【数学建模学习】管道运输与订购优化模型(CAI)
钢管订购和运输优化模型
要铺设一条1521A A A →→→ 的输送天然气的主管道, 如图1所示(见反面).经筛选后可以生产这种主管道钢管的钢厂有127,,
,S S S .图中粗线表示铁
路，单细线表示公路，双细线表示要铺设的管道(假设沿管道或者原来有公路，或者建有施工公路)，圆圈表示火车站，每段铁路、公路和管道旁的阿拉伯数字表示里程(单位：km).
为方便计，1km 主管道钢管称为1单位钢管.
一个钢厂如果承担制造这种钢管，至少需要生产500个单位.钢厂i S 在指定期限内能生产该钢管的最大数量为i s 个单位，钢管出厂销价1单位钢管为i p 万元，如下表：
i
1 2 3 4 5 6 7 i s
800 800 1000 2000 2000 2000 3000 i p
160
155
155
160
155
150
160
1单位钢管的铁路运价如下表：
里程(km) ≤300 301～350 351～400 401～450 451～500 运价(万元) 20
23
26
29
32
里程(km) 501～600 601～700 701～800 801～900 901～1000
运价(万元) 37
44
50
55
60
1000km 以上每增加1至100km 运价增加5万元.
公路运输费用为1单位钢管每千米0.1万元（不足整千米部分按整千米计算）. 钢管可由铁路、公路运往铺设地点（不只是运到点1521,,,A A A ，而是管道全线）.
问题：
（1）请制定一个主管道钢管的订购和运输计划，使总费用最小（给出总费用).
思考题：
（2）请就（1）的模型分析：哪个钢厂钢管的销价的变化对购运计划和总费用影响最大，哪个钢厂钢管的产量的上限的变化对购运计划和总费用的影响最大，并给出相应的数字结果.
（3）如果要铺设的管道不是一条线，而是一个树形图，铁路、公路和管道构成网络，请就这种更一般的情形给出一种解决办法，并对图2按（1）的要求给出模型和结果.
7
1
一、 基本假设
1． 沿铺设的主管道以有公路或者有施工公路. 2． 在主管道上，每千米卸1单位的钢管.
3． 公路运输费用为1单位钢管每千米0.1万元（不足整千米部分按整千米计算） 4． 在计算总费用时，只考虑运输费和购买钢管的费用，而不考虑其他费用. 5． 在计算钢厂的产量对购运计划影响时，只考虑钢厂的产量足够满足需要的情况，
即钢厂的产量不受限制.
6． 假设钢管在铁路运输路程超过1000km 时，铁路每增加1至100km ，1单位钢管
1
7
的运价增加5万元.
二、符号说明：
i S ：第i 个钢厂； 7,,2,1 =i i s ：第i 个钢厂的最大产量； 7,,2,1 =i j A ：输送管道（主管道）上的第j 个点； 15,,2,1 =j
i p ：第i 个钢厂1单位钢管的销价； 7,,2,1 =i
ij x ：钢厂i S 向点j A 运输的钢管量； 7,,2,1 =i 15,,2,1 =j
j t ：在点j A 与点1+j A 之间的公路上，运输点j A 向点1+j A 方向铺设的钢管量；
14,,3,2,1 =j (01=t )
ij a ：1单位钢管从钢厂i S 运到结点j A 的最少总费用，即公路运费﹑铁路运费和
钢管销价之和； 7,,2,1 =i 15,,2,1 =j
j b ：与点j A 相连的公路和铁路的相交点； 15,,3,2 =j
1.+j j A ：相邻点j A 与1+j A 之间的距离； 14,,2,1 =j
三、模型的建立与求解
问题一：讨论如何调整主管道钢管的订购和运输方案使总费用最小
由题意可知，钢管从钢厂i S 到运输结点j A 的费用ij a 包括钢管的销价﹑钢管的铁路运输费用和钢管的公路运输费用.在费用ij a 最小时，对钢管的订购和运输进行分配，可得出本问题的最佳方案.
1. 求钢管从钢厂i S 运到运输点j A 的最小费用
1）将图1转换为一系列以单位钢管的运输费用为权的赋权图.
由于钢管从钢厂i S 运到运输点j A 要通过铁路和公路运输，而铁路运输费用是分段函数，与全程运输总距离有关.又由于钢厂i S 直接与铁路相连，所以可先求出钢厂i S 到铁路与公路相交点j b 的最短路径.如图3
图3 铁路网络图
依据钢管的铁路运价表，算出钢厂i S 到铁路与公路相交点j b 的最小铁路运输费用，并把费用作为边权赋给从钢厂i S 到j b 的边.再将与j b 相连的公路、运输点i A 及其与之相连的要铺设管道的线路（也是公路）添加到图上，根据单位钢管在公路上的运价规定，得出每一段公路的运费，并把此费用作为边权赋给相应的边.以1S 为例得图4.
图4 钢管从钢厂1S 运到各运输点
j A 的铁路运输与公路运输费用权值图
2）计算单位钢管从1S 到j A 的最少运输费用
根据图4，借助图论软件包中求最短路的方法求出单位钢管从1S 到j A 的最少运输费用依次为：170.7，160.3，140.2，98.6，38，20.5，3.1，21.2，64.2，92，96，106，121.2，128，142（单位：万元）.加上单位钢管的销售价i p ，得出从钢厂1S 购买单位钢管运输到点j A 的最小费用j a 1依次为：330.3，320.3，300.2，258.6，198，180.5，163.1，181.2，224.2，252，256，266，281.2，288，302（单位：万元）.
同理，可用同样的方法求出钢厂2S ﹑3S ﹑4S ﹑5S ﹑6S ﹑7S 到点j A 的最小费用，从而得出钢厂到点的最小总费用（单位：万元）为：
表1 i S 到点j A 最小费用
A 2
A 3
A 4 A 5
A 6
A 7 A 8
A 9
A 10 A 11 A 12 A 13
A 14 A 15
S 1 320.3 300.2 258.6 198 180.5 163 181.2 224.2 252 256 266 281.2 288 302
2S 360.3 345.2 326.6 266 250.5 241 226.2 269.2 297 301 311 326.2 333 347 3S 375.3 355.2 336.6 276 260.5 251 241.2 203.2 237 241 251 266.2 273 287
4S 410.3 395.2 376.6 316 300.5 291 276.2 244.2 222 211 221 236.2 243 257 5S 400.3 380.2 361.6 301 285.5 276 266.2 234.2 212 188 206 226.2 228 242 6S 405.3 385.2 366.6 306 290.5 281 271.2 234.2 212 201 195 176.2 161 178
2. 建立模型
运输总费用可分为两部分：
运输总费用=钢厂到各点的运输费用+铺设费用.
运输费用：若运输点j A 向钢厂i S 订购ij x 单位钢管，则钢管从钢厂i S 运到运输点j A 所需的费用为ij ij x a .由于钢管运到1A 必须经过2A ，所以可不考虑1A ，那么所有钢管从各钢厂运到各运输点上的总费用为：
∑∑==15
27
1
j i ij
ij
a
x .
铺设费用：当钢管从钢厂i S 运到点j A 后，钢管就要向运输点j A 的两边1
+j j A A 段和j j A A 1-段运输（铺设）管道.设j A 向1+j j A A 段铺设的管道长度为j y ，则j A 向
1+j j A A 段的运输费用为()
20
1
)21(1.0+=
+++?j j j t t y （万元）；由于相邻运输点
j A 与1+j A 之间的距离为1.+j j A ，那么1+j A 向1+j j A A 段铺设的管道长为j j j t A -+1.，
所对应的铺设费用为()()
20
11.1
.j
j j j j j t A t A
-+-++（万元）.所以，主管道上的铺设费
用为：
()(
)()
∑
=++???
?
?
?-+-++14
11.1.201201
j j j j j j j j j t A t A t t 总费用为：()()(
)∑∑
∑
===++??
?
?
?
?-+-+
++=
7
1
15
214
11.1.201201
i j j j j j j j j j j ij ij t A t A t t a x f 又因为一个钢厂如果承担制造钢管任务，至少需要生产500个单位，钢厂i S 在指定期限内最大生产量为i s 个单位，故i j ij
s x
≤≤∑=15
2
500 或015
2
=∑=j ij x 因此本
问题可建立如下的非线性规划模型：
14
157
.1.11
21
7
1
1515
22
.1
(1)()(1)
min (
20
20
j 2,3,,15500 0
s.t. 0 1,,7,2,,150j j j j j j j j ij ij
j j i ij j i ij i ij j j ij j j j t t A t A t f x a x n x s x x i j t A ++======++-+-=+
+??==????≤≤=??
?≥==?≤≤?∑∑∑∑∑∑或
3. 模型求解：
由于MATLAB 不能直接处理约束条件：i j ij
s x
≤≤∑=15
2
500或015
2
=∑=j ij x ，我们可
先将此条件改为
i j ij
s x
≤∑=15
2
，得到如下模型：
用MATLAB 求解，分析结果后发现购运方案中钢厂7S 的生产量不足500单位，下面我们采用不让钢厂7S 生产和要求钢厂7S 的产量不小于500个单位两种方法计算：
1）不让钢厂7S 生产
计算结果：=1f 1278632（万元）（此时每个钢厂的产量都满足条件）. 2）要求钢厂7S 的产量不小于500个单位
计算结果：=2f 1279664 （万元） （此时每个钢厂的产量都满足条件）. 比较这两种情况，得最优解为， 121),m in(m in f f f f ===1278632（万元） 具体的购运计划如表2：
表2 问题一的订购和调运方案
14
157
.1.11
21
7
1152.1
(1)()(1)
min (
20
20
j 2,3,,15 s.t. 0 1,,7,2,,150j j j j j j j j ij ij
j j i ij j i ij i
j ij j j j t t A t A t f x a x n x s x i j t A ++=====++-+-=+
+??==????≤??
?≥==?≤≤??∑∑∑∑∑
数学建模飞机运输问题
多变量有约束最优化问题 摘要 本文以一家运输航空公司的一架飞机运载能力100吨和运载货物的容量50000立方英尺有限的情况下，有三种货物（即x1、x2、x3）需要运输，公司规定每吨货物收取一定的费用，而要运输的每种货物的吨数都有规定的上限（最多不超过30吨、40吨、50吨），并且公司规定由于飞机需要保养与维护，飞机须停飞115天，因此每年只有250天的工作时间。在此情况下每天怎样安排运输三种货物使公司每年获得最大利润w。对于此问题只用线性规划的一般方法建立相应的数学模型，在用数学软件求出在给定限行区域内的最优解（w、x1、x2、x3），在对这些最优解进行分析与讨论，确定其为有效最优解。并以此作为公司对三种货物运输安排方式。 对于问题一，求使得运输航空公司获得最大利润w的x1、x2、x3三种货物的吨数，建立相应的数学模型。再根据运输能力最多100吨和运载货物容积的最大50000立方英尺，还有每天公司规定的每种货物的运输上限即x1种货物最多运输30吨，x2种货物最多运输40吨，x3种货物最多50吨，建立约束条件。并用数学软件mathematica进行求解，即为所求的最优解（也就是w=21875，x1=30，x2=7.5，x3=50）。
对于问题二中，要求计算每个约束的影子价格。我们将利用问题一中建立的目标函数和约束条件，将其编写成源程序输入到Lindo软件中进行求解。再将得到的界进行讨论与和模型的稳健性分析并且通过其在题意的理解，解释其含义。 问题三中，对于公司将耗资改装飞机以扩大运货区来增加运输能力，且旧飞机使用寿命为5年，每架飞机的改造要花费200000美元，可以增加2000立方英尺的容积。重量限制仍保持不变。假设飞机每年飞行250天，这些旧飞机剩余的使用寿命约为5年。根据此问题我们将建立数学规划模型，利用Lindo软件计算其影子价格和利润并且与前面进行比较，进行分析。 关键词：线性规划、mathematica软件的应用、Lindo的软件应用。
优化问题的数学模型及基本要素
第1章 优化设计 Chapter 1 Optimization Design 1-1 优化设计 1-1-1 最优化 (optimize, optimization ) 所谓最优化，通俗地说就是在一定条件下，在所有可能的计划、设计、安排中找出最好的一个来。换句话说，也就是在一定的条件下，人们如何以最好的方式来做一件事情。(Optimization deals with how to do things in the best possible manner) 结论的唯一性是最优化的特点，即公认最好。(It is the best of all possibilities) 最优化的思想体现在自然科学、工程技术及社会活动的各个领域，最优化的方法在这些领域也得到了广泛地应用。(P1) 1-1-2 最优化方法 (Arithmetic ) 要从所有可能的方案中找出最优的一个，用“试”（try ）的办法是不可行的，需要采用一定的数学手段。二十世纪五十年代以前，用于解决最优化问题的数学方法仅限于古典的微分和变分(differential and variation)。数学规划法在五十年代末被首次用于解决最优化问题，并成为现代优化方法的理论基础。线性规划和非线性规划是数学规划的主要内容，它还包括整数规划、动态规划、二次规划等等。(Linear programming or Nonlinear programming, Integer, Dynamic, Quadratic ) 数学规划法与电子计算机的密切结合,改变了最优化方法多有理论研究价值,而少有实际应用的局面,使得解决工程中的优化问题成为可能。因此,我们现在所说的最优化方法，实际上包括了最优化理论和计算机程序二方面的内容。(Optimization theory plus computer program) 1-1-3 优化设计 下面以一个简单的问题为例来说明传统设计与优化设计这二个不同的设计过程。 例1-1 设计一个体积为5cm 3的薄板包装箱，其中一边的长度不小于4m 。要求使薄板耗 材最少，试确定包装箱的尺寸参数，即长a ，宽b 和高h 。 分析 包装箱的表面积s 与它的长a ，宽b 和高h 尺寸有关。因此，耗板最少的问题可以转化为表面积最小问题，故取表面积s 为设计目标。 传统设计方法: 首先固定包装箱一边的长度如)(4m a =。要满足包装箱体积为3 5m 的设计要求，则有以下多种设计方案: 如果包装箱的长度a 再取)(4m a >的其他值，则包装箱的宽度和高度还会有很多其他结果… 。 最后，从上面众多的可行方案中选择出包装箱表面积最小的方案来，这就是相对最好的设计方案。但由于不可能列出所有可能的设计方案，最终方案就不一定是最优的。 机械产品的传统设计通常需要经过：提出课题、调查分析、技术设计、结构设计、绘图
数学建模中常见的十大模型
数学建模常用的十大算法==转 (2011-07-24 16:13:14) 转载▼ 1. 蒙特卡罗算法。该算法又称随机性模拟算法，是通过计算机仿真来解决问题的算法，同时可以通过模拟来检验自己模型的正确性，几乎是比赛时必用的方法。 2. 数据拟合、参数估计、插值等数据处理算法。比赛中通常会遇到大量的数据需要处理，而处理数据的关键就在于这些算法，通常使用MA TLAB 作为工具。 3. 线性规划、整数规划、多元规划、二次规划等规划类算法。建模竞赛大多数问题属于最优化问题，很多时候这些问题可以用数学规划算法来描述，通常使用Lindo、Lingo 软件求解。 4. 图论算法。这类算法可以分为很多种，包括最短路、网络流、二分图等算法，涉及到图论的问题可以用这些方法解决，需要认真准备。 5. 动态规划、回溯搜索、分治算法、分支定界等计算机算法。这些算法是算法设计中比较常用的方法，竞赛中很多场合会用到。 6. 最优化理论的三大非经典算法：模拟退火算法、神经网络算法、遗传算法。这些问题是用来解决一些较困难的最优化问题的，对于有些问题非常有帮助，但是算法的实现比较困难，需慎重使用。 7. 网格算法和穷举法。两者都是暴力搜索最优点的算法，在很多竞赛题中有应用，当重点讨论模型本身而轻视算法的时候，可以使用这种暴力方案，最好使用一些高级语言作为编程工具。 8. 一些连续数据离散化方法。很多问题都是实际来的，数据可以是连续的，而计算机只能处理离散的数据，因此将其离散化后进行差分代替微分、求和代替积分等思想是非常重要的。 9. 数值分析算法。如果在比赛中采用高级语言进行编程的话，那些数值分析中常用的算法比如方程组求解、矩阵运算、函数积分等算法就需要额外编写库函数进行调用。 10. 图象处理算法。赛题中有一类问题与图形有关，即使问题与图形无关，论文中也会需要图片来说明问题，这些图形如何展示以及如何处理就是需要解决的问题，通常使用MA TLAB 进行处理。 以下将结合历年的竞赛题，对这十类算法进行详细地说明。 以下将结合历年的竞赛题，对这十类算法进行详细地说明。 2 十类算法的详细说明 2.1 蒙特卡罗算法 大多数建模赛题中都离不开计算机仿真，随机性模拟是非常常见的算法之一。 举个例子就是97 年的A 题，每个零件都有自己的标定值，也都有自己的容差等级，而求解最优的组合方案将要面对着的是一个极其复杂的公式和108 种容差选取方案，根本不可能去求解析解，那如何去找到最优的方案呢？随机性模拟搜索最优方案就是其中的一种方法，在每个零件可行的区间中按照正态分布随机的选取一个标定值和选取一个容差值作为一种方案，然后通过蒙特卡罗算法仿真出大量的方案，从中选取一个最佳的。另一个例子就是去年的彩票第二问，要求设计一种更好的方案，首先方案的优劣取决于很多复杂的因素，同样不可能刻画出一个模型进行求解，只能靠随机仿真模拟。 2.2 数据拟合、参数估计、插值等算法 数据拟合在很多赛题中有应用，与图形处理有关的问题很多与拟合有关系，一个例子就是98 年美国赛A 题，生物组织切片的三维插值处理，94 年A 题逢山开路，山体海拔高度的插值计算，还有吵的沸沸扬扬可能会考的“非典”问题也要用到数据拟合算法，观察数据的
管道运输与订购优化模型(CAI) 数学建模
钢管订购和运输优化模型 要铺设一条1521A A A →→→ 的输送天然气的主管道, 如图一所示(见反面)。经筛选后可以生产这种主管道钢管的钢厂有721,,S S S 。图中粗线表示铁路，单细线表示公路，双细线表示要铺设的管道(假设沿管道或者原来有公路，或者建有施工公路)，圆圈表示火车站，每段铁路、公路和管道旁的阿拉伯数字表示里程(单位km)。 为方便计，1km 主管道钢管称为1单位钢管。 一个钢厂如果承担制造这种钢管，至少需要生产500个单位。钢厂i S 在指定期限内能生产该钢管的最大数量为i s 个单位，钢管出厂销价1单位钢管为i p 万元，如下表： 1单位钢管的铁路运价如下表： 1000km 以上每增加1至100km 运价增加5万元。 公路运输费用为1单位钢管每公里0.1万元（不足整公里部分按整公里计算）。 钢管可由铁路、公路运往铺设地点（不只是运到点1521,,,A A A ，而是管道全线）。
问题： （1）请制定一个主管道钢管的订购和运输计划，使总费用最小（给出总费用)。 思考题： （2）请就（1）的模型分析：哪个钢厂钢管的销价的变化对购运计划和总费用 影响最大，哪个钢厂钢管的产量的上限的变化对购运计划和总费用的影响最大，并 给出相应的数字结果。 （3）如果要铺设的管道不是一条线，而是一个树形图，铁路、公路和管道构 成网络，请就这种更一般的情形给出一种解决办法，并对图二按（1）的要求给出 模型和结果。 7
一． 基本假设： 1． 沿铺设的主管道以有公路或者有施工公路。 2． 在主管道上，每公里卸1单位的钢管。 3． 公路运输费用为1单位钢管每公里0.1万元（不足整公里部分按整公里计算） 4． 在计算总费用时，只考虑运输费和购买钢管的费用，而不考虑其他费用。 5． 在计算钢厂的产量对购运计划影响时，只考虑钢厂的产量足够满足需要的情况， 即钢厂的产量不受限制。 6． 假设钢管在铁路运输路程超过1000km 时，铁路每增加1至100km ，1单位钢管 7
数学建模优化问题经典练习
1、高压容器公司制造小、中、大三种尺寸的金属容器，所用资源为金属板、劳 万元，可使用的金属板有500t，劳动力有300人/月，机器有100台/月，此外，不管每种容器制造的数量是多少，都要支付一笔固定的费用：小号为100万元，中号为150万元，大号为200万元，现在要制定一个生产计划，使获得的利润为最大， max=4*x1+5*x2+6*x3-100*y1-150*y2-200*y3; 2*x1+4*x2+8*x3<=500; 2*x1+3*x2+4*x3<=300; 1*x1+2*x2+3*x3<=100; @bin(y1); @bin(y2); @bin(y3); y1+y2+y3>=1; Global optimal solution found. Objective value: 300.0000 Extended solver steps: 0 Total solver iterations: 0 Variable Value Reduced Cost X1 100.0000 0.000000 X2 0.000000 3.000000 X3 0.000000 6.000000 Y1 1.000000 100.0000 Y2 0.000000 150.0000 Y3 0.000000 200.0000 Row Slack or Surplus Dual Price 1 300.0000 1.000000 2 300.0000 0.000000 3 100.0000 0.000000 4 0.000000 4.000000 5 0.000000 0.000000
数学建模运输问题
运输问题 摘要 本文主要研究的是货物运输的最短路径问题，利用图论中的Floyd算法、Kruskal算法，以及整数规划的方法建立相关问题的模型，通过matlab，lingo 编程求解出最终结果。 关于问题一，是一个两客户间最短路程的问题，因此本文利用Floyd算法对其进行分析。考虑到计算的方便性，首先，我们将两客户之间的距离输入到网络权矩阵中；然后，逐步分析出两客户间的最短距离；最后，利用Matlab软件对其进行编程求解，运行得到结果：2-3-8-9-10总路程为85公里。 关于问题二，运输公司分别要对10个客户供货，必须访问每个客户，实际上是一个旅行商问题。首先，不考虑送货员返回提货点的情形，本文利用最小生成树问题中的Kruskal算法，结合题中所给的邻接矩阵，很快可以得到回路的最短路线：1-5-7-6-3-4-8-9-10-2；然后利用问题一的Floyd算法编程，能求得从客户2到客户1（提货点）的最短路线是：2-1，路程为50公里。即最短路线为：1-5-7-6-3-4-8-9-10-2-1。但考虑到最小生成树法局限于顶点数较少的情形，不宜进一步推广，因此本文建立以路程最短为目标函数的整数规划模型；最后，利用LINGO软件对其进行编程求解，求解出的回路与Kruskal算法求出的回路一致。 关于问题三，是在每个客户所需固定货物量的情况下，使得行程之和最短。这样只要找出两条尽可能短的回路，并保证每条线路客户总需求量在50个单位以内即可。因此我们在问题二模型的基础上进行改进，以货车容量为限定条件，建立相应的规划模型并设计一个简单的寻路算法，对于模型求解出来的结果，本文利用Kruskal算法结合题中所给的邻接矩阵进行优化。得到优化结果为：第一辆车：1-5-2-3-4-8-9-1，第二辆车：1-7-6-9-10-1，总路程为280公里。 关于问题四，在问题一的基础上我们首先用Matlab软件编程确定提货点到每个客户点间的最短路线，然后结合一些限定条件建立一个目标模型，设计一个较好的解决方案进行求解可得到一种很理想的运输方案。根据matlab运行结果分析得出4条最优路线分别为：1-5-2，1-4-3-8，1-7-6，1-9-10。最短总路线为245公里，最小总费用为645。 关键词： Floyd算法 Kruskal算法整数规划旅行商问题 一、问题重述 某运输公司为10个客户配送货物，假定提货点就在客户1所在的位置，从第i个客户到第j个客户的路线距离（单位公里）用下面矩阵中的 i j=L位置上的数表示（其中∞表示两个客户之间无直接的路线到i j(,1,,10) (,) 达）。 1、运送员在给第二个客户卸货完成的时候，临时接到新的调度通知，让他先给 客户10送货，已知送给客户10的货已在运送员的车上，请帮运送员设计一个到客户10的尽可能短的行使路线（假定上述矩阵中给出了所有可能的路线选择）。 2、现运输公司派了一辆大的货车为这10个客户配送货物，假定这辆货车一次能 装满10个客户所需要的全部货物，请问货车从提货点出发给10个客户配送
数学建模中常见的十大模型
数学建模中常见的十大 模型 Document serial number【KKGB-LBS98YT-BS8CB-BSUT-BST108】
数学建模常用的十大算法==转 (2011-07-24 16:13:14) 1. 蒙特卡罗算法。该算法又称随机性模拟算法，是通过计算机仿真来解决问题的算法，同时可以通过模拟来检验自己模型的正确性，几乎是比赛时必用的方法。 2. 数据拟合、参数估计、插值等数据处理算法。比赛中通常会遇到大量的数据需要处理，而处理数据的关键就在于这些算法，通常使用MATLAB 作为工具。 3. 线性规划、整数规划、多元规划、二次规划等规划类算法。建模竞赛大多数问题属于最优化问题，很多时候这些问题可以用数学规划算法来描述，通常使用Lindo、Lingo 软件求解。 4. 图论算法。这类算法可以分为很多种，包括最短路、网络流、二分图等算法，涉及到图论的问题可以用这些方法解决，需要认真准备。 5. 动态规划、回溯搜索、分治算法、分支定界等计算机算法。这些算法是算法设计中比较常用的方法，竞赛中很多场合会用到。 6. 最优化理论的三大非经典算法：模拟退火算法、神经网络算法、遗传算法。这些问题是用来解决一些较困难的最优化问题的，对于有些问题非常有帮助，但是算法的实现比较困难，需慎重使用。 7. 网格算法和穷举法。两者都是暴力搜索最优点的算法，在很多竞赛题中有应用，当重点讨论模型本身而轻视算法的时候，可以使用这种暴力方案，最好使用一些高级语言作为编程工具。
8. 一些连续数据离散化方法。很多问题都是实际来的，数据可以是连续的，而计算机只能处理离散的数据，因此将其离散化后进行差分代替微分、求和代替积分等思想是非常重要的。 9. 数值分析算法。如果在比赛中采用高级语言进行编程的话，那些数值分析中常用的算法比如方程组求解、矩阵运算、函数积分等算法就需要额外编写库函数进行调用。 10. 图象处理算法。赛题中有一类问题与图形有关，即使问题与图形无关，论文中也会需要图片来说明问题，这些图形如何展示以及如何处理就是需要解决的问题，通常使用MATLAB 进行处理。 以下将结合历年的竞赛题，对这十类算法进行详细地说明。 以下将结合历年的竞赛题，对这十类算法进行详细地说明。 2 十类算法的详细说明 蒙特卡罗算法 大多数建模赛题中都离不开计算机仿真，随机性模拟是非常常见的算法之一。 举个例子就是97 年的A 题，每个零件都有自己的标定值，也都有自己的容差等级，而求解最优的组合方案将要面对着的是一个极其复杂的公式和108 种容差选取方案，根本不可能去求解析解，那如何去找到最优的方案呢随机性模拟搜索最优方案就是其中的一种方法，在每个零件可行的区间中按照正态分布随机的选取一个标定值和选取一个容差值作为一种方案，然后通过蒙特卡罗算法仿真出大量的方案，从中选取一个最佳的。另一个例子就是去年的彩票第二问，要求设计一种更好的方案，首先方案的优劣取决于很多复杂的因素，同样不可能刻画出一个模型进行求解，只能靠随机仿真模拟。
数学建模运输优化模型
2012年数学建模培训第二次测试论文 题目运输优化模型 姓名马鹏 系（院）数学系 专业信息与计算科学、应用数学 2012 年8 月27 日 运输优化模型
[摘要]在社会的经济生产活动中，产地（厂家）与客户都会想方设法合理调拨资源、降低运输费用，实现利益最大化，完成资源优化配置。本文在运输费单价恒定，各产地发量一定，各客户的需求量也一定的条件下，努力解决多个特定目标实现问题。力求最优的运输方案。在确定问题为不平衡的运输问题时，先虚设一个产地，将问题装华为平衡运输问题，将问题转化为目标规划问题，按照目标规划问题的建模思想逐步建立模型。 本文的主要特点在于，将不平衡的线性规划问题合理地转化为目标规划问题，在求解时充分利用LINGO软件求解。 关键词： lingo 目标规划线性规划运输优化问题运费最少 一．问题重述
运输功能是整个现代物流七大基本功能之一，占有很重要的地位，运输成本在整个物流系统中所占的比重也很大，运输成本的有效控制对物流总成本的节约具有举足轻重的作用。通过物流流程的改善能降低物流成本，能给企业带来难以预料的效益，影响运输成本的因素是多样化、综合性的，这就要求对运输成本的分析要采用系统的观点，进行综合分析。由于影响物流运输成本的因素很多，控制措施既涉及运输环节本身，也涉及供应链的整个物流流程。要想降低物流运输成本，就必须运用系统的观点和方法，进行综合分析，发现问题，解决问题，使物流运输活动更加优化、物流运输成本更加合理化。 本文已知把一种产品从产地一、二运到客户1、2、3处,产地的发量、客户的收量及各产地到各客户的运输单价已知。本文要解决问题是：客户1为重要部门，必须全部满足需求量；满足客户2、3至少75%的的需求量；使总运费尽量少；从产地2到客户1的运量至少有1000个单位。 二．问题分析 根据题目中所给出的条件知：有现成的两个产地和需要产品的三个客户。且两个产地的产量不同，运送到各个客户的运费单价不同。三个客户所需的货物量不同。而三个客户对两个产地的总需求为2000+1500+5000=8500（单位），而两个产地总的发量为3000+4000=7000（单位）,故需求量大于发量，属于需求量和发量不平衡问题。且提出四个不同的目标。故使用目标规划实现建模。首先设置目标约束的优先级，建立目标约束按目标的优先级，写出相应的目标规划模型 。再接着使用LINGO 软件实现模型的求解，并作出相应结果的分析。 三．模型假设 （1） 产品的运输过程不存在任何的导致产品发量和产品收量不相符的问题。产 品安全送到客户处。即有：产品的发量就等于产品的收量。 （2） 产品的运输单价始终恒定，不存在中途因为某种原因而导致产品的单价变 化问题。即运费只取决于所运输的产品的数量。 （3） 产地的生产量（即发量）有极限值，不可能超出本产地正常的生产范围。 （4） 客户需求量在一定的范围内或或是特定的具体值。 四．符号说明 基于题目及所要建立的模型所要用到的变量及参数，作如下符号说明： （1）产地用i A （2,1i =其中）表示，表示第产地i ；)2,1(=i a i 表示其发量； （2）客户用j B （其中j=1,2,3）表示，表示客户j;)3,2,1(=j b j 表示其需求量； （3）用ij c 1,2,3j 2;,1i ==其中表示产地i A （2,1i =其中）往客户j B （其中j=1,2,3）处运输产品的单位费用； （4）用z 表示总的运输费用； （5）用ij x 1,2,3j 2;,1i ==其中表示产地i A （2,1i =其中）运往客户j B （其
优化问题的数学模型
一. 管理科学的定义 管理科学是对与定量因素有关的管理问题通过应用科学的方法进行辅助管理决策制定的一门学科. (1) 定量因素(2) 科学的方法(3) 辅助决策制定 二.用管理科学的方法解决问题的基本步骤. （1） 提出问题，并根据需要收录有关数据信息。管理科学工作者向管理者咨询、鉴别所 要考虑的问题以确定合理的目标，然后根据要求收集一些关键数据，并对数据作相应的分析。 （2） 建立模型，引入决策变量，确定目标函数（约束条件）。建模过程是一项创造性的 工作，在处理实际问题时，一般没有一个唯一正确的模型，而是有多种不同的方案。建模是一个演进过程，从一个初始模型往往需要不断的完善渐渐演化成一个完整的数学模型。 （3） 从模型中形成一个对问题求解的算法。要在计算机上运行数学程序对模型进行求 解，一般情况下能找到对模型求解的标准软件。例如，对线性规划问题已有Excel 、Cplex 、Lingo 等标准软件求解。有时要自己编写程序。 （4） 测试模型并在必要时修正。在模型求解后，需要对模型进行检验，以保证该模型能 准确反映实际问题，需要检验模型提供的解是否合理，所有主要相关因素是否已考虑，当有些条件变化时，解如何变化等。 （5） 应用模型分析问题以及提出管理建议。对模型求解并分析后，将相应的最优方案提 交给管理者，由管理者做出决策。管理科学工作者并不作管理决策，其研究只是对涉及的问题进行分析并向管理者提出建议。管理者还要考虑管理科学以外的众多因素才能做出决策。 （6） 帮助实施管理决策。建议被管理者采纳以后，一旦做出管理决策一般要求帮助监督 决策方案的实施。 新问题, 新模型, 新算法, 新应用. 三.优化问题的数学模型 1212max(min)(,, ,) (,,)0..1,2,n j n Z f x x x g x x x s t j m =≤?? =? 由于,j f g 是非线性函数时，此问题是非线性优化问题, 求解较复杂。我们主要讨论线性优化问题，常见的形式：混合整数规划 （1） max 0 0 Z CX hY AX GY b X Y =++≤≥≥取整数 其中111,,,,m n m p m n p A G b C h ?????，不失一般性，我们假定,,,,C h A G b 都是整数矩阵。 当0p =时，（1）为纯整数规划，当0n =时，（1）为线性规划。
数学建模最优路径设计
2015高教社杯全国大学生数学建模竞赛 承诺书 我们仔细阅读了《全国大学生数学建模竞赛章程》和《全国大学生数学建模竞赛参赛规则》（以下简称为“竞赛章程和参赛规则”，可从全国大学生数学建模竞赛下载）。 我们完全明白，在竞赛开始后参赛队员不能以任何方式（包括、电子、网上咨询等）与队外的任何人（包括指导教师）研究、讨论与赛题有关的问题。 我们知道，抄袭别人的成果是违反竞赛章程和参赛规则的，如果引用别人的成果或其他公开的资料（包括网上查到的资料），必须按照规定的参考文献的表述方式在正文引用处和参考文献中明确列出。 我们重承诺，严格遵守竞赛章程和参赛规则，以保证竞赛的公正、公平性。如有违反竞赛章程和参赛规则的行为，我们将受到严肃处理。 我们授权全国大学生数学建模竞赛组委会，可将我们的论文以任何形式进行公开展示（包括进行网上公示，在书籍、期刊和其他媒体进行正式或非正式发表等）。 我们参赛选择的题号是（从A/B/C/D中选择一项填写）： A 我们的参赛报名号为（如果赛区设置报名号的话）： 所属学校（请填写完整的全名 参赛队员(打印并签名) ：1 2 指导教师或指导教师组负责人(打印并签名)：
（论文纸质版与电子版中的以上信息必须一致，只是电子版中无需签名。以上容请仔细核对，提交后将不再允许做任何修改。如填写错误，论文可能被取消评奖资格。） 日期：2015年7 月27 日赛区评阅编号（由赛区组委会评阅前进行编号）：
2015高教社杯全国大学生数学建模竞赛 编号专用页 赛区评阅编号（由赛区组委会评阅前进行编号）： 全国统一编号（由赛区组委会送交全国前编号）：全国评阅编号（由全国组委会评阅前进行编号）：
优化问题与规划模型
§3.6 优化问题与规划模型 与最大、最小、最长、最短等等有关的问题都是优化问题。 解决优化问题形成管理科学的数学方法：运筹学。运筹学主要分支：（非）线性规划、动态规划、图与网络分析、存贮学、排队伦、对策论、决策论。 6.1 线性规划 1939年苏联数学家康托洛维奇发表《生产组织与计划中的数学问题》 1947年美国数学家乔治.丹契克、冯.诺伊曼提出线性规划的一般模型及理论. 1. 问题 例1 作物种植安排 一个农场有50亩土地, 20个劳动力, 计划种蔬菜,棉花和水稻. 种植这三种农作物每亩地分别需要劳动力 1/2 1/3 1/4, 预计每亩产值分别为 110元, 75元, 60元. 如何规划经营使经济效益最大. 分析：以取得最高的产值的方式达到收益最大的目标. 1. 求什么？分别安排多少亩地种蔬菜、棉花、水稻？ x 1亩、 x 2 亩、 x 3 亩 2. 优化什么？产值最大 max f=10x 1+75x 2 +60x 3 3. 限制条件？田地总量 x 1+x 2 +x 3 ≤ 50 劳力总数 1/2x 1 +1/3x 2 +1/4x 3 ≤ 20 模型 I : 设决策变量：种植蔬菜 x 1亩, 棉花 x 2 亩, 水稻 x 3 亩， 求目标函数 f=110x 1+75x 2 +60x 3 在约束条件x 1+x 2 +x 3 ≤ 50 1/2x 1 +1/3x 2 +1/4x 3 ≤20 下的最大值 规划问题：求目标函数在约束条件下的最值, 规划问题包含3个组成要素: 决策变量、目标函数、约束条件。 当目标函数和约束条件都是决策变量的线性函数时，称为线性规划问题, 否则称为非线性规划问题。 2. 线性规划问题求解方法 称满足约束条件的向量为可行解,称可行解的集合为可行域, 称使目标函数达最值的可行解为最优解. 命题 1 线性规划问题的可行解集是凸集. 因为可行解集由线性不等式组的解构成。两个变量的线性规划问题的可行解集是平面上的凸多边形。 命题2 线性规划问题的最优解一定在可行解集的某个极点上达到. 图解法：解两个变量的线性规划问题，在平面上画出可行域，计算目标函数在各极点处的值，经比较后，取最值点为最优解。 命题3 当两个变量的线性规划问题的目标函数取不同的目标值时，构成一族平行直线,目标值的大小描述了直线离原点的远近。 于是穿过可行域的目标直线组中最远离(或接近)原点的直线所穿过的凸多边形的顶点即为取的极值的极点—最优解。 单纯形法 : 通过确定约束方程组的基本解, 并计算相应目标函数值, 在可行解
数学建模面试最优化问题
C题面试时间问题 有4名同学到一家公司参加三个阶段的面试：公司要求每个同学都必须首先找公司秘书初试，然后到部门主管处复试，最后到经理处参加面试，并且不允许插队(即在任何一个阶段4名同学的顺序是一样的)。由于4名同学的专业背景不同，所以每人在三个阶段的面试时间也不同，如下表所示(单位：分钟)： 这4名同学约定他们全部面试完以后一起离开公司．假定现在时间是早晨8:00问他们最早何时能离开公司? 面试时间最优化问题 摘要： 面试者各自的学历、专业背景等因素的差异，每个面试者在每个阶段的面试时间有所不同，这样就造成了按某种顺序进入各面试阶段时不能紧邻顺序完成，即当面试正式开始后，在某个面试阶段，某个面试者会因为前面的面试者所需时间长而等待，也可能会因为自己所需时间短而提前完成。因此本问题实质上是求面试时间总和的最小值问题，其中一个面试时间总和就是指在一个确定面试顺序下所有面试者按序完成面试所花费的时间之和，这样的面试时间总和的所有可能情况则取决于n 位面试者的面试顺序的所有排列数 根据列出来的时间矩阵，然后列出单个学生面试时间先后次序的约束和学生间的面试先后次序保持不变的约束，并将非线性的优化问题转换成线性优化目标，最后利用优化软件lingo变成求解。 关键词：排列排序0-1非线性规划模型线性优化 (1)
（一）问题的提出 根据题意，本文应解决的问题有： 1、这4名同学约定他们全部面试完以后一起离开公司。假定现在的时间是早晨8：00，求他们最早离开公司的时间； 2、试着给出此类问题的一般描述，并试着分析问题的一般解法。 （二）问题的分析 问题的约束条件主要有两个：一是每个面试者必须完成前一阶段的面试才能进入下一阶段的面试(同一个面试者的阶段次序或时间先后次序约束)，二是每个阶段同一时间只能有一位面试者(不同面试者在同一个面试阶段只能逐一进行)。 对于任意两名求职者P、Q，不妨设按P在前，Q在后的顺序进行面试，可能存在以下两情况： （一）、当P进行完一个阶段j的面试后，Q还未完成前一阶段j-1的面试，所以j阶段的考官必须等待Q完成j-1阶段的面试后，才可对Q进行j阶段的面试，这样就出现了考官等待求职者的情况。这一段等待时间必将延长最终的总时间。 （二）、当Q完成j-1的面试后，P还未完成j阶段的面试，所以，Q必须等待P完成j阶段的面试后，才能进入j阶段的面试，这样就出现了求职者等待求职者的情况。同样的，这个也会延长面试的总时间。 以上两种情况，必然都会延长整个面试过程。所以要想使四个求职者能一起最早离开公司，即他们所用的面试时间最短，只要使考官等候求职者的时间和求职者等候求职者的时间之和最短，这样就使求职者和考官的时间利用率达到了最高。他们就能以最短的时间完成面试一起离开公司。这也是我们想要的结果。 （三）模型的假设 1.我们假设参加面试的求职者都是平等且独立的，即他们面试的顺序与考官无关； 2.面试者由一个阶段到下一个阶段参加面试，其间必有时间间隔，但我们在这里假定该时间间隔为0； 3.参加面试的求职者事先没有约定他们面试的先后顺序； 4.假定中途任何一位参加面试者均能通过面试，进入下一阶段的面试。即：没有中途退出面试者； 5.面试者及各考官都能在8：00准时到达面试地点。 （四）名词及符号约束 1. aij （i=1,2，3，4；j=1,2,3)为求职者i在j阶段参加面试所需的时间 甲乙丙丁分别对应序号i=1，2,3，4 2.xij （i=1,2，3，4；j=1,2,3) 表示第i名同学参加j阶段面试的开始时间（不妨把早上8:00记为面试的0时刻） (2)
城市物流配送方案优化模型_数学建模
天津大学数学建模选拔赛 题目城市物流配送方案优化设计 摘要 所谓物流配送就是按照用户的货物（商品）订货要求和物流配送计划，在物流配送节点进行存储、分拣、加工和配货等作业后，将配好的货物送交收货人的过程。本文就如何设计该城市的配送方案和增设新的配送网点并划分配送范围展开讨论。 第一问中，首先，在设计合理的配送方案时，我们要知道评价一个配送方案的优劣需考虑哪些指标。根据层次分析法所得各指标的权重及各因素之间关系可知：合理的配送方案需要优化货车的调度以及行驶路线。 然后，根据该城市的流配送网络路网信息以及客户位置及需求数据信息，用EXCEL 进行数据统计并用matlab绘制物流信息图，在图中可以清晰地看出客户位置密集和稀疏的区域。之后，我们运用雷达图分割法将城市分为20个统筹区（以及100个二级子区域）。 接着，我们针对一个二级子区域分析货车行驶的最佳路线。利用聚类分析和精确重心法在二级子区域N1中设置了7个卸货点，该目标区域内的用户都将在该区域的卸货点取货。我们利用图论中的Floyd算法和哈密尔顿圈模型求解往返最短路线问题，得知最短路线为1246753 配送中心配送中心，最短路程为 →→→→→→→→ 84.4332KM，最短运货用时为2.11小时。 最后，根据用户位置和需货量，计算出货车数量和车次，并给出了其中一种合理的针对整个城市的货车调度配送方案。 第二问中，我们建立了多韦伯模型，通过非线性0-1规划，确定了城市增加的5个
一．问题重述 配送是指在经济合理区域范围内，根据客户要求，对物品进行拣选、加工、包装、分割、组配等作业，并按时送达指定地点的物流活动，即按用户定货要求，在配送中心或其它物流结点进行货物配备，并以最合理方式送交用户。 配送是从用户利益出发、按用户要求进行的一种活动，因此，在观念上必须明确“用户第一”，把用户利益作为设计配送方案时首先要考虑的问题。城市的配送系统不但要考虑企业自身和用户的利益，也应从公众利益出发，尽量减少交通拥挤和废物排放。这无疑更增加了配送系统管理的难度，有效解决该问题对于改善城市出行环境和提高企业服务水平具有重要意义。 基于以上背景，为某企业设计其配送方案，建立数学模型分析如下问题： （1）假设该公司在整个城区仅有一个配送中心（107.972554615162，26.6060305362822）。附件1中给出了企业顾客位置和需求数据。附件2为配送网络路网信息。由于顾客需求为平均量，为克服需求高峰车辆不够的情况，实际中通常对每辆车的装载量进行限制，实际载货量为规定满载量的70%。司机工作时间为每天8小时。不考虑车辆数量限制，请为企业设计合理的配送方案。（每件产品规格：长：27.5CM，宽：9CM，厚：5CM）。配送用车请参考实际货车规格自己选定。 （2）适当增加配送中心数量，能降低配送成本，假设计划增设5个配送中心，请为各配送网点划分配送范围。 二、问题背景和问题分析 2.1问题背景 所谓物流配送就是按照用户的货物（商品）订货要求和物流配送计划，在物流配送节点（仓库、商店、货物站、物流配送中心等）进行存储、分拣、加工和配货等作业后，将配好的货物送交收货人的过程，城市物流配送是指在城市范围内进行的物流配送业务活动，城市物流配送系统的服务对象归类为：政府、工业、商业、农业、大众客户。城市物流配送已随客户需求变化从“少品种、大批量、少批次、长周期”向“多品种、小批量、多批次、短周期”转变。随着中国城市化进程的进一步加快，不管是从城市经济发展，还是从城市空间结构、城市交通运输布局及城市基础设施建设来考虑，每个城市都面临一个对原有的物流配送系统进行改造、建立新的物流配送系统的问题，这就是城市物流配送系统优化提出的原因。[1] 2.2问题分析 对于第一问，为了得到最优的配送方案，我们着重从货车的调度和货车的行走路线进行设计。首先我们需要对城市进行分区，并设计货车在所有区域内进行统筹调度的方法。然后，我们针对某一个小的区域，运用图论的知识，寻找货车运送完全部货物的最短路线，实现用户、社会和公司总体利益的最大化。 对于第二问，我们需要找到五个新增配送中心的位置并且划分各个配送网点的配送范围。这是一个典型的多韦伯问题。期间我们不但要注意使得配送中心到用户的距离之和最短。同时也要满足配送中心尽量偏重用户需求量大的地区的要求。
数学建模实验答案_简单的优化模型
实验03 简单的优化模型（2学时） （第3章简单的优化模型） 1. 生猪的出售时机p63~65 目标函数（生猪出售纯利润，元）： Q(t) = ( 8 – g t )( 80 + rt ) – 4t–640 其中，t≥0为第几天出售，g为每天价格降低值（常数，元/公斤），r为每天生猪体重增加值（常数，公斤）。 求t使Q(t)最大。 1.1（求解）模型求解p63 (1) 图解法 绘制目标函数 Q(t) = ( 8 – g t )( 80 + rt ) – 4t–640 的图形（0 ≤t≤ 20）。其中，g=0.1, r=2。 从图形上可看出曲线Q(t)的最大值。 (2) 代数法 对目标函数 Q(t) = ( 8 – g t )( 80 + rt ) – 4t–640 用MATLAB求t使Q(t)最大。其中，r, g是待定参数。（先对Q(t)进行符号函数求导，对导函数进行符号代数方程求解） 然后将代入g=0.1, r=2，计算最大值时的t和Q(t)。 要求： ①编写程序绘制题(1)图形。
②编程求解题(2). ③对照教材p63相关内容。 相关的MATLAB函数见提示。 ★要求①的程序和运行结果：程序： 图形： ★要求②的程序和运行结果：程序：
运行结果： 1.2（编程）模型解的的敏感性分析p63~64 对1.1中(2)所求得的符号表达式t(r,g)，分别对g和r进行敏感性分析。 (1) 取g=0.1，对t(r)在r=1.5:0.1:3上求r与t的关系数据，绘制r与t的关系图形（见教材p65）。 (2) 取r=2，对t(g)在g=0.06:0.01:0.15上求g与t的关系数据，绘制g与t 的关系图形（见教材p65）。 要求：分别编写(1)和(2)的程序，调试运行。 ★给出(1)的程序及运行结果： 程序：
数学建模运输问题
华东交通大学数学建模 2012年第一次模拟训练题 所属学校：华东交通大学（ECJTU ） 参赛队员：胡志远、周少华、蔡汉林、段亚光、 李斌、邱小秧、周邓副、孙燕青 指导老师：朱旭生（博士） 摘要： 本文的运输问题是一个比较复杂的问题，大多数问题都集中在最短路径的求解问题上，问题特点是随机性比较强。 根据不同建模类型 针对问题一 ，我们直接采用Dijkstra 算法（包括lingo 程序和手算验证），将问题转化为线性规划模型求解得出当运送员在给第二个客户卸货完成的时，若要他先给客户10送货，此时尽可能短的行使路线为：109832V V V V V →→→→，总行程85公里。 针对问题二，我们首先利用prim 算法求解得到一棵最小生成树： 121098436751V V V V V V V V V V V →→→→→→→→→→ 再采用Dijkstra 算法求得客户2返回提货点的最短线路为12V V →故可得到一条理想的回路是：121098436751V V V V V V V V V V V →→→→→→→→→→ 后来考虑到模型的推广性，将问题看作是哈密顿回路的问题，建立相应的线性规划模型求解，最终找到一条满足条件的较理想的的货车送货的行车路线： 121098436751V V V V V V V V V V V →→→→→→→→→→。 针对问题三，我们首先直接利用问题二得一辆车的最优回路，以货车容量为限定条件，建立相应的规划模型并设计一个简单的寻路算法，最终可为公司确定合理的一号运输方案:两辆车全程总和为295公里（见正文）；然后建立线性规划模型得出二号运输方案：两辆车全程总和为290公里（见正文）； 针对问题四，
数学建模课程设计——优化问题
在手机普遍流行的今天，建设基站的问题分析对于运营商来说很有必要。本文针对现有的条件和题目的要求进行讨论。在建设此模型中，核心运用到了0-1整数规划模型，且运用lingo 软件求解。 对于问题一： 我们引入0-1变量，建立目标函数：覆盖人口最大数=所有被覆盖的社区人口之和，即max=15 1j j j p y =∑，根据题目要求建立约束条件，并用数学软件LINGO 对其模型求解，得到最优解。 对于问题二： 同样运用0-1整数规划模型，建立目标函数时，此处假设每个用户的正常资费相同，所以68%可以用减少人口来求最优值，故问题二的目标函数为：max=∑=15 1j j j k p 上述模型得到最优解结果如下： 关键字：基站; 0-1整数规划；lingo 软件
1 问题的重述．．．．．．．．．．．．．．．．．．．．．．．．．3 2 问题的分析．．．．．．．．．．．．．．．．．．．．．．．．．4 3 模型的假设与符号的说明．．．．．．．．．．．．．．．．．．．5 3.1模型的假设．．．．．．．．．．．．．．．．．．．．．． 5 3.2符号的说明．．．．．．．．．．．．．．．．．．．．．． 5 4 模型的建立及求解．．．．．．．．．．．．．．．．．．．．．. 5 4.1模型的建立．．．．．．．．．．．．．．．．．．．．．． 5 4.2 模型的求解．．．．．．．．．．．．．．．．．．．．．． 6 5 模型结果的分析．．．．．．．．．．．．．．．．．．．．．．．7 6 优化方向．．．．．．．．．．．．．．．．．．．．．．．．．．7 7 参考文献．．．．．．．．．．．．．．．．．．．．．．．．．．8 8、附录．．．．．．．．．．．．．．．．．．．．．．．．．．． 9
最优化问题的数学模型及其分类
最优化问题的数学模型及其分类 例1.1.1 产品组合问题 某公司现有三条生产线用来生产两种新产品，其主要数据如表1-1所示。请问如何生产可以让公司每周利润最大？ 表1-1 设每周生产的产品一和产品二 的产量分别为1x 和2x ，则每周的生产利润为：2153x x z +=。由于每周的产品生产受到三条生产线的可用时间的限制，因此1x ，2x 应满足以下条件： ?????? ?≥≤+≤≤0, 18231224212121 x x x x x x 故上述问题的数学模型为
2153max x x z += . .t s ?????? ?≥≤+≤≤0, 18231224212121 x x x x x x 其中max 是最大化（maximize ）的英文简称，??t s 是受约束于（subject to ）的简写。 例1.1.2 把一个半径为１的实心金属球熔化后，铸成一个 实心圆柱体，问圆柱体取什么尺寸才能使它的表面积最小？ 设圆柱体的底面半径为r ，高为h ，则该问题的数学模型为： ??? ??=? ?+=ππππ3 422min 22 h r t s r rh S 其中min 是最小化（minimize ）的简写。 通过以上二例，可以看出最优化问题的数学模型具有如下结构： （１） 决策变量（decision variable ）：即所考虑问题 可归结为优选若干个被称为参数或变量的量 n x x x ,,,21 ，它们都取实数值，它们的一组值构 成了一个方案。 （２） 约束条件（constraint condition ）：即对决策
变量n x x x ,,,21 所加的限制条件，通常用不等式或等式表示为： ()(),,,2,1, 0,,,,,2,1, 0,,,2121l j x x x h m i x x x g n j n i ===≥ （３） 目标函数（objective function ）和目标：如使 利润达到最大或使面积达到最小，通常刻划为极大化（maximize ）或极小化（minimize ）一个实值函数()n x x x f ,,21 因此，最优化问题可理解为确定一组决策变量在满足约束条件下，寻求目标函数的最优。 注意到极大化目标函数()n x x x f ,,21相当于极小化 ()n x x x f ,,21-，因此，约束最优化问题的数学模型一般可 表示为： () ()()()?? ? ??===≥??l j x x x h m i x x x g t s x x x f n j n i n ,,2,1,0,,,1.1.1,,2,1,0,,,,,min 212121 若记()T n x x x x ,,21=，则（1.1.1）又可写成：