函数的强对偶,利用商用求解器在所述第一支撑集求解强对偶,得到运营成本的最小值及对应的决策变量;本申请提出了基于历史订单的模糊集,使用线性决策规则将决策变量与动态信息相联系,使得订单能够被动态满足,并且将难以求解的无限规划模型转化为python可解的线性规划模型,提高了资源调度的效率且降低了运输与库存成本。
1.一种面向动态环境的产业资源配置优化方法,其特征在于,包括:
2.根据权利要求1所述的一种面向动态环境的产业资源配置优化方法,其特征在于,所述构建产业资源配置的优化模型,包括:
3.根据权利要求1所述的一种面向动态环境的产业资源配置优化方法,其特征在于,所述方法还包括:
4.根据权利要求3所述的一种面向动态环境的产业资源配置优化方法,其特征在于,在所述利用商用求解器在所述第二支撑集求解所述强对偶之前,所述方法还包括:
5.根据权利要求1所述的一种面向动态环境的产业资源配置优化方法,其特征在于,所述获取所述目标函数的强对偶,包括:
6.根据权利要求2所述的一种面向动态环境的产业资源配置优化方法,其特征在于,所述商用求解器采用gurobi;
7.根据权利要求6所述的一种面向动态环境的产业资源配置优化方法,其特征在于,所述利用gurobi在所述第一支撑集求解所述强对偶,得到运营成本的最小值及对应的决策变量,包括:
8.一种面向动态环境的产业资源配置优化装置,其特征在于,包括:
9.一种电子设备,其特征在于,包括处理器以及存储器;
10.一种计算机可读存储介质,其特征在于,所述存储介质存储有程序,所述程序被处理器执行实现如权利要求1至7中任一项所述的方法。