数学建模典型例题
数学建模第一天培训用到的例题
例1.管道包扎问题：用带子包扎管道，使带子全部包住管道，且用料最省。
例2.地面上的方桌在起伏不平的地面上能不能让桌子的四个脚同时着地？例3.赛程安排---加细五支足球队在同一场地上进行单循环比赛，共进行十场比赛。
如何安排赛程对各队来说都是公平的?例4：交通路口红绿灯十字路口绿灯亮15秒，最多可以通过多少辆汽车？1.调查一个路口有关红绿灯的数据验证模型是否正确。
10.位置,走向,车道数,时间。
绿灯时间,通过的车数(至少三次)。
数据不同的原因。
20.模型的假设与实际是否一致。
模型的参数与实际是否一致。
30.模型的计算结果与观测结果是否一致？不一致时，为什么？如何修改模型2.分析汽车开始以最高限速穿过路口的时间。
3.给出穿过路口汽车的数量随时间变化的数学模型。
4.你能继续组建行进中的汽车遇到红灯时的数学模型吗？假设司机见到红灯后的反应时间是0.35秒，刹车(非紧急刹车)后的加速度平均为-6.5米/秒。
试讨论红灯亮后第九辆车的运动状态。
5.请你根据前面的分析进一步给出通过十字路口的汽车的数量如何依赖于绿灯亮的时间的模型，能否通过分析这个模型对这个路口交通流量的优化管理提出改进建议。
例5：人员疏散建模分析意外事件发生时建筑物内的人员疏散所用的时间例6.生猪饲养一头重量是100kg的猪，在上一周每天增重约2kg。
五天前售价为7.8元/kg，但现在猪价下降到7.5元/kg，饲料每天需花费7.1元。
前期育肥的投入大约500元。
求出售猪的最佳时间。
问题1.在售猪问题中，对每天的饲养花费做灵敏性分析，分别考虑饲养花费对最佳售猪时间和相应收益的影响。
如果有新的饲养方式，每天的饲养花费为8元，会使猪按2.2公斤/天增重，那么是否值得改变饲养方式？求出使饲养方式值得改变的最小的增重率。
问题2:你能想到什么?目前市场上销售一种“雷达牌”蚊香，每盘蚊香如上图所示，图中标有a，b数值(单位：毫米)，使用时拆成两片，如右图所示．经过实验发现，该蚊香的燃烧速度约为每小时120毫米．请用近似的方法回答下列问题．(1)每一片蚊香大约可以燃烧多长时间；(2)根据市场需求请设计持续燃烧时间分别为4小时、8小时、10小时的蚊香，蚊香燃烧速度不变．分别计算出它们的a值．讨论题：研究停车场的照明设施。
数学建模题目及答案
09级数模试题1. 把四只脚的连线呈长方形的椅子往不平的地面上一放，通常只有三只脚着地，放不稳，然后稍微挪动几次，就可以使四只脚同时着地，放稳了。
试作合理的假设并建立数学模型说明这个现象。
（15分）解：对于此题，如果不用任何假设很难证明，结果很可能是否定的。
因此对这个问题我们假设 ：（1）地面为连续曲面（2）长方形桌的四条腿长度相同（3）相对于地面的弯曲程度而言，方桌的腿是足够长的（4）方桌的腿只要有一点接触地面就算着地。
那么，总可以让桌子的三条腿是同时接触到地面。
现在，我们来证明：如果上述假设条件成立，那么答案是肯定的。
以长方桌的中心为坐标原点作直角坐标系如图所示，方桌的四条腿分别在A 、B 、C 、D 处，A 、B,C 、D的初始位置在与x 轴平行，再假设有一条在x 轴上的线ab,则ab 也与A 、B ，C 、D 平行。
当方桌绕中心0旋转时，对角线 ab 与x 轴的夹角记为θ。
容易看出，当四条腿尚未全部着地时，腿到地面的距离是不确定的。
为消除这一不确定性，令 ()f θ为A 、B 离地距离之和，()g θ为C 、D 离地距离之和，它们的值由θ唯一确定。
由假设（1），()f θ,()g θ均为θ的连续函数。
又由假设（3），三条腿总能同时着地， 故()f θ()g θ=0必成立（∀θ）。
不妨设(0)0f =,(0)0g >g （若(0)g 也为0，则初始时刻已四条腿着地，不必再旋转），于是问题归结为：已知()f θ,()g θ均为θ的连续函数，(0)0f =,(0)0g >且对任意θ有00()()0f g θθ=，求证存在某一0θ，使00()()0f g θθ=。
证明：当θ=π时，AB 与CD 互换位置，故()0f π>，()0g π=。
作()()()h f g θθθ=-，显然，()h θ也是θ的连续函数，(0)(0)(0)0h f g =-<而()()()0h f g πππ=->，由连续函数的取零值定理，存在0θ，00θπ<<，使得0()0h θ=，即00()()f g θθ=。
数学建模13道题
数学建模13道题1.某投资者有40000美元用于投资，她所考虑的投资方式的收益为：储蓄利率7%，市政债券9%，股票的平均收益为14%，不同的投资方式的风险程度是不同的。
该投资者列出了她的投资组合目标为：1）年收益至少为5000美元； 2）股票投资至少为10000美元；3）股票投资额不能超过储蓄和市政债券投资额之和；4）储蓄额位于5000-15000美元之间； 5）总投资额不超过40000美元。
2.用长8米的角钢切割钢窗用料。
每副钢窗含长1.5米的料2根，1.45米的2根，1.3米的6根，0.35米的12根，若需钢窗100副，问至少需切割8米长的角钢多少根？3.某照相机厂生产12,A A 两种型号的相机，每台12,A A 型相机的利润分别为25元和40元，生产相机需要三道工序，生产两种不同型号的相机在不同的工序所需要的工作时间（单位：小时）如下表所示：工序相机类型机身制造零件装配检验包装1A 0.1 0.2 0.1 2A0.70.10.3此外三道工序每周可供使用的工作时间为机身制造有150小时，零件装配有250小时，检验包装有100小时，而市场需要12,A A 型相机每周至少为350台和200台，该工厂应如何安排生产，才能使得工厂获得最大利润？4.某饲料公司生产饲养雏鸡，蛋鸡和肉鸡的三种饲料，三种饲料都是由A,B,C 三种原料混合而成，具体要求，产品单价，日销售量表如下：原料A 原料B 原料C 日销量（t ）售价（百元/t ）雏鸡饲料不少于50% 不超过20%5 9 蛋鸡饲料不少于30%不超过30% 18 7 肉鸡饲料不少于50%10 8 原料价格（百元/t ） 505 4 5受资金和生产能力的限制，每天只能生产30t ，问如何安排生产计划才能获利最大？5.某公司用木头雕刻士兵模型出售。
公司的两大主要产品类型分别是“盟军”和“联军”士兵，每件利润分别为28美元和30美元。
制作一个“盟军”士兵需要使用2张木板，花费4小时的木工，再经过2小时的整修。
简单数学建模应用问题100例
附件2简单数学建模应用问题100例前言“数学建模”之解读数学教学过程中学习了一个数学公式后，需要做大量的应用题，通过训练加深理解所学公式。
但是在生活中又有多少实际问题是可以直接套用公式的呢？理想状态下的公式直接运用，在生产及生活中的实例是少之又少。
为此学生总感到学了数学没有什么实际用处，所以对学习数学少有兴趣。
数学建模的引入对培养学生利用数学方法分析、解决实际问题的能力开辟了一条有效的途径，让中职学生从中体会到数学是来源于生活并应用于生活的.数学建模是一种思维方式，它是一个动态的过程，通过此过程可以将一个实际的问题，经过模型准备、模型假设、模型构成、模型解析、模型检验与应用等五个具体步骤，转变为可以用数学方法（公式）来解决的，在理想状态下的数学问题，上述的整个流程统称为数学建模如果想解决某个实际问题（也许它和数学没有直接的关系），可以按下面流程对问题进行数学建模。
一．模型准备先了解该问题的实际背景和建模目的，尽量弄清要建模的问题属于哪一类学科的问题，可能需要用到哪些知识，然后学习或复习有关的知识，为接下来的数学建模做准备.由于人们所掌握的专业知识是有限的，而实际问题往往是多样和复杂的，模型准备对做好数学建模问题是非常重要的.二．模型假设有了模型准备的基础，要想把实际问题变为数学问题还要对其进行必要合理的简化和假设.明确了建模目的又掌握了相关资料，再去除一些次要因素.以主要矛盾为主来对该实际问题进行适当的简化并提出一些合理的假设。
模型假设不太可能一蹴而就，可以在模型的不断修改中得到逐步完善.三．模型构成在模型假设的基础上，选择适当的数学工具并根据已知的知识和搜集的信息来描述变量之间的关系或其他数学结构（如数学公式、定理、算法等）.做模型构成时可以使用各种各样的数学理论和方法，但要注意的是在保证精度的条件下尽量用简单的数学方法是建模时要遵循的一个原则.四．模型解析在模型构成中建立的数学模型可以采用解方程、推理、图解、计算机模拟、定理证明等各种传统的和现代的数学方法对其进行求解，其中有些可以借助于计算机软件来做这些工作。
数学建模简单13个例子
总距离为 n 1 ，
故有砖点n块 出向人右意可料时 叠。k1至, 2knk任1 2意1k远，n这1 一21n结果多少返回
10、寻找黑匣子
飞机失事时，黑匣子会自动打开，发射出某种 射线。为了搞清失事原因，人们必须尽快找回匣子。 确定黑匣子的位置，必须确定其所在的方向和距离， 试设计一些寻找黑匣子的方法。由于要确定两个参 数，至少要用仪器检测两次，除非你事先知道黑匣 子发射射线的强度。
分析：在这场“价格战”中，我们将站在乙加油站的立 场上为其制定价格对策．因此需要组建一个模型来描述 甲站汽油价格下调后乙加油站销售量的变化情况．
为描述价格和汽油销售量之间的关系，我们引入如下 一些指标：
影响乙加油站汽油销售量的因素 (1)甲加油站汽油降价的幅度； (2)乙加油站汽油降价的幅度； (3)两站之间汽油销售价格之差．
在这场“价格战”中，我们假设汽油的正常销售价格 保持定常不变，并且假定以上各因素对乙加油站汽油 销售量的影响是线性的．于是乙加油站的汽油销售量 可以由下式给出
返回
13、遗传模型
1．问题分析
所谓常染色体遗传，是指后代从每个亲体的基因 中各继承一个基因从而形成自己的基因型.
如果所考虑的遗传特征是由两个基因A和B控制的， 那么就有三种可能的基因型：AA，AB和BB.
换显一然种是想由法于，节问省题了就从迎 刃相而遇解点了到。会假合如点他，的又妻从子会遇合 到 点点故他，返，后那回故仍么相由似载这遇相乎着一点遇条他天这点件开他一到不往就段会够会不路合哦合会的点。地提缘需。 前开回5分家钟了。。而提此前人的提十前分了钟三时 间十从分何钟而到来达？会合点，故相遇 时他已步行了二十五分钟。
另建模型研究，从而L1=v*t1。刹车距离 L2既可用曲线
(完整word版)数学建模型
(一题，二题选一)1.某厂生产甲乙两种口味的饮料，每白箱甲饮料需用原料6千克，工人10名，可获利10万元；每白箱乙饮料需用原料5千克，工人20名，可获利9万元.今工厂共有原料60千克，工人150名，乂由丁其他条件所限甲饮料产量不超过800箱. 问如何安排生产计划，即两种饮料各生产多少使获利最大.进一步讨论：1)若投资0.8万元可增加原料1千克，问应否作这项投资.2)若每100箱甲饮料获利可增加1万元，问应否改变生产计划.一、基本假设：1?饮料生产过程中，所要到的饮料量不会发生变化。
2?饮料活力的多少是稳定不变的。
3?原料的价格不会发生变化。
二、符号说明：某厂生产的甲饮料x白箱，生产的乙饮料y白箱。
三、分析与建立模型⑵目标函数：maxz=10x 9y约束条件：⑴原料的供应：6x 5y •壬60⑵劳动力的供应：10x • 20y三150⑶附加约束项：x・£8⑷非负约束：x_0，y_0所以模型为：maxz=10x 9y,6x +5y <6010x +20y §50\ <8、x，y 芝0四、模型求解㈠MTATLA由案：编写M文件如下：f=[-10 -9];A=[6 5;10 20;1 0];b=[60;150;8];Aeq=[];beq=[];vlb=zeros(2,0); vub=[];[x,fval]=linprog(f,A,b,Aeq,beq,vlb,vub)结果：6.42864.2857 fval = -102.8571所以当 X I =6.4286,X 2= 4.2857 时有最优值 max z=102.8571.㈡Lingo 方案: 结果：Global optimal salution found iteration: Objective value :结论：白箱。
可使该厂获利最大值为102.8571万元。
问题的解答1） 若投资0.8万元可增加原料1千克，问应否作这项投资. 2） 若每100箱甲饮料获利可增加1万元，问应否改变生产计划.做灵敏度分析：Ranges in nrhicli the Stasis is unchanged:Otojeerive Coefficient RangesC urrentAlloTTStbleAllcjtratoleVariable Value Keduced CostX 6.428571 0.000000 Y 4.235714 0.000000 Row Slack or SurplusDual Price 1 102.8571 L 000000 2 0.000000 L 5714293 0.cooooo 0.5714286E-(I14 1.571429 0.0000005 6*428571 0.000000 64. 2857140.000000该工厂制定的一个生产计划，生产的甲饮料6.43白箱，生产的乙饮料 102.8571Model Title:某工厂甲乙两种饮料的生产计划4.29Y 9.000000 11,00000 □ * 6666667Ri^h'thand Side RangesRow Cutrenv Al loir able AllowableRHS Increase Decrease2 60.oooao S.500000 22,SOODO3 150.0000 90.00000 22,000004s.oooooo INFINITY57142950*0 6* 42B571 INFINITY60.0 4.285714 INFINITY结果告诉我们：这个线性规划的最优解为x=6.43,y=4.29,最优质为z=102.8571, 即生产甲饮料6.43白箱，生产乙饮料4.29白箱时，可获最大利润102.8571万元。
数学建模例题和答案
数学建模例题和答案
题目：
一个汽车公司拥有两个工厂，分别生产两种型号的汽车，A型和B型，每种型号的汽车都有一定的销售价格。
现在，该公司需要在两个工厂中生产A型和B型汽车，使得总收入最大。
答案：
1、建立数学模型
设A型汽车在第一个工厂生产的数量为x，在第二个工厂生产的数量为y，A型汽车的销售价格为a，B型汽车的销售价格为b，则该公司的总收入可以表示为：
总收入=ax+by
2、确定目标函数
由于题目要求使得总收入最大，因此可以将总收入作为目标函数，即：
最大化Z=ax+by
3、确定约束条件
由于两个工厂的生产能力有限，因此可以设置约束条件：
x+y≤M，其中M为两个工厂的总生产能力
4、求解
将上述模型转化为标准的数学规划模型：
最大化Z=ax+by
s.t. x+y≤M
x≥0,y≥0
由于该模型是一个线性规划模型，可以使用数学软件进行求解，得到最优解：
x=M，y=0
即在第一个工厂生产M件A型汽车，在第二个工厂不生产B型汽车，此时该公司的总收入最大，为Ma。
数学建模简单例题
数学建模简单例题
近年来，数学建模迅速发展，成为数学教育的重要组成部分。
不仅如此，数学建模也在实际应用中扮演着重要角色。
以下是举出的一些简单例题，介绍如何应用数学建模解决实际问题。
例1：汽车路线优化
假设有A、B、C三个城市，从A到B需要经历200公里，从B到C需要经历300公里。
同时，存在有限路段，要求尽可能明确最短路径。
此时，可以建立一个图，将A、B、C三个城市看作三个顶点，再建立若干边，表示每条路径的距离，再使用迪杰斯特拉算法，计算出最短路径。
例2：工厂设备调配
假想一家公司有3台生产设备，每台设备有不同的生产能力和每日最大生产量，要求给出每天各台设备的最优配置，以达到每日最大生产量。
给定三台设备的生产能力和每日最大生产量，建立这个问题的数学模型，可以采用最短路径算法的思想，建立一张图，把每台设备看成一个顶点，再建立若干边，表示每台设备的最大生产能力，最后根据路径的长度，计算出各台设备的最优配置。
以上是两个简单的数学建模例题，为了解决具体实际问题，数学建模不仅仅可以使用上述算法，还可以使用线性规划、最优化、反问题等方法来解决实际问题。
本文就介绍了数学建模的一些基础原理，
并举出了几个例子，希望能对读者有所帮助。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
一、人体重变化某人得食量就是10467焦/天，最基本新陈代谢要自动消耗其中得503８焦/天。
每天得体育运动消耗热量大约就是６9焦/（千克•天)乘以她得体重(千克)。
假设以脂肪形式贮存得热量100% 地有效，而1千克脂肪含热量４１868焦。
试研究此人体重随时间变化得规律.一、问题分析人体重W（t)随时间t变化就是由于消耗量与吸收量得差值所引起得,假设人体重随时间得变化就是连续变化过程，因此可以通过研究在△t时间内体重W得变化值列出微分方程。
二、模型假设1、以脂肪形式贮存得热量１０0%有效2、当补充能量多于消耗能量时,多余能量以脂肪形式贮存3、假设体重得变化就是一个连续函数4、初始体重为Ｗ0三、模型建立假设在△t时间内：体重得变化量为W（t＋△ｔ）—W(t);身体一天内得热量得剩余为（1０4６7—50３8-６9*W（t)）将其乘以△ｔ即为一小段时间内剩下得热量；转换成微分方程为:ｄ[W(t+△t）-Ｗ（t）］=(１0467—５038－6９*W（ｔ))ｄt;四、模型求解d（５42９—6９W)/（54２9-69W)＝-６9ｄt/416８6W(0）=W0解得：５4２9-６９W=（54２９－69W0)ｅ（－6９t/４1686)即：W（t）=５4２９／６9—（5429－６9Ｗ０)/５４29e(-6９t/41686）当t趋于无穷时，ｗ=８１;二、投资策略模型一、问题重述一家公司要投资一个车队并尝试着决定保留汽车时间得最佳方案。
５年后，它将卖出所有剩余汽车并让一家外围公司提供运输。
在策划下一个5年计划时,这家公司评估在年i得开始买进汽车并在年j得开始卖出汽车,将有净成本ａｉj（购入价减去折旧加上运营与维修成本).以千元计数ａiｊ得由下面得表给出：请寻找什么时间买进与卖出汽车得最便宜得策略。
二、问题分析本问题就是寻找成本最低得投资策略,可视为寻找最短路径问题.因此可利用图论法分析,用Dijkstra算法找出最短路径，即为最低成本得投资策略。
三、条件假设除购入价折旧以及运营与维护成本外无其她费用;四、模型建立二511 7 三６41６6 １3 8四一9128 1120五1０六运用Dijiｋｓｔra算法１２ 3 4５６0 ４ 6 ９12 2０６ 9 12２０9 12 ２012 2020可发现，在第二次运算后，数据再无变化,可见最小路径已经出现即在第一年买进2００辆,在第三年全部卖出,第三年再买进2０0第六年全部卖出。
三、飞机与防空炮得最优策略一、问题重述：红方攻击蓝方一目标，红方有2架飞机,蓝方有四门防空炮,红方只要有一架飞机突破蓝方得防卫则红方胜.其中共有四个区域,红方可以其中任意一个接近目标,蓝方可以任意布置防空炮，但一门炮只能防守一个区域，其射中概率为1。
那么双方各采取什么策略?二、问题分析该问题显然就是红方与蓝方得博弈问题,因此可以用博弈论模型来分析本问题。
1、对策参与者为两方（红蓝两方)2、红军有两种行动方案,即两架飞机一起行动、两架飞机分开行动。
蓝军有三种防御方案，即四个区域非别布置防空炮（记为1－1-1-1）、一个区域布置两架一个没有另外两个分别布置一个（记为２－1—1－０）、两个区域分别布置两架飞机另外两个没有（记为2—2-0—0）.显然就是不需要在某个区域布置３个防空炮得。
三、问题假设：（1）红蓝双方均不知道对方得策略。
（2）蓝方可以在一个区域内布置３，4门大炮，但就是大炮数量大于飞机得数量，而一门大炮已经可以击落一架飞机，因而这种方案不可取.（3）红方有两种方案，一就是让两架飞机分别通过两个区域去攻击目标，另一种就是让两架飞机通过同一区域去攻击目标。
（4）假设蓝方四门大炮以及红方得两架飞机均派上用场,且双方必须同时作出决策。
四、模型建立行动及其产生得结果由此可得赢得矩阵蓝方为A,红方为ＢA＝ 1 00、750、５00、50 0、83Ｂ= 00、2５0、51 ０、50、17没有鞍点,故用混合策略模型解决本问题设蓝方采取行动ｉ得概率为 xｉ（i＝1，2,3）,红方采取行动j得概率为y j（ｊ=1,2），则蓝方与红方策略集分别为：Ｓ1＝｛x=（x1,x2,x３)0〈ｘi〈1，∑xi＝1},S2＝｛y=（y1,y2)０< ｙi＜1,∑yｉ＝1}.五、模型求解下列线性规划问题得解就就是蓝军得最优混合策略x*Maｘv10*x+0、２5*ｘ2+0、5＊x3 >v1x1＋０、5*x2+0、17＊x3 〉v1x1+ｘ2+ｘ3 =1xi＜=1下列线性规划问题得解就就是红军得最优混合策略ｙ＊Ｍｉn v2y２<v20、25*y1＋0、５*y2 〈v20、5*y1＋0、１７*y２〈v2y1+y2= 1yi＜=1四、雷达计量保障人员分配开展雷达装备计量保障工作中，合理分配计量保障人员就是提高计量保障效能得关键。
所谓合理分配就是指将计量保障人员根据其专业特长、技术能力分配到不同得工作岗位上，并且使得所有人员能够发挥出最大得军事效益。
现某雷达团共部署1２种型号共1６部雷达,部署情况及计量保障任务分区情况如表所示:说明:1.保障任务分区域进行保障;2。
B、H、L型雷达分为两个保障任务，分别为Ｂ1、Ｂ2、H１、Ｈ2、L1、L2,其它雷达为一个保障任务;3.同一区域多部相同雷达等同于一部雷达得保障任务；4.不同区域得相同雷达瞧作不同保障任务；5．每个保障人员只能保障一个任务;6.每个保障任务只由一个保障人员完成。
雷达得重要性由其性能与所担负得作战任务共同决定，即使同一型号得雷达在不同区域其重要性也可能不同。
各雷达得重要性如下表所示(表中下标表示雷达所在保障区域):该雷达团修理所现在有1０名待分配计量保障人员，她们针对不同保障任务得计量保障能力量化指标如下表所示:问题:如何给该团三个营分配计量保障人员，使她们发挥最大军事效益? 一、问题分析：该问题就是人员指派问题，目得就是得到最大效益。
根据保障能力测试与雷达重要性定义出效益矩阵,用0—1整数规划方法来求解，得到最大效益矩阵.二、模型假设1．保障任务分区域进行保障;2。
B、H、L型雷达分为两个保障任务,分别为B1、B２、H1、H２、Ｌ１、L２，其它雷达为一个保障任务;3.同一区域多部相同雷达等同于一部雷达得保障任务；4。
不同区域得相同雷达瞧作不同保障任务；5．每个保障人员只能保障一个任务；６.每个保障任务只由一个保障人员完成.三、模型建立根据题目列出保障人员能力量化指标矩阵:根据题目,设保障任务得重要性向量,ｂｉ表示第i个任务得重要性。
列出保障任务重要性向量：我们用二者得乘积表示效益矩阵：。
我们设元素rij表示第i个人完成j件事得效益，Ｘiｊ表示第ｉ个人去保障第j件任务,如果就是，其值为1,否则为0。
利用这一个矩阵与0—1规划，我们就可以列出方程：，m〈=nmｏdｅl:setｓ:M/1、、10/;N/1、、18/：a；alloｗed(M，N)：b，r,ｘ；eｎdsetsｄａtａ:ａ=0、８0、9０、9 0、８０、７ 0、7 0、7 0、８ 0、7 ０、9 0、9 0、６０、7 0、9 ０、8 0、６０、７ 0、７;b=0、8 ０、3 00、70、4 0、80、7 0、60、7 0、9 0、３ 0、40、40、６0００、7 ０、8０、9 0、50 ０、5 0 0 0、５０、5 0、9 ０、50、５ 0、５０ 0、５ 0、5 ０、5 0、5 0、５0 0、９ 0 0 00 0 0、4 ０、6 0、4０、７0、4 ００、4 0、4 0、3 ０、４0、50、4 0 00、5 0、５0 0、5 0、２ 0 ０、2 0、60、8 0、5 0、2 0、２0、７ 0、2 0、2０、7 0、8 ０、70、6 0、7 0、3 0、60、3 0 ０、3０、5 ０、70、7 0、３ 0、30、3 0、3 0、70、5 ０ 0、8 0、6 0、8 0、７ 0、6０、８ 0 0、8 0、8 ０、６ 0、８ 0、8 0、8 0、8 0、１ 0、２0、5 0、９ 0、40０ 0、2 ０0、3 0、4 0、3０、3 ０ 0 0、30、6 0、3 0、３0、50、8０、２０、4 0、60 ０、10、6 0、２０、２０、２ 0、1 0 00、2０、2 ０、10、2 0、2０、4 0、7 0、5 0、5 ０、３0、６０、50、7 ０、8 0、７０、６ 0、4 0、3 0、7 0、30、7 ０、６ 0、20、7 0、３ 0、８ 0、6 0、8 0、８ 0、6 0、３ 0、５ 0、２0 0、４ 0、8 0、３ 0、９ 0、7 0 0;endｄａtamａｘ＝suｍ(aｌlowｅd（ｉ，j）：ｘ（i，ｊ)＊r（i,j）)；fｏr(M(i）：fｏr（N(j):r（ｉ，ｊ)=ａ（j）＊b(i,j)）);for（Ｍ（i)：sｕm(N（j）：x（ｉ，j））=1)；fｏr（N（ｊ）:sｕm（Ｍ(i):x（ｉ，j)）<=1)；for（M(i):fｏr（N（ｊ)：bｉn(x（ｉ，j）)））；Enｄ解得最大效益为６、6３,分配方案为:第5、7、8号保障人员分配到区域1，其中8号承担A型，５、７号承担B1,B2型;第１、2、3、4、９号保障人员分配到区域2，其中第9号保障人员承担F型2号Ｇ型，1、３号承担Ｈ１，H2型,4号I型;第6、１0号保障人员分配到区域３,６号F型、10号J型。