仿真与优化相结合:使用 FlexSim 和 Python 解决供应链配送路径调度

仿真与优化相结合:使用 FlexSim 和 Python 解决供应链配送路径调度
8 [/ I4 L/ Q4 U( N# D: d7 g6 M
! `2 M3 }0 {1 \5 E5 j( G% E在微信公众号【FlexSim系统仿真软件】发布的这篇文章中介绍了一个GIS相关的案例模型。
该模型将 FlexSim 的 GIS(地理信息系统)功能与Python 中的最低成本流算法集成在一起，使用 MIP(混合整数规划)求解供应链规划问题。MIP(混合整数规划)是一种在约束下优化决策的数学方法。
4 K" W: H# G9 ~1 d8 t0 s3 j
+ f$ O: z; Z# q8 y! C/ h/ q: c1 v主要亮点:
模拟包含工厂和仓库的分销网络。
1 z7 d2 y. t: Y. K) I) Y' i优化生产和运输，同时降低成本。
分析生产和运输成本之间的平衡。
将 Python 与 FlexSim 集成，以便做出高级决策。
& ?% e% S% d: m; w$ F$ e  B# k! k
- t6 i- c* O; _( W3 v% D2 P该方法将仿真建模和数学优化连接起来，为解决实际物流挑战提供了强大的工具。

在此处查看完整文章：https://mp.weixin.qq.com/s/LZ1GgWCLlhxGoILvh92Xgw
- L& m, Y: ]5 n1 E9 W. Q