数学建模作业(1)

合集下载

福师15春学期《数学建模》在线作业一试卷(更新)

福师15春学期《数学建模》在线作业一试卷(更新)

福师15春学期《数学建模》在线作业一一、判断题(共35 道试题,共70 分。

)1. 数据整理即对数据进行规范化管理A. 错误B. 正确满分:2 分2. 微元法的思想是考察研究对象的有关变量在一个很小的时间段内的变化情况A. 错误B. 正确满分:2 分3. 对变量关系拟合时精度越高越好A. 错误B. 正确满分:2 分4. 数据的需求是与建立模型的目标密切相关的A. 错误B. 正确满分:2 分5. 蒙特卡罗模拟简称M-C模拟A. 错误B. 正确满分:2 分6. 模型的成功与否取决于经受住实践检验A. 错误B. 正确满分:2 分7. 原型指人们在社会和生产实践中关心和研究的现实世界中的实际对象A. 错误B. 正确满分:2 分8. 恰当的选择特征尺度可以减少参数的个数A. 错误B. 正确满分:2 分9. 数学建模以模仿为目标A. 错误B. 正确满分:2 分10. 拐角问题来源于医院手术室病人的接送A. 错误B. 正确满分:2 分11. 学习数学建模不需要具备科技论文写作能力A. 错误B. 正确满分:2 分12. 预测战争模型是牛顿提出的A. 错误B. 正确满分:2 分13. 建模假设应是有依据的A. 错误B. 正确满分:2 分14. 泊松分布常用于穿越公路模型中A. 错误B. 正确满分:2 分15. 要获得真正理论意义上的最优回归方程是很困难的A. 错误B. 正确满分:2 分16. 时间序列研究对象为静态数据A. 错误B. 正确满分:2 分17. 相对误差等于绝对误差加测量误差A. 错误B. 正确满分:2 分18. 明显歪曲实验结果的误差为过失误差A. 错误B. 正确满分:2 分19. 量纲分析是20世纪提出的在物理领域建立数学模型的一种方法A. 错误B. 正确满分:2 分20. 引言是整篇论文的引论部分A. 错误B. 正确满分:2 分21. 利用无量纲方法可对模型进行简化A. 错误B. 正确满分:2 分22. 建模中的数据需求常常是一些汇总数据A. 错误B. 正确满分:2 分23. 通过实验收集和问卷调查等可以获取数据A. 错误B. 正确满分:2 分24. 交流中必须学会倾听A. 错误B. 正确满分:2 分25. 论文写作的目的在于表达你所做的事情A. 错误B. 正确满分:2 分26. 不必认真设计结果的输出格式A. 错误B. 正确满分:2 分27. 求常微分方程的基本思想是将方程离散化转化为递推公式以求出函数值A. 错误B. 正确满分:2 分28. 人口预测模型用以预测人口的增长A. 错误B. 正确满分:2 分29. 样本平均值和理论均值不属于参数检验方法A. 错误B. 正确满分:2 分30. 激烈的价格竞争在超市之间是常见的A. 错误B. 正确满分:2 分31. 题名是人们检索文献资料的第一重要信息A. 错误B. 正确满分:2 分32. 数学建模中常遇到微分方程的建立问题A. 错误B. 正确满分:2 分33. 数学建模不是一个创新的过程A. 错误B. 正确满分:2 分34. 将所有可能提供选择的变量都放入模型中,不加剔除叫做淘汰法A. 错误B. 正确满分:2 分35. 数据也是问题初态的重要部分A. 错误B. 正确满分:2 分二、多选题(共15 道试题,共30 分。

数学建模第一次作业

数学建模第一次作业

14-15(2)数学建模第一次作业注意事项:提交时间截至3月27日课前,请将电子文档发送至邮箱sxjm@。

两个题目做到一个word文档里,文档和邮件标题均以“学号+姓名”命名。

请注意提交时间(顺序会影响给分结果)。

一、(必做题)ppt的思考题(1)~(4),由学号的后两位除以4的余数来确定;二、(必做题)本文档里的题目1~5,由学号的后两位除以5的余数来确定;三、(选做题)对于“生猪价格下降1%”理解的,0.65(11%)tp=-请根据ppt课件上的过程给出相应的结果(包括图形和灵敏性分析等)。

1油污清理问题一处石油泄漏污染了200英里的太平洋海岸线,所属石油公司被责令在14天内将其清除,预期则要被处以10000美元/天的罚款。

当地的清洁队每周可以清理5英里的海岸线,耗资500美元/天,额外雇佣清洁队则要付每支清洁队18000美元的费用和500美元/天的清洁费用.(1). 为使公司的总支出最低,应该额外雇佣多少支清洁队?采用5步方法,并求出清洁费用。

(2). 讨论清洁队每周清洁海岸线长度的灵敏性。

分别考虑最优的额外雇佣清洁队的数目和公司的总支出。

(3). 讨论罚金数额的灵敏性。

分别考虑公司用来清理漏油的总天数和公司的总支出。

(4). 石油公司认为罚金过高而提出上诉。

假设处以罚金的唯一目的是为了促使石油公司及时清理泄漏的石油,那么罚金的数额是否过高?*(5). (选做题)即使一开始采取围堵措施,海浪仍导致油污以每天0.5英里的速度沿海岸线扩散,这将导致最终清理的海岸线超过200海里,请分析扩散速度对公司总支出的影响。

2报刊价格问题一家有80000订户的地方日报计划提高其订阅价格。

现在的价格为每周1.5美元,据估计如果每提高定价10美分,就会损失5000订户。

(1)采用五步法,求使利润最大的订阅价格(2)对(1)中所得结论讨论损失5000订户这一参数的灵敏性。

分别假设这个参数值为3000,4000,5000,6000或7000,计算最优订阅价格(3)设n=5000为提高定价10美分而损失的订户数,求最优订阅价格p作为n的函数关系。

数学建模作业练习

数学建模作业练习

优化作业(1)1.(本题只写模型不求解)某工厂向用户提供发动机,按合同规定,其交货数量和日期是:第一季度末交40台,第二季度末交60台,第三季度末交80台。

工厂的最大生产能力为每季度100台,每季度的生产费用是22.050)(x x x f +=元,其中x 为该季度生产发动机的台数。

若工厂生产得多,多余的发动机可移到下季度向用户交货,这样,工厂就需要支付存储费用,每台发动机每季度的存储费用为4元。

问该厂每季度生产多少台发动机,才能既满足交货合同,又使工厂所花费的费用最少(假定第一季度开始时发动机无存货)?2.(本题只写模型不求解)某市为方便小学生上学,拟在新建的8个居民小区821,,,A A A 增设若干所小学,经过论证知备选校址有621,,,B B B ,它们能够覆盖的居民小区如下表所列,试建立一个数学模型,确定出最小个数的建校地址,使其能覆盖所有的居民小区。

备选校址B 1 B 2 B 3 B 4 B 5 B 6 覆盖小区 A 1,A 5,A 7 A 1,A 2,A 5,A 8 A 1,A 3,A 5 A 2,A 4,A 8 A 3,A 6 A 4,A 6,A 83.写出下面LINGO 程序所对应的完整数学模型。

SETS: HANG/1..3/:B; LIE/1..4/:X,C; XISHU(HANG,LIE):A;ENDSETSDATA:A= 1 2 3 12 5 1 23 1 6 -2;B=4 5 7;C=1 3 4 5;ENDDATAmin=@sum(LIE(I):C(I)*X(I));@FOR(HANG(I):@SUM(LIE(J):A(I,J)*X(J))>B(I));4.根据下面LINGO 程序的集合段和模型段写出其所对应的数学模型。

SETS: HANG/1..3/:A;LIE/1..4/:B;XISHU(HANG,LIE):C,X;ENDSETSmin=@sum(XISHU(I,J):C(I,J)*X(I,J));@FOR(HANG(I):@SUM(LIE(J):X(I,J))=A(I));@FOR(LIE(J):@SUM(HANG(I):X(I,J))=B(J));5.某校篮球队准备从十名预备队员中选择五名作为正式队员,队员的各种情况如下表:队员号码身高(厘米)技术分位置1 185 8.6 中锋2 186 9 中锋3 193 8.4 中锋4 190 9.5 中锋5 182 9.1 前锋6 184 9 前锋7 188 8.1 前锋8 186 7.8 后卫9 190 8.2 后卫10 192 9.2 后卫队员的挑选要满足下面条件:(1)至少补充一名前锋。

数学建模课作业范例

数学建模课作业范例

数学建模课作业范例范例题目:一家具公司签定了一项合同,合同要求在第一个月月底前,交付80把椅子,在第二个月月底前,交付120把椅子。

若每月生产x把椅子时,成本为50x+0.2x2(元);如第一个月生产的数量超过订货数,每把椅子库存一个月的费用是8元。

公司每月最多能生产200把椅子。

求完成以上合同的最佳生产安排。

家具公司最佳生产安排问题一问题的提出一家具公司签定了一项合同,合同要求在第一个月月底前,交付80把椅子,在第二个月月底前,交付120把椅子。

若每月生产x把椅子时,成本为50x+0.2x2(元);如第一个月生产的数量超过订货数,每把椅子库存一个月的费用是8元。

公司每月最多能生产200把椅子求成以上合同的最佳生产安排。

二假设与变量说明1.)模型假设1.椅子的成本和库存费没有变化2.该公司签定的合同并未发生变化3.该公司生产的椅子质量合格4.除了成本费和库存费并未产生其他额外的费用2)变量说明x1: 公司第一个月生产的椅子数x2: 公司第二个月生产的椅子数y1: 公司第一个月的成本费y2: 公司第二个月的成本费z: 库存费Y: 总的费用三模型分析和建立1. 模型分析:该家具公司需要每月制定一个最佳的椅子生产数(x1、x2),使该公司完成合同所需成本最小,而获得最大利润。

本模型的问题焦点就是确定最小成本,即使Y=y1+y2+z最小的数学问题。

2. 模型建立第一个月的生产成本:y1=50x1+0.2x12第二个月的生产成本:y2=50x2+0.2x22所需库存费: z=(x1-80)*8总成本: Y=y1+y2+z=(50x1+0.2x12)+(50x2+0.2x22)+(x1-80)*8其中:x1 +x2=200 80≤x1≤200综上所述,可建立如下数学模型:Min Y=(50x1+0.2x12)+(50x2+0.2x22)+(x1-80)*8 s.t 80≤x1≤200x 1 + x2=200四.求解用LINGO对模型直接求解,输入格式为:model:min=(50*x1+0.2*x1^2)+( 50*x2+0.2*x2^2)+8*(x1-80);x1>=80;x1<=200;x1+x2=200;end运行后结果为:Optimal solution found at step: 4Objective value: 14120.00Variable Value Reduced CostX1 90.00000 0.0000000X2 110.0000 0.0000000Row Slack or Surplus Dual Price1 14120.00 1.0000002 9.999998 0.2158310E-053 110.0000 0.00000004 0.0000000 -94.00000五.结果与分析由计算可知,当x1=90,x2=110时成本费最底,所以生产的最佳安排是第一月生产90把椅子,第二月生产110把椅子.。

数学建模作业题+答案

数学建模作业题+答案

数学建模MATLAB 语言及应用上机作业11. 在matlab 中建立一个矩阵135792468101234501234A ⎡⎤⎢⎥⎢⎥=⎢⎥-----⎢⎥⎣⎦答案:A = [1,3,5,7,9;2,4,6,8,10;-1,-2,-3,-4,-5;0,1,2,3,4]2. 试着利用matlab 求解出下列方程的解(线性代数22页例14)123412423412342583692254760x x x x x x x x x x x x x x +-+=⎧⎪--=⎪⎨-+=-⎪⎪+-+=⎩ 答案:A=[2 ,1,-5,1;1,-3,0,-6;0,2,-1,2;1,4,-7,6]; B=[8;9;-5;0]; X=A\B 或A=[2,1,-5,1;1,-3,0,-6;0,2,-1,2;1,4,-7,6] b=[8,9,-5,0]' X=inv(A)*b3. 生成一个5阶服从标准正态分布的随机方阵,并计算出其行列式的值,逆矩阵以及转置矩阵。

答案:A=randn(5) det(A) inv(A) A'4. 利用matlab 求解出110430002A -⎡⎤⎢⎥=-⎢⎥⎢⎥⎣⎦的特征值和特征向量。

答案:A=[-1,1,0;-4,3,0;0,0,2] [V,D]=eig(A)5.画出衰减振荡曲线3sin3t y et -=在[0,4]π上的图像。

要求,画线颜色调整为黑色,画布底面为白色。

(在实际中,很多打印机时黑白的,因此大多数作图要考虑黑白打印机的效果。

) 给出恰当的x ,y 坐标轴标题,图像x 轴的最大值为4π。

6. 生成一个0-1分布的具有10个元素的随机向量,试着编写程序挑选出向量中大于0.5的元素。

数学建模和Matlab 上机作业2(2016-9-20)跟老师做(不用整合进作业中):上机演示讲解:函数,递归的两个例子的写法。

附:1. Fibonacci Sequence (斐波那契数列)在数学上,费波那西数列是以递归的方法来定义: F1= 1;F2= 1;F (n )=F (n-1)+F (n-2) 2. 阶乘举例:数学描述:n!=1×2×……×n ;计算机描述:n!=n*(n-1)!自己做(需要整合进作业中,提交到系统中):1. 写一个m 文件完成分值百分制到5分制的转换(即输入一个百分制,转换后输出一个5级对应的得分,联系条件控制语句)。

数学建模作业(1)

数学建模作业(1)

数学建模作业(1)
数模
数模
1.学校共学校共1000名学生,235人住在宿名学生,人住在A宿名学生人住在人住B宿舍人住在C宿舍舍,333人住宿舍,432人住在宿舍人住宿舍,人住在宿舍.学生们要组织一个10人的委员会人的委员会,学生们要组织一个人的委员会,试用下列办法分配各宿舍的委员数:列办法分配各宿舍的委员数:(1)按比例分配取整数的名额后,剩下的名按比例分配取整数的名额后,按比例分配取整数的名额后额按惯例分给小数部分较大者。

额按惯例分给小数部分较大者。

(2)用Q值方法。

值方法。

用值方法
数模
如果委员会从10人增至人如果委员会从人增至15人,用以上人增至2种方法再分配名额。

将2种方法两次分配种方法再分配名额。

种方法再分配名额种方法两次分配的结果列表比较。

的结果列表比较。

(3)你能提出其它的方法吗?用你的方你能提出其它的方法吗?你能提出其它的方法吗法分配上面的名额。

法分配上面的名额。

数模
2.考察模拟水下爆炸的比例模型.爆炸物质量m,在距爆炸点距离r处设置仪器,接收到的冲击波压强为p,记大气初始压强p0,水的密度ρ,水的体积弹性模量k,用量纲分析法已经得到
p0ρrp=p0(,)km3
数模
设模拟实验与现场的p0,ρ,k相同,而爆炸物模型的质量为原模型的1/1000.为了使实验中接收到与现场相同的压强p,问实验时应如何设置接收冲击波的仪器,即求实验仪器与爆炸点之间的距离是现场的多少倍?
p0,ρ,k。

数学建模作业一:汽车刹车距离

数学建模作业一:汽车刹车距离

汽车刹车距离一、问题描写司机在碰到突发紧迫情形时都邑刹车,从司机决议刹车开端到汽车停滞行驶的距离为刹车距离,车速越快,刹车距离越长.那么刹车距离与车速之间具有什么样的关系呢?二、问题剖析汽车的刹车距离有反响距离和刹车距离两部分构成,反响距离指的是司机看到须要刹车的情形到汽车制动器开端起感化汽车行使的距离,刹车距离指的是制动器开端起感化到汽车完整停滞的距离.反响距离有反响时光和车速决议,反响时光取决于司机小我状态(敏锐.机灵等)和制动体系的敏锐性,因为很难对反响时光进行差别,是以,平日以为反响时光为常数,并且在这段时光内车速不变.刹车距离与制动感化力.车重.车速以及路面状态等身分有关系.由能量守恒制动力所做的功等于汽车动能的转变.设计制动器的一个合理原则是,最大制动力大体上与汽车的质量成正比,汽车的减速度根本上是常数.路面状态可以为是固定的.三、问题求解1、模子假设依据上述剖析,可作如下假设:①刹车距离d等于反响距离1d和制动距离2d之和;②反响距离1d 与车速v 成正比,且比例系数为反响时光t;③刹车时应用最大制动力F,F 作的功等于汽车动能的转变,且F 与车质量m 成正比;④人的反响时光t 为一个常数; ⑤在反响时光内车速v 不变 ; ⑥路面状态是固定的;⑦汽车的减速度a 根本上是一个常数. 2、 模子树立由上述假设,可得: ⑴tv d =2;⑵2221mv Fd =,而ma F =,则2221v ad =.所以22kv d =. 综上,刹车距离的模子为2kv tv d +=. 3.参数估量可用我国某机构供给的刹车距离现实不雅察数据来拟合未知参数t 和k.转化单位后得:车速(公里/小时) 20 40 60 80 100 120 140现实刹车距离(米)118.0用Mathematica 进行拟合,代码如下: Clear[x,v,d];x={{20/3.6,6.5},{40/3.6,17.8},{60/3.6,33.6},{80/3.6,57.1},{100/3.6,83.4},{120/3.6,118},{140/3.6,153.5}}; d=Fit[x,{v,v^2},v];Print["d=",d];Plot[d,{v,0,200/3.6}] 成果: 4. 成果剖析将拟合成果与现实成果比较:(代码) Clear[v,d];d=0.65218*v/3.6+0.0852792*(v/3.6)^2;For[v=20,v<=140,v=v+20,Print["速度为",v,"km/h 时刹车距离为",d]] 成果:车速(公里/小时) 20 40 60 80 100 120 140 现实刹车距离(米) 盘算刹车距离(米)盘算刹车距离与现实刹车距离基底细当.综上,反响时光t 约等于0.6522秒,刹车时减速度约等于2/62/1s m k ≈.刹车距离与车速的关系知足:208528.06522.0d v v +=.。

数学建模作业及答案

数学建模作业及答案

数学建模作业姓名:叶勃学号:班级:024121一:层次分析法1、 分别用和法、根法、特征根法编程求判断矩阵1261/2141/61/41A ⎡⎤⎢⎥=⎢⎥⎢⎥⎣⎦11/2433217551/41/711/21/31/31/52111/31/5311A ⎡⎤⎢⎥⎢⎥⎢⎥=⎢⎥⎢⎥⎢⎥⎣⎦的特征根和特征向量(1)冪法求该矩阵的特征根和特征向量 程序为:#include<iostream> #include<math.h> using namespace std;#define n 3 //三阶矩阵#define N 20 #define err 0.0001 //幂法求特征值特征向量 void main(){cout<<"**********幂法求矩阵最大特征值及特征向量***********"<<endl; int i,j,k;double A[n][n],X[n],u,y[n],max;cout<<"请输入矩阵:\n"; for(i=0;i<n;i++) for(j=0;j<n;j++)cin>>A[i][j]; //输入矩阵 cout<<"请输入初始向量:\n"; for(i=0;i<n;i++)cin>>X[i]; //输入初始向量 k=1; u=0;while(1){ max=X[0]; for(i=0;i<n;i++) {if(max<X[i]) max=X[i]; //选择最大值 }for(i=0;i<n;i++)y[i]=X[i]/max; for(i=0;i<n;i++)X[i]=0;for(j=0;j<n;j++)X[i]+=A[i][j]*y[j]; //矩阵相乘}if(fabs(max-u)<err){cout<<"A的特征值是 :"<<endl; cout<<max<<endl; cout<<"A的特征向量为:"<<endl; for(i=0;i<n;i++) cout<<X[i]/(X[0]+X[1]+X[2])<<" ";cout<<endl;break;}else{if(k<N) {k=k+1;u=max;} else {cout<<"运行错误\n";break;}}} }程序结果为:(2)和法求矩阵最大特征值及特征向量程序为:#include<stdio.h>#include<iostream>#include<math.h> using namespace std;#define n 3 //三阶矩阵#define N 20void main(){int i,j,k;double A[n][n],w[n],M[n],u[n],W[n][n],max;cout<<"********和法求矩阵的特征根及特征向量*******"<<endl;cout<<"请输入矩阵:\n";for(i=0;i<n;i++)for(j=0;j<n;j++)cin>>A[i][j]; //输入矩阵 //计算每一列的元素和M[0]=0;M[1]=0;M[2]=0;for(i=0;i<n;i++)for(j=0;j<n;j++){M[i]+=A[j][i];}//将每一列向量归一化for(i=0;i<n;i++)for(j=0;j<n;j++){W[j][i]=A[j][i]/M[i];}//输出按列归一化之后的矩阵Wcout<<"按列归一化后的矩阵为:"<<endl;for(i=0;i<n;i++)for(j=0;j<n;j++){cout<<W[i][j]<<" ";if(j==2)cout<<endl;} //求特征向量w[0]=0;w[1]=0;w[2]=0;for(i=0;i<n;i++)for(j=0;j<n;j++){w[i]+=W[i][j];}cout<<"特征向量为:"<<endl; for(i=0;i<n;i++){u[i]=w[i]/(w[0]+w[1]+w[2]);cout<<u[i]<<" "<<endl;}//求最大特征值max=0;for(i=0;i<n;i++){w[i] = 0;for(j=0;j<n;j++){w[i] += A[i][j]*u[j];}}for(i = 0;i < n;i++){max += w[i]/u[i];}cout<<"最大特征根为:"<<endl;cout<<max/n<<endl; }运行结果为:(3)根法求矩阵最大特征值及特征向量:程序为:#include<stdio.h>#include<iostream>#include<math.h>using namespace std;#define n 3 //三阶矩阵#define N 20void main(){int i,j;double A[n][n],w[n],M[n],u[n],W[n][n],max;cout<<"********根法求矩阵的特征根及特征向量*******"<<endl; cout<<"请输入矩阵:\n";for(i=0;i<n;i++)for(j=0;j<n;j++)cin>>A[i][j]; //输入矩阵//计算每一列的元素和M[0]=0;M[1]=0;M[2]=0;for(i=0;i<n;i++)for(j=0;j<n;j++){M[i]+=A[j][i];}//将每一列向量归一化for(i=0;i<n;i++)for(j=0;j<n;j++){W[j][i]=A[j][i]/M[i];}//输出按列归一化之后的矩阵Wcout<<"按列归一化后的矩阵为:"<<endl;for(i=0;i<n;i++)for(j=0;j<n;j++){cout<<W[i][j]<<" ";if(j==2)cout<<endl;}//求特征向量//w[0]=A[0][0];w[1]=A[0][1];w[2]=A[0][2];w[0]=1;w[1]=1;w[2]=1;for(i=0;i<n;i++){for(j=0;j<n;j++){w[i]=w[i]*W[i][j];}w[i]=pow(w[i], 1.0/3);}cout<<"特征向量为:"<<endl;for(i=0;i<n;i++){u[i]=w[i]/(w[0]+w[1]+w[2]);cout<<u[i]<<" "<<endl;}//求最大特征值max=0;for(i=0;i<n;i++){w[i] = 0;for(j=0;j<n;j++){w[i] += A[i][j]*u[j];}}for(i = 0;i < n;i++){max += w[i]/u[i];}cout<<"最大特征值为:"<<endl; cout<<max/n;}运行结果为:2、编程验证n阶随机性一致性指标RI:运行结果:3、考虑景色、费用、居住、饮食、旅途五项准则,从桂林、黄山、北戴河三个旅游景点选择最佳的旅游地。

  1. 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. 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. 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)。

习题一在3.1节存储模型中的总费用中增加购买货物本身的费用,重新确定最优订货周期和订货批量。

证明在不允许缺货模型和允许缺货模型中结果都与原来一样。

一、不允许缺货的存储模型
问题分析若生产周期短、产量少,会使存储费用小,准备费用大,货物价格不变;
而周期长、产量多,会使存储费大,准备费小,货物价格不变。

所以必然存在一个最佳周期,使总费用最小。

显然,应建立一个优化模型。

模型假设为了处理的方便,考虑连续模型,即设生产周期T和产量Q为连续量。

根据问题性质作如下假设:
(1)产品每天的需求量为常数r。

(2)每次生产费用为c1,每天每件产品存储费为c2,购买每件货物所需费用为c3.(3)生产能力为无限大(相对于需求量),当存储量降为零时,Q件产品立即生产出来供给需求,即不允许缺货。

模型建立将存储量表示为时间t的函数q(t),t=0生产Q件,存储量q(0)=Q,q(t)以需求速率r递减,直到q(T)=0,如图,显然有:Q=rT
图(1)不允许缺货模型的存储量q(t)
一个周期内的存储费是c2∫q(t)dt,其中积分恰好等于图中三角形面积QT/2,因为一个周期的准备费是c1,购买每件货物的费用为c3,得到一个周期的总费用为:
C=c1+c2QT/2+r Tc3=c1+c2 r T2/2+ r T c3
则每天的平均费用是
C(T)=c1/T+r c3+c2 r T/2
上式为这个优化模型的目标函数。

模型求解求T使上式的C最小。

容易得到
T=√2c1/(c2r)则Q=√2c1r/c2
二、允许缺货的存储模型
(1) 模型假设产品每天的需求量为常数r。

(2) 每次生产费用为c1,每天每件产品存储费为c2,购买每件货物所需费用为c3.
(3) 生产能力为无限大(相对于需求量),允许缺货,每天每件损失费为c4,但缺货数量需在下次生产(或订货)时补足。


模型建立因存储量不足造成缺货时,可以认为存储量函数q(t)为负值,如图所示,周期仍记为T,Q是每周期初的存储量,当t=T1时q(t)=0,于是有Q=r T1
t
图(2)允许缺货模型的存储量q(t)
在T1到T这段时间内需求率r不变,q(t)按原斜率继续下降。

由于规定缺货量需补足,所以在t=T时数量为R的产品立即到达,使下周期初的存储量恢复为Q.
所以C=c1+c2QT1/2+ r Tc3+c4r(T-T1)2/2
将模型的目标函数------每天的平均费用------记作T和Q的二元函数
C(T,Q)=c1/T+c2Q2/(2rT)+ +r c3+c3(Rt-Q)2/(2Tr)
模型求解利用微分法求T和Q使C(T,Q)最小,令dC/dT=0 ,dC /dQ =0,可得
T’=√2c1(c2+c4)/(rc2c4) , Q’=√2c1rc4/(c2(c2+c3))
由以上两个模型可以看出在不允许缺货模型和缺货模型中结果都与原来一样
存储模型
问题:建立不允许缺货存储模型。

设生产速率为常数k,销售速率为常数r,k>r,在每个生产周期T内,开始的一段时间(0<t<T0﹚一边生产一边销售,后来的一段时间﹙T0<t<T﹚只销售不生产.画出储存量q(t)的图形,设每次生产准备费为c1,单位时间每件产品储存费为c2,以总费用最小为目标确定最优生产周期。

讨论K>>r和K≈r的情况。

问题分析:在t< T0时间内k>r有储存量以k-r速率增加,在T0<t<T时间内,储存量以r 速率递减,而一个周期的总费用为C(t)与生产周期,产量与需求量,生产准备费,储存费之间的关系,从而建立数学模型。

可根据数学最值定理求出最优周期。

模型假设:为处理方便考虑连续模型,即生产周期T和生产量Q都是连续量,故作出如下假设
1.生产速率为常数k,销售速率为常数r,k>r。

2.每次生产准备费为c1,单位时间每件产品储存费为c2。

3.开始的一段时间(0<t<T0﹚一边生产一边销售,后来的一段时间﹙T0<t<T﹚
只销售不生产.
4.不允许缺货。

模型建立:将存储量表示为时间T的函数q(t),在0<t<T0,q(t)以的速率增加;在T0<t<T 时间内,q(t)以r的速率递减,直到q(t) =0 ,如图所示,显然有﹙k-r﹚t 0<t<T0
q(t)=
﹙k-r﹚T0-r﹙t-T0﹚T0<t<T
﹙k-r﹚T0
0 T0T t
则一个周期内的储存费为c2∫0t q(t)dt
一个周期的总费用为C(t)= c1+0.5 c2﹙k-r﹚T0 T
则平均费用为g(t)=C(t)/T= c1 /T+0.5 c2﹙k-r﹚T02/T +0.5 c2﹙k-r﹚T0(T-T0)/T
由于﹙k-r﹚T0=r(T-T0)
故g(t)= c1 /T+c2﹙k-r﹚rT/2k
模型求解:
使平均费用最小的最优周期为T*=√2c1k/c2r(k-r)
模型分析:当k>>r时,T*=√2c1/c2r 相当于不考虑生产的情况。

当K≈r时,T* ∞,因为产量被销售量抵消,无法形成储存量。

model:
min=100*x1+40*x5+40*x6;
x1+x6>4;
x2+x4>6;
x3+x5>5;
x1+x5>8;
x1+x5-x4>8;
x2+x3=x1;
end
Global optimal solution found.
Objective value: 640.0000
Infeasibilities: 0.000000
Total solver iterations: 7
Variable Value Reduced Cost X1 4.000000 0.000000 X5 6.000000 0.000000 X6 0.000000 20.00000 X2 4.000000 0.000000 X4 2.000000 0.000000 X3 0.000000 40.00000
Row Slack or Surplus Dual Price
1 640.0000 -1.000000
2 0.000000 -20.00000
3 0.000000 -40.00000
4 1.000000 0.000000
5 2.000000 0.000000
6 0.000000 -40.00000
7 0.000000 40.00000。

相关文档
最新文档