MATHEMATICAL MODELLING

Le Duc Dao, PHD

Bộ môn Kỹ Thuật Hệ Thống Công Nghiệp
Khoa Cơ Khí
Trường Đại học Bách Khoa Tp. Hồ Chí Minh
Phone:
1 Email:lddao@hcmut.edu.vn
MATHEMATICAL MODELING EX1

2
MATHEMATICAL MODELING EX1
MAX = 30 * X1 + 40 * X2 + 20 * X3 + 10 * X4 - 15*(800-
X1) - 20*(750-X2) - 10*(600-X3) - 8*(500-X4);

0.3*X1 + 0.3*X2 + 0.25*X3 + 0.15*X4 <= 1000;

0.25*X1 + 0.35*X2 + 0.3*X3 + 0.1*X4 <= 1000;
0.45*X1 + 0.5*X2 + 0.4*X3 + 0.22*X4 <= 1000;
0.15*X1 + 0.15*X2 + 0.1*X3 + 0.05*X4 <= 1000;
X1 >= 0;
X2 >= 0;
X3 >= 0;
X4 >= 0;

X1 <= 800;
X2 <= 750;
X3 <= 600;
X4 <= 500; 3
MATHEMATICAL MODELING EX1
Cách tư duy cho python/ thuật toán khác:

4
MÔ HÌNH TỔNG QUÁT

5
MÔ HÌNH TỔNG QUÁT
Có 3 nhà máy A,E,K và có 4 kho B,C,D,M. Số lượng sản xuất trung bình hàng
ngày của 3 kho là 30,40,50. Số lượng yêu cầu trung bình hàng ngày của nhà kho
B,C,D,M là 35,28,32,25. Chi phí vận Chuyển được cho như hình bên dưới. Biết 1
nhà máy chỉ được vận chuyển hàng hóa đến 1 kho. Hãy lập mô hình toán để cực
tiểu chi phí vấn chuyển

6
MÔ HÌNH TỔNG QUÁT
Quantity of product : Xij
Factory : i
Warehouse: j
Supply: Si
Demand: Dj
Cost to transport: Cij
Decision variable: Hij : Transport or not (binary)
Objective: Min =Cij * X ij
Subject to:

=1

7
PYTHON CHAT GPT
# Import the necessary libraries
import pulp

# Define the problem

problem = pulp.LpProblem("Transportation Problem", pulp.LpMinimize)

# Define the decision variables

M=3
N=4
X = pulp.LpVariable.dicts("X", ((i, j) for i in range(1, M+1) for j in range(1, N+1)), lowBound=0, cat='Continuous')
H = pulp.LpVariable.dicts("H", ((i, j) for i in range(1, M+1) for j in range(1, N+1)), cat='Binary')

# Define the objective function

C = [[6, 8, 8, 5],
     [5, 11, 9, 7],
     [8, 9, 7, 13]]
obj_X = pulp.lpSum(C[i-1][j-1] * X[(i,j)] for i in range(1, M+1) for j in range(1, N+1))
obj_H = pulp.lpSum(H[(i,j)] for i in range(1, M+1) for j in range(1, N+1))
problem += obj_X + obj_H

# Define the constraints

S = [30, 40, 50]
D = [35, 28, 32, 25]
for i in range(1, M+1):
    problem += pulp.lpSum(X[(i,j)] for j in range(1, N+1)) <= S[i-1]

for j in range(1, N+1):

    problem += pulp.lpSum(X[(i,j)] for i in range(1, M+1)) == D[j-1]
    problem += pulp.lpSum(H[(i,j)] for i in range(1, M+1)) == 1

# Solve the problem

status = problem.solve()

# Print the results

if status == 1:
    print("Total Cost = $%.2f" % pulp.value(problem.objective))
    for i in range(1, M+1):
        for j in range(1, N+1):
            if H[(i,j)].value() == 1:
                print("Transport %.2f units from Factory %d to Warehouse %d" % (X[(i,j)].value(), i, j)) 8
else:
    print("Optimal solution not found.")
MATHEMATICAL MODELING EX2

9
MATHEMATICAL MODELING EX4

10
MATHEMATICAL MODELING EX5

11
Crude oil Refining and Gasoline blending EX6

12
MATHEMATICAL MODELING EX2

13
14