Въведение

Целта на този отговор на Estelles et al е да покаже, че електронната таблица на Windows, като например Excel, е много по-удобна за използване от учениците, но също така позволява по-голяма гъвкавост и бързина за анализ след оптимизация. Силната привлекателност на Excel Solver се крие в неговата лекота на използване и просветляващия характер на работата с електронни таблици, точка, повтаряна от Hillier & Lieberman (1995), която при обсъждането на пристигането на решения за електронни таблици като excel коментира, че и функциите за редактиране на електронни таблици също са много полезни при конструирането на модели на линейно програмиране "(стр. 131). Освен това много студенти от британските кампуси имат солидна основа за основното използване на Excel, тъй като това е стандартната електронна таблица и използването на електронни таблици е широко насърчавано в икономическото образование от години (напр. Съдия 1990, Съдия 1996). По този начин, за разлика от GAMS, студентът не трябва да се запознава с нов синтаксис или процедура за деклариране на променливи и достъп до рутини. Признаването на потенциала на Excel Solver също започва да се появява в учебниците, особено Hanna (1996), където други традиционно разчитат на LINDO като стандартен инструктаж (напр. Wilkes 1989, Winston 1995, Ravindran et al 1987).

Използване на Excel Solver

Проблем 1: Прост LP

Мин. C = 0,6x 1 + x 2
s.t.10x 1 + 4x 2> = 20(калций)
5x 1 + 5x 2> = 20(протеин)
2x 1 + 6x 2> = 12(витамин А)
x 1, x 2> = 0
Процесът на въвеждане на този проблем е даден на фигура 1. Като малка модификация поставих коефициентите на целевата функция в отделни клетки, така че те да могат лесно да се променят по време на анализа след оптимизация. Имайте предвид също, че няма ограничение за формата на настройване на проблема. За по-голяма яснота структурирах проблема вертикално, като всеки компонент на модела има свой собствен ред и ограничение LHS и RHS формули и стойности, въведени в съседни клетки. Няма обаче нищо, което да попречи на потребителя да настрои таблица с константи (както проблемът беше представен първоначално в Chiang) и да структурира проблема около тази таблица.

икономическа

След като настрои клетъчните формули в електронната таблица, потребителят трябва да се позове на проблема в диалоговия прозорец Solver (показан на фигура 2) и просто да щракне върху „Решаване“.

За разлика от GAMS, където решението на проблема е заровено в голям изходен файл, при щракване върху „Решаване“ отговорът бързо се разкрива в клетките на електронната таблица и се предоставя възможност за създаване на отчет за отговор и чувствителност. Отчетът за отговорите за този прост проблем е даден на фигура 3.

Отчетът за отговорите разкрива не само информация за оптималното решение, но и състоянието на ограниченията. Ако потребителят получи неочакван отговор, отчетът е полезен и за отстраняване на грешки, тъй като са дадени формулите за ограничение (въпреки че е също толкова лесно да изберете Solver и да ги проверите там).

Анализ след оптималност

Видове оптимизация

И накрая, Excel Solver може лесно да побере нелинейни или параметризирани проблеми, тъй като може да има линейни и цели числа без специални модификации. Позовавайки се на примера в Estelles et al, даден в Задача 2, нелинейният проблем се въвежда в Solver по абсолютно същия начин като линеен проблем, с изключение на това, че опцията „Предполагам линеен модел“ трябва да бъде отменена в опциите на Solver диалогов прозорец. Проблем 2

с.т. 10 K 0,5 L 0,5> = 1000

Разбира се, по-нататъшна гъвкавост може да се добави към този тип проблеми, като параметрите се поставят в отделни клетки, които впоследствие могат да бъдат променени и въздействието върху решението веднага се наблюдава.

Ограничения

Заключителни бележки

Препратки

Хана, М., 1996, "Въведение в науката за управлението - овладяване на количествен анализ", Югозападен

Hillier, F. & Lieberman, G., 1995, "Въведение в операционните изследвания", шесто издание, McGraw-Hill

Judge, G., 1990, "Количествен анализ за икономика и бизнес с помощта на Lotus 1-2-3", Harvester-Wheatsheaf

Judge, G., 1996, „Модели за електронни таблици, създадени от ученици за икономика на обучението и обучението: първоначална самооценка на експериментално задание“, Computers in Higher Education Economic Review, 10 (2) 16-18

Равиндран, А., Филипс, Д. и Солбърг, Дж., 1987, "Операционни изследвания - принципи и практика", 2-ро издание, Уайли

Уилкс, М., 1989, "Оперативни изследвания - анализ и приложения", McGraw Hill

Уинстън, У. Л., 1994, "Операционни изследвания - приложения и алгоритми", 3-то издание, Дъксбъри (Уадуърт)

Забележка 1: Моделът, даден в Estelles et al, има грешка при печатане: стойността на RHS на третото ограничение е показана като 20, докато в оригиналния проблем на Chiang (Chiang 1984 стр. 652) стойността на RHS е 12. Estelles et al са използвали правилната фигура обаче в тяхното компютърно решение и изход.