这是一个基于运筹学理论的饮料生产企业利润最大化决策支持系统。系统采用线性规划模型，综合考虑原料供应和运输能力双重约束，为企业提供最优生产方案。
- 决策变量定义：5种饮料产品的生产量优化
- 目标函数构建：以最大化总利润为目标
- 约束条件设置：
- 原料供应限制（5种关键原料）
- 运输能力限制（5个销售区域）
- 生产量上下限约束
- 非负约束条件
- 单纯形法实现：使用SciPy优化库的高效求解器
- 影子价格计算：分析约束条件的边际价值
- 灵敏度分析：评估参数变化对最优解的影响
- 参数调整：实时修改利润、供应限制等关键参数
- 结果可视化：多维度图表展示优化结果
- 决策支持：提供基于数据分析的管理建议
- 后端核心：Python + NumPy + SciPy + Pandas
- 前端界面：Streamlit 交互式Web应用
- 可视化：Plotly.js 动态图表
- 部署方案：支持本地运行和云端部署
beverage_optimization_model.py # 线性规划模型核心类
streamlit_app.py # Streamlit交互式应用
run_app.py # 应用启动脚本
requirements.txt # 项目依赖配置
决策变量：
- x₁: 碳酸饮料生产量（升）
- x₂: 果汁饮料生产量（升）
- x₃: 茶饮料生产量（升）
- x₄: 功能饮料生产量（升）
- x₅: 矿泉水生产量（升）
目标函数：
max Z = c₁x₁ + c₂x₂ + c₃x₃ + c₄x₄ + c₅x₅
其中 cᵢ 为第i种饮料的单位利润
约束条件：
- 原料约束：Aₘₐₜₑᵣᵢₐₗ × X ≤ bₘₐₜₑᵣᵢₐₗ
- 运输约束：Tʳᵃⁿˢᵖᵒʳᵗ × X ≤ bʳᵃⁿˢᵖᵒʳᵗ
- 生产约束：Xₘᵢₙ ≤ X ≤ Xₘₐₓ
- 非负约束：X ≥ 0
系统采用改进的单纯形法（HiGHS求解器），具有以下优势：
- 高效性：多项式时间复杂度
- 稳定性：数值计算稳健
- 扩展性：支持大规模问题求解
- Python 3.8+
- 推荐4GB以上内存
- 支持现代浏览器访问
- 克隆项目
git clone [项目地址]
cd beverage-optimization-system- 安装依赖
pip install -r requirements.txt- 启动应用
python run_app.py- 访问应用
- 本地访问：http://localhost:8501
- 网络访问：http://[服务器IP]:8501
- 参数设置：在左侧边栏调整模型参数
- 模型求解：点击"开始求解"按钮运行优化
- 结果分析：查看最优生产方案和利润
- 灵敏度分析：了解参数变化的影响
- 决策支持：获取管理改进建议
- 利润最大化：通过优化生产组合实现利润提升
- 成本控制：识别并优化资源利用率
- 风险降低：基于数据驱动的科学决策
- 决策支持：提供量化的生产计划建议
- 资源配置：优化原料采购和运输安排
- 战略规划：支持长期产能扩张决策
- 利润系数分析：各产品利润的允许变化范围
- 约束RHS分析：资源限制的变化影响评估
- 影子价格解读：稀缺资源的经济价值评估
- 参数调整：实时修改模型参数
- 方案对比：不同参数设置下的结果比较
- 敏感性测试：关键参数的稳健性分析
- 检查参数设置是否合理
- 确认约束条件是否过于严格
- 验证数据输入的准确性
- 影子价格表示约束条件的边际价值
- 正值表示增加该资源可提升利润
- 零值表示该资源相对充足
- 评估参数变化对最优解的影响
- 确定决策的稳健性区间
- 提供风险管理的量化依据
- 建议每季度更新利润参数
- 根据市场变化调整约束条件
- 定期验证模型预测准确性
- 监控求解时间和资源消耗
- 优化参数设置提升计算效率
- 定期清理历史数据
如有技术问题或功能建议，请联系：
- 邮箱：[技术支持邮箱]
- 文档：[详细技术文档链接]
- 社区：[用户交流论坛链接]
本项目采用 MIT 许可证，详情请参阅 LICENSE 文件。
© 2025 饮料生产企业线性规划优化系统
运筹学专家系统 - 科学决策，智慧生产