\section{Rozwiązanie efektywne} Aby zdefiniować rozwiązanie efektywne sprawdzamy sumaryczy obu funkcji celu dla wartości $\alpha$ i $beta$ od 1 do 10 \\ w tym celu napisany został kod który modyfikuje wartości $\alpha$ i $\beta$ w pętli \begin{lstlisting}[language=Python, caption={Wyznaczanie alpha i beta}] koszt_wyniki = [] zadowolenie_wyniki = [] wyniki_funkcji = [] maksymalny_wynik = 0; for alpha in range(0, 11): beta = 10 - alpha + sys.float_info.epsilon alpha /= 10.0 beta /= 10.0 # Update objective function model.objective = alpha * koszt_dystrybucji - beta * suma_satysfakcji # Solve the model model.solve() print(alpha) # Record the wyniki calkowity_koszt = pulp.value(koszt_dystrybucji) calkowite_zadowolenie = pulp.value(suma_satysfakcji) wynik_funkcji = pulp.value(alpha * koszt_dystrybucji - beta * suma_satysfakcji) koszt_wyniki.append(calkowity_koszt) zadowolenie_wyniki.append(calkowite_zadowolenie) if wynik_funkcji > maksymalny_wynik: maksymalny_wynik = wynik_funkcji wyniki_funkcji.append(wynik_funkcji) print("maksymalny_wynik", maksymalny_wynik, wyniki_funkcji) \end{lstlisting} Najwyższy wynik zostął uzyskany dla $\alpha = 10$ i $\beta = 0$ i wynosił on \textbf{156.5} \paragraph{Symulacja procesu podejmowania decyzji} Przeprowadzone zostały symulacje dla 5 sytuacji: \begin{enumerate} \item Tylko minimalizacja kosztów $\alpha = 1.0$ $\beta = 0.0$ \item Priorytet na minimalizacji kosztów $\alpha = 0.8$ $\beta = 0.2$ \item Równy podział $\alpha = 0.5$ $\beta = 0.5$ \item Priorytet na satysfakcji klientów $\alpha = 0.2$ $\beta = 0.8$ \item Tylko satysfakcja klientów $\alpha = 0.0$ $\beta = 1.0$ \end{enumerate} Ponownie w celu przeprowadzenia symulacji napisano kod w pythonie \begin{lstlisting}[language=Python] # Pseudo-code, assuming model setup as previously discussed scemariusze = [ (1.0, sys.float_info.epsilon), (0.8, 0.2), (0.5, 0.5), (0.2, 0.8), (sys.float_info.epsilon, 1.0)] wyniki = [] for alpha, beta in scemariusze: model.objective = alpha * koszt_dystrybucji - beta * suma_satysfakcji model.solve() calkowity_koszt = pulp.value(koszt_dystrybucji) calkowite_zadowolenie = pulp.value(suma_satysfakcji) wyniki.append( (alpha, beta, calkowity_koszt, calkowite_zadowolenie) ) for idx, (alpha, beta, koszt, zadowolenie) in enumerate(wyniki): print(f"Krok {idx+1}:") print(f" koszt: {alpha}, zadowolenie: {beta}") print(f" Calkowity koszt: {koszt}, zadowolenie klienta: {zadowolenie}\n") \end{lstlisting}