数学建模最优路径设计
数学建模实验报告
数学建模实验报告一、实验目的和背景本次实验旨在运用数学建模方法，解决一个与实际生活相关的问题。
通过建立数学模型，分析问题，提出解决方案，并通过实验数据验证模型的可行性和准确性。
二、实验内容本次实验的题目是“公司送货员最优路径规划”。
公司有多名送货员需要在城市中进行货物的配送工作。
公司希望通过合理的路径规划，使得送货员能够在最短的时间内完成所有的配送任务。
在实验中，需要考虑的主要因素包括送货员之间的配送范围、道路交通状况、道路长度等。
三、实验步骤1.收集相关数据：收集城市道路网络的地理数据，包括道路长度、道路交通状况等信息。
2.确定目标函数和约束条件：由于目标是使得送货员在最短的时间内完成配送任务，因此可以将送货员的路径总长度作为目标函数，并设置配送时间限制作为约束条件。
3.建立数学模型：根据收集到的数据和确定的目标函数、约束条件，建立数学模型，将问题转化为一个最优化问题。
4.进行求解：使用数学建模常见的求解方法，如遗传算法、模拟退火算法等，对数学模型进行求解，得到最优的路径规划方案。
5.实验验证：将求解得到的路径规划方案应用于实际情境中，通过实践进行验证，观察实际效果与模型预测结果的一致性。
四、实验结果与分析通过对数学模型进行求解，得到了送货员的最优路径规划方案。
将该方案应用于实际情境中，观察实际效果与模型预测结果的一致性。
通过与其他非最优路径规划方案进行对比，可以发现，最优路径规划方案能够使得送货员在最短的时间内完成配送任务，提高工作效率。
五、结论和展望本次实验成功地运用了数学建模方法，解决了公司送货员最优路径规划问题。
通过建立数学模型，可以快速地得到最优的路径规划方案，提高了送货员的工作效率。
未来可以进一步改进模型，考虑更多实际情况，如车辆限行、路况实时变化等因素，提供更加精确和实用的路径规划方案。
总结：本次实验通过对公司送货员最优路径规划问题的建模和求解，展示了数学建模的应用价值和解决问题的能力。
数学建模最佳旅游路线的选择模型
2012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中国大学生数学建模竞赛的竞赛规则.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（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。
我们参赛选择的题号是（从A/B/C/D中选择一项填写）： B 我们的参赛报名号为（如果赛区设置报名号的话）： 12 所属学校（请填写完整的全名）：鲁东大学参赛队员 (打印并签名) ：1. 张亭2. 任雪雪3. 卜范花指导教师或指导教师组负责人 (打印并签名)：日期： 2010 年 8 月 2 日赛区评阅编号（由赛区组委会评阅前进行编号）：2010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）：赛区评阅记录（可供赛区评阅时使用）：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）：最佳旅游路线的选择模型摘要：本文研究的是最佳旅游路线的选择问题，此问题属于旅行商问题，我们建立了路径最短，花费最少，省钱、省时、方便三个模型。
根据周先生的不同需求，我们用改良圈算法和多目标规划解决了该问题，之后我们结合实际情况对三个模型进行科学地误差分析，并分析了该算法的复杂性。
针对问题一，题目中给出了100个城市的经纬度，要求我们为周先生设计一条最短的旅行路线，即从驻地出发，经过每个城市恰好一次，再回到驻点。
由此可知，此问题属于旅行商问题。
首先，我们按附件所给各城市的顺序编号1,2,,100，以两城市间的直线距离代替实际距离。
然后，我们运用改良圈算法求解旅行商问题，以任意两点之间的最短距离矩阵为权重，利用1100100(,)w i j ⨯邻接矩阵构造无向图1UG ，据题意不知周先生的起始地点，因此利用Matlab 软件重复进行100次改良圈算法即以每一个城市为出发点，从100个Hamilton 圈得到了最优圈1circle ，即最短的旅行路线。
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、符号说明符号表示意义Ti 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Vi Ti的点集Si Ti的长度Hi(v) 在V上定义的特殊函数仅当V被第i 人走过且停留时Hi(v)=1,否则为0四、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。
送货路线设计问题数学建模优化
送货路线设计问题现今社会网络越来越普及，网购巳成为一种常见的消费方式，随之物流行业也渐渐兴盛，每个送货员需要以最快的速度及时将货物送达，而且他们往往一人送多个地方，请设计方案使其耗时最少。
现有一快递公司，库房在图1中的O点，一送货员需将货物送至城市内多处, 请设计送货方案，使所用时间最少。
该地形图的示意图见图1,各点连通信息见表3,假定送货员只能沿这些连通线路行走，而不能走其它任何路线。
各件货物的相关信息见表1, 50个位置点的坐标见表2。
假定送货员最大载重50公斤，所带货物最大体积1立方米。
送货员的平均速度为24公里/小时。
假定每件货物交接花费3分钟，为简化起见，同一地点有多件货物也简单按照每件3分钟交接计算。
现在送货员要将100件货物送到50个地点。
请完成以下问题。
1.若将1~30号货物送到指定地点并返回。
设计最快完成路线与方式。
给出结果。
要求标出送货线路。
2.假定该送货员从早上8点上班开始送货，要将1~30号货物的送达时间不能超过指定时间，请设计最快完成路线与方式。
要求标出送货线路。
3.若不需要考虑所有货物送达时间限制（包括前30件货物），现在要将100件货物全部送到指定地点并返回。
设计最快完成路线与方式。
要求标出送货线路，给出送完所有快件的时间。
由于受重量和体积限制，送货员可中途返回取货。
可不考虑中午休息时间。
以上各问尽可能给出模型与算法。
图1快递公司送货地点示意图o点为快递公司地点，o点坐标（11000,8250）,单位：米表2 50个位置点的坐标快递公司送货策略一摘要:本文是关于快递公司送货策略的优化设计问题，即在给定送货地点和给定设计规范的条件下，确定所需业务员人数，每个业务员的运行线路，总的运行公里数，以及费用最省的策略。
本文主要从最短路经和费用最省两个角度解决该问题，建立了两个数据模型。
模型一：利用“图”的知识，将送货点抽象为“图”中是顶点，由于街道和坐标轴平行, 即任意两顶点之间都有路。
三维路径规划数学建模
三维路径规划数学建模
三维路径规划数学建模是指在三维空间中寻找一条最优路径的
过程。
这个问题涉及到三维空间中的点和障碍物，以及路径的长度、曲率等因素。
在进行数学建模之前，我们需要定义一些基本概念和符号：
- 三维空间中的点可以使用三维坐标表示，例如 (x, y, z)。
- 障碍物也可以使用几何体表示，如球体、立方体等。
- 路径可以看作是一系列连接在一起的点的集合，我们可以用点的坐标来表示路径。
数学建模的过程包括下面几个步骤：
1. 定义目标：
- 确定起点和终点的位置。
- 确定路径长度、曲率等目标函数。
2. 建立数学模型：
- 将三维空间划分为离散的网格。
- 根据障碍物的位置，在网格中标记障碍物的位置。
- 使用图论算法，如A*算法、Dijkstra算法等，在离散网格中搜索最优路径。
- 可以通过调整网格分辨率和障碍物的大小来平衡计算复杂度和路径的精确性。
3. 求解最优路径：
- 根据建立的数学模型，在离散网格中搜索最优路径。
- 可以通过动态规划、贪心算法等方法求解。
- 通过计算路径长度、曲率等目标函数，评价路径的优劣。
- 可以通过调整模型参数和算法来优化路径的求解过程。
4. 优化路径：
- 根据求解得到的最优路径，对路径进行优化。
- 可以使用插值算法，如Bezier曲线、样条插值等，使路径更加平滑。
- 可以根据实际应用需求，进一步优化路径的特性，如避免突然变化的曲率、尽量避开障碍物等。
以上是三维路径规划数学建模的基本过程，具体建模方法和算法选用可以根据实际问题和需求进行调整和优化。
运用数学模型优化旅游线路设计
运用数学模型优化旅游线路设计
一、最短路径算法
在旅游线路设计中，最短路径算法可以用于寻找旅游路线中的最短路径。
以图的方式
表示旅游路线，通过算法得到旅游者能够最短时间到达各个景点的路径，从而为旅游者提
供更高效的旅游体验。
该算法主要用于处理两点之间的最短路径问题。
二、线性规划算法
三、遗传算法
四、模拟退火算法
在进行旅游线路设计时，我们也需要注意以下几点：
1. 考虑旅游者的喜好和需求，量身定制旅游线路；
2. 合理安排旅游的时间和成本，避免浪费时间和金钱；
3. 考虑景点间的距离和交通情况，合理安排旅游路线；
4. 考虑景点的开放时间和规定，避免因为时间问题错过美景；
5. 考虑旅游的季节和天气情况，避免因为天气问题影响旅游效果。
总之，通过运用数学模型优化旅游线路设计，可以为旅游者提供更加优质的旅游体验。
同时，在进行旅游线路设计时，我们也需要充分考虑旅游者的需求和情况，以确保为旅游
者提供有效的服务和建议。
数学建模中的优化算法应用实例
数学建模中的优化算法应用实例数学建模是一种有效的解决实际问题的方法，而优化算法则是数学建模中不可或缺的工具之一。
优化算法能够寻找最优解，最大化或最小化某个目标函数，有着广泛的应用领域。
本文将介绍数学建模中的几个优化算法应用实例，以展示其在实际问题中的作用和价值。
一、车辆路径规划优化在实际的物流配送领域中，如何合理地规划车辆路径，使得总运输成本最小、配送效率最高，是一个关键问题。
优化算法在车辆路径规划中起到了至关重要的作用。
通过建立数学模型，基于某个目标函数（如最小化总运输成本），可以采用遗传算法、模拟退火算法等优化算法，快速找到最优解，从而提高物流配送的效率和效益。
二、资源分配优化在资源分配问题中，常常需要考虑到各种限制条件，如最大化利润、最小化生产成本等。
优化算法能够帮助决策者在有限的资源下做出最优的分配决策。
例如，对于生产调度问题，可以利用线性规划等优化算法，将生产计划与订单需求进行匹配，使得生产成本最小化、交货期最短化。
三、供应链优化供应链管理中的优化问题也是实际应用中的重点关注点之一。
通过数学建模和优化算法，可以实现供应链中物流、库存、订单等多个环节的优化。
例如，在供应链网络设计中，可以使用整数规划算法来寻找最优仓储和配送中心的位置，从而降低总运输成本；在需求预测和库存管理中，可以利用模拟退火算法等优化算法，提高供应链的响应速度和利润率。
四、机器学习模型参数优化在机器学习领域，模型参数的选择对模型的性能和准确性有着重要的影响。
通过建立数学模型，可以将模型参数优化问题转化为参数寻优问题，进而采用优化算法求得最优参数。
例如，在神经网络的训练过程中，可以利用遗传算法、粒子群优化算法等进行参数调整，提高模型的预测准确性和泛化能力。
五、能源系统优化能源系统的优化是实现可持续发展的重要方向之一。
通过优化算法，可以针对能源系统进行容量规划、发电机组简化和能源分配等问题的优化。
例如，在微电网系统优化中，可以利用整数规划等算法，实现可再生能源与传统能源的协同供电，最大化清洁能源的利用率。
数学建模最优路径设计详解
数学建模最优路径设计详解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⽹站下载）。
我们完全明⽩，在竞赛开始后参赛队员不能以任何⽅式（包括电话、电⼦邮件、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。
我们郑重承诺，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) ：12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。
以上内容请仔细核对，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）：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）：从成都⼯业学院到西南交通⼤学最优路径设计摘要本⽂对现在⽣活中⾏车时间的不确定性进⾏了分析，并给出了最优路径的定义，即：⾏车所需期望时间最短且该路段⾏车时间的标准差最⼩。
在将时间期望值和时间标准差值两个决策变量合成为⼀个决策变量时，为消除不同指标带来的不可公度性，我们对这两个指标进⾏了⽆量纲化。
- 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)。
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) ：12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）：从工业学院到西南交通大学最优路径设计摘要本文对现在生活中行车时间的不确定性进行了分析，并给出了最优路径的定义，即：行车所需期望时间最短且该路段行车时间的标准差最小。
在将时间期望值和时间标准差值两个决策变量合成为一个决策变量时，为消除不同指标带来的不可公度性，我们对这两个指标进行了无量纲化。
对于问题一，建立双目标优化模型，给出最优路径的定义和数学表达式。
将这两个目标相加合成单目标。
利用MATLAB编程求解，将所建模型应用到例子中，得出的结论是：选择道路A。
对于问题二，在问题一定义的最优路径的基础上，建立图论模型，应用Dijkstra算法，利用MATLAB编程，得出最优路径选择结果为：工业学院→C→K →G→西南交通大学。
对与问题三，结合时间和空间上的相关性，采集足够多的时刻的车流速度，用神经网络算法可以拟合出该条路时刻关于车流速度的函数，建立图论模型分析时间和空间上的相关性。
关键词：多目标优化图论模型Dijkstra算法1、问题重述随着我国交通运输事业的迅速发展，交通拥挤和事故正越来越严重的困扰着城市交通。
在复杂的交通环境下，寻找一条可靠、快速、安全的最优路径，已成为所有驾驶员的共识。
传统最优路径问题的研究大多是基于“理想”交通状况下分析的，景点的最优路径算法都是假设每段路的行驶时间是确定的。
但是由于在现实生活中，行车会受到很多不确定性因素的影响，例如：交通事故、恶劣天气、突发事件等，车辆的行驶时间存在着不确定性。
基于这种不确定性，讨论以下问题：1.建立数学模型，定量的分析车辆行驶时间的不确定性，然后给出在不确定性条件下车辆从起点到终点的最优路径的定义和数学表达式。
并将此模型运用到图1例子中会选哪条路。
2.根据第一问的定义，设计算法搜索最优路径，并将该算法应用到具体交通网络中，验证算法的有效性。
3.交通路段之间的行驶时间的相关性分析。
时间上的相关性，对于相同路段不同时间段的相关性；空间上的相关性，相同时间段不同路段的相关性。
或者将时间和空间上的相关性综合起来考虑。
2、模型假设1.假设题目所给数据是在大量实验统计后得到的，数据真实可靠；2.假设题目给出数据所用的样本容量大小相同；3.假设从起点到到终点时间消耗不超过1小时；4.假设同一路段上下行的期望时间和标准差时间相同；5.假设各不同路段的期望时间和标准差时间相对独立。
3、变量说明T：表示从起点（工业学院）到终点（西南交通大学）期望时间；σ：表示从起点（工业学院）到终点（西南交通大学）标准差时间；i x ：x 类指标中的第i 个指标；x ：x 类指标的平均值； i x '：i x 无量纲化后的指标；λ：指标权重，改变期望时间和标准差时间重要性的系数；'t ：t 无量纲化后的指标；σ'：σ无量纲化后的指标；w ：期望时间和标准差时间两个指标合成的指标；V ：顶点集，即题图给出的A~K 的点； E ：无向弧集；T ：无向弧上的期望时间； S ：无向弧上的标准差时间； ok t :表示从起点到终点期望时间；ij x :表示0，1变量，ij x 取1时，表示所选路径经过了节点i 到节点j 的路段；ij x 取0时，表示所选路径没有经过节点i 到节点j 的路段。
σok ：从起点到终点标准差时间，其中0表示起点位置标号，k 表示终点位置标号； ijy ：是第i 种指标的第j 个量无量纲化后的量;ij x ：第i 种指标的第j 个量;i x 表示第i 种指标的平均数; ij t :从第i 个节点到第j 个节点的期望时间;σij :从第i 个节点到第j 个节点的标准差时间;ijt ':ij t 无量纲化后的量;σ'ij:σij 无量纲化后的量; t :所有的路段的期望时间平均值; σ:所有的路段的标准差时间平均值; ij w :由期望时间和标准差时间两个指标合成的指标。
()ij u d ：第i 个节点到第j 个节点的那段街的关于d 时刻的函数值，即速度。
ok T ：表示起点0到j 点的最短消耗时间。
4、模型准备4.1对最优路径的理解影响实际问题的因素很多，要解决实际问题就要建立适当的数学模型，即要把建模对象所涉及的次要因素忽略掉，否则所得模型会因为结构太复杂而失去可解性同时又不能把与实质相关的因素忽略掉，而造成所得模型因为不能足够正确反映实际情况而失去可靠性。
因此需要对实际问题进行抽象、简化、确定变量和参数，并应用某些“规律”建立起变量、参数间确定的数学模型。
影响路线选择的因素很多，譬如瞬时车流量、是否有交通事故、车辆状况等，而实际要解决的是从工业学院到西南交通大学的时间最省路径，因此车流量和路径长度成为影响解决本问题的主要因素，而是否有交通事故发生和车辆状况等次要因素均可忽略掉。
所以最优路径可定义为：实际行车路径所需期望时间最短且该路径行车时间的总标准差最小。
5、模型的建立与求解5.1问题1模型的建立与求解5.1.1建模思路问题1要求给出在不确定条件下车辆从起点到终点最优路径的定义和数学表达式并将此模型应用于例子中，说明选择哪条路。
建立双目标优化模型，再建立优化模型，将两个目标综合起来考虑，使之变为一个目标。
对于问题一和问题二我们在不考虑时间相关性和空间相关性的情况下，我们假设各路段行车的标准差时间相互独立，由概率的基础知识可以得知，多个随机变量相互独立，多个随机变量和的标准差就等于各自标准差的和。
所以在解决问题一和问题二的时候，在假设标准差时间是相互独立的情况下，我们将各标准差时间相加作为和的标准差是合理的处理方式。
5.1.2模型建立最优路径的定义：行车所需期望时间最短且该路段行车时间的标准差最小，考虑建立双目标决策：目标—：总的期望时间最短，即：min T(1) t表示从起点到终点期望时间。
目标二：时间波动要小，即要求这个路径的总标准差要小。
minσ(2) σ表示从起点到终点标准差时间。
5.1.3模型求解对于多目标，这里用相加合成为单目标，在这之前要进行无量纲化，这里用均值法无量纲化法，公式如下1⎡⎤⎣⎦：'=ii x x x(3)i x 是x 类指标中的第i 个指标。
x 是x 类指标的平均值，i x '是i x 无量纲化后的指标。
经过无量纲后，就可以转换成单目标。
()1λσλ''=+-w t(4)这里λ是指标权重，改变期望时间和标准差时间重要性的系数，对于不同的人看重的不同，所以这里λ分别取0.2,0.5和0.8。
σ'是σ无量纲化后的指标，'t 是t 无量纲化后的指标，w 是由期望时间和标准差时间两个指标合成的指标。
合成的单目标就为：min w (5)λ取0.2时，结果：选择道路A. λ取0.5时，结果：选择道路A. λ取0.8时，结果：选择道路B.5.2问题2模型的建立与求解5.2.1建模建立为了可以尽可能快速到达目的地，所以要求这条路径总期望时间t 要短，又考虑到不确定因素的影响，所以要求时间的波动最小，即这条路径标准差σ要小。
目标—：总的期望时间最短，即：min ;ok t(6)ok t 表示从起点到终点期望时间，o 表示起点位置标号，k 表示终点位置标号。
=∑∑N Nok ij ij ijt t x(7)ij t 表示节点i 到节点j 的路段期望时间，ij x 表示0，1变量，ij x 取1时，表示所选路径经过了节点i 到节点j 的路段；ij x 取0时，表示所选路径没有经过节点i 到节点j 的路段。
目标二：时间波动要小，即要求这个路径的标准差要小。
min ;σok(8)σok 表示从起点到终点标准差时间，其中o 表示起点位置标号，k 表示终点位置标号。
σσ=∑∑N Nok ij ij ijx(9)这里σij 表示节点i 到节点j 的路段标准差时间，ij x 表示0，1变量，ij x 取1时，表示所选路径经过了节点i 到节点j 的路段；ij x 取0时，表示所选路径没有经过节点i 到节点j 的路段。
约束一：每个节点最多可以进入一次且最多只可以出去一次。
1Nijix≤∑ (10)1Nijjx≤∑ (11)约束二：由于这里的路径不必要形成一个圈，所以起点只能出去一次，即进入零次，终点只能进入一次，即出去零次。
0Nioix=∑ (12)0Nkjjx=∑ (13)这里o 表示起点位置标号，k 表示终点位置标号，io x 表示从第i 个节点是否到起点o 的0,1变量，io x 取0时表示第i 个节点不到起点o ，io x 取1时表示第i 个节点要到起点o ，kj x 表示从终点k 是否到第j 个节点的0,1变量，kj x 取0时表示从终点k 不到第j 个节点，kj x 取1时表示从终点k 要到第j 个节点。
综上： min ;ok t(14) =∑∑N Nok ij ij ijt t x(15) min ;σok(16)σσ=∑∑N Nok ij ij ijx(17)11..00Nij i Nij jNioi Nkj j x x s t x x ⎧≤⎪⎪⎪≤⎪⎪⎨⎪=⎪⎪⎪=⎪⎩∑∑∑∑ (18)5.2.2模型优化对于多目标问题难以求解，通过一定关系把多目标合成一单目标，在这之前，先对这两个指标进行无量纲化，采用均值法[]1来无量纲化。