数学建模中优化模型的求解方法[za]

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

运筹学与最优化方法习题集

一．单纯性法 1.用单纯形法求解下列线性规划问题（共 15 分） 12 2121212max 2515 6224..5 ,0 z x x x x x s t x x x x =+≤??+≤??+≤??≥? 2.用单纯形法求解下列线性规划问题（共 15 分） 12 121212max 2322 ..2210 ,0 z x x x x s t x x x x =+-≥-??+≤??≥? 3.用单纯形法求解下列线性规划问题（共 15 分） 1234 123412341234max 24564282 ..2341 ,,,z x x x x x x x x s t x x x x x x x x =-+-+-+≤? ?-+++≤??≥ ? 4.用单纯形法求解下列线性规划问题（共 15 分） 123 123123123123max 2360 210..20 ,,0 z x x x x x x x x x s t x x x x x x =-+++≤??-+≤??+-≤??≥? 5.用单纯形法求解下列线性规划问题（共 15 分） 123 12312123max 224 ..26,,0 z x x x x x x s t x x x x x =-++++≤??+≤??≥? 6.用单纯形法求解下列线性规划问题（共 15 分）

12 121212 max 105349..528 ,0z x x x x s t x x x x =++≤??+≤??≥? 7.用单纯形法求解下列线性规划问题（共 16 分） 12 121212max 254 212..3218 ,0 z x x x x s t x x x x =+≤??≤??+≤??≥?

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）：

运筹学课程设计-个人学习时间优化分配

个人学习时间优化分配 设计总说明（摘要） 合理的安排时间方案，采取最优化的时间组合，有利于我们充分发挥各个时间阶段的学习效益。同时可以使我们的学习符合日常行为及自身特点，不仅使时间得到有效安排，也使得我们的身心得到和谐。此次，研究分配一天中四个阶段四门课程的学习时间，就是根据学生的身心特点，和各阶段对各课程学习的收获程度，采取获得程度量化的方法，设计出一个最优的时间组合方案，从而获得最大的收获效益。即获得学习的最大价值。 在这个过程中要将运筹学的各种理论知识与具体实际情况相结合。首先是确 定所要研究的问题，考虑所需要的各种数据，根据实际需求确定所需要的数据和模拟量化的数据。将数据整理形成分析和解决问题的具体模型。其次对已得模型利用计算机进行求解，得出方程的最优解。最后结合所研究问题的实际背景，对模型的解进行评价、分析以及调整，并对解的实施与控制提出合理化的建议。 关键词：时间优化，线性规化，最优解，获得效益最大 目录 1.绪论 1.1研究的背景 (3) 1.2研究的主要内容与目的 (3) 1.3研究的意义 (3) 1.4研究的主要方法与思路 (3) 2.理论方法的选择 2.1所研究的问题的特点 (4) 2.2拟采用的运筹学理论方法的特点 (4) 2.3理论方法的适用性及有效性论证 (5) 3.模型的建立 3.1 基础数据的确定 (5) 3.2变量的设定 (6) 3.3目标函数的建立 (6) 3.4限制条件的确定 (6) 3.5模型的建立 (7) 4.模型的求解及解的分析 4.1模型的求解 (7) 4.2解的分析与评价 (9) 5.结论与建议 5.1研究结论 (11)

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)

运筹学与最优化方法线性规划案例分析报告

案例：连续投资的优化问题 一、题目： 某企业在今后五年内考虑对下列项目投资，已知：，从第一年到第四年每年年初需要投资，并于次年末收回本利115%。项目A，但规定最大投资额不超B，第三年年初需要投资，到第五年末能收回本利125%项目40万元。过，但规定最大投资额不超，第二年年初需要投资，到第五年末能收回本利140%项目C 30万元。过6%。项目D，五年内每年年初可购买公债，于当年末归还，并加利息问它应如何确定给这些项目的每年投100万元，该企业5年内可用于投资的资金总额为资使得到第五年末获得的投资本利总额为最大？ 二、建立上述问题的数学模型的投资额，它们都是待定的年初给项目A,B,C,D, X （i=1.2.3.4.5）为第i设X,X , X iDiB1AiC每年年初均可投资，年末收回本利，固每年的投资额应该等于手中拥未知量。由于项目D 有的资金额。建立该问题的线性规划模型如下： +1.06X+1.40X+1.25XMax Z=1.15X5D 2C4A3B X+X=1000000 (1) 1D1A X+X+X=1.06X (2) 1D2C2A2D X+X+X=1.15X+1.06X (3) 3A 3B 3D 1A 2D s.t. X+X=1.15X+1.06X(4) 3D 4A 4D 2A X=1.15X+1.06X (5)5D 3A4D X<=400000 (6) 3B X<=300000 (7) 2C X , X , X, X>=0 i=1,2,3,4,5 iD1AiCiB 经过整理后如下： Max Z=1.15X+1.40X+1.25X+1.06X5D 2C4A3B X+X=1000000 1D1A-1.06X+ X+X+X =0 2D2A2C1D-1.15X-1.06X+ X+X+X=0 3D3A1A3B2D s.t. -1.15X-1.06X +X+X=0 4D3D4A2A-1.15X-1.06X+ X=0 5D4D3A X<=400000 3B X<=300000 2C i=1,2,3,4,5 , X , X, X>=0 X iDiBiC1A 求解过程以及相应的结果三、Excel中进行布局并输入相应的公式）在Excel1 （

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

数学建模案例之多变量最优化

数学建模案例之多变量最 优化

数学建模案例之 多变量无约束最优化 问题1[1]：一家彩电制造商计划推出两种产品：一种19英寸立体声彩色电视机，制造商建议零售价（MSRP）为339美元。另一种21英寸立体声彩色电视机，零售价399美元。公司付出的成本为19英寸彩电195美元/台，21英寸彩电225美元/台，还要加上400000美元的固定成本。在竞争的销售市场中，每年售出的彩电数量会影响彩电的平均售价。据估计，对每种类型的彩电，每多售出一台，平均销售价格会下降1美分。而且19英寸彩电的销售量会影响21英寸彩电的销售量，反之也是如此。据估计，每售出一台21英寸彩电，19英寸的彩电平均售价会下降0.3美分，而每售出一台19英寸的彩电，21英寸彩电的平均售价会下降0.4美分。问题是：每种彩电应该各生产多少台？ 清晰问题：问每种彩电应该各生产多少台，使得利润最大化？ 1．问题分析、假设与符号说明 这里涉及较多的变量： s：19英寸彩电的售出数量（台）； t：21英寸彩电的售出数量（台）； p：19英寸彩电的售出价格（美元/台）； q：21英寸彩电的售出价格（美元/台）； C：生产彩电的成本（美元）； R：彩电销售的收入（美元）； P：彩电销售的利润（美元）

两种彩电的初始定价分别为：339美元和399美元，成本分别为：195美元和225美元；每种彩电每多销售一台，平均售价下降系数a=0.01美元（称为价格弹性系数）；两种彩电之间的销售相互影响系数分别为0.04美元和0.03美元；固定成本400000美元。 变量之间的相互关系确定： 假设1：对每种类型的彩电，每多售出一台，平均销售价格会下降1美分。 假设2：据估计，每售出一台21英寸彩电，19英寸的彩电平均售价会下降0.3美分，而每售出一台19英寸的彩电，21英寸彩电的平均售价会下降0.4美分。 因此，19英寸彩电的销售价格为： p=339-a×s-0.03×t，此处a=0.01 21英寸彩电的销售价格为： q=399-0.01×t-0.04×s 因此，总的销售收入为： R=p×s+q×t 生产成本为： C=400000+195×s+225×t 净利润为： P=R-C 因此，原问题转化为求s≥0和t≥0，使得P取得最大值。 2．建立数学模型 根据前面的分析，原问题的数学模型如下：

运筹学最优化方法复习

第1章 最优化问题的基本概念 §1.1最优化的概念 最优化就是依据最优化原理和方法，在满足相关要求的前提下，以尽可能高的效率求得工程问题最优解决方案的过程。 §1.2最优化问题的数学模型 1.最优化问题的一般形式 ??? ????===≤q v x x x h p u x x x g t s x x x f x x x f i n d n v n u n n ,,2,10),,,(,,2,10),,,(..),,,(m i n ,,,21212121 2.最优化问题的向量表达式 ??? ? ???=≤0)(0)(..)(m i n X H X G t s X f X f i n d 式中：T n x x x X ],,,[21 = T p X g X g X g X G )](,),(),([)(21 = T p X h X h X h X H )](,),(),([)(21 = 3.优化模型的三要素 设计变量、约束条件、目标函数称为优化设计的三要素！ 设计空间：由设计变量所确定的空间。设计空间中的每一个点都代表一个设计方案。 §1.3优化问题的分类 按照优化模型中三要素的不同表现形式，优化问题有多种分类方法： 1按照模型中是否存在约束条件，分为约束优化和无约束优化问题 2按照目标函数和约束条件的性质分为线性优化和非线性优化问题 3按照目标函数个数分为单目标优化和多目标优化问题 4按照设计变量的性质不同分为连续变量优化和离散变量优化问题 第2章 最优化问题的数学基础 §2.1 n 元函数的可微性与梯度

一、可微与梯度的定义 1.可微的定义 设)(X f 是定义在n 维空间n R 的子集D 上的n 元实值函数，且D X ∈0。若存在n 维向量L ，对于任意n 维向量P ，都有 0)()(lim 000=--+→P P L X f P X f T P 则称)(X f 在0X 处可微。 2.梯度 设有函数)(X F ，T n x x x X ],,,[21 =，在其定义域内连续可导。我们把)(X F 在定义域内某点X 处的所有一阶偏导数构成的列向量，定义为)(X F 在点X 处的梯度。记为： T n k x F x F x F X F ????????????=?,,,)(21 梯度有3个性质： ⑴函数在某点的梯度方向为函数过该点的等值线的法线方向； ⑵函数值沿梯度方向增加最快，沿负梯度方向下降最快； ⑶梯度描述的只是函数某点邻域内的局部信息。 §2.2极小点及其判别条件 一、相关概念 1.极小点与最优解 设)(X f 是定义在n 维空间n R 的子集D 上的n 元实值函数，若存在D X ∈*及实数 0>δ，使得)(),(**X X D X N X ≠?∈?δ都有)()(*X f X f ≤，则称*X 为)(X f 的局部极小点；若)()(*X f X f <，则称*X 为)(X f 的严格局部极小点。 若D X ∈?，都有)()(*X f X f ≤，则称*X 为)(X f 的全局极小点，若)()(*X f X f <，则称*X 为)(X f 的全局严格极小点。 对最优化问题??? ? ???=≤0)(0)(..)(min X H X G t s X f X find 而言 满足所有约束条件的向量T n x x x X ],,,[21 =称为上述最优化问题的一个可行解，全体可行解组成的集合称为可行解集。在可行解集中，满足： )(m i n )(*X f X f =的解称为优化问题的最优解。

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-面试最优化问题

C题面试时间冋题 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 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）

数学建模一等奖-输油管布置的优化模型

输油管布置的优化模型 摘要 本文建立了输油管线布置的优化问题.为了使两家炼油厂到铁路线上增建的车站的管线铺设费用最省，依据题目提供的有关数据及相关信息，设计出了总费用最少的输油管布置方案以及增建车站的具体位置，最终在讨论分析后，对模型做出了评价和推广. 模型Ⅰ：对问题1,根据两炼油厂到铁路线距离和两炼油厂间的不同距离以及共用管线与非共用管线的两种不同情况，给出了四种处理方案，并从图形上加以说明. 模型Ⅱ：对问题2,建立了最优模型.在单目标非线性规划模型中，将输油管道铺设分为两个过程.先将输油管道从城区铺设到城郊区域边界线上一点，再从该点铺设到铁路线上.这样，总的费用就化为这两个过程的管道费用之和.本模型兼顾到管线的铺设费用，在城区铺设管线需增加的拆迁和工程补偿等附加费用，运用Lingo9.0数学软件得到新增车站的建设位置、管线的具体布置方案及管线费用最小值281.6893万元. 模型Ⅲ：根据炼油厂的实际能力，借助题目提供的输送A、B两厂原油的管线铺设费用，在模型Ⅱ的基础上建立最优模型，给出管线最佳布置方案及相应的最省管线铺设费用为250.9581万元. 关键词：输油管共用管线非共用管线 Lingo9.0 非线性规划

一、问题重述 某油田计划在铁路线一侧建造两家炼油厂，同时在铁路线上增建一个车站，用来运送成品油。由于这种模式具有一定的普遍性，油田设计院希望建立管线建设费用最省的一般数学模型和方法。 现欲解决下列问题： 问题1：针对炼油厂到铁路线距离和两炼油厂间距离的各种不同情形，提出设计方案。在方案设计时，若有共用管线，考虑共用管线与非共用管线相同或不同的情形。 问题2：设计院目前需对一更为复杂的情形(两炼油厂的具体位置)进行具体的设计。两炼油厂的具体位置如下图： 若所有管线的费用均为7.2万元/千米。铺设在城区的管线还需增加迁拆和工程补偿等附加费用，为对此附加费用进行估计，聘请三家工程咨询公司(其中一具有甲级资质，公司二和公司三具有乙级资质)进行了估算。估算结果如下表所示： 工程咨询公司公司一公司二公司三附加费用(万元/千米)212420 要求我们为设计院给出管线布置方案及相应的费用。 问题3：在实际问题中，为进一步节省费用，可以根据炼油厂的生产能力，选用相应的油管。这时的管线铺设费用将分别降为输送A厂成品油为5.6万元/千米，输送B厂成品油为6.0万元/千米，共用管线费用为7.2万元/千米，拆迁等附加费用同上。请给出管线最佳布置方案及相应的费用。

运筹学与最优化理论教学大纲doc - 三峡大学计算机与信息学院

硕士研究生课程大纲 课程名称（中文）：运筹学与最优化理论 课程名称（英文）：Operations Research and Optimization Theory 课程编码：Y04020B 开课单位：电气信息学院 授课对象：管理科学与工程、控制理论与控制工程、电力系统及其自动化专业硕士研究生任课教师：游文霞 学时：48 学分： 3 学期：2 考核方式: 撰写论文 先修课程：线性代数、高等数学、概率论、数理统计 课程简介： 运筹学是以定量分析为主来研究经济管理与生产实践等问题。它将工程思想和管理思想相结合，应用系统的、科学的、数学分析的方法，通过建模、检验和求解数学模型获得最优决策方案。 一、教学目的与基本要求：（150字以内） 通过讲授和各种实践环节(作业、讨论)，使学生掌握运筹学整体优化的思想和若干定量分析的优化技术，能正确应用各类模型分析、解决各种实际问题，培养和提高学生科学思维、科学方法、实践技能和创新能力。 二、课程内容与学时分配 1、课程主要内容：（200字以内） 主要讲授线性规划，单纯形法，线性规划的对偶理论及灵敏度分析，非线性规划，整数规划，目标规划，动态规划，网络模型，决策理论等与经济、管理、控制领域密切相关的运筹学分支的基本模型、方法和应用。 2、课程具体安排：（按教学章节编写，重点章节下划线）

三、实验、实践环节及习题内容与要求 针对每个章节的内容，结合实际应用，布置相应的习题作业，要求学生在大量做练习题的过程中，学习如何采用定量的分析方法来分析、求解相关的实际问题，掌握相关的优化方法的基本思想与求解算法。 四、教材及主要参考文献（顺序为：文献名，作者，出版时间，出版单位）： 教材名称： Frederick S. Hillier, Gerald J. Lieberman. Introduction to Operation Research (8e) (运筹学导论，第八版). McGraw-Hill Press, 2005. 参考书： [1]Wayne L. Winston.《运筹学：数学规划》（影印版）[M]. 北京：清华大学出版社，2004. [2]Wayne L. Winston.《运筹学：决策方法》（影印版）[M]. 北京：清华大学出版社，2004. [3]V.G..Kulkarni.《运筹学：应用数学模型》（影印版）[M]. 北京：清华大学出版社，2006. [4]胡运权，郭耀煌. 运筹学教程（第二版）[M]. 北京：清华大学出版社，2003. [5]运筹学教材组编. 运筹学(修订版) [M]. 北京：清华大学出版社，2004. [6]徐渝，贾涛. 运筹学[M]. 北京：清华大学出版社，2005. [7]熊伟.运筹学[M].北京：机械工业出版社，2005. [8]胡运权.运筹学习题集[M].北京：清华大学出版社，2002. 撰写人：游文霞 学位分委员会签字： 学院主管研究生教学院长签字：

数学建模五步法与灵敏度分析

灵敏度分析 简介： 研究与分析一个系统（或模型）的状态或输出变化对系统参数或周围条件变化的敏感程度的方法。在最优化方法中经常利用灵敏度分析来研究原始数据不准确或发生变化时最优解的稳定性。通过灵敏度分析还可以决定哪些参数对系统或模型有较大的影响。因此，灵敏度分析几乎在所有的运筹学方法中以及在对各种方案进行评价时都是很重要的。 用途： 主要用于模型检验和推广。简单来说就是改变模型原有的假设条件之后，所得到的结果会发生多大的变化。 举例（建模五步法）： 一头猪重200磅，每天增重5磅，饲养每天需花费45美分。猪的市场价格为每磅65美分，但每天下降1美分，求出售猪的最佳时间。 建立数学模型的五个步骤： 1.提出问题 2.选择建模方法 3.推到模型的数学表达式 4.求解模型 5.回答问题 第一步：提出问题 将问题用数学语言表达。例子中包含以下变量：猪的重量w（磅），从现在到出售猪期间经历的时间t（天），t天内饲养猪的花费C（美元），猪的市场价格p（美元/磅），出售生猪所获得的收益R（美元），我们最终要获得的净收益P（美元）。还有一些其他量，如猪的初始重量200磅。 （建议先写显而易见的部分） 猪从200磅按每天5磅增加 （w磅）=（200磅）+（5磅/天）*（t天） 饲养每天花费45美分 （C美元）=（0.45美元/天）*（t天） 价格65美分按每天1美分下降 （p美元/磅）=（0.65美元/磅）-（0.01美元/磅）*（t天） 生猪收益 （R美元）=（p美元/磅）*（w磅） 净利润 （P美元）=（R美元）-（C美元） 用数学语言总结和表达如下： 参数设定： t=时间（天）

w=猪的重量（磅） p=猪的价格（美元/磅） C=饲养t天的花费（美元） R=出售猪的收益（美元） P=净收益（美元） 假设： w=200+5t C=0.45t p=0.65-0.01t R=p*w P=R-C t>=0 目标：求P的最大值 第二步：选择建模方法 本例采用单变量最优化问题或极大—极小化问题 第三步：推导模型的数学表达式子 P=R-C （1） R=p*w （2） C=0.45t （3） 得到R=p*w-0.45t p=0.65-0.01t （4） w=200+5t （5） 得到P=（0.65-0.01t)(200+5t)-0.45t 令y=P是需最大化的目标变量，x=t是自变量，现在我们将问题转化为集合S={x:x>=0}上求函数的最大值： y=f（x）=（0.65-0.01x)(200+5x)-0.45x （1-1） 第四步：求解模型 用第二步中确定的数学方法解出步骤三。例子中，要求（1-1）式中定义的y=f （x）在区间x>=0上求最大值。下图给出了（1-1）的图像和导数（应用几何画板绘制）。在x=8为全局极大值点，此时f（8）=133.20。因此（8，133.20）为f在整个实轴上的全局极大值点，同时也是区间x>=0上的最大值点。 第五步：回答问题 根据第四步，8天后出售生猪的净收益最大，可以获得净收益133.20美元。只要第一步中的假设成立，这一结果正确。

数学建模_电梯控制优化调度模型

太原工业学院数学建模竞赛 承诺书 我们仔细阅读了太原工业学院数学建模竞赛的竞赛规则与赛场纪律。 我们完全明白，在竞赛开始后参赛队员不能以任何方式（包括电话、电子邮件、网上咨询等）与队外的任何人研究、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。 我们郑重承诺，严格遵守竞赛规则，以保证竞赛的公正、公平性。如有违反竞赛规则的行为，我们将受到严肃处理。 我们参赛的题目是（从A/B/C中选择一项填写）：A ［注］答卷评阅前由主办单位将论文第一页取下保存，同时在第一页和第二页建立“评阅 编号。 日期：2011 年5_月22 日

电梯调度方案问题 摘要 本文的目的是设计电梯控制的优化调度模型以解决师生等待时间长的问题。 前期准备阶段通过对教学主楼电梯的运行情况和学生使用电梯的情况进测量、调 查研究，得到建立模型的相关数据。通过对实际情况作合理假设，将问题归结为：（一）减少师生等待电梯、乘坐电梯以及爬行楼梯所需的时间； （二）使电梯的能量损耗尽可能小。综合以上两种因素建立出合理模型，制定出优化调度方案。 模型I对以上三项指标进行综合考虑，将等待电梯时间Ti 1,乘坐电梯时间Ti2,爬行楼梯时间T i 3按照一定比例量化，对目标函数T（C1, c 2,... c k）利用Visual C++面向对象程序设计语言进行枚举求解，穷尽各种情况，取得最优解。而模型U是对模型I的改进与完善，并将电梯能量损耗E k作为目标函数 s G,C2,llb k的一部分，求解出1号电梯在第8，10层停靠，2号电梯在第7, 9层停靠的结果。此结果基本上能够使师生的不满意度达到最小，同时保证电梯的能 耗相对较小。 我们认为，本文的模型假设简单但合乎情理，利用Visual C++面向对象程 序设计语言，对各种情况进行枚举，所得到的结果具有科学性。在模型讨论与分析阶段中，本文根据实际情况对电梯的优化调度方案进行理论剖析，并对极端情 况进行分解。从数据处理方面，本文给出了模型参数灵敏度分析，提高结果的可信度。如果要考虑更复杂的情况，该模型也可以对假设和其他各方面进行改进， 容易进行推广。因此这是一个比较理想的优化模型

数学建模中常用的思想和方法

数学建模中常用的思想和方法（1） knowledge 2010-08-19 00:42:51 阅读160 评论0字号：大中小 在数学建模中常用的方法：类比法、二分法、量纲分析法、差分法、变分法、图论法、层次分析法、数据拟合法、回归分析法、数学规划（线性规划，非线性规划，整数规划，动态规划，目标规划）、机理分析、排队方法、对策方法、决策方法、模糊评判方法、时间序列方法、灰色理论方法、现代优化算法（禁忌搜索算法，模拟退火算法，遗传算法，神经网络）。用这些方法可以解下列一些模型：优化模型、微分方程模型、统计模型、概率模型、图论模型、决策模型。 拟合与插值方法（给出一批数据点，确定满足特定要求的曲线或者曲面，从而反映对象整体的变化趋势）：matlab可以实现一元函数，包括多项式和非线性函数的拟合以及多元函数的拟合，即回归分析，从而确定函数；同时也可以用matlab实现分段线性、多项式、样条以及多维插值。 在优化方法中，决策变量、目标函数（尽量简单、光滑）、约束条件、求解方法是四个关键因素。其中包括无约束规则（用fminserch、fminbnd实现）线性规则（用linprog实现）非线性规则、（用fmincon实现）多目标规划（有目标加权、效用函数）动态规划（倒向和正向）整数规划。 回归分析：对具有相关关系的现象，根据其关系形态，选择一个合适的数学模型，用来近似地表示变量间的平均变化关系的一种统计方法（一元线性回归、多元线性回归、非线性回归），回归分析在一组数据的基础上研究这样几个问题：建立因变量与自变量之间的回归模型（经验公式）；对回归模型的可信度进行检验；判断每个自变量对因变量的影响是否显著；判断回归模型是否适合这组数据；利用回归模型对进行预报或控制。相对应的有线性回归、多元二项式回归、非线性回归。 逐步回归分析：从一个自变量开始，视自变量作用的显著程度，从大到地依次逐个引入回归方程：当引入的自变量由于后面变量的引入而变得不显著时，要将其剔除掉；引入一个自变量或从回归方程中剔除一个自变量，为逐步回归的一步；对于每一步都要进行值检验，以确保每次引入新的显著性变量前回归方程中只包含对作用显著的变量；这个过程反复进行，直