最佳阵容的数学模型研究

合集下载

挑选队员的模型

挑选队员的模型

挑选队员的策略模型摘要全国大学生建模竞赛已成为全国高校规模最大的基础性学科竞赛,也是世界上规模最大的数学建模竞赛,各大高校对这项比赛都很重视,那么如何挑选出优秀的队员和如何将队员进行合理的组队就至关重要了。

本文将提出的问题转化为数学的模型以及合理的假设分析给出了妥帖的解决方案。

1、对于问题一我们用多元统计分析中的层次分析法首先建立了模型1.1,给各项条件指标一个权重,来计算加权函数i i ij j i iii W P L W ∑=∑===7161,αα,再求每个队员的综合水平,用Excel 整理数据,最后淘汰8、9两名队员。

然后在模型1.1的基础上建立了模型 1.2,从理论上按照层次分析法的步骤算出权重,再按模型 1.1的加权函数计算每个队员的综合水平,得出的结果也是淘汰8、9两名队员,充分的验证了模型的合理性。

2、对于问题二我们用逐项选优法和均衡模型法,由于学校参赛的目的不同给出两种模型。

我们把这个问题转化成求竞赛水平函数i j ml k ji m l k jW a W af ∑==61,,,,),(,模型2.1目的是使学校尽可能拿更高的奖项,用逐项求优法挑选竞赛水平高的队伍,重复挑选选取最优。

模型2.2目的是使学校尽可能多的获奖,也就是期望六支队伍都获奖,用均衡模型法,先选出竞赛水平最高的一组保证能够获奖,将剩下的队员均衡分配,从而竞赛水平都达到某一高度,这样六支队伍都能获奖。

综合这两种模型我们在不同的情况下做了合理的分析,认为模型2.1优于模型2.2. 3、对于问题三我们用求价值函数和仿真的方法,模型3.1是使每个教练挑选的队员的价值函数i i k q p o i i kq p o i kW d W dg ∑==613),,(3),,(3),(达到最大,同时保证他们之间相差不大,这样才能使教练相对满意。

模型3.2是用仿真的方法,通过仿真模拟出能够满足各个教练所需求的“最优”,又能使得他们所得队员差距更小,以取得使教练都尽可能满意的结果。

数学建模组队问题

数学建模组队问题

中南民族大学最优组队问题模型摘要本文针对组队问题,运用层次分析法,进行动态规划问题分析,通过计算机算法,分别进行了优秀组员的选取,合理、公平化的人为定组,动态的轮流选组员过程,并最终得到了最佳选人,分配方案。

针对问题1,我们根据常理,明确题目中六个指标对建模能力的影响显然是不同的,但是我们只能从定性的角度来分析哪些因素对建模能力素质影响较大。

于是我们建立出求加权平均成绩的函数模型1然后经过Excel计算排序之后,得到加权平均水平统计表,进行了人员的直接筛选。

但这种方法是占很大主观因素的,也缺乏一定的公平性。

因此,我们建立了模型2,运用层次分析法,依次求解出目标层(18名选拔出的学生)、准则层(6项评价水平)、方案层(20名学生)之间的权重,最终根据每位同学所占的权重大小来筛选出优秀的学生。

针对问题2,我们首先确定出三人组队选拔的最低标准。

每三个人的每项能力的最大值都必须大于设定的最低标准,这样三个人才准许组成一队,因为三个人作为一整体,决定他们的能力水平的是这三人每项能力的最高水平,而不是取决于每队的最低水平。

所以每一组的能力由团队中在这方面最优的选手决定,所以在组队的过程中,每队的三名选手至少有两项能力在整体平均能力以上,根据这一原则以及综合水平尽可能高进行组队。

然后通过计算机算法,对这一问题进行实现。

最终确定分组为:第一组:1,6,7;第二组:2,11,12;第三组:5,13,14,;第四组:3,15,16;第五组:4,19,20;第六组:10,17,18针对问题3,它是一个典型的动态规划问题,问题的难处在于教练的决策互相影响,每位教练在每步的决策都受到当前局势的影响,如果所有教练仅仅想要各项指标加权平均后取最大值,显然可能出现一队中三名选手均在某一方面(比如说写作能力)很擅长,但其他方面很欠缺。

所以教练应着眼于让自己的某位选手,在某两方面很擅长,而且整队各个方面都很有实力。

在每一轮教练都是选当前所有选手各项水平最靠前的那位选手。

数学建模论文---数学建模参赛队员组队的选拔

数学建模论文---数学建模参赛队员组队的选拔

数学建模参赛队员组队的选拔一、摘要本文是一个如何选拔最优秀的队员和科学合理组队问题的数学模型。

此模型我们主要采用的是层次分析法,综合考虑每个学生的相关信息和整队的技术水平,最后将三十名已经选拔出来的学生组成十队,每队三人,并达到所要求的目的。

对于问题一,综合考虑每位参赛人员的相关信息,包括:编程、想法、写作、数学能力等,并考虑到各项指标之间的互补性(最好是不同专业、年级),使得每队的竞技水平达到平均值,以实现十队实力相当。

将三十人的数据通过模型假问题二是要是得本次比赛的参赛队获奖达到最大化,即将三十人按综合能力高低组队使得该队竞技水平尽量高,已达到获奖最大化。

我们设计了队伍的竞技水平函数0T ( ) , 12...10i f i ωω=⋅=,,问题就转化为求f 的最大值。

找出权重较大.关键词:层次分析法,权重,记权型法,Excel 分析数据,MATLAB 计算数据,LINDO 线性规划,逐次优选.二、问题重述全国大学生数学建模比赛是由教育部发起的18项大学生创新训练项目之一,目前已为广大大学生所熟悉。

目的在于激励学生学习数学的积极性,提高学生建立数学模型和运用计算机技术解决实际问题的综合能力,鼓励广大学生踊跃参加课外科技活动,开拓知识面,培养创造精神及合作意识,推动大学数学教学体系、教学内容和方法的改革。

河海大学常州校区每年都会有一定数量的学生参加此项赛事,并取得了一定的成绩。

为此,数理部每年暑期将会对学生进行培训,最后选拔出参赛的队员。

选拔条件为:思维活跃、编程能力强、熟练的写作技巧、良好团队合作意识。

附件里给出了某年的已经选拔出来的学生相关信息,包括:编程、想法、写作、数学能力等。

根据根据所给的信息,进行组队,每队三人,组队原则如下:1)尽可能地不同学院、不同性别2)如果同一学院,尽可能地不同专业3)每个队伍中,至少一个人能胜任编程、想法、写作中的一项。

根据如下要求,完成下面的问题: 1.如何组队,使得每队的实力相当; 2.如果考虑到获奖最大化,如何组队;3.数据中没有给出团队合作意识的量化数据,问,如果考虑团队合作意识这一因素,如何建立模型。

选拔队员和队员间最佳组队问题

选拔队员和队员间最佳组队问题

摘要该模型解决了选拔队员和队员间最佳组队问题,这也是我日常生活中经常遇到的,本文主要采用数学期望法,综合考虑个人的指标和整队的技术水平。

最终从15 名队员中选出9 名队员进行组队。

首先进行队员选拔,通过对各队员的各项指标进行赋值,加以权重。

并且在相应权重情况下算出各队员的综合排名。

把综合排名最低的6 个队员淘汰。

其次进行组队,将每个队员的各项指标用数学期望的方法进行综合评比,用双目标规划可以对各个队员的特项指标进行评比,同时对各队的综合实力进行评比。

最终得到三个队的最佳组合。

最后最后对整个模型进行了推广和评价,指出了有效改进方向。

关键词:队员选拔,数学期望,方差函数问题的重述一年一度的全国大学生数学建模竞赛是高等院校的重要赛事,2010年全国大学生数学建模竞赛将于9月10日(星期五)8:00至9月13日(星期一)8:00举行,我校将选拔队伍参赛(参赛地点:分析测试中心六楼)。

由于竞赛场地、经费等原因,不是所有想参加竞赛的人都能被录用。

为了能够选拔出真正优秀的同学代表学校参加全国竞赛,数学建模教练组需要投入大量的精力,但是每年在参赛的时候还是有很多不如意之处:有的学生言过其实,有的队员之间合作不默契,影响了数学建模的成绩。

数学建模需要学生具有较好的数学基础和必要的数学建模知识、良好的编程能力和熟练使用数学软件的能力、较强的语言表达能力和写作能力、良好的团队合作精神,同时还要求思维敏捷,对建立数学模型有较好的悟性。

目前选拔队员主要考虑以下几个环节数学建模培训课程的签到记录;数学建模的笔试成绩,上机操作,学生个人简介,面试,老师和学生的推荐等,通过这种方式选拔出队员。

然后按照3人一组分为若干小组,为了使得小组具有较好的知识结构,一般总是将不同专业的学生安排在一起,使得每个小组至少包含一位数学基础较好的同学、计算机编程能力强的同学。

各组通过做题进行交流和磨合,合作比较好的保留,合作不好的进行调整。

基本假设1.假设所有队员接受了相同培训,且外部环境相同,竞赛中不考虑其他客观因素。

亚太杯比赛中常见的数学模型

亚太杯比赛中常见的数学模型

亚太杯比赛中常见的数学模型亚太杯是一项备受关注的足球比赛,吸引了来自亚太地区的众多球队参与。

为了提高球队的竞技水平和比赛结果的预测准确性,数学模型在亚太杯比赛中得到了广泛应用。

本文将介绍一些常见的数学模型,并探讨其在亚太杯比赛中的应用。

一、Elo评分系统Elo评分系统是一种广泛应用于体育竞技的数学模型,它通过计算球队之间的积分差异来预测比赛结果。

在亚太杯比赛中,Elo评分系统可以根据球队之间的历史比赛成绩和实力差距,预测未来比赛的胜负关系。

通过该模型,球队可以更好地了解自己的实力,并制定相应的战术和策略。

二、概率模型概率模型是另一种常见的数学模型,它通过统计分析历史比赛数据和球队之间的对战记录,来计算每个球队获胜的概率。

在亚太杯比赛中,概率模型可以帮助球队预测比赛结果,并根据概率分布制定相应的防守和进攻策略。

此外,概率模型还可以用来评估球队的进攻和防守能力,为球队的训练和调整提供指导。

三、回归模型回归模型是一种用来分析和预测变量之间关系的数学模型。

在亚太杯比赛中,回归模型可以通过分析球队的历史比赛数据和球员表现,来预测球队在未来比赛中的得分情况。

通过回归模型,球队可以找到影响比赛结果的关键因素,并针对这些因素进行训练和调整,提高球队的竞技水平。

四、优化模型优化模型是一种通过最大化或最小化目标函数来求解最优解的数学模型。

在亚太杯比赛中,优化模型可以帮助球队制定最佳的阵容和战术安排,以取得最好的比赛结果。

通过优化模型,球队可以在有限的资源和时间内做出最优决策,提高球队的整体竞技水平。

五、神经网络模型神经网络模型是一种模拟人脑神经元工作原理的数学模型,可以用来处理复杂的非线性关系。

在亚太杯比赛中,神经网络模型可以通过分析球队的历史比赛数据和球员表现,来预测未来比赛的结果。

通过神经网络模型,球队可以更准确地评估自己的实力和对手的实力,制定相应的战术和策略。

六、决策树模型决策树模型是一种通过构建树状结构来进行决策的数学模型。

数学建模-最佳阵容问题(论文)

数学建模-最佳阵容问题(论文)

最佳阵容问题摘要:本文研究了女子体操团体赛中最佳出场阵容的问题。

我们通过对赛程规定和已知数据的分析,合理的列出了目标函数和约束条件,建立了以0-1整数规划为核心的数学模型,最后很好的给出了不同情况下出场阵容的最佳方案,并对夺冠、得分前景进行了综合估计。

问题一:我们先利用Matlab软件对已知数据进行排列处理,再编程对满足约束条件的目标函数进行搜索,得到了最悲观估算和均值估算下的最佳出场阵容。

问题二:我们先建立同问题一的整数规划模型,然后通过编程搜索出总分不少于236.2分的所有阵容,接着运用概率统计的知识求出各阵容的概率,概率最高的阵容即为所求夺冠最佳阵容,最佳阵容确定后,依概率知识可容易的求出夺冠概率-19(3.978210)⨯和得分期望(222.64),最后我们用随机模拟方法(去随机数为个)得到最佳阵容有90%的把握可战胜平均成绩为220.7的对手。

关键字:最佳阵容0-1整数规划估计理论假设检验正态分布随机模拟问题结果:总分全能运动员非全能运动员高低杠平衡木跳马自由体操问题一最悲观212.3 2、5、6、9 7、10 4、8 1、4 3、10 均值情况224.72、3、8、10 6、7 5、9 1、4 5、92、8、9、10 6、73、5 1、4 3、52、8、9、10 6、7 4、5 1、43、52、8、9、10 6、7 5、6. 1、43、5问题二夺冠阵容4、7、8、9 3、6 1、6 1、2 3、5 夺冠前景-193.978210⨯得分期望222.5分90%战胜对手水平220.7分问题重述:有一场由四个项目(高低杠、平衡木、跳马、自由体操)组成的女子体操团体赛,赛程规定:每个队至多允许 10 名运动员参赛,每一个项目可以有 6 名选手参加。

每个选手参赛的成绩评分从高到低依次为: 10 ; 9.9 ; 9.8 ;…;0.1 ; 0 。

每个代表队的总分是参赛选手所得总分之和,总分最多的代表队为优胜者。

队员选拔与组队数学模型

队员选拔与组队数学模型

队员选拔与组队模型摘要队员的选拔问题,是一个抽象而难以量化求解的问题,本文问了队员的选拔标准直观化,采用了「L.seaty教授提出的定量和定性的系统分析法,以经验判断为基础,参照APH的成对比较标度,构造判断矩阵,求出各个单项因素影响队员综合实力的权向量。

结合层次分析法,求出各个队员的综合能力。

依照队员的综合能力的大小,初略分成n1个参赛队,并按能力大到依次排序。

将教练的评定结果量化,结合层次分析,将评定结果用数值表示出来。

将n1个参赛队再次排序。

比较两次排序方法造成的机会损失,对机会损失大的队伍重新排序,并删除一些能力差的队伍,组成n2最终参赛队伍。

用计算机模拟20个人的个人信息表,求出每个人的综合能力,按大小排序后,删除2名综合能力差的队员。

构成n仁6支队伍。

用计算机依据置硬币的原理模拟教练对学生的评价结果,结合以选定的n1支队伍,并假设学校要求5支队伍参加比赛,最终确定被选定的5支队伍为:关键字:层次分析法判断矩阵的成对比较标度权向量机会损失一. 问题重述面对每年一次的全国大学生数学建模竞赛及美国大学生数学建模竞赛, 学校需要花费较多的人力以及财力从报名的学生中选拔出优秀的学生并组成具有竞争力的参赛队, 期望获得最好的成绩.数学建模竞赛的每一个参赛队由3 名同学组成, 要求在三天的时间内完成一个实际问题的求解, 包括问题描述、问题分析、建立模型、模型求解算法设计、编写程序求得结果、模型以及算法改进、模型稳定性分析、优缺点分析,最后撰写论文等。

竞赛过程中仅允许本队队员之间讨论,并可以利用图书馆中的图书资料以及网上的正确可靠资源。

为最终组成有竞争力的参赛队, 计划分两步来挑选队员, 具体如下: 第一步依据报名表中的信息挑选出优秀的学生,并3人一组组成n1个培训队。

报名表(附件4)。

第二步对挑选出的队员进行培训。

在培训期间要经过3 至6次的模拟竞赛,m 个教练对每一个培训队的每一次竞赛都有一个综合评价和单项评价,单项评价包括写作水平、模型的正确性和简洁性、算法的正确性和复杂度、创新点共四项,评价成绩分为:优秀、优良、一般。

最优组队问题数学建模

最优组队问题数学建模

最优组队问题数学建模
最优组队问题是一个经典的数学建模问题,它涉及到资源分配、优化和决策等领域。

该问题的目标是在给定一组具有不同技能和专业知识的人之间分配任务,以获得最大的效率和质量。

具体来说,最优组队问题可以描述为在一个有 N 个成员的团队中,每个成员具有不同的技能和专业知识,并且需要将这些成员分配给不同的任务,以使得任务完成的效率和质量最高。

任务分配应该考虑到成员的技能和专业知识之间的互补性和协同性,以便最大化团队的整体效率。

最优组队问题是一个复杂的问题,没有一个简单的解决方案。

解决这个问题需要考虑多个因素,如任务的复杂度、成员的技能和专业知识、团队的目标和约束等。

在数学建模中,可以使用各种算法和工具来求解最优组队问题,例如遗传算法、模拟退火算法、约束优化算法等。

总结起来,最优组队问题是一个重要的数学建模问题,它涉及到多个领域,包括计算机科学、运筹学、管理科学等。

该问题可以应用于许多实际问题,如项目管理、资源分配、团队建设等。

  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)。

222. 1 221. 4 224. 4 223. 7 222. 6 223. 3 222. 9 222. 7 222. 1 221. 7
220. 8 220. 2 222. 4 223. 3 223. 3
224 220. 8 219. 8 220. 1 220. 3
220. 9 219. 5 223. 1
4
x ij 4
j= 1
( i = 1, 2, 3, 4)
x ij = 0 or 1
5 模型的求解
运用 lingo 优化软件进行求解可知, 按等概 率准则计算的最优得分为 224. 7 分, 小于预测夺 冠分数 236. 2, 按乐观准则计算的最大得分 236. 5 分, 要想获得冠军我们要排出的阵容为( 表 4) 。
工程技术
武汉船舶职业技术学院学报 2008 年第 3 期
最佳阵容的数学模型研究
王磊 ( 武汉船舶职业技术学院教务处, 湖北武汉 430050)
摘 要 本文对运动队参与竞赛的阵容安排问题进行了研究。以得分最高为目标, 建立了优化阵容的非线性 0- 1 规 划 模型, 确定了参赛阵容。并对该阵容参赛的过程进行了 计算机仿真, 分析了该阵容的得分情况及夺冠情况。 关键词 阵容安排非线性规划; 计算机仿真 ; X2 检验 中图分类号 O151 文献标志码 A 文章编号 1671- 8100( 2008) 03- 0033- 04
则确定某一阵容出战能够获得的总分为
10 4
f=
sij x ij
i= 1 j = 1
约束条件如下:
( 1) 每个项目有 6 名运动员参加
34
最佳阵容的数学模型研究 王 磊
10
x ij = 6( j = 1, 2, 3, 4)
i= 1
( 2) 有 4 个运动员参加四项全能赛
10 4
x ij = 4
i= 1 j = 1
3 问题的分析
根据等概率准则( L aplace 原则) , 计算出每个 运动员对每个项目的期望得分矩阵( 表 2) , 把运 动员的期望得分当作比赛时的实际得分, 见表 2。
表 2 运动员期望得分表
队员
1 2 3 4 5 6 7 8 9 10
1( 高低杠)
9 9. 6
9 9. 1
9 9. 7 9. 8
0. 2
8. 4
0. 1
8. 8
0. 2
9
0. 6
10
0. 1
9. 4
0. 1
9. 6
0. 1
9. 7
0. 6
9. 9
0. 2
收稿日期: 2008- 03- 15 作者简介: 王 磊, 男, 主要从事高等数学方面的教学和科研工作。
33
武汉船舶职业技术学院学报 2008 年第 3 期
队员 6 7 8 9 10
221 221. 8
223 220. 1
222 224 222. 2
对以上数据进行 拟合优度 x2 检验, 得出上 述数据满足正态分布。设运动队获得总分为随机 变量 x , 根据极大似然法估计 x ~ N ( 221. 8, 1. 9) 。 则运 动 队能 够获 得冠 军的 概 率 P ( x > 236. 2)
9. 1
0. 6
9. 9
0. 1
9
0. 1
9. 2
0. 1
9. 4
0. 6
9. 7
0. 2
3( 跳马)
9. 1
0. 1
9. 3
0. 1
9. 5
0. 6
9. 8
0. 2
8. 4
0. 1
8. 8
0. 2
9
0. 6
10
0. 1
8. 4
0. 15
9
0. 5
9. 2
0. 25
9. 4
0. 1
9
0. 1
9. 4
35
武汉船舶职业技术学院学报 2008 年第 3 期
0. 0000000023可知夺冠前景渺茫。运动队能够有 90% 把握战胜怎样的对手, 即 P ( k< x ) = 0. 9 可 知 k= 220. 04, 所以运动队有 90% 把握战胜总分 为 220. 04 的对手。
参考文献
1 薛 毅, 陈立萍. 统计建模与 R 软件[ M] . 北京: 清华大学出 版
把运动员 的乐观得分当 作比赛时的 实际得 分, 见表 3。
表 3 运动员乐观得分表
队员 1( 高低杠) 2( 平衡木) 3( 跳马) 4( 自由体操)
1
9. 4
10
9. 8
9. 9
29. 8Fra bibliotek9. 4
10
9. 6
3
10
9. 5
9. 4
10
4
9. 5
9. 9
9. 7
10
5
9. 4
9. 7
9. 3
9. 9
For ( i in 运动员参与的所有项目) {
产生 0, 1 之间的随机数 random F or( j in 每个项目的所有可能得分) {
If ( random < 得分概率[ i, J] ) {
选取得分[ i, j] Break } } 计算所有得分的和
} 得到仿真得分 60 个( 表 5)
表 5 仿真得分结果
( 3) 每个运动员最多参加 4 项比赛
4
4( i = 1, 2, , 10)
j= 1
( 4) 所有决策变量只能取 0 或 1
综合以上分析, 建立问题的数学模型如下:
10 4
maxf =
sij x ij
i= 1 j= 1
10
x ij = 6
i= 1
( j = 1, 2, 3, 4)
10 4
x ij = 4 s. t . i= 1 j= 1
1( 高低杠)
9. 4
0. 1
9. 6
0. 1
9. 7
0. 6
9. 9
0. 2
9. 5
0. 1
9. 7
0. 1
9. 8
0. 6
10
0. 2
8. 4
0. 1
8. 8
0. 2
9
0. 6
10
0. 1
8. 4
0. 15
9
0. 5
9. 2
0. 25
9. 4
0. 1
9
0. 1
9. 2
0. 1
9. 4
0. 6
9. 7
9 9 9. 4
2( 平衡木)
9 9 9. 1 9. 1 9. 4 9. 1 9 9. 8 9. 2 9. 1
3( 跳马)
9. 5 9 9
9. 5 8. 9 8. 9 8. 9 9. 1
9 9. 2
4( 自由体操)
9. 1 9. 3 9. 8
9 9. 7
9 9. 2 9. 3 9. 7 9. 5
按乐观准则( H urw icz 原则) 计算出每个运动 员对每个项目的乐观得分矩阵 W 。
9. 3
0. 3
9. 5
0. 1
3( 跳马)
8. 5
0. 1
8. 7
0. 1
8. 9
0. 5
9. 1
0. 3
8. 3
0. 1
8. 7
0. 1
8. 9
0. 6
9. 3
0. 2
8. 7
0. 1
8. 9
0. 2
9. 1
0. 6
9. 9
0. 1
8. 4
0. 1
8. 8
0. 2
9
0. 6
10
0. 1
8. 2
0. 1
1 问题的提出
一类, 参加单项比赛的每个运动员至多只能参加 三项单项。每个队应有 4 人参加全能比赛, 其余
有一场由四个项目( 高低杠、平衡木、跳马、自 由体操) 组成的女子体操团体赛, 赛程规定: 每个 队至多允许 10 名运动员参赛, 每一个项目可以有 6 名选手参加。每个选手参赛的成绩评分从高到 低依次为: 10; 9. 9; 9. 8; ; 0. 1; 0。每个代表队 的总分是参赛选手所得总分之和, 总分最多的代 表队为优胜者。此外, 还规定每个运动员只能参 加全能比赛( 四项全参加) 与单项比赛这两类中的
m od el: set s: at hlete/ 1. . 10/ ; it em/ 1. . 4/ ; links( at hlete, it em) : x , scor e; endset s max= @ sum ( links: score* x ) ; @ for( item( j) : @ sum( athlet e( i) : x( i, j) ) = 6) ; @ sum ( at hlet e( i) : x ( i, 1) * x ( i, 2) * x ( i, 3) * x ( i, 4) ) = 4; @ f or( links: @ bin( x ) ) ; dat a: score= @ file( 'score. t x t') ; en dd ata en d
0. 2
2( 平衡木)
8. 7
0. 1
8. 9
0. 2
9. 1
0. 6
9. 9
0. 1
8. 4
0. 1
8. 8
0. 2
9
0. 6
10
0. 1
8. 8
0. 05
9. 2
0. 05
9. 8
0. 5
10
0. 4
相关文档
最新文档