数学建模会议筹备模型
筹备会议方案的论文（类属数学建模）
筹备会议方案的论文（类属数学建模）会议筹备一、摘要本文通过对与会代表的住宿和开会地点进行优化安排，以保证会议的安全、准时、顺利的举行，从而提高会议效率。
……本问题中主要用到数据统计、筛选、分析。
涉及到概率，平均值，方差。
在解决宾馆的安排问题，我们首先通过统计法、比例法预测出本届实际到会人数为661人，再以661人为据安排宾馆。
具体方案为3号住127人，6号住150人，7号住163人，8号住150人，9号住74人。
（详见表⑥）再以上述宾馆安排方案为依据选择会议室地点，具体为7号140人会议室2间、200人会议室1间，8号160人会议室1间、130人会议室2间。
最后依据会议室选择方案确定乘车路线，具体为接3号宾馆的代表：45座3辆、一个来回；接6号宾馆的代表：45座、36座各一辆、两个来回；接9号宾馆的代表：45座1辆、两个来回。
至此，所以问题得以解决。
关键词：统计分析，筛选列表，比例预测二、问题重述某市的一家会议服务公司负责承办某专业领域的一届全国性会议，会议筹备组要为与会代表预订宾馆客房，租借会议室，并租用客车接送代表。
由于预计会议规模庞大，而适于接待这次会议的几家宾馆的客房和会议室数量均有限，所以只能让与会代表分散到若干家宾馆住宿。
为了便于管理，除了尽量满足代表在价位等方面的需求之外，所选择的宾馆数量应该尽可能少，并且距离上比较靠近。
筹备组经过实地考察，筛选出10家宾馆作为备选，它们的名称用代号1至10表示，相对位置见附图，有关客房及会议室的规格、间数、价格等数据见附表1。
且附表2，3都可以作为本届预订宾馆客房的参考！（需要说明的是，若预订房不够住，会引起代表的不满；若预订房过多，筹备组就要承担多出客房一天的租住费用。
）需根据以上条件解决下述问题！会议期间有一天的上下午各安排6个分组会议，筹备组需要在代表下榻的某几个宾馆租借会议室。
由于事先无法知道哪些代表准备参加哪个分组会，筹备组还要向汽车租赁公司租用客车接送代表。
数模-会议筹备优化模型
数学建模作业小组人员：会议筹备优化模型一、摘要本问题属于优化问题，要求我们从组委会的角度出发制定出预订客房，租借会议室，租用客车的最佳方案。
我们以宾馆数量少，宾馆相对集中为目标，在满足与会代表具体要求的前提下，逐步得到了该问题的相关结果。
具体结果如下：首先我们对附件数据做了必要的分析，采用线性回归和假设数据服从正态分布的两种方法分别计算出了与会人数，但由于往年资料有限，我们排除了线性回归的方法，在用卡方检验出第二种方法更合理，预测出实际与会人数为656人。
然后按回执中各类房间所占的不同比重来确定最终订房类别及数量，具体结果如下：双人间1、双人间2、双人间3、单人间1、单人间2、单人间3预定的数目分别为：99间、69间、22间、142间、88间、54间。
具体在各个宾馆的预定方案可以参见正文部分的表7.其次从满足代表住房要求的原则出发，尽量选择数量最少的宾馆以保证人员相对集中，建立整数规划模型，确定目标、约束条件，选取最优解。
最终选定了1、2、3、7四家宾馆，同时求出了代表满意度。
关于会场租赁及租车问题，由于需要6个会场，且每个会场与会人数不确定，我们只考虑了一种平均意义下的结果。
利用整数规划模型借助LINGO软件求出最优解，最终选择①号宾馆中150人的会议室两间；②号宾馆中180人、130人的会议室各一间；⑦号宾馆中140人的会议室两间。
根据代表入住每个宾馆的人数情况，我们得到需要租45座车2辆，33座车4辆。
优化后两项合计总费用为20000元。
关键词：正态分布卡方检验线性回归整数规划 LINGO 代表满意度二、问题的重述会议服务公司承办某专业领域的一届全国性会议，会议筹备组要为与会代表预订宾馆客房，租借会议室，并租用客车接送代表。
由于预计会议规模庞大，而适于接待这次会议的几家宾馆的客房和会议室数量均有限，所以只能让与会代表分散到若干家宾馆住宿。
1.基本信息：⑪筹备组已筛选出10 家宾馆作为备选，代号是①至⑩，相对位置见附图，并给出了客房及会议室的规格、间数、价格等数据见附表1。
会议筹备模型的分析和方案设计
会议筹备模型的分析与方案设计王长伟（计算机控制0801）李翠英（计算机控制0801）程晓晓（检测0801）摘要某市一家会议服务公司负责承办某专业领域的一届全国性会议，会议筹备组要为议会代表预定宾馆客房，租借会议室，并用客车接送代表，而会议筹备组要从经济，方便，代表满意等方面考虑，所以设计一套合理性方案是十分必要的。
为了使该家会议服务公司会议筹备组能有一个合理安排，我们用数学建模方法解决预定宾馆，租借会议室，租用客车等相关问题。
通过对以往几届会议代表的回执与会情况表，利用比例分析方法估算出第五届将有662名与会代表参加会议，又综合利用层次分析法和MATLAB程序分别评判出宾馆距中心的距离、宾馆所占价位的段数等因素对选择合理宾馆这一目标层的权重,和入住总人数、会议室租金、每个宾馆会议室的规模种数等因素对选择合理会议室这一目标层的权重。
从结果可以看出在使代表满意的前提下，又使宾馆数量少并且距中心的距离近，可选出与会代表应入住宾馆①②⑤⑦⑧且在其处分别预定客房为72、38、110、120、125和会议筹备组应在宾馆②⑤⑦⑧内安排会议室。
建立线性规划和使用LINGO软件程序计算出与会代表参加会议所需45座、36座、33座三种类型的客车分别为5辆、3辆、8辆，其花费最少费用为10900元。
关键词：层次分析法线性规划 MATLAB软件 LINGO软件指导教师：杨瑞周世兴1. 问题重述某市一家会议服务公司负责承办某专业领域的一届全国性会议，会议筹备组要为与会代表预定宾馆客房，租借会议室，并用客车接送代表。
现在要用数学建模的方法对会议筹备模型进行分析与方案设计。
从经济，方便，代表满意等方面，为会议筹备组制定一个预定宾馆客房，租借会议室，租用客车的合理方案。
2. 问题假设（1） 假设在开会期间与会代表没有缺席情况； （2） 假设以十字路口为中心判断宾馆距离的远近； （3） 假设上下午两个时间段的会议与会代表都参加；（4） 假设任何一个代表去向每个会议室（6个会议室）的概率是相等的（61） 3. 名词解释与符号说明3.1价位段数：回执代表对住房价位的要求分为120~160，161~200，201~300三个价位段数。
数学建模-会议筹备的研究
数学建模-会议筹备的研究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）： D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) ：1.2.3.指导教师或指导教师组负责人(打印并签名)：日期：2010年7月11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）：评阅人评分备注全国统一编号（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）：会议筹备的研究摘要本文从搜集有关某市的一家会议服务中心的会议筹备组相关数据开始，从预订宾馆客房、租借会议室和租用客车三个主要方面出发，分别通过对这三个方面的深入研究从而制定出各自有关经济、方便、代表满意等方面的标准，最后再综合考虑这三个主要因素，进一步深入并细化，从而求得最佳合理方案。
模块Ⅰ中，我们将焦点锁定在预测参加会议的人数上，从与会人数由发来回执的代表数量与发来回执但未与会的代表数量之差，再加上未发回执而与会的代表数量之差，可以通过利用最小二乘法并利用MATLAB软件画图，并进行拟合分析。
我们最后得到本届会议发来回执但未与会的代表数量为227人，未发回执而与会的代表数量110人，从而预测出本届会议与会的代表总人数为638人。
模块Ⅱ中，我们从本届会议需要预定宾馆客房数量出发，以10家宾馆各类客房总数和需求量为约束条件，宾馆数量为目标函数，建立0-1规划模型，并利用Lingo软件求解。
第六组会议筹备优化模型
会议筹备优化模型摘要本文针对某一具体的会议筹备问题，运用数学手段，从经济、方便、代表满意等角度建立了相关优化模型，并利用Lingo 软件求解，给出了会议期间宾馆客房预订、会议室租借、客车租用等相关筹备方案。
首先，预测本届与会人数及相关数据。
根据前几届会议代表回执及与会情况，采用多种预测模型，分别对本届会议相关数据进行预测并作了比对分析，在综合考虑预测误差及预测余量的情况下，得到本届会议与会人数预测值661 p ，结合附表数据可以计算出其他相关数据。
其次，制定宾馆及客房选定方案。
根据题意，除了尽量满足代表在价位等方面的需求外，所选择的宾馆数量应该尽可能少，并且距离上比较靠近。
为了从数量上反映选定的各宾馆聚集程度，我们定义聚集指标n C (n C 越小表示选定的n 个宾馆聚集程度越高)。
考虑到多目标优化问题的复杂性，我们首先分别对最小聚集指数和最少宾馆数目这两个单目标规划问题进行求解，在得到各自最优解的后，以最少宾馆数目为优化目标，综合考虑选定宾馆之间的距离因素(将聚集指数小于某设定值C 作为约束条件)，得到最少宾馆数目及相对最小聚集指标优化模型，最终决定将与会代表安排在①、③、⑤、⑥、⑦四个宾馆，此解同时满足聚集指数最小和宾馆数目最少两项要求，且从附图上看，结果比较合理。
最后，制定会议室选定及客车租用方案。
我们假定各代表参加各分组会议的概率是平均的、随机的，即每位代表参加任一分会场的概率为1/6。
我们以租借会议室和客车的费用之和最小为优化目标，建立优化模型。
下表为本届会议分组会议会议室租用方案根据该程序可以得出，最终选择在①、③、⑤、⑥、⑦四个宾馆，并根据所给情况基本满足所有与会代表入住要求，不满意度控制在5%左右。
关于车辆租赁关于会场租赁及租车问题，由于需要6个会场，且每个会场与会人数不确定，我们只考虑了一种平均意义下的结果。
利用整数规划模型借助lingo 软件求出最优解，最终选择3号宾馆100人会议室2间，6号宾馆160人会议室1间，7号宾馆140人会议室2间，100人会议室1间。
全国大学生数学建模竞赛2009D题论文 会议筹备
会议筹备模型摘要本文以经济、方便、代表满意等方面的要求为约束，建立预订客房、租借会议室和租用客车的优化模型。
首先，通过以往几届会议代表回执和与会的情况，利用线性最小二乘拟合法预测本届发来回执但未与会的代表人数；并建立)1,1(GM灰色预测模型，预测未发回执但到会的代表人数，再对附表1进行统计分析，排除明显不符合要求的宾馆。
然后，在充分满足代表住房要求的前提下，通过制定合理的分配原则，使出现空客房的几率最低，并以各客房到各个宾馆的总距离之和最小为目标，建立预订宾馆客房的线性整数优化模型一。
利用lingo软件编程求得每个宾馆的预订客房详情如下表：花费之和最小为目标的0-1整数规划模型。
利用lingo软件编程求得租车最优级方案为：租用33化，通过合理的假设建立适当的优化模型，运用数学软件求解，得到了比较符合实际的结果。
关键词：线性最小二乘拟合灰色预测统计分析0-1整数规划一、问题重述某市的一家会议服务公司负责承办某专业领域的一届全国性会议，会议筹备组要为与会代表预订宾馆客房，租借会议室，并租用客车接送代表。
由于预计会议规模庞大，而适于接待这次会议的几家宾馆的客房和会议室数量均有限，所以只能让与会代表分散到若干家宾馆住宿。
为了便于管理，除了尽量满足代表在价位等方面的需求之外，所选择的宾馆数量应该尽可能少，并且距离上比较靠近。
筹备组经过实地考察，筛选出10家宾馆作为备选，它们的名称用代号①至⑩表示相对位置，且给出客房及会议室的规格、间数、价格等数据。
根据这届会议代表回执整理出来的有关住房的信息（见附录1）。
从以往几届会议情况看，有一些发来回执的代表不来开会，同时也有一些与会的代表事先不提交回执，相关数据见附录2。
需要说明的是，虽然客房房费由与会代表自付，但是如果预订客房数量大于实际用房数量，筹备组需要支付一天的空房费，而若出现预订客房不足，则将造成非常被动的局面，引起代表的不满。
会议期间有一天的上下午各安排6个分组会议，筹备组需要在代表下榻的某几个宾馆租借会议室。
数学建模会议筹备
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）： D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) ：1.2.3.指导教师或指导教师组负责人(打印并签名)：日期： 2009 年 9 月 11 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）：会议筹备摘要如今，会议筹备成为一个热议的话题，对它进行合理的安排却是比较困难的。
现针对会议筹备组为与会代表预定客房，租借会议室，并租用客车接送代表安排合理的方案，我们分三个步骤进行探讨。
在求解该问题过程中，我们对题目中的数据信息和有关图表进行分析并结合各种条件约束，从经济，方便，代表满意等方面综合考虑，采用线性规划的思想求解会议筹备组为与会代表安排的最优方案。
针对宾馆客房最优，先分析会议筹备组筛选出的10家宾馆的情况，然后根据附表3与附表2，运用表中数据之间所蕴含的关系，通过建立数学比例式模型，应用EXCEL表格求出本届与会最多人数，并且预测出本届与会代表对宾馆客房要求的分布情况，最后构造出费用最优分段模型，并用LINGO代码解出预订宾馆客房的初方案，再次结合约束条件——“所选择的宾馆数量应该尽可能少，并且距离上比较靠近”，确定附图1中各宾馆分布位置的几何中心，列出各宾馆与其几何中心的距离差，然后在原有模型的基础上进行改进与优化，得出预订宾馆的最终方案。
会议筹备问题的数学模型
∑ ∑ ％＞ － ｖ ｔ － Ｉ ∑ ∑ ＝ ｐ
■
（） ２
、
议 筹备 问题 ，只 需将 一些数 据代入模 型中 ， 通 过 编 程 可 求 出解 。
ｉＩｌ ｅ
ｉ ＝ １２ … ， 。 ， ，，
：
，
ｚ∈ Ｉｔ＝ １ ２ 一， ，
回执中需 要第ｊ 规格ｋ 段价位 房子 的
ａ ｒｎ ∑ ∑ 探 讨 了 会 议 筹 备 过 程 中 预 定 宾 馆 客 房 、租借会 议室等 几个方面 的问题 ，建立 了 既 要 使 代 表 满 意 ， 又 要 节 约 成 本 的最 优 化 模 型 。 该 模 型 具 有 普 遍 性 ，对 于 一 个 具 体 的 会
∑∑ ∑ （ 一 ） ＋ ∑∑
ｅＪ 卜 １ ＾ ．玉
２ ２
，ｔ －１
从 筹备组 便于管 理的角度 出发 ，所 选择
的 宾馆 除 了尽 量 满 足 代 表 在 价 位 等 方 面 的 需 求 之 外 ，宾 馆 的 数 量 要 尽 可 能 的 少 ， 且 距 离
上 比较 靠 近 。 为 此 ， 建 立 了选 取 宾 馆 的 优 化
位 房 子 的数 量 。
：
（ ） 设 有 … 些 发 来 回 执 的 代 表 不 来 开 ２假 会 ， 同 时 也 有 一 与 会 的 代 表 事 先 不 提 交 回 些
执。
【］ 解可新等． ２ 最优化方法． 天津． 天津大
学 出版 社 ． ８ ２０． ０
的数 量， 七＝ １２ … ， ， ， ，。
南 大 学 出版 社 ． ６ ２０． ０
２ ２ ９
：
在 这 个 假 设 下 ， 与 会 代 表 确 切 的 人 数 是 未 知 的 。 首 先 ，根 据 往 届 会 议 代 表 回 执 及
- 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)。
会议筹备模型设计摘要：本文给出了会议筹备策略的数学模型。
对于客房安排我们对数据利用进行MATLAB 进行拟合，得到了实到人数与发回执人数的线性关系，大体估算出实际到的代表数量为639人。
先对发来回执且会到的代表进行客房安排，考虑到经济且令代表满意，我们建立了一个非线性规划模型，再考虑方便管理以及距离远近的因素，对得出的结果进行调整，最后对未发来回执但与会的代表，进行分配。
得到如文表4的住房安排。
对会议室安排，文中先用表格对各宾馆会议室进行排列归类，再用一个简单的规划模型，求解出了最经济的会议选择，即会议室全部选宾馆7的六个会议室。
且花费7000元。
对客车的安排我们同样先用表格对数据进行排列归类，用一个规划模型，利用LINGO 软件进行求解，得客车最优安排，即宾馆①安排33座车3辆；宾馆②安排36座车6辆；宾馆⑤安排45座车3辆，33座车3辆；宾馆⑥安排45座车3辆，33座车3辆，所花钱14800元。
最后得到安排会议室与租赁客车总花费W==+21w w 7000+14800=21800元。
本模型对于此类问题，能够较好的解决，且可解决诸如比赛安排，人员安排等问题。
关键词：拟合，排列归类，数学建模，非线性规划问题的提出某市的一家会议服务公司负责承办某专业领域的一届全国性会议，会议筹备组要为与会代表预订宾馆客房，租借会议室，并租用客车接送代表。
由于预计会议规模庞大，而适于接待这次会议的几家宾馆的客房和会议室数量均有限，所以只能让与会代表分散到若干家宾馆住宿。
为了便于管理，除了尽量满足代表在价位等方面的需求之外，所选择的宾馆数量应该尽可能少，并且距离上比较靠近。
筹备组经过实地考察，筛选出10家宾馆作为备选，它们的名称用代号①至⑩表示，相对位置见附图，有关客房及会议室的规格、间数、价格等数据见附表1。
根据这届会议代表回执整理出来的有关住房的信息见附表2。
从以往几届会议情况看，有一些发来回执的代表不来开会，同时也有一些与会的代表事先不提交回执，相关数据见附表3。
附表2，3都可以作为预订宾馆客房的参考。
需要说明的是，虽然客房房费由与会代表自付，但是如果预订客房的数量大于实际用房数量，筹备组需要支付一天的空房费，而若出现预订客房数量不足，则将造成非常被动的局面，引起代表的不满。
会议期间有一天的上下午各安排6个分组会议，筹备组需要在代表下榻的某几个宾馆租借会议室。
由于事先无法知道哪些代表准备参加哪个分组会，筹备组还要向汽车租赁公司租用客车接送代表。
现有45座、36座和33座三种类型的客车，租金分别是半天800元、700元和600元。
请你们通过数学建模方法，从经济、方便、代表满意等方面，为会议筹备组制定一个预订宾馆客房、租借会议室、租用客车的合理方案。
201~300元三种不同价格的房间。
合住是指要求两人合住一间。
独住是指可安排单人间，或一人单独住一个双人间。
问题分析通过附表2的分析，我们很容易得到本届发来回执的代表的的数量为755名，再分析附表3，根据所给数据，用MATLAB进行拟合，可发现往届实际到的代表数以及发了回执而未到的代表数都和发回执代表的数量成一阶线性关系，进而估算出本届与会代表的数量和发了回执而未到的代表数量。
再根据各代表发来的回执情况，先对发来回执估计又会到的代表进行住房安排，建立线性规划模型，列出目标函数和限制条件，用LINGO 规划出最经济且代表满意的一种住房方式，再根据各宾馆的空房情况为未发回执而会来的代表安排住房。
最后由各宾馆间的距离和会议室的情况进行调整。
最终得到最佳住房安排。
模型假设（1） 假设本届实际到的代表数以及发了回执而未到的代表数和过去四届大体满足同一线性关系。
（2） 优先考虑要求合住房的代表的住房情况，再考虑独住房的代表的住房情况。
（3） 假设六组住房情况中，发来回执又到的代表占发来回执的代表的比例，和以往四届总的发来回执又到的代表占发来回执的代表的比例相同。
符号说明y 发来回执的代表数量； x 实到人数；321~x x 对照附表1的顺序依次为在从1到32种房间所定的房间数；a 、b 、α、β 为待求参数。
模型建立与求解（1）画出实到人数占发回执人数的的折线图由上图可看出实到人数与发回执人数成一阶线性关系 用MATLAB 进行拟合（过程见附录1）,得9218.322342.1-==b a ；即 9218.322342.1-=x y进而可得到本届实际到的人数为639人。
（2）再对发来回执但未与会的代表数量和发来回执的代表数量进行分析，假设其满足线性关系，令βα+=x y 用MATLAB 进行拟合（过程见附录2），并作出图如下由上图可看出假设成立，其满足一阶线性关系，且5353.33009.3==βα即 5353.3009.3+=x y也即发来回执且与会的代表数量占发来回执的代表数量的0070。
（二）问题的解答 （1） 安排房间先对发来回执且会到的代表进行住房安排，考虑经济方面让代表花最少钱住符合自己要求的房间，同时如果代表未到，会议筹备组也可少花空房钱，建立非线性规划模型如下：情形1所需房间为82255108≈+；情形4所需房间数为1174275=+；情形2所需房间为5423473≈+；情形5所需房间为682048=+；情形3所需房间为1821223≈+；情形6所需房间为431429=+。
用LINGO 计算出结果出结果如下（计算过程见附录3）考虑到便于管理选择的宾馆数量应该尽可能少，并且距离上比较靠近，所以对以上结果进行调整，中其509=x ，5012=x ，3826=x 对应的宾馆3、4、8距离其他宾馆较远且其数值较小，可将其安排到1、2、5、6、7几个宾馆中，调整结果如下再把未发回执而又到的代表111人安排房间，由于这部分代表未发来回执，我们不知道他们的需求，但可以根据附表2中信息，给出花钱最少的方案。
目前1、2、5、6、7 各宾馆剩余房间情况如下，设z1-z10分别在各类房间所取的房间数，建立模型如下⎪⎪⎩⎪⎪⎨⎧<=<=<=<=<=<=<=<=<=<=<=+++++++++>=+++++++++30;4;36;12;20;40;35;8;7;5011156109876543211098765432110987654321z z z z z z z z z z z z z z z z z z z z z z z z z z z z z z st可求得结果如下 ⎩⎨⎧==203698z z ；对结果进行调整得 ⎩⎨⎧==393698z z 。
（2） 安排会议室为方便管理，优先从宾馆1、2、5、6、7中选择会议室，对宾馆1、2、5、6、7建立模型如下用LINGO 编程可解得 ⎪⎩⎪⎨⎧===3211292y y y （计算过程见附录4）即会议室全部选宾馆7的六个会议室。
且花费70001=w 元。
（3） 租赁客车根据三种客车的情况，建立模型如下文表7用LINGO 编程求解得（计算过程见附录5） 即宾馆①安排33座车3辆；宾馆②安排36座车6辆；宾馆⑤安排45座车3辆，33座车3辆；宾馆⑥安排45座车3辆，33座车3辆。
所花钱=2w 14800元。
安排会议室与租赁客车总花费W==+21w w 7000+14800=21800元。
模型的推广与评价本模型适用于一般情况下的赛事安排，人员的工作安排，课程安排等问题。
模型较完整的解决了该问题，此模型简单，但对有大量数据的问题的解决有明显的优点，模型中应用表格对数据进行排列分类，大大简化了解题过程。
模型没有太多、太复杂的运算，只用LINGO 软件进行了简单的运算。
参考文献：[1]谢金星 薛毅，优化建模与LINDO/LINGO 软件，清华大学出版社，2005.7。
[2]姜启源等，数学建模，高等教育出版社，2004.2。
[3]韩中庚，数学建模方法及应用，高等教育出版社，2005.6。
[4]甘应爱等，运筹学，清华大学出版社，2005.7。
[5]苏金明 阮沈勇，MATLAB 6.1实用指南，电子工业出版社，2005.6。
附录1：clear;X=[283 310 362 602 ]Y=[315 356 408 711]myfun=inline('A(1)*x-A(4)','A','x')A = nlinfit(X,Y,myfun,[700 -0.01 -700 -1 ])I=min(X):0.1:max(X);V=A(1)*I-A(4);plot(X,Y,'o',I,V)X =283 310 362 602Y =315 356 408 711myfun =Inline function:myfun(A,x) = A(1)*x-A(4)A =1.2342-0.0100-700.000032.9218附录2：>> clear;X=[89 115 121 213 ]Y=[315 356 408 711]myfun=inline('A(1)*x-A(4)','A','x')A = nlinfit(X,Y,myfun,[700 -0.01 -700 -1 ])I=min(X):0.1:max(X);V=A(1)*I-A(4);plot(X,Y,'o',I,V)X =89 115 121 213Y =315 356 408 711myfun =Inline function:myfun(A,x) = A(1)*x-A(4)A =3.3009-0.0100-700.0000-3.5353附录3：model:min=180*x1+220*x2+180*x3+220*x4+140*x5+160*x6+180*x7+200*x8+150*x9+180*x10+150*x11+140*x12+200*x13+140*x14+160*x15+200*x16+160*x17+170*x18 +180*x19+220*x20+150*x21+160*x22+300*x23+180*x24+160*x25+180*x26+260* x27+260*x28+280*x29+280*x30+260*x31+280*x32;x5+x6+x9+x12+x14+x15+x21+x25>82;x5+x6+x9+x12+x14+x15+x21+x25+x11+x17+x22>=199;x1+x7+x8+x10+x13+x16+x18+x24>54;x3+x19+x26+x1+x7+x8+x10+x13+x16+x18+x24>=122;x2+x20+x27+x29+x31+x32>18;x4+x23+x28+x30+x2+x20+x27+x29+x31+x32>=61;x1<50;x2<30;x3<30;x4<20;x5<50;x6<35;x7<30;x8<35;x9<50;x10<24;x11<27;x 12<50;x13<45;x14<35;x15<35;x16<40;x17<40;x18<40;x19<30;x20<30;x21<50; x22<40;x23<30;x24<40;x25<40;x26<45;x27<30;x28<30;x29<30;x30<30;x31<55 ;x32<45;@gin(x1);@gin(x2);@gin(x3);@gin(x4);@gin(x5);@gin(x6);@gin(x7);@gin(x 8);@gin(x9);@gin(x10);@gin(x11);@gin(x12);@gin(x13);@gin(x14);@gin(x1 5);@gin(x16);@gin(x17);@gin(x18);@gin(x19);@gin(x20);@gin(x21);@gin(x 22);@gin(x23);@gin(x24);@gin(x25);@gin(x26);@gin(x27);@gin(x28);@gin( x29);@gin(x30);@gin(x31);@gin(x32);EndGlobal optimal solution found.Objective value: 63480.00Extended solver steps: 0Total solver iterations: 0Variable Value Reduced CostX1 0.000000 180.0000X2 23.00000 220.0000X3 0.000000 180.0000X4 20.00000 220.0000X5 50.00000 140.0000X6 0.000000 160.0000X7 14.00000 180.0000X8 0.000000 200.0000X9 50.00000 150.0000X10 0.000000 180.0000X11 0.000000 150.0000X12 50.00000 140.0000X13 0.000000 200.0000X14 35.00000 140.0000X15 0.000000 160.0000X16 0.000000 200.0000X17 0.000000 160.0000X18 40.00000 170.0000X19 30.00000 180.0000X20 18.00000 220.0000X22 0.000000 160.0000 X23 0.000000 300.0000 X24 0.000000 180.0000 X25 0.000000 160.0000 X26 38.00000 180.0000 X27 0.000000 260.0000 X28 0.000000 260.0000 X29 0.000000 280.0000 X30 0.000000 280.0000 X31 0.000000 260.0000 X32 0.000000 280.0000 Row Slack or Surplus Dual Price1 63480.00 -1.0000002 117.0000 0.0000003 0.000000 0.0000004 0.000000 0.0000005 0.000000 0.0000006 23.00000 0.0000007 0.000000 0.0000008 50.00000 0.0000009 7.000000 0.00000010 30.00000 0.00000011 0.000000 0.00000012 0.000000 0.00000013 35.00000 0.00000014 16.00000 0.00000015 35.00000 0.00000016 0.000000 0.00000017 24.00000 0.00000018 27.00000 0.00000019 0.000000 0.00000020 45.00000 0.00000021 0.000000 0.00000022 35.00000 0.00000023 40.00000 0.00000024 40.00000 0.00000025 0.000000 0.00000026 0.000000 0.00000027 12.00000 0.00000028 36.00000 0.00000029 40.00000 0.00000030 30.00000 0.00000031 40.00000 0.00000033 7.000000 0.00000034 30.00000 0.00000035 30.00000 0.00000036 30.00000 0.00000037 30.00000 0.00000038 55.00000 0.00000039 45.00000 0.000000附录4：model:min=1500*y1+1000*y2+1500*y3+1500*y4+1200*y5+1000*y6+1200*y7+1000*y8 +800*y9+1000*y10+600*y11+300*y12+500*y13+300*y14+300*y15;y1<=1;y2<=1;y3<=1;y4<=1;y5<=1;y6<=1;y7<=2;y8<=2;y9<=2;y10<=2;y11<=2;y 12<=3;y13<=3;y14<=3;y15<=3;200*(y1+y2)+180*(y3+y4+y5)+160*y6+150*(y7+y8)+140*y9+130*y10+60*(y11+ y12)+50*y13+45*y14+30*y15>=639;@gin(y1);@gin(y2);@gin(y3);@gin(y4);@gin(y5);@gin(y6);@gin(y7);@gin(y 8);@gin(y9);@gin(y10);@gin(y11);@gin(y12);@gin(y13);@gin(y14);@gin(y1 5);endGlobal optimal solution found.Objective value: 3500.000Extended solver steps: 0Total solver iterations: 0Variable Value Reduced CostY1 0.000000 1500.000Y2 1.000000 1000.000Y3 0.000000 1500.000Y4 0.000000 1500.000Y5 0.000000 1200.000Y6 0.000000 1000.000Y7 0.000000 1200.000Y8 0.000000 1000.000Y9 2.000000 800.0000Y10 0.000000 1000.000Y11 0.000000 600.0000Y12 3.000000 300.0000Y13 0.000000 500.0000Y14 0.000000 300.0000Y15 0.000000 300.0000Row Slack or Surplus Dual Price1 3500.000 -1.0000002 1.000000 0.0000003 0.000000 0.0000005 1.000000 0.0000006 1.000000 0.0000007 1.000000 0.0000008 2.000000 0.0000009 2.000000 0.00000010 0.000000 0.00000011 2.000000 0.00000012 2.000000 0.00000013 0.000000 0.00000014 3.000000 0.00000015 3.000000 0.00000016 3.000000 0.00000017 21.00000 0.000000附录5：model:min=800*(m11+m21+m51+m61)+700*(m12+m21+m52+m62)+600*(m13+m23+m53+m63) ;45*m11+36*m12+33*m13>=96;45*m21+36*m22+33*m23>=214;45*m51+36*m52+33*m 53>=140;45*m61+36*m62+33*m63>=166;@gin(m11);@gin(m12);@gin(m13);@gin(m21);@gin(m22);@gin(m23);@gin(m51) ;@gin(m52);@gin(m53);@gin(m61);@gin(m62);@gin(m63);endGlobal optimal solution found.Objective value: 7400.000Extended solver steps: 0Total solver iterations: 0Variable Value Reduced CostM11 0.000000 800.0000M21 0.000000 1500.000M51 1.000000 800.0000M61 3.000000 800.0000M12 0.000000 700.0000M52 0.000000 700.0000M62 0.000000 700.0000M13 3.000000 600.0000M23 0.000000 600.0000M53 3.000000 600.0000M63 1.000000 600.0000M22 6.000000 0.000000Row Slack or Surplus Dual Price1 7400.000 -1.0000002 3.000000 0.0000003 2.000000 0.0000005 2.000000 0.000000。