一.背景
之前有一个物流线网规划的小案例，但用EXCEL搭建的计算模型，并不能计算出来结果（算力问题），现在尝试用AI给出最优解。
案例：E公司是一家向美国中西部各州的20个销售市场批发电子消费产品的批发商。为了最大限度地降低配送成本，公司决定对下一年的配送中心重行进行选择。 E公司的物流经理Grant负责下一年的配送中心选择工作。通过前一段时间的信息收集、分析以及和公司其它部门间事的沟通，Grant和他的团队整理了三张数据表。
表1是8个候选仓库所在的城市以及每个仓库到20个市场的配送距离。在每一个候选城市，公司都有不设仓库、设立一个小型仓库，或设立一个大型仓库三种选择。
表2是下一年各销售市场的需求(以货车整车时的发车次数计算)。 
表3是8个候选城市的小型仓库或大型仓库的最大发货量(以货车整车时的发车次数 计算)和运营成本（计算单位：千美元），仓库的所有运营成本由固定成本和可变成 本组成 另外，经过测算，E公司的运输成本是$0.60/每车英里。
现在需要用线性规划求解的方式，追求成本最小，作一份最佳仓库选择的方案。
二.方案思路
上面的业务场景，需要梳理出变量，梳理出约束条件，确定目标函数成本。
1. 设变量小仓库为x,取值为0或1，x=0代表不开小仓库，x=1代表开小仓库；设变量大仓库为y,取值为0或1，x=0代表不开小仓库，x=1代表开小仓库；约束x+y<=1。通过这个约束的方式，代表在某个城市只能选择【开1个小仓库】或者【开1个大仓库】或者【不开仓库】。
2.设置变量z为8个城市到20个需求城市的运输次数。
3.约束:这8个城市是否建仓库
开小仓库x,开大仓库y,用二进制数的0/1来表示即可。且x+y<=1。
4.约束:满足需求城市的发车次数
5.约束:每个城市仓库最大发货量
以芝加哥为例，小仓库流量=sum(芝加哥发货次数)*x,x代表是否在芝加哥开设小仓库。sum(芝加哥发货次数)*x<=2500.大仓库流量=sum(芝加哥发货次数)*y,y代表是否在芝加哥开设大仓库。sum(芝加哥发货次数)*y<=7500.
搭建好最大发货量的表。
6.目标函数:总成本=固定成本+可变成本+运输成本
这里的成本已经用excel搭建好计算公式。 
四.excel的规划求解
1.让AI完全理解题目
这里搭建好了excel的计算模型之后，在规划求解里面写入计算公式。但excel计算不出来结果值。所以尝试让AI理解这种算法，并给出最优解。
五.让AI理解题目和思路
将上面的题目整理成一份word文档，让AI理解这个题目，知道要做什么。
从这个思考可以看出，AI已经理解了这道案例的解题思路。
2.让AI给出最优解
AI最后给出了最优解，第一次给出的答案是错的，纠正一次之后，给出的答案就正确了。
最后的答案如下。通过这次小案例实践，发现AI还是很好用的。
