通过使用ILOG最大化CPLEX中的目标函数

Question

我正在开发一个项目，并且想知道有关ILOG的CPLEX功能的一些信息。例如，我为每个客户销售产品，我对6种产品中的每种产品有不同的概率。这意味着购买产品的人的概率是不同的。假设我有2个客户和6个产品。对于第一个客户，第一个产品的概率是0.5，第二个产品的概率是0.3等等。所以我想要最大化我的利润，并且我知道每个产品的收入。我的问题是我如何根据这些概率选择最好的盈利产品。显然，必须有一种使用这些概率的方法。在这个项目中，他们只是给出概率，但没有解释如何使用它们。目前，我的功能是这样的：

maximize 
sum (c in Customers, p in Products, ch in Channels) (Revenue[p] * quantity[c][ch] - quantity[c][ch] * Cost[ch]); 

数量用于确定通道用于销售产品的次数。有4种不同的频道需要支付费用。

Answer 1

我不清楚你是什么决定变量，你试图获得价值观。我在猜测你试图在每个渠道上找到每个客户的数量（数量[c] [ch]是模型中的变量，而收入和成本是已知的？）。

我也有点困惑，为什么没有对产品的数量变量没有明显的指数 - 这似乎是比较正常的，如果这是模型的你正在使用的类型，是这样的：

maximize 
sum (c in Customers, p in Products, ch in Channels) (Revenue[p] * quantity[c][ch][p] - quantity[c][ch][p] * Cost[ch]); 

当然，我可能是完全错误的......另外，我可能在这里玩的术语很快而且很松散，但是我希望至少有一个简单的开始方法。一旦你拥有了你所需要的东西，那么你可以扩展模型或者研究更复杂的不确定性处理，也许更复杂的条件概率处理，使用多种场景等。

要包括概率，一个简单的方法要实现这一点就是想想可以被认为只是价值乘以它的概率的期望值，所以在这个基础上，以$ 0.3的概率出售的100美元的预期价值只有30美元，而另一个80美元的销售额概率为0.5，预期为40美元，因此更有价值。这是你寻找的那种推理吗？

如果这是确定的作为最初的方法，那么你可以尝试这样的：

maximize 
sum (c in Customers, p in Products, ch in Channels) Probability[p] * (Revenue[p] * quantity[c][ch][p] - quantity[c][ch][p] * Cost[ch]);