优化问题数学建模
数学建模 学校选址问题模型
学校选址问题 摘 要 本文针对某地新开发的20个小区建设配套小学问题建立了0-1规划模型和优化模型。为问题一和问题二的求解，提供了理论依据。 模型一： 首先：根据目标要求，要建立最少学校的方案列出了目标函数： ∑==16 1i i x s 然后：根据每个小区至少能被一所学校所覆盖，列出了20个约束条件; 最后：由列出的目标函数和约束函数，用matlab 进行编程求解，从而得到，在每个小区至少被一所学校所覆盖时，建立学校最少的个数是四所，并且一共有22种方案。 模型二： 首先：从建校个数最少开始考虑建校总费用，在整个费用里面，主要是固定费用，由此在问题一以求解的条件下，进行初步筛选，得到方案1,4,8的固定成本最少。 然后：在初步得出成本费用最少时，对每个这三个方案进一步的求解，求出这三个方案的具体的总费用，并记下这三套方案中的最小费用。 其次：对这三套方案进行调整，调整的原则是：在保证每个小区有学校覆盖的条件下，用多个固定成本费用低的备选校址替换固定成本费用高的备选校址。在替换后，进行具体求解。 再次：比较各种方案的计算结果，从而的出了如下结论： 选用10,11,13,15,16号备选校址的选址方案，花费最少，最少花费为13378000元。 最后：对该模型做了灵敏度分析，模型的评价和推广。 关键字：最少建校个数 最小花费 固定成本 规模成本 灵敏度分析
1. 问题重述 1.1问题背景： 某地新开发的20个小区内需要建设配套的小学，以方便小区内居民的的孩子上学。但是为了节省开支，建造的学校要求尽量的少，为此，设备选定的16个校址提供参考，各校址覆盖的小区情况如表1所示： 表1-1备选校址表 备选校址 1 2 3 4 5 6 7 8 覆盖小区 1,2,3, 4,6 2,3,5,8, 11,20 3,5,11,20 1,4,6,7, 12 1,4,7,8,9,11,13, 14 5,8,9,10 11,16,20 10,11,1516,19, 20 6,7,12, 13,17, 18 备选校址 9 10 11 12 13 14 15 16 覆盖小区 7,9,13, 14,15, 17,18, 19 9,10,14,15,16, 18,19 1,2,4,6, 7 5,10,11, 16,20, 12,13，14,17, 18 9,10,14, 15 2,3,,5, 11,20 2,3,4,5,8 1.2 问题提出： 问题一、求学校个数最少的建校方案，并用数学软件求解（说明你所使用的软件并写出输入指令）。 问题二、设每建一所小学的成本由固定成本和规模成本两部分组成，固定成本由学校所在地域以及基本规模学校基础设施成本构成，规模成本指学校规模超过基本规模时额外的建设成本，它与该学校学生数有关，同时与学校所处地域有关。设第i 个备选校址的建校成本i c 可表示为 ?? ???-??+=， 否则， 若学生人数超过学生人数0600 )600(50 1002000i i i c βα 其中i α和i β由表1-2给出： 表1-2 学校建设成本参数表（单位：百万元） 备选校址 1 2 3 4 5 6 7 8 i α 5 5 5 5 5 5 5 3.5 i β 0.15 0.15 0.15 0.15 0.15 0.15 0.15 0.1 备选校址 9 10 11 12 13 14 15 16 i α 3.5 3.5 3.5 3.5 2 2 2 2 i β 0.1 0.1 0.1 0.1 0.05 0.05 0.05 0.05 考虑到每一小区的学龄儿童数会随住户的迁移和时间发生变化,当前的精确数据并不能作为我们确定学校规模的唯一标准，于是我们根据小区规模大小用统计方法给出每个小区的学龄儿童数的估计值，见表1-3： 表1-3.各小区1到6年级学龄儿童数平均值（样本均值） 小区 1 2 3 4 5 6 7 8 9 10 学龄儿童数 120 180 230 120 150 180 180 150 100 160
数学建模路线优化问题
选路的优化模型 摘要: 本题是一个有深刻背景的NPC问题，文章分析了分组回路的拓扑结构，并构造了多个模型，从多个侧面对具体问题进行求解。最短树结构模型给出了局部寻优的准则算法模型体现了由简到繁，确保较优的思想而三个层次分明的表述模型证明了这一类问题共有的性质。在此基础上我们的结果也是比较令人满意的。如对第一题给出了总长为599.9，单项长为216的分组，第二题给出了至少分四组的证明。最后，我们还谈到了模型的优缺点及推广思想。 一、问题描述 “水大无情，人命关天”为考察灾情，县领导决定派人及早将各乡（镇），村巡视一遍。巡视路线为从县政府所在地出发，走遍各乡（镇），村又回到县政府所在地的路线。 1.若分三组巡视，试设计总路程最短且各组尽可能均衡的巡视路线。 2.假定巡视人员在各乡（镇）停留时间为T=2小时，在各村停留时间为t =1 小时， 汽车行驶速度为V=35公里/时，要在24小时内巡视完，至少分成几组；给出这 种分组下你认为最佳的巡视路线。 3.上述关于T，t和V的假定下，如果巡视人员足够多，完成巡视的最短时间是多 少？给出在这种最短时间完成巡视的要求下，你认为最佳的巡视路线。 4.巡视组数已定（如三组）要求尽快完成巡视，讨论T，t和V改变时最佳路线的 影响（图见附录）。 二、问题假设 1、乡（镇）村只考察一次，多次经过时只计算一次停留时间。 2、非本县村不限制通过。 3、汽车的行驶速度始终一致。 三、符号说明 第i 人走的回路Ti=vv i(i) v2(i)v n(i) Ti=00表示第i人在0点没移动 四、模型建立
在这一节里，我们将提出若干个模型及其特点分析，不涉及对题目的求解。 最简树结构模型 在这个模型中我们依靠利用最短树的特殊结构所给出的准则，进行局部寻优，在一个不大的图里，我们较易得到较优解。 (a)分片 准则1利用最短树的长度可大致的估算出路程长，在具体操作中，各片中 的最短路程长度不宜相差太大。 准则 2 尽可能将最短树连成一个回路，这可保证局部上路程是较短的。 (b)片内调整 a2 a3 a4 a5 a6假设a3 a4有路相连 细准1对于右图的最短树结构，最好的走法是a 若a3 a4 进去重复走的话，它与上述的走法路程差w(a3, a2)+w(a2 ,a5)+w(a4, a5)—w(a3, a4)。由两点间最小原则上式是大于0的优劣可见 细准2若有如图所示结构，一般思想是：将中间树枝上的点串到两旁树枝，以便连成回路。 五、模型求解 问题一该问题完全可以用均衡模型表述 用算法模型 1 经过局部优化手工多次比较我们能够给出的最佳结果为第一组路径为 0—P—28—27—26—N—24—23—22-17—16—1—15—1—18—K—21—20—25— M--0 长191.1 经5 镇6 村 第二组路径为 0—2—5—6—L—19—J—11--G—13—14—H—12—F—10—F—9—E—8—E—7—6—5—2—0 长216.5 经6 镇11 村第三组路径为O—2—3—D—4—D—3—C—B—1—A—34—35—33—31—32—30—Q—29 —R 长192.3 经6 镇11 村总长S=599.9 公里 由算法2 给出的为 1组0—P—29—R—31—33—A—34—35—32—30—Q—28—27—26—N—24—33—22—23—N—2 6—P—0 5 乡13 村长215.2 公里 2组0—M—25—21—K—17—16—I—15—I—18—K—21—25—20—L—19—J—11—G—13—14 —O 5 乡11 村长256.2 公里 3组 O—2—5—6—7—E—9--F—12--H--—12—F—10—F—9—E-8—4—0—7—6—M—5-2—3—L —13—1—0 8 乡11 村长256.3 公里 总长727.7 公里
机场选址问题数学建模优秀论文
机场选址问题 摘要 针对机场选址问题，文章共建立了三个模型用以解决该类问题。为了计算出任意两城市之间的距离，我们利用公式（1）将利用题目中所给的大地坐标得出了任意两点之间的距离，见附录2。 对于问题1，我们主要利用0-1变量法，从而对问题进行了简化。我们设了第i个 y以及第i个城市是否是以第j个支线机场为最近机场的()j i x,。城市是否建支线机场的 i 然后将任意两点之间的距离与该城市的总人数之积，再乘以0-1变量()j i x,，最后得出每一个所有城市到最近机场的距离与该城市人口的乘积，然后利用LINGO进行编写程序，进行最优化求解，最后得出的结果见表1和表2，各大城市以及支线机场的分布见图2。 对于问题2，该问题是属于多目标规划的问题，目标一是居民距离最近机场的距离最短，目标二是每个机场覆盖人口数尽可能相等。我们在第一题的基础上，又假设了一些正、负偏差变量，对多个目标函数设立优先级，把目标函数转化为约束条件，进而求得满足题目要求的结果。 对于问题3，我们分析到影响客流量的因素是GDP跟居民人数，所以通过所搜集的资料分析我们给予这两个因素以不同的权重。然后同样采取问题2中所给的反求机场覆盖的方法，求的各个机场所覆盖的客流量，再让其在平均客流量水平上下浮动。通过LINGO程序的运行得到的六个机场的坐标见表6，六个机场的分布见图7。 针对论文的实际情况，对论文的优缺点做了评价，文章最后还给出了其他的改进方向，以用于指导实际应用。 关键词：选址问题；多目标规划；LINGO；0-1变量法；加权
1．问题的重述 近年来，随着我国经济社会的迅猛发展，公共交通基础设施日趋需要进一步完善与提高。支线机场作为我国交通运输体系的有机组成部分，对促进欠发达地区经济社会的发展具有基础性的作用。现某区域有30个城市，本区域计划在未来的五年里拟建6个支线机场。 任务1，确定6个支线机场的所在城市，建立居民到最近机场之间的平均距离最小的数学模型。 任务2，在任务一基础上，确定6个支线机场的所在城市，建立使得每个支线机场所覆盖的居民人数尽可能均衡的数学模型。 任务3，在任务一基础上，根据近一年每个城市的GDP 情况，确定6个支线机场的所在城市，建立使得每个支线机场的客流量尽量均衡的数学模型。 2．问题的分析 2．1 问题1 题目要求是建立居民到最近机场之间的平均距离最小的数学模型，该问题其实就是利用的0-1变量建立的模型。首先我们设两个0-1变量，一个是控制某个城市是否为支线机场的i y ，一个是控制某个城市的最近机场是哪一个的ij x 。针对于上述两个0-1变量，我们分别设立了约束条件。同时又为了满足问题所要求的使局面平均距离最小，我们将某一个城市到离它最近的机场的距离与该城市的人口乘积作为目标函数，在LINGO 软件中，通过设立一约束条件，最后将目标函数进行最优化求解。 2．2 问题2 该问题可以归结为多元目标线性规划的问题，所以我们在第一问的基础上又增加了一个目标函数，最后利用加权的方法将两个目标函数转化成了一个目标函数，将另一个目标函数作为约束条件。同时我们又引入了正负偏差变量，通过控制该变量达到覆盖居民人数均衡以及居民到城市之间的平均距离尽量小。 2．3 问题3 该问题要求的是客流量尽量均衡，经过分析可以知道，城市的GDP 越高，说明该城市经济越繁荣，货币流通越快，从而反映出客流量越大。另一方面城市越大、人口越多，也在一定程度上反映出了该城市客流量越大。基于上述两点，我们对GDP 跟城市人口分别给予了不同的权重来反映其对客流量的影响大小。按照第二问的方法，我们依然利用多元目标线性规划的只是进行求解。通过LINGO 编写程序，最中求得可行解。
数学建模学校选址问题
学校选址问题 摘要 本文为解决学校选址问题，建立了相应的数学模型。 针对模型一 首先，根据已知信息，对题目中给出的数据进行处理分析。在保证每个小区,学生至少有一个校址可供选择的情况下，运用整数规划中的0-1规划法，列出建校方案的目标函数与其约束条件，通过LINGO软件，使用计算机搜索算法进行求解。得出建立校址的最少数目为4个。再运用MATLAB软件编程，运行得到当建校的个数为4个时，学 首先，对文中给出的学校建设成本参数表和各校区1到6年级学龄儿童的平均值（样本均值）进行分析，可知20个小区估计共有4320个学龄儿童，当每个学校的平均人数都小于600时，至少需要建设8个学校；其次，模型一得到最少的建校数目为4个，运用MATLAB软件编程，依次列出学校个数为4、5、6、7、8时的最优建校方案，分别算出其最优建校方案下的总成本；最后，通过对比得出，最低的建校总成本为1650万，即选取校址10、11、13、14、15、16建设学校。 最后，我们不但对模型进行了灵敏度分析，，保证了模型的有效可行。 关键词：MATLAB灵敏度 0-1规划总成本选址 1 问题重述
当代教育的普及，使得学校的建设已成为不得不认真考虑的问题。 1.1已知信息 1、某地新开发的20个小区需要建设配套的小学，备选的校址共有16个，各校址覆盖的小区情况如表1所示： 2、在问题二中，每建一所小学的成本由固定成本和规模成本两部分组成，固定成本由学校所在地域以及基本规模学校基础设施成本构成，规模成本指学校规模超过基本规模时额外的建设成本，它与该学校学生数有关，同时与学校所处地域有关。设第i 个备选校址的建校成本i c 可表示为 （单元：元）学生人数)600-(50100200010? ?? ???+=i i i c βα，若学生人数超过600人，其中 i α和i β由表2给出： 并且考虑到每一小区的学龄儿童数会随住户的迁移和时间发生变化，当前的精确数据并不能作为我们确定学校规模的唯一标准，于是我们根据小区规模大小用统计方法给出每个小区的学龄儿童数的估计值，见表3： 1.2提出问题 1、要求建立数学模型并利用数学软件求解出学校个数最少的建校方案。 2、求出总成本最低的建校方案。 2 问题假设与符号说明
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
数学建模论文__物流与选址问题
物流预选址问题 (2) 摘要 .............................................................................................. 错误！未定义书签。 一、问题重述 (3) 二、问题的分析 (3) 2.1 问题一：分析确定合理的模型确定工厂选址和建造规模 (4) 2.2 问题二：建立合理的仓库选址和建造规模模型 (4) 2.3 问题三：工厂向中心仓库供货的最佳方案问题 (5) 2.4 问题四：根据一组数据对自己的模型进行评价 (5) 三、模型假设与符号说明 (5) 3.1条件假设 (5) 3．2模型的符号说明 (5) 四、模型的建立与求解 (6) 4.1 问题一：分析确定合理的模型为两个工厂合理选址并确定建造规模 (6) 4.1.1模型的建立 (7) 4.2 问题二：建立合理模型确定中心仓库的位置及建造规模 (10) 4.2.1 基于重心法选址模型 (10) 4.2.2 基于多元线性回归法确定中心仓库的建造规模 (12) 4.3 问题三：工厂向中心仓库供货方案 (13)
4.4 问题四：选用一组数据进行计算 (14) 五、模型评价 (21) 5.1模型的优缺点 (21) 5.1.1 模型的优点 (21) 5.1.2 模型的缺点 (21) 六参考文献 (21) 物流预选址问题 摘要 在物流网络中，工厂对中心仓库和城市进行供货，起到生产者的作用，而中心仓库连接着工厂和城市，是两者之间的桥梁，在物流系统中有着举足轻重的作用，因此搞好工厂和中心仓库的选址将对物流系统作用的发挥乃至物流经济效益的提高产生重要的影响。 本论文在综述工厂和中心仓库选址问题研究现状的基础上，对二者选址的模型和算法进行了研究。对于问题一二，通过合理的分析，我们采用了重心法选址模型找到了工厂和中心仓库的大致位置并给出了确定工厂和中心仓库建造规模的参数和公式，通过用
数学建模：投资问题
投资的收益与风险问题 摘要 对市场上的多种风险资产和一种无风险资产（存银行）进行组合投资策略的设计需要考虑两个目标：总体收益尽可能大和总体风险尽可能小，而这两个目标在一定意义上是对立的。 本文我们建立了投资收益与风险的双目标优化模型，并通过“最大化策略”，即控制风险使收益最大，将原模型简化为单目标的线性规划模型一；在保证一定收益水平下，以风险最小为目标，将原模型简化为了极小极大规划模型二；以及引入收益——风险偏好系数，将两目标加权，化原模型为单目标非线性模型模型三。然后分别使用Matlab的内部函数linprog，fminmax，fmincon对不同的风险水平，收益水平，以及偏好系数求解三个模型。 关键词：组合投资，两目标优化模型，风险偏好
2.问题重述与分析 3.市场上有种资产（如股票、债券、…）()供投资者选择，某公司有数额为的 一笔相当大的资金可用作一个时期的投资。公司财务分析人员对这种资产进行了评估，估算出在这一时期内购买的平均收益率为，并预测出购买的风险损失率为。考虑到投资越分散，总的风险越小，公司确定，当用这笔资金购买若干种资产时，总体风险可用所投资的中最大的一个风险来度量。 购买要付交易费，费率为，并且当购买额不超过给定值时，交易费按购买计算（不买当然无须付费）。另外，假定同期银行存款利率是, 且既无交易费又无风险。（） 1、已知时的相关数据如下： 试给该公司设计一种投资组合方案，即用给定的资金，有选择地购买若干种资产或存银行生息，使净收益尽可能大，而总体风险尽可能小。 2、试就一般情况对以上问题进行讨论，并利用以下数据进行计算。 本题需要我们设计一种投资组合方案，使收益尽可能大，而风险尽可能小。并给出对应的盈亏数据，以及一般情况的讨论。 这是一个优化问题，要决策的是每种资产的投资额，要达到目标包括两方面的要求:净收益最大和总风险最低，即本题是一个双优化的问题，一般情况下，这两个目标是矛盾的，因为净收益越大则风险也会随着增加，反之也是一样的，所以，我们很难或者不可能提出同时满足这两个目标的决策方案，我们只能做到的是：在收益一定的情况下，使得风险最小的决策，或者在风险一定的情况下，使得净收益最大，或者在收益和风险按确定好的偏好比例的情况下设计出最好的决策方案，这
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)
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
数学建模中的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x1亩, 棉花x2亩, 水稻x3亩， 求目标函数f=110x1+75x2+60x3 在约束条件x1+x2+x3≤ 50 1/2x1+1/3x2+1/4x3 ≤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, 在可行解集的极点中搜寻最优解. 正则模型: 决策变量: x 1,x 2 ,…,x n . 目标函数: Z=c 1 x 1 +c 2 x 2 +…+c n x n . 约束条件: a 11 x1+…+a1n x n≤b1, ……a m1x1+…+a mn x n≤b m, 模型的标准化 10. 引入松弛变量将不等式约束变为等式约束. 若有 a i1x 1 +…+a in x n ≤b i , 则引入 x n+i ≥ 0, 使得 a i1 x 1 +…+a in x n + x n+i =b i 若有 a j1x 1 +…+a jn x n ≥b j , 则引入 x n+j ≥ 0, 使得 a j1 x 1 +…+a jn x n - x n+j =b j .
数学建模论文--物流与选址问题
物流预选址问题 (2) 摘要............................................................................................................. 错误!未定义书签。 一、问题重述 (2) 二、问题的分析 (3) 2.1 问题一：分析确定合理的模型确定工厂选址和建造规模 (3) 2.2 问题二：建立合理的仓库选址和建造规模模型 (3) 2.3 问题三：工厂向中心仓库供货的最佳方案问题 (3) 2.4 问题四：根据一组数据对自己的模型进行评价 (4) 三、模型假设与符号说明 (4) 3.1条件假设 (4) 3．2模型的符号说明 (4) 四、模型的建立与求解 (5) 4.1 问题一：分析确定合理的模型为两个工厂合理选址并确定建造规模 (5) 4.1.1模型的建立 (5) 4.2 问题二：建立合理模型确定中心仓库的位置及建造规模 (7) 4.2.1 基于重心法选址模型 (8) 4.2.2 基于多元线性回归法确定中心仓库的建造规模 (10) 4.3 问题三：工厂向中心仓库供货方案 (10) 4.4 问题四：选用一组数据进行计算 (11) 五、模型评价 (16) 5.1模型的优缺点 (16) 5.1.1 模型的优点 (16) 5.1.2 模型的缺点 (16) 六参考文献 (16)
物流预选址问题 摘要 在物流网络中，工厂对中心仓库和城市进行供货，起到生产者的作用，而中心仓库连接着工厂和城市，是两者之间的桥梁，在物流系统中有着举足轻重的作用，因此搞好工厂和中心仓库的选址将对物流系统作用的发挥乃至物流经济效益的提高产生重要的影响。 本论文在综述工厂和中心仓库选址问题研究现状的基础上，对二者选址的模型和算法进行了研究。对于问题一二，通过合理的分析，我们采用了重心法选址模型找到了工厂和中心仓库的大致位置并给出了确定工厂和中心仓库建造规模的参数和公式，通过用数据进行实例化分析，我们确定了工厂和中心仓库位置和建造规模。对于问题三我们运用LINGO软件简单的解决了工厂对中心仓库的供货情况。问题四我们选用了一组数据通过求解多元线性规划对问题进行了实例化分析。为中心仓库的选址问题做了合理说明。最后我们对模型进行了评价和分析。 关键词：物流网络重心法选址模型多元线性规划 一、问题重述 某公司是生产某种商品的省知名厂家。该公司根据需要,计划在本省建设两个生产工厂和若干个中心仓库向全省所有城市供货。根据市场调研,全省有m个城市，每个城市单位时间需要该公司的物资量是已知的，有关运费的信息也是确定的，工厂和中心仓库
4.第17讲 应急设施的优化选址问题(数学建模)
第17讲应急设施的优化选址问题 问题（AMCM-86B题）里奥兰翘镇迄今还没有自己的应急设施。1986年该镇得到了建立两个应急设施的拨款，每个设施都把救护站、消防队和警察所合在一起。图17-1指出了1985年每个长方形街区发生应急事件的次数。在北边的L形状的区域是一个障碍，而在南边的长方形区域是一个有浅水池塘的公园。应急车辆驶过一条南北向的街道平均要花15秒，而通过一条东西向的街道平均花20秒。你的任务是确定这两个应急设施的位置，使得总响应时间最少。 图17-1 1985年里奥兰翘每个长方街区应急事件的数目（I）假定需求集中在每个街区的中心，而应急设施位于街角处。 （II）假定需求是沿包围每个街区的街道上平均分布的，而应急设施可位于街道的任何地方。 §1 若干假设 1、图17-1所标出的1985年每个长方形街区应急事件的次数具有典型代表性，能够反映该街区应急事件出现的概率的大小。 2、应急车辆的响应时间只考虑在街道上行驶时间，其他因纱（如转弯时间等）可以忽略不计。 3、两个应急设施的功能完全相同。在应急事件出现时，只要从离事件发生地点最近的应急设施派出应急车辆即可。 4、执行任何一次应急任务的车辆都从某一个应急设施出发，完成任务后回到原设施。不出现从一个应急事件点直接到另一事件点的情况。（这是因为，每一个地点发生事件的概率都很小，两个地点同时发生事故的概率就更是小得可以忽略不计）。
§2 假定（I ）下的模 在假定（I ）下，应急需求集中在每个街区中心。我们可以进一步假定应急车辆只要到达该街区四个街角中最近的一个，就认为到达了该街区，可以开始工作了。按假定（I ），每个应急设施选在街角处，可能的位置只有6×11=66个。两个应急设施的位置的可能的组合至多只有66×65/2=2145个。这个数目对计算机来说并不大，可用计算机进行穷举，对每种组合一一算出所对应的总响应时间，依次比较得出最小的响应时间及对应的选址方案。具体算法是： 建立直角坐标系，以该镇的西北角为原点，从北到南为X -轴正方向，从西到东为Y -轴正方向，在南北、东西方向上分别以一个街区的长作为单位长，则街角的坐标),(Y X 是满足条件50,100≤≤≤≤Y X 的整数。而每个街区中心的坐标具有形式)5.0,5.0(++j i ，其中j i ,是满足条件：40,90≤≤≤≤j i 的整数。如果不考虑障碍和水塘的影响，同应急车辆从设在),(Y X 点的应急设施到以)5.0,5.0(++j i 为中心的街区的行驶时间等于 )5.05.0(20)5.05.0(15),,,(---+---=j Y i X j i Y X t )5.17)5.0(20)5.0((15-+-++-=j Y i X 秒 记),(j i p 为以)5.0,5.0(++j i 为中心的街区的事故发生频率（即在图上该街区所标的数字）。如果应急设施设在),(),,(2211Y X Y X 这两点，总不妨设21X X ≤，则该设置方案的总响应时间为 ),,,(2211Y X Y X T ∑∑===904 02211)},,,(),,,,(min{),(i j j i Y X t j i Y X t j i p 让1X 取遍0—10，2X 取遍101-X ，21,Y Y 分别独立地取遍0—4。依次对四数组),,,(2211Y X Y X 的每一个值算出对应的总响应时间的最小值及对应的四数组。 以上算法不难用计算机编程实现。由于数组的个数不算多（只有两千多个），计算机可很快得出答案。答案是： 两个应急设施分别设在点（2，3），（6，3）时最优。 这是在不考虑L 形障碍区域和水塘的影响的假定下得出的最优解，但从这两个点到
数学建模-利润最大优化
盈利最大化的产品生产方案 摘 要：本问题是一个优化问题，它解决了大多数企业所面临的在生产设备有限的情况下要实现利润最大化的问题。根据盈利产品生产利润i b *生产数量i x ，我们建立目 标函数3 1i i i Z x b ==∑，又因为i 产品的生产数量i x 又受有限生产设备的限制，所以得到约束 条件：3 1(1,2,3)i ij j i x Y W j =≤=∑。用软件，建立模型求解，我们得到：当生产产品Ⅰ、Ⅱ、 Ⅲ的件数分别为22.5、23.2、7.3时，利润可实现最大化为135.2667千元。 在此基础上，我们做灵敏性分析得到借用设备B 每月60台时是不合算的这一结论；对于问题（3）、（4）可以建立相类似模型，得到对于新产品Ⅳ，Ⅴ的投产在经济上是合算的；当对产品工艺重新进行设计，改进结构，相应的生产产品Ⅰ、Ⅱ、Ⅲ的件数分别为22.8、25.3、0时，利润可实现最大化为153.1618千元；我们对此问题做了引申，当该厂生产的产品Ⅰ、Ⅱ、Ⅲ为汽车、手机等必须以整件计数的产品时，即1x 、2x 、3x 只能取整数，我们在问题一建立的函数模型基础上，加上限制条件，用求解得到了新的生产方案。 问题二回答：对问题一做灵敏性分析：租用设备B 一台时花费是300元，由上面灵敏性分析表可得一个台时的B 设备的影子价格约为267元，也就是说租用B 设备一个台时其能制造的利润为267元。很显然成本高于利润，商家无利可图而且还会造成亏损。 问题五回答：当该厂生产的产品Ⅰ、Ⅱ、Ⅲ为汽车、手机等必须以整件计数的产品时，即1x 、2x 、3x 只能取整数，我们在问题一建立的函数模型基础上，加上限制条件， 关键词：利润最大化；优化问题；生产方案；灵敏性分析 一、问题的提出 知某工厂计划生产Ⅰ、Ⅱ、Ⅲ三种产品，各产品需要在A 、B 、C 设备上加工，有
数学建模报告选址问题
长沙学院数学建模课程设计说明书 题目选址问题 系(部) 数学与计算机科学 专业(班级) 数学与应用数学 姓名 学号 指导教师 起止日期 2015、6、1——2015、6、5
课程设计任务书 课程名称：数学建模课程设计 设计题目：选址问题 已知技术参数和设计要求： 选址问题（难度系数1.0） 已知某地区的交通网络如下图所示，其中点代表居民小区，边代表公路，边上的数字为小区间公路距离（单位：千米），各个小区的人数如下表所示，问区中心医院应建在哪个小区，可使离医院最远的小区居民人均就诊时所走的路程最近？ 各阶段具体要求： 1．利用已学数学方法和计算机知识进行数学建模。 2．必须熟悉设计的各项内容和要求，明确课程设计的目的、方法和步骤。 3．设计中必须努力认真，独立地按质按量地完成每一阶段的设计任务。 4．设计中绝对禁止抄袭他人的设计成果。 5．每人在设计中必须遵守各组规定的统一设计时间及有关纪律。 6．所设计的程序必须满足实际使用要求，编译出可执行的程序。 7．要求程序结构简单，功能齐全，使用方便。 设计工作量： 论文：要求撰写不少于3000个文字的文档，详细说明具体要求。 1v 5
工作计划： 提前一周：分组、选题；明确需求分析、组内分工； 第一天：与指导老师讨论，确定需求、分工，并开始设计；第二~四天：建立模型并求解； 第五天：完成设计说明书，答辩； 第六天：针对答辩意见修改设计说明书，打印、上交。 注意事项 ?提交文档 长沙学院课程设计任务书（每学生1份） 长沙学院课程设计论文（每学生1份） 长沙学院课程设计鉴定表（每学生1份） 指导教师签名：日期： 教研室主任签名：日期： 系主任签名：日期：
几个优化问题的数学建模
几个优化问题的数学建模 一、一个开放式基金投资问题
6、模型的评价 模型的主要优点是采用较为成熟的数学理论建立模型，利用数学软件计算，可信度比较高，便于推广。主要缺点是建立的模型是确定的而不是更符合实际情况的随机型模型。 二、结合人员分配的生产规划问题 1、问题 某公司要对四种产品（P1，P2，P3，P4）在五条生产线（L1到L5）上的生产进行规划。产品P1和P4的单位纯利润为7元，产品P2的单位纯利润为8元，产品P3的单位纯利润为9元。在规划期内这五条生产线各自可以进行生产的时间长度各不相同。L1到L5的最大可用生产时间分别为4500小时，5000小时，4500小时，1500小时和2500小时。表1列出了在每条生产线上生产每种产品一个单位所需要的时间。 （1）、假设生产是流水线作业，产品P1到P4各应生产多少才能使总利润最大？ （2）、如果在生产过程中允许在生产线之间进行人员转移（从而使工时也相应转移），如表2所示，则最大利润是多少？应转移多少个工时，如何转移？
（3）、如果生产不是流水线作业，模型应如何修改？ 表1 单位生产时间 表2 可以进行的人员转移 2、假设 （1）每条生产线可生产各种产品； （2）每个生产人员的工作效率相同，且熟练各条生产线的操作，可在各条生产线之间转移。 3、建模 3.1、问题(1) 设每种产品必须经过5条生产线才能生产出来，产品P i 的产量为x i ,单位纯利润为r i ,在生产线L j 上的单位生产时间为d ij 。生产线L j 的可用总工时数为c j ,则可得模型1： max 41 i =∑r i x i s.t. 41 i =∑ d ij x i ≤c j ，j=1，2，3，4，5 x i ≥0，i=1，2，3，4
数学建模优化问题
木材储运经营计划 摘要 本文针对某一木材储运公司在冬、春、夏、秋四季内进货价、出货价、储存费用、库存空间及最大销售量等预计数据进行分析，制定一个各季节的进货量和出货量计划使该公司的经营利润达到最大，可以把该问题归于将其归为求解利润最大化问题进行建模。 由于利润只直接与中间差价和销售量有关，并根据题目已知的预测量，建立一个木材储运最大利润模型，并通过运行LINGO软件编程来求解冬、春、夏、秋四季总最大利润为：5160万元。 上述木材储运最大利润模型: 是指冬、春、夏、秋前面的季节储存木材量可以在后面的季节卖，由于木材不宜久贮，所有库存木材应于每年秋末售完，反过来，后面季节的储存木材量元素不能放在前面的季节卖，因此可以把一个季节卖哪几个季节进的木材当成几个，建立一个横轴的元素和代表当前季节的木材销售量，竖轴的元素和该季节应该购进的木材量含十六个元素的二维数组，通过运用LINGO软件编程可以得到这个数组元素为： 储存量 冬/万m3春/万m3夏/万m3秋/万m3 销售量 冬100 ——— 春0 140 —— 夏20 0 180 — 秋0 0 0 160 通过简单的基本运算可以知道每个季节进货量和出货量既为该木材储运公司这年的大体经营计划。 关键词：LINGO 木材储运最大利润数组元素
一．问题重述 一个木材储运公司有很大的仓库用以储运出售木材。由于木材季度价格的变化，该公司于每季度初购进木材，一部分于本季度内出售，一部分储存起来以后。已知该公司仓库的最大储存量为20万m3，储存费用为() a+元/m3，式中7 bu a=，10 b=，u为储存时间（季度数）。已知每季度的买进卖出价及预计的销售量如下表所示： 表1. 季度买进价/元/m3卖出价/元/m3预计销售量/万m3 冬410 425 100 春430 440 140 夏460 465 200 秋450 455 160 由于木材不宜久贮，所有库存木材应于每年秋末售完。 根据上述条件建立一个模型制定一个该公司每个季节进木材量和销售木材量的大体经营计划，使这个公司获得最大的利润。 二．问题的简要分析 对于本文涉及到的问题，建立一个横方向的元素和代表当前季节的木材销售量，竖方向的元素和该季节应该购进的木材量含十六个元素的二维数组，由于冬、春、夏、秋前面的季节储存木材量可以在后面的季节卖，因此真正未知元素只有十个，而且这十个未知数的类型相同，更容易理解，如下： 表2. 冬/万m3春/万m3 夏/万m3秋/万m3储存量 销售量 冬Q11——— 春Q12Q22—— 夏Q13Q23Q33— 秋Q14Q24Q34Q44 由于假设的未知数都是销售量，因此在秋季末公司的仓库不存在储存的木材量，每个季度的进货量除了在本季度销售木材的量外，剩下的都是储存量，只要小于公司仓库的最大储存量，因此在约束条件考虑到即可。 然而市场上对该公司的需求是有限的，因此每个季度的销售量是有限，因此再在约束条件增加对每个季度的销售量的限制，然后通过数学软件编程求解即可。 三．模型的假设 1）假设公司预计销售量在各个季度几乎符合现实且预计销售量是是最大销售量； 2）假设各个季度木材的单位量的实际进价和销售价与预测价几乎符合； 3）假设每个月的库存量在该时期内的产品的单位量库存费用不变； 4）假设在该时期内储存费用大约不变； 5）假设人力财力等消耗的费用不在该问题中考虑；