数学建模作业5

合集下载

北工大数学建模作业5

北工大数学建模作业5

实验五解:依据题意“总的停车距离=反应距离+刹车距离”,设L表示跟车距离,s表示刹车距离,v表示车速,t表示反应时间,即:L=vt+s用平方和最小方法估计系数s、t:min s,ts+v i t−L i2 ni=1将50组实验数据代入计算并取最优解,相应的LINGO程序如下图1-1所示:图1-1(详细如下)model:sets:quantity/1..50/:v,L;endsetsdata:v= 4 4 7 7 8 9 10 10 10 11 11 12 12 12 12 13 13 13 13 14 14 14 14 15 15 15 16 16 17 17 17 18 18 18 18 19 19 19 20 20 20 20 20 22 23 24 24 24 24 25;L= 2 10 4 22 16 10 18 26 34 17 28 14 20 24 28 26 34 34 46 26 36 60 80 20 26 54 32 40 32 40 50 42 56 76 84 36 46 68 32 48 52 56 64 66 54 70 92 93 120 85;enddatamin=@sum(quantity:(s+v*t-L)^2);@free(s);@free(t);endLINGO程序计算结果截取如下图1-2所示:图1-2由计算结果可知:平方和最小时,s=-17.57909,t=3.932409。

即,L=3.932409v−17.57909解:依据题意设第一个作业点为坐标原点,即(0, 0)点。

则第二个作业点的坐标为(75,330),第三个作业点的坐标为(-225, -40)。

设两个临时机场的位置坐标分别为A x a,y a、B x b,y b,A机场给三个作业点提供的油料分别为a1、a2、a3,B机场给三个作业点提供的油料分别为b1、b2、b3,要求每月从机场到作业点的吨公里数最少,建立数学模型:目标函数为:Min L=a1x a2+y a2+b1x b2+y b2+a2x a−752+y a−3302+b2x b−752+y b−3302+a3x a+2252+y a+402+b3x b+2252+y b+402约束条件为:a1+b1=25a2+b2=14a3+b3=34相应的LINGO程序如下图2-1所示:图2-1(不是很清晰,详细见下)min=a1*(xa^2+ya^2)^0.5+b1*(xb^2+yb^2)^0.5+a2*((xa-75)^2+(ya-330)^2)^0 .5+b2*((xb-75)^2+(yb-330)^2)^0.5+a3*((xa+225)^2+(ya+40)^2)^0.5+b3*((x b+225)^2+(yb+40)^2)^0.5;a1+b1=25;a2+b2=14;a3+b3=34;@free(xa);@free(xb);@free(ya);@free(yb);LINGO程序运行结果如下图2-2所示:图2-2由计算结果可知:临时机场A建立的位置坐标为(0, 0)处,机场B建立的位置坐标为(-225,-40)处时,并且A机场给第1个作业点提供油料25t,给第2个作业点提供14t,给第3个作业点提供0t;机场B给第1个作业点提供0t,给第2个作业点提供0t,给第三个作业点提供34t,这种方案下每月的吨公里数最少为4737.816。

数学建模第五次作业

数学建模第五次作业

1.区间估计解:R程序:X <- c(1067, 919, 1196, 785, 1126, 936, 918, 1156, 920, 948);n <- length(X);xb <- mean(X);S2 <- var(X);S <- sqrt(S2);T = (xb-1000)/(S/sqrt(n));结果:mean df a b1 997.1 9 902.9965 1091.203p-value=0.5270268由此可知:置信区间为902.996到1096.203,该批灯泡能使用1000小时以上的概率为52.70268%。

2.假设检测I解:假设H0<=225,H1>225此问题是单边检验输入数据,调用函数t.test()R程序:X<-c(220, 188, 162, 230, 145, 160, 238, 188,247,113,126, 245, 164, 231, 256, 183, 190, 158,224,175)t.test(X, alternative = "greater", mu = 225)结果:data: Xt = -3.4783, df = 19, p-value = 0.9987alternative hypothesis: true mean is greater than 22595 percent confidence interval:175.8194 Infsample estimates:mean of x192.15由此可知:P值为0.9987,不能拒绝原假设,接受H0,即认为油漆工人的血小板计数与正常成年男子有差异,油漆作业对人体血小板计数有影响。

3.假设检测II解:(1)两总体方差相同模型选择t检验法R程序:X<-c(113,120,138,120,100,118,138,123)Y<-c(138,116,125,136,110,132,130,110)t.test(X, Y, alternative = "less", var.equal=TRUE)t.test(X, Y, alternative = "less")结果:Two Sample t-testdata: X and Yt = -0.566, df = 14, p-value = 0.2902alternative hypothesis: true difference in means is less than 095 percent confidence interval:-Inf 7.12812sample estimates:mean of x mean of y121.250 124.625(2)两总体方差不同模型R程序:X<-c(113,120,138,120,100,118,138,123)Y<-c(138,116,125,136,110,132,130,110)var.test(X, Y)结果:F test to compare two variancesdata: X and YF = 1.2278, num df = 7, denom df = 7, p-value = 0.7935alternative hypothesis: true ratio of variances is not equal to 195 percent confidence interval:0.2458103 6.1327511sample estimates:ratio of variances1.227800(3)成对数据模型R程序:X<-c(113,120,138,120,100,118,138,123)Y<-c(138,116,125,136,110,132,130,110)var.test(X, Y, alternative = "less", exact=F)结果:F test to compare two variancesdata: X and YF = 1.2278, num df = 7, denom df = 7, p-value = 0.6033alternative hypothesis: true ratio of variances is less than 195 percent confidence interval:0.000000 4.649733sample estimates:ratio of variances1.227800由此可知:(1)p=0.29(2)p=0.79(3)p=0.60,置信区间(1)>(2)>(3)。

数学建模第五章作业

数学建模第五章作业

第五章作业1.解(3)给定样条在左右端点的一阶导数的三次样条123456789-50510三次样条(给定样条在左右端点的一阶导数)样条的一阶导函数样条的二阶导函数样条的三阶导函数图1 绘制图1的MATLAB 脚本如下:x=[0,1,3,6,8,9];y=[-1,3,1,2,0,2,4,1]; pp=csape(x,y,'complete'),pp.coefss=@(t,tj,c)c(1).*(t-tj).^3+c(2).*(t-tj).^2+c(3).*(t-tj)+c(4); d1s=@(t,tj,c)3.*c(1).*(t-tj).^2+2.*c(2).*(t-tj)+c(3); d2s=@(t,tj,c)6.*c(1).*(t-tj)+2.*c(2); d3s=@(t,tj,c)6.*c(1).*ones(size(t)); for k=1:pp.piecesc=pp.coefs(k,:);u=x(k):.01:x(k+1);v=s(u,x(k),c); v1=d1s(u,x(k),c);v2=d2s(u,x(k),c);v3=d3s(u,x(k),c); plot(u,v,'k',u,v1,'k-.',u,v2,'k--',u,v3,'k:'),hold on endlegend('三次样条(给定样条在左右端点的一阶导数)','样条的一阶导函数',...'样条的二阶导函数','样条的三阶导函数') y1=[3,1,2,0,2,4];plot(x,y1,'ko'),hold off命令窗口显示的结果为 pp =form: 'pp'breaks: [0 1 3 6 8 9] coefs: [5x4 double] pieces: 5 order: 4 dim: 1 ans =1.4903 -2.4903 -1.00003.0000 -0.4879 1.9807 -1.5097 1.0000 0.1795 -0.9469 0.5580 2.0000 -0.0157 0.6691 -0.2754 0 -0.7874 0.5749 2.2126 2.0000 计算结果说明该三次样条的分段多项式形式为321.4903 2.49033,x x x --+ 01x ≤≤ 320.4879(1) 1.9807(1) 1.5097(1)1,x x x --+---+ 13x ≤≤()s x = 320.1795(3)0.9469(3)0.5580(3)2,x x x ---+-+ 36x ≤≤320.0157(6)0.6691(6)0.2754(6),x x x --+--- 68x ≤≤ 320.7874(8)0.5749(8) 2.2126(8)2,x x x --+-+-+ 89x ≤≤(4)给定样条在左右端点的二阶导数的三次样条123456789-3-2-11234三次样条(给定样条在左右端点的二阶导数)样条的一阶导函数样条的二阶导函数样条的三阶导函数图2 绘制图2的MATLAB 脚本如下x=[0,1,3,6,8,9];y=[0,3,1,2,0,2,4,0]; pp=csape(x,y,'second'),pp.coefss=@(t,tj,c)c(1).*(t-tj).^3+c(2).*(t-tj).^2+c(3).*(t-tj)+c(4); d1s=@(t,tj,c)3.*c(1).*(t-tj).^2+2.*c(2).*(t-tj)+c(3); d2s=@(t,tj,c)6.*c(1).*(t-tj)+2.*c(2); d3s=@(t,tj,c)6.*c(1).*ones(size(t)); for k=1:pp.piecesc=pp.coefs(k,:);u=x(k):.01:x(k+1);v=s(u,x(k),c); v1=d1s(u,x(k),c);v2=d2s(u,x(k),c);v3=d3s(u,x(k),c); plot(u,v,'k',u,v1,'k-.',u,v2,'k--',u,v3,'k:'),hold on endlegend('三次样条(给定样条在左右端点的二阶导数)','样条的一阶导函数',...'样条的二阶导函数','样条的三阶导函数') y1=[3,1,2,0,2,4];plot(x,y1,'ko'),hold off 命令窗口显示的结果为 pp =form: 'pp'breaks: [0 1 3 6 8 9] coefs: [5x4 double] pieces: 5 order: 4 dim: 1 ans =0.5134 0 -2.5134 3.0000 -0.4018 1.5402 -0.9732 1.0000 0.1754 -0.8706 0.3661 2.0000 -0.0741 0.7084 -0.1204 0 -0.0880 0.2639 1.8241 2.0000计算结果说明该三次样条的分段多项式形式为30.5134 2.51343,x x -+ 01x ≤≤ 320.4018(1) 1.5402(1)0.9732(1)1,x x x --+---+ 13x ≤≤()s x = 320.1754(3)0.8706(3)0.3661(3)2,x x x ---+-+ 36x ≤≤320.0741(6)0.7084(6)0.1204(6),x x x --+--- 68x ≤≤ 320.0880(8)0.2639(8) 1.8241(8)2,x x x --+-+-+ 89x ≤≤ (4)按照非结点方法得到的三次样条123456789-4-3-2-1012345三次样条(非结点方法)样条的一阶导函数样条的二阶导函数样条的三阶导函数图3 绘制图3的MATLAB 脚本如下x=[0,1,3,6,8,9];y=[3,1,2,0,2,4]; pp=csape(x,y,'not-a-knot'),pp.coefss=@(t,tj,c)c(1).*(t-tj).^3+c(2).*(t-tj).^2+c(3).*(t-tj)+c(4); d1s=@(t,tj,c)3.*c(1).*(t-tj).^2+2.*c(2).*(t-tj)+c(3); d2s=@(t,tj,c)6.*c(1).*(t-tj)+2.*c(2); d3s=@(t,tj,c)6.*c(1).*ones(size(t)); for k=1:pp.piecesc=pp.coefs(k,:);u=x(k):.01:x(k+1);v=s(u,x(k),c); v1=d1s(u,x(k),c);v2=d2s(u,x(k),c);v3=d3s(u,x(k),c); plot(u,v,'k',u,v1,'k-.',u,v2,'k--',u,v3,'k:'),hold on endlegend('三次样条(非结点方法)','样条的一阶导函数',... '样条的二阶导函数','样条的三阶导函数') plot(x,y,'ko'),hold off 命令窗口显示的结果为form: 'pp'breaks: [0 1 3 6 8 9] coefs: [5x4 double] pieces: 5 order: 4 dim: 1ans =-0.3240 2.1291 -3.8052 3.0000 -0.3240 1.1573 -0.5188 1.0000 0.1633 -0.7864 0.2229 2.0000 -0.0700 0.6833 -0.0866 0 -0.0700 0.2633 1.8066 2.0000 计算结果说明该三次样条的分段多项式形式为320.3240 2.1291 3.80523,x x -++-+ 01x ≤≤ 320.3240(1) 1.1573(1)0.5188(1)1,x x x --+---+ 13x ≤≤()s x = 320.1633(3)0.7864(3)0.2229(3)2,x x x ---+-+ 36x ≤≤320.0700(6)0.6833(6)0.0866(6),x x x --+--- 68x ≤≤ 320.0700(8)0.2633(8) 1.8066(8)2,x x x --+-+-+ 89x ≤≤(5)周期的三次样条123456789-10-551015三次样条(周期的)样条的一阶导函数样条的二阶导函数样条的三阶导函数图4 绘制图4的MATLAB 脚本如下x=[0,1,3,6,8,9];y=[3,1,2,0,2,4]; pp=csape(x,y,'periodic'),pp.coefss=@(t,tj,c)c(1).*(t-tj).^3+c(2).*(t-tj).^2+c(3).*(t-tj)+c(4); d1s=@(t,tj,c)3.*c(1).*(t-tj).^2+2.*c(2).*(t-tj)+c(3); d2s=@(t,tj,c)6.*c(1).*(t-tj)+2.*c(2); d3s=@(t,tj,c)6.*c(1).*ones(size(t)); for k=1:pp.piecesc=pp.coefs(k,:);u=x(k):.01:x(k+1);v=s(u,x(k),c); v1=d1s(u,x(k),c);v2=d2s(u,x(k),c);v3=d3s(u,x(k),c); plot(u,v,'k',u,v1,'k-.',u,v2,'k--',u,v3,'k:'),hold on endlegend('三次样条(周期的)','样条的一阶导函数',... '样条的二阶导函数','样条的三阶导函数') plot(x,y,'ko'),hold off 命令窗口显示的结果为 pp =form: 'pp'breaks: [0 1 3 6 8 9] coefs: [5x4 double] pieces: 5order: 4 dim: 1ans =1.9961 -3.7833 -0.2127 3.0000 -0.52962.2048 -1.7912 1.0000 0.1754 -0.9728 0.6728 2.0000 0.0537 0.6061 -0.4272 0 -1.5706 0.9285 2.6421 2.0000计算结果说明该三次样条的分段多项式形式为321.9961 3.78330.21273,x x x --+ 01x ≤≤ 320.5296(1) 2.2048(1) 1.7912(1)1,x x x --+---+ 13x ≤≤()s x = 320.1754(3)0.9728(3)0.6728(3)2,x x x ---+-+ 36x ≤≤320.0537(6)0.6061(6)0.4272(6),x x x -+--- 68x ≤≤ 321.5706(8)0.9285(8) 2.6421(8)2,x x x --+-+-+ 89x ≤≤ 2.解:问题分析:由题意,本题只需结合给出的10个结点坐标,分别利用多项式插值、分段线条插值、三次样条插值方法,借助Matlab 完成加工所需数据得到所求的图像,再利用复化梯形求积公式求得机翼断面的面积即可。

数学建模课后习题作业

数学建模课后习题作业

【陈文滨】1、在稳定的椅子问题中,如设椅子的四脚连线呈长方形,结论如何?【模型假设】(1)椅子四条腿一样长,椅脚与地面接触处视为一点,四脚的连线呈长方形.(2)地面高度是连续变化的,沿任何方向都不会出现间断 (没有像台阶那样的情况),即从数学的角度看,地面是连续曲面.这个假设相当于给出了椅子能放稳的必要条件.(3)椅子在任何位置至少有三只脚同时着地.为保证这一点,要求对于椅脚的间距和椅腿的长度而言,地面是相对平坦的.因为在地面上与椅脚间距和椅腿长度的尺寸大小相当的范围内,如果出现深沟或凸峰(即使是连续变化的),此时三只脚是无法同时着地的。

【模型建立】在上述假设下,解决问题的关键在于选择合适的变量,把椅子四只脚同时着地表示出来.首先,引入合适的变量来表示椅子位置的挪动.生活经验告诉我们,要把椅子通过挪动放稳,通常有拖动或转动椅子两种办法,也就是数学上所说的平移与旋转变换.然而,平移椅子后问题的条件没有发生本质变化,所以用平移的办法是不能解决问题的.于是可尝试将椅子就地旋转,并试图在旋转过程中找到一种椅子能放稳的情形.注意到椅脚连线呈长方形,长方形是中心对称图形,绕它的对称中心旋转180度后,椅子仍在原地.把长方形绕它的对称中心O旋转,这可以表示椅子位置的改变。

于是,旋转角度θ这一变量就表示了椅子的位置.为此,在平面上建立直角坐标系来解决问题.如下图所示,设椅脚连线为长方形ABCD,以对角线AC所在的直线为x轴,对称中心O为原点,建立平面直角坐标系.椅子绕O点沿逆时针方向旋转角度θ后,长方形ABCD转至A1B1C1D1 的位置,这样就可以用旋转角θ(0≤θ≤π)表示出椅子绕点O旋转θ后的位置.其次,把椅脚是否着地用数学形式表示出来.我们知道,当椅脚与地面的竖直距离为零时,椅脚就着地了,而当这个距离大于零时,椅脚不着地.由于椅子在不同的位置是θ的函数,因此,椅脚与地面的竖直距离也是θ的函数.由于椅子有四只脚,因而椅脚与地面的竖直距离有四个,它们都是θ的函数.而由假设(3)可知,椅子在任何位置至少有三只脚同时着地,即这四个函数对于任意的θ,其函数值至少有三个同时为0.因此,只需引入两个距离函数即可.考虑到长方形ABCD是中心对称图形,绕其对称中心 O沿逆时针方向旋转180°后,长方形位置不变,但A,C和B,D对换了.因此,记A、B两脚与地面竖直距离之和为f(θ),C、D两脚与地面竖直距离之和为g(θ),其中θ∈[0,π],从而将原问题数学化。

数学建模第五次作业题答案

数学建模第五次作业题答案

答:1、模型假设:(1)银行具备实现任意投资上述五种证券的能力,且无意外情况的发生(如:银行倒闭,证券不存在等)。

(2)以上五种证券的相关属性不会发生改变,且银行的投资范围仅为以上列表中进行选择。

(3)银行投资的在上述五种证券中做出的各种方案都是可行的,即理想化模型。

(4)实施投资的相关方案在对应期限内有效并必须履行。

数学模型截图:程序代码截图:运行结果截图:敏感性分析报告截图:第1问建模结果评价:证券A投资2.182百万元,C投资7.364百万元,E投资0.454百万元;税后最大收益为0.298百万元。

2、数学模型:由第1问结果可知,在Dual Price给出的数据来看:资金每增加1百万元,收益增加0.0298百万元。

所以以大于2.75%的利率街道1百万元的资金的利息,所以应该借贷。

对于1的模型,修改资金总和10百万元增加为不超过11百万元,重新建模计算即可。

程序代码截图:运行结果截图:第2问建模结果评价:证券A投资2.40百万元,C投资8.10百万元,E投资0.50百万元;税后最大收益为0.328百万元,也就是说:经理应该贷款,可以提高收益。

第3问建模结果评价:由第1问的建模结果数据Dual Price可分析得:A证券的税前收益的范围为[3.0%,4.65%],而目标函数最优解不变即得,A增加为4.5%,投资不变;C证券的税前收益范围为[4.89%,8.46%],再由目标函数最优解不变可以推出,C减少为4.8%,投资应该改变的。

答:模型假设:(1)商家具备每次订购的商品都能够在商品保质期内售完的能力。

(2)供应商具备商家售完后新订购的商品能够及时补货的能力。

(3)新订购的商品应该在上一批次商品完全售完后才补进。

(4)不考虑意外情况(如商品质量不过关、商店倒闭等)的发生。

(5)由于存储费的设立,考虑第一批产品不收取存储费。

(6)假设x为每次购进新商品的件数,f(x)为每一批商品销售所获总利润,g(x)为平均每件商品所获的利润。

大学生数学建模例题之五

大学生数学建模例题之五

彩票发行方案的优化设计摘要本文通过对所给方案的分析,建立了彩票问题的优化模型,据此对现行各方案进行了比较和评判,并针对地区经济发展状况设计出了一种“更好”的方案。

论文首先介绍了风险决策中的效用理论,对彩民购买彩票的心态进行了分析,结合模糊数学中隶属度的概念,确定出了彩民的心理曲线,即效用函数。

它反映了彩票对彩民的吸引力,也体现了彩民对待风险的态度和地区的经济发展水平,可作为评价方案合理性的定量指标。

在客观概率尺度下,按照彩民的平均收入水平,对已知的29种方案分别做出判断,结果表明,排在前两位的分别是31选7和32选7。

其次,根据效用理论中存在着主观概率,即人们主观认可的事件发生概率与客观概率是不一致的,以及彩票信息在人群中的传播效应,建立了确定“更好”方案的三个优化模型。

其一,基于客观概率意义下的优化模型;其二,主观概率意义下的优化模型;第三,依据放射性元素的衰减原理,研究了彩票信息在人群中传播的影响效应,建立了信息衰减模型。

由于三个模型都是大规模非线性规划,难以直接求解,为此,我们设计了针对本问题的模拟退34选,但奖金设置不同火算法,运用Matalab软件求得了问题的全局最优解,最优方案均为6(见论文)。

最后,在分析所得结果的基础上,指出了三个模型的优缺点。

根据我们的研究成果,分别给彩票管理部门和彩民提出了一些参考建议。

1、问题的重述常见的彩票销售规则主要有“传统型”和“乐透型”两类,以“传统型”为例:先从6组0-9号球中摇出6个基本号码,每组摇出一个,然后从0-4号球中摇出一个特别号码,构成中奖号码。

投注者从0-9十个号码中任选6个基本号码(可重复),从0-4中选一个特别号码,构成一注,根据单注号码与中奖号码相符的个数多少及顺序确定中奖等级。

“乐透型”有多种不同的形式,奖金的设置也很灵活。

彩票的返奖比例一般为销售总额的50%,低项奖数额固定,高项奖按比例分配,但一等奖单注保底金额60万元,封顶金额500万元,各高项奖额的计算方法为:[(当期销售总额 ×总奖金比例) -低项奖总额 ]×单项奖比例现在的问题是:1、评价题目给出的现有方案的合理性;2、设计一种更好的方案,据此给彩票发行部门提出建议;3、给报纸写一篇短文,供彩民参考。

汽选购问题数学建模-5

汽选购问题数学建模-5

假定3种型号的汽车(相当于3个方案)供选购,记做S1、S2、S3,3个属性(评价指标)为价格、性能和款式,依次记为x1、x2、x3,具体数据如下表。

性能、款式,满分为10分,打分表格中数据表示每个方案Si对属性xj的取值,也称属性值(指标观测值)。

表一的数据我们可以用(原始)决策矩阵表示为指标观测值--> 决策矩阵决策矩阵的获得一般有两种途径,一种是直接通过测量或调查得到,如表1中的价格,这是偏于客观(定量)的方法;另一种是由决策者或请专家评定,这偏主观(定性)的方法。

8.2.2 决策矩阵的规范化决策矩阵的每一列表示各方案对某一属性的属性值,由于通常各属性的物理意义各不相同,在下一步分析之前,需将决策矩阵规范化。

进行规范化时首先需要区分效益型属性(极大型指标)和费用型属性(极小型指标),前者指属性值越大,该属性对决策的重要程度越高,后者正相反。

汽车选购中的属性x2 ,x3 是效益型的,而x1是费用型的,三个属性中两个是效益型的,故将全部属性值统一为效益型的。

汽车选购中的属性x2 ,x3 是效益型的,而x1是费用型的,三个属性中两个是效益型的,故将全部属性值统一为效益型的。

用取倒数的方法可将汽车选购中的决策矩阵重新表示为:一致化处理无量纲化处理方法:模一化:列向量单位化按“列”进行处理,保证每一列的处理方法统一。

汽车选购的决策矩阵X经过(1)(2)(3)式标准化后分别通过计算与观察,经过规范化后的决策矩阵,每个数值都是介于0、1之间,消除了各个指标量纲的影响。

经过此处理,决策矩阵的各个属性值就处于同一数量级,适合进行成对比较。

8.2.3 属性权重的确定信息熵法各个指标对于决策目标的影响程度称为属性权重(权重系数),用来表示评价指标(j=1, 2, …, m)的权重系数,则应有。

属性权重的确定也有偏于主观和客观两种方法,偏于主观的方法可以由决策者根据决策目的和经验先验地给出,如层次分析法中利用比较矩阵的最大特征值对应的特征向量来作为权重,这里不再赘述。

数学建模答案 (5)

数学建模答案 (5)

一、解释下列词语,并举例说明(每小题满分5分,共15分)1.模型模型是系统知识的抽象表示。

我们不能仅仅通过语言来描述一个系统,也不能仅仅通过记忆来记录关于系统的知识。

知识是通过某种媒介来表达的,这种媒介所表达的内容就是模型。

而知识形成媒介的过程就是建模,或者称为模型化。

通常模型可以使用多种不同的媒介来表达,比如纸质或电子文档、缩微模型/原型、音像制品等等。

而表达模型的体现方式也是多种多样的,常见的有图表、公式、原型、文字描述等等。

2.数学模型由数字、字母、或其他数学符号组成的,描述现实对象(原型)数量规律的数学结构。

具体地说,数学模型也可以描述为:对于现实世界的一个特定对象,为了一个特定的目的,根据特有的内在规律,做出一些简化假设后,运用适当的数学工具,得到的一个数学结构称之为数学模型.如概率的功利化定义。

3.抽象模型通过人们对原型的反复认识,将获取的知识以经验的形式直接存储在大脑中的模型称之谓思维模型。

从实际的人、物、事和概念中抽取所关心的共同特性,忽略非本质的细节把这些特性用各种概念精确地加以描述。

二、简答题(每小题满分8分,共24分)1.模型的分类按照模型替代原型的方式,模型可以简单分为形象模型和抽象模型两类.形象模型:直观模型、物理模型、分子结构模型等;抽象模型:思维模型、符号模型、数学模型等。

2.数学建模的基本步骤1)建模准备:确立建模课题的过程;2)建模假设:根据建模的目的对原型进行抽象、简化。

有目的性原则、简明性原则、真实性原则和全面性原则;3)构造模型:在建模假设的基础上,进一步分析建模假设的各条款,选择恰当的数学工具和构造模型的方法对其进行表征,构造出根据已知条件和数据,分析模型的特征和模型的结构特点,设计或选择求解模型的数学刻划实际问题的数学模型.;4)模型求解:构造数学模型之后,方法和算法,并借助计算机完成对模型的求解;5)模型分析:根据建模的目的要求,对模型求解的数字结果,或进行稳定性分析,或进行系统参数的灵敏度分析,或进行误差分析等。

  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)。
改建两个新料场的情形:
改建两个新料场,要同时确定料场的位置(xj,yj)和运送量 Xij,在同样条件下使总吨千米数
最小.这是非线性规划问题.非线性规划模型为:
26
min f
X ij (x j ai )2 ( y j bi )2
j1 i1
2
s.t. Xij di , i 1, 2,, 6 j 1
五、模型求解
(显示模型的求解方法、步骤及运算程序、结果)
(1)先画图,在坐标上标出各工地位置(用蓝色*标示)和料场位置(用红色 o 标示)
程序代码: x=[1.25 8.75 0.5 5.75 3 7.25]; y=[1.25 0.75 4.75 5 6.5 7.25]; x0=[5,2]; y0=[1,7]; plot(x,y,'*b'); hold on; plot(x0,y0,'or'); text(1.25,1.25,'¹¤µØ1'); text(8.75,0.75,'¹¤µØ2'); text(0.5,4.75,'¹¤µØ3'); text(5.75,5,'¹¤µØ4'); text(3.6,5,'¹¤µØ5'); text(7.25,7.25,'¹¤µØ6'); text(5,1,'Áϳ¡A'); text(2,7,'Áϳ¡B');
四、模型建立
(显示模型函数的构造过程)
记工地的位置为(ai,bi),水泥日用量为 di,i=1,…,6;料场位置为(xj,yj),日储量为 ej,j=1,2; 料场 j 向工地 i 的运送量为 Xij.
26
目标函数为: min f
X ij (x j ai )2 ( y j bi )2
j1 i1
26
min f aa(i, j) X ij j1 i1 2
s.t. X ij di , i 1,2,,6 j 1 6 X ij e j , j 1,2 i 1
其中 aa(i, j) (x j ai )2 ( y j bi )2 ,i=1,2,…,6,j=1,2,为常数.
设 X11=X1, X21= X 2,, X31= X 3, X41= X 4, X51= X 5,, X61= X 6 X12= X 7, X22= X 8,, X32= X 9, X42= X 10, X52= X 11,, X62= X 12
(2)目前公司准备建立两个新的料场,日储量各为 20 吨,为使运输费用最省,问新的料场 应建在何处,并算出两料场分别向工地运输多少吨水泥和费用。
(注:初始值取 x0=[3 5 4 7 1 0 0 0 0 0 5 11 5 4 7 7]’)
二、问题分析
本问题主要讨论并解决了某公司每天给工地的供应计划与临时料场选址的相关问题。工地的水 泥全部由水泥料场来提供,各个工地的水泥日用量与每个水泥料场的日储量是一定的。各个工 地所需水泥量可以有两个料场同时提供,也可以由一个料场全部提供。这就需要我们最优规划 来解决。为使总吨千米数达到最小,在考虑有直线道路连通的情况下建立相应的数学模型,给 出相关算法,并运用 Matlab 软件编程和处理相关数据,得到最优决策方案。 符号说明:
(2)使用两个临时料场的情形:
程序代码:
clear a=[1.25 8.75 0.5 5.75 3 7.25]; b=[1.25 0.75 4.75 5 6.5 7.75]; d=[3 5 4 7 6 11]; x=[5 2]; y=[1 7]; e=[20 20]; for i=1:6
for j=1:2 aa(i,j)=sqrt((x(j)-a(i))^2+(y(j)-b(i))^2);
i :第 i 个建筑工地; j :第 j 个临时料场;
di :工地 i 的水泥日用量;
c :料场 j 到工地 i 的水泥运输量; ij
aa(i, j) :料场 j 到工地 i 的距离;
e :料场 j 的日储量; j
三、模型假设
(1)假设料场和建筑工地之间都可以由直线到达; (2)运输费用由“吨千米数”来衡量; (3)两料场的日存储量够向各建筑工地供应; (4)运输途中不发生意外,从料场运出的水泥总量不会超过各个料场的日存储量;
2
X ij di ,
约束条件为: j1 6 X ij e j , i 1
i 1,2,,6 j 1,2
当用临时料场时决策变量为:Xij, 当不用临时料场时决策变量为:Xij,xj,yj.
使用两个临时料场的情形:
使用两个临时料场 A(5,1),B(2,7).求从料场 j 向工地 i 的运送量 Xij . 在各工地用量必须满足和 各料场运送量不超过日储量的条件下,使总的吨千米数最小,这是线性规划问题. 线性规划 模型为:
1
2
3
4
5
6
a
1.25
8.75
0.5
5.75

3
7.25
b
1.25
0.75
4.75
5
6.5
7.75
d
3
5
4
7
6
11
(1)试制定每天的供应计划,即从 A,B 两料场分别向各工地运送多少水泥,可使运输费用(总 的吨千米数)最小,并求出吨千米数。 ( 注:先画图,在坐标上标出各工地位置(用蓝色*标示)和料场位置(用红色 o 标示))
课程名称 上机项目 专业班级
佛山科学技术学院
上机报告
数学建模 料场问题
一、 问题提出
某公司有 6 个建筑工地要开工,每个工地的位置(用平面坐标系(a,b)表示,距离单位: km)及水泥日用量 d(吨)由下表给出。目前有两个料场位于 A(5,1),B(2,7),日储量各有 20 吨。
工地位置(a,b)及水泥日用量 d
end end CC=[aa(:,1);aa(:,2)]'; A=[1 1 1 1 1 1 0 0 0 0 0 0
0 0 0 0 0 0 1 1 1 1 1 1]; B=[20;20]; Aeq=[1 0 0 0 0 0 1 0 0 0 0 0
6
Xij ej , j 1, 2
i 1
设 X11=X1, X21= X 2, X31= X 3, X41= X 4, X51= X 5,, X61= X 6
X12= X 7, X22= X 8, X32= X 9, X42= X 10, X52= X 11, X62= X 12
x1=X13, y1=X14, x2=X15, y2=X16
相关文档
最新文档