AnyLogic资源池优化实操：确定各工序班次最小人员配置

一、必须为资源池设置变量 #

要实现不同班次、不同工序的人员数量优化，需将每个资源池的可用人数绑定到可调整的变量：

• 创建4个整数型变量：
  • staff_Shift1_ProcessI：班次I对应工序I的人员配置数
  • staff_Shift1_ProcessII：班次I对应工序II的人员配置数
  • staff_Shift2_ProcessI：班次II对应工序I的人员配置数
  • staff_Shift2_ProcessII：班次II对应工序II的人员配置数
    （初始值可填经验值，比如2，后续优化会自动迭代调整）
• 绑定变量到资源池：
  1. 双击工序I的Resource Pool，在「Resources」标签页的「Number of resources」栏，直接输入对应班次的变量（不要填固定数字）
  2. 用Schedule模块定义两个班次的时间区间，在「On schedule change」事件中添加逻辑：当进入班次I时，将工序I资源池的人数设为staff_Shift1_ProcessI；切换到班次II时，更新为staff_Shift2_ProcessI
  3. 重复上述操作，完成工序II资源池与对应班次变量的绑定
• 注意：勾选资源池「Advanced」标签页的「Do not remove busy resources」，避免班次切换时中断正在处理的任务

二、关联优化目标（最小化总人员数） #

使用AnyLogic的Optimization Experiment实现优化，步骤如下：

1. 向项目中添加「Optimization Experiment」
2. 配置优化参数：
   • 进入「Parameters」标签页，将之前创建的4个人员变量添加为优化参数，设置每个变量的取值范围（比如最小值1，最大值8，根据实际生产场景调整），并勾选「Integer」确保人员数为整数
3. 设置优化目标：
   • 切换到「Objective」标签页，选择「Minimize」（最小化），输入目标公式：

     staff_Shift1_ProcessI + staff_Shift1_ProcessII + staff_Shift2_ProcessI + staff_Shift2_ProcessII
     

     该公式代表总配置人员数，是我们要最小化的核心目标
4. 添加约束条件（保障生产需求）：
   • 在模型中添加统计变量，比如completed_ProcessI_Shift1（统计班次I内工序I完成的产品数量）、demand_Shift1（班次I的订单需求数量）
   • 在优化实验的「Constraints」标签页，添加约束：

     completed_ProcessI_Shift1 >= demand_Shift1
     completed_ProcessII_Shift1 >= demand_Shift1
     completed_ProcessI_Shift2 >= demand_Shift2
     completed_ProcessII_Shift2 >= demand_Shift2
     

     确保每个班次的工序产能满足订单需求，避免优化出的人员数无法完成生产任务

三、运行优化与结果验证 #

1. 先运行基础模型，确认生产流程逻辑正常（无死锁、无资源配置错误）
2. 运行Optimization Experiment，选择合适的优化算法（推荐遗传算法Genetic Algorithm，适合整数规划类问题）
3. 优化完成后，查看结果面板中的最优参数值，同时重新运行模型验证：确认所有订单按时完成，无长时间等待队列，确保优化结果符合实际生产要求

内容的提问来源于stack exchange，提问作者Pandu Purwadi