-
Notifications
You must be signed in to change notification settings - Fork 0
/
Single.m
142 lines (128 loc) · 6.05 KB
/
Single.m
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
%此程序研究多期下只收单一价格货物（当天发送，推迟到第二天则提供赔偿）的最优仓容问题---总量
%遍历法确定最优仓容，迭代法的解与之比较，表明迭代法可行
%试验最优值的稳定性--不同的随机种子
%固定歩距法
clc
clear
close all
%% 参数设置
sj=100; %产生随机数的次数
n=100; %观测多少天
rate=1; %运价
fare=0.6; %仓容单位价格
p=0.2; %每延后一天，赔偿p
D1=0.2E4; %试验仓容的最低值
D2=10.2E4; %试验仓容的最高值,D1和D2的取值是根据到货的分布
Gap=1000; %仓容每次的添加值
cs=(D2-D1)/Gap; %试验的次数cs
c=D1+Gap:Gap:D2; %试验的仓容序列，与试验的次数对应
m=10;v=0.5; %每天到来货物重量的lognrnd参数：均值和方差（其实是对于的正态分别的）
Co=fare; %供过于求的成本
Cu=rate-fare+p; %供不应求的成本
P=Cu/(Cu+Co); %报童问题的服务水平
%% 遍历法和迭代法得到最优仓容
for rseed=1:sj %不同的随机种子下试验--数据不同
rng(rseed); % 设置随机种子
d= lognrnd(m,v,1,n); %生成到货的货物总重量序列-当前随机种子下的
for cr=1:cs %cr-仓容，cs-循环的次数
B0=0;
for ts=1:n-1 %ts--观察的第几天数 n-共多少天
if (d(ts)+B0)<c(cr)
revenue(cr,ts)=d(ts)*rate-c(cr)*fare; %这个收益是实质的，承运所得(以接货时刻为准--接货时收钱）-仓容开支
Lf(cr,ts)=d(ts)/c(cr); %满载系数
B0=0; %遗留到第二天的货物量为0
D(rseed,cr,ts)=d(ts+1); %D：第二天的承运量
else
B0=d(ts)+B0-c(cr); %%遗留到第二天的货物量为：前一天的到货量+遗留到前一天的货物量-当前的仓容
revenue(cr,ts)=d(ts)*rate-B0*p-c(cr)*fare;
Lf(cr,ts)=1; %满载系数为1
D(rseed,cr,ts)=d(ts+1)+B0; %D：第二天的承运量
if d(ts)>c(cr)
yc(cr,ts)=1; %yc--延迟，如果当天的到货大于仓容，则当天会存在延迟发送
else
yc(cr,ts)=0;
end
end
if mod(ts,20)==0&mod(cr,10)==0
fprintf('试验，当前是第%d-%d-%d次，共%d-%d-%d次\n', ts,cr,rseed,n,cs,sj)
end
end
revenue_m(rseed,cr)=mean(revenue(cr,:)); %当前仓容量下的多期收益的平均值
C(rseed,cr)=prctile(reshape(D(rseed,cr,:),1,[]),P*100); %由“第二天承运量”概率分布得到的最优仓容
end
end
[hhh,id1]=min(abs(repmat(c,sj,1)-C),[],2); %id1--迭代解，每行（不同的数据下）中试验仓容和求取的最优仓容相同的位置
[revenue_m_max,id2]=max(revenue_m,[],2); %id2--遍历解，找到sj次随机产生数据的最大仓容值和位置
%% 比较迭代法的仓容与遍历法的仓容
figure
h1=plot(c(id1),'k-o','LineWidth',1,'MarkerSize',3);
hold on
h2=plot(c(id2),'r-o','LineWidth',1,'MarkerSize',3);
h=plot(c(id1)-c(id2),'k-o','LineWidth',1,'MarkerSize',3);
legend([h1 h2 h],'迭代法','遍历法','迭----遍','Location','best')
title('经验数据上的遍历解和迭代解-最优订舱值')
grid on
figure
boxplot([(c(id1))', (c(id2))'])
title('经验数据上的遍历解和迭代解-最优订舱值')
c_opti1=mean(c(id1)); %迭代解
c_opti2=mean(c(id2)); %遍历解
%% 收益随仓容变化曲线
figure
plot(c,revenue_m','LineWidth',1);
grid on
xlabel('仓容');
ylabel('平均收益');
title('平均收益随仓容变化曲线')
%% 验证迭代法解的优良性，采用新的数据
%验证sj次数
for rseed=1:sj %不同的随机种子下试验
rng(rseed+sj); % 设置随机种子，“+sj”的目的是与上一部分的数据不同
d= lognrnd(m,v,1,n); %生成当天的货物总重量
B0_1=0; %迭代解遗留到第二天的货物量
B0_2=0; %遍历解遗留到第二天的货物量
revenue_test1=[];
revenue_test2=[];
for ts=1:n-1 %ts--观察的第几天数 n-共多少天
%迭代解
if (d(ts)+B0_1)<c_opti1
B0_1=0; %遗留到第二天的货物量为0
revenue_test1(ts)=d(ts)*rate-c_opti1*fare; %这个收益是实质的，承运所得(以接货时刻为准--接货时收钱）-仓容开支
Lf(cr,ts)=d(ts)/c_opti1; %满载系数
else
B0_1=d(ts)+B0_1-c_opti1; %%遗留到第二天的货物量为：前一天的到货量+遗留到前一天的货物量-当前的仓容
revenue_test1(ts)=d(ts)*rate-B0_1*p-c_opti1*fare;
Lf(cr,ts)=1; %满载系数为1
end
%遍历解
if (d(ts)+B0_2)<c_opti2
B0_2=0; %遗留到第二天的货物量为0
revenue_test2(ts)=d(ts)*rate-c_opti2*fare; %这个收益是实质的，承运所得(以接货时刻为准--接货时收钱）-仓容开支
Lf(cr,ts)=d(ts)/c_opti2; %满载系数
else
B0_2=d(ts)+B0_2-c_opti2; %%遗留到第二天的货物量为：前一天的到货量+遗留到前一天的货物量-当前的仓容
revenue_test2(ts)=d(ts)*rate-B0_2*p-c_opti2*fare;
Lf(cr,ts)=1; %满载系数为1
end
if mod(ts,20)==0
fprintf('试验，当前是第%d-%d次，共%d-%d次\n', ts,rseed-sj,n,sj)
end
end
revenue_m_test1(rseed)=mean(revenue_test1); %迭代解的多期收益的平均值
revenue_m_test2(rseed)=mean(revenue_test2); %遍历解的多期收益的平均值
end
ratio=(revenue_m_test1-revenue_m_test2)./revenue_m_test1;
figure
h1=plot(revenue_m_test1,'k-o','LineWidth',1,'MarkerSize',3);
hold on
h2=plot(revenue_m_test2,'k:o','LineWidth',1,'MarkerSize',3);
h3=plot(revenue_m_max,'r-o','LineWidth',1,'MarkerSize',3);
h=plot(revenue_m_test1-revenue_m_test2,'k--o','LineWidth',1,'MarkerSize',3);
legend([h1 h2 h h3],'迭代解','遍历解','迭---遍','训练解','Location','best')
title('遍历解和迭代解在新数据平均收益')
grid on
figure
hist(revenue_m_test1'- revenue_m_test2',20)
title('验证数据上的遍历解和迭代解的收益差')
fprintf('迭代法的最优仓容平均为：%.0f，标准差为：%.0f，%.0f期的平均收益为：%.0f\n', c_opti1,std(c(id1)),n,mean(revenue_m_test1))
fprintf('遍历法的最优仓容平均为：%.0f，标准差为：%.0f，%.0f期的平均收益为：%.0f\n', c_opti2,std(c(id2)),n,mean(revenue_m_test2))