最优送货路线设计问题

合集下载

送货最优问题

送货最优问题

1.插入到(0,2)间,S 总=54。构成 0-13-2-7-6-0
2.插入到(2,7)间,S 总=42。构成 0-2-13-7-6-0
3.插入到(7,6)间,S 总=42。构成 0-2-7-13-6-0(非单回路,应舍去)
4.插入到(6,0)间,S 总=58。构成 0-2-7-6-13-0
由此,得到第二条最优化线路 0-2-13-7-6-0,总路程为 42km,历时 2.3467h。
总重量 (kg)
24 24.2 22.9 17.7 22.9 25 23.5 24.3 184.5
总时间 (h)
1.9467 2.3467 2.3467 2.9067 3.7133 3.2200 4.0200 4.1800 24.6801
总路程 (km)
32 42 42 56 72 68 88 92 492
C 题:送货最优问题
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,主要是从最短路经和费用最省两个角度解决该问题。
问题一中,我们利用图论的知识,将公司总部和各个送货点抽象成了图中的 点,由于街道和坐标轴平行,即任意两顶点之间都有路,而且每两点之间的距离 就是它们横纵坐标差之和。如点 A(x1,y1),点 B(x2,y2)两点,则它们之 间的距离为|x2-x1|+|y2-y1|。我们受到旅行商问题(Traveling Salesman Problem,简称 TSP)的启发得到两个启发式算法,即每一个行程的第一个送货点 是距离总部最近(远)的未服务的送货点,第二个送货点是离第一个送货点最近 的点,在快件重量不超过 25kg 的前提下继续指派直到不能再指派为止,用这种 方法,即可分别得到一组运行路线,总的运行公里数,以及总费用。再应用最近 邻点插入法进行优化,对两种方法得到的路径进行比较得到最优的路径。然后根 据条件确定业务员的人数以及每个人的路线。

优化设计运输路线 作业题6个

优化设计运输路线 作业题6个

20
40
20
80 30 30
作业题2

设配送中心向5个客户配送货物,其配送路线网 络、配送中心与客户的距离以及客户之间的距离 如下图所示,图中括号内的数字表示客户的需求 量(单位:t),线路上的数字表示两结点之间 的距离(单位:km)。现配送中心有3台2t货车 和2台4t货车两种车辆可供使用。要求: (1)试用节约里程法制订最优的配送方案;
作业题1
如下图所示,A、D、F、H点为货物供应地, B、C、E、G、I点为货物接收地。 (1)求最优调运路线? (2)填写下页中的最优调运方案表。

收点 发点 A D F H 收量/t
20
B 20CEGI发量/t 20
20 20 30 30 50
10 20
20 80 30 70 30 100 60 200


(2)假定货车行驶的平均速度为40km/h,试比 较优化后的方案比单独向各客户分送可节约多少 时间?
解题步骤
1.
2.
3. 4. 5.
最短距离矩阵表 里程节约表 里程节约量排序 调运方案陈述 计算可节约多少 时间?
里程表
需要量 1.5 1.7 0.9 1.4 2.4 P0 8 8 6 7 10 P1 12 13 15 16 P2 4 9 18 P3 5 16 P4 12 P5
节约里程表
需要量 1.5 1.7 0.9 1.4 2.4 P0
8 8 6 7 10 P1 12(4) 13(1) 15(0) 16(2) P2 4(10) 9(6) 18(0) P3 5(8) 16(0) P4 12(5) P5
节约里程排序
序号
1 2 3 4 5
路线
P2P3 P3P4 P2P4 P4P5 P1P2

送货路线设计问题

送货路线设计问题

送货路线设计问题蔡新星,古振炎,黄祥振摘要我们建立了相应的模型来解决最优路径问题,使送货员耗时最少,路程最短。

并讨论了在最大载重和最大带货体积一定情况下的有时间限制和无时间限制的最优路径问题。

问题一,根据题中所给数据可求出30件货物质量之和为49.5公斤、体积之和为0.99立方米,故在问题一的模型建立中我们不用考虑质量、体积的约束。

本文可以将该问题转化为TSP (旅行商)问题(本题可以重复经过某顶点),建立了求最小Hamilton 圈模型,先利用Floyd 算法求出任意顶点间最短路,构造连接各顶点的一个无向赋权完全图。

再寻找该完全图中的最小Hamilton 圈。

本文用LINGO 软件寻找该完备图中的最小Hamilton 圈,从而得到问题一的最优解。

依据程序运行结果,最后得出具体路径为:O —>26—>21—>17—>14—>16—>23—>32—>35—>38—>36—>38—>43—>42—>49—>42—>45—>40—>34—>31—>27—>39—>27—>31—>24—>19—>13—>18—>O 且得到最短送货路线的总长d=54600m ,总的时间为:226.50分钟。

问题二中增加了“时间”这一约束条件,而没有要求返回出发点。

所以我们必须在满足各点的时间要求前提下,寻找一条最优的路径。

我们根据时间优先的原则, 即优先送货到时间要求较紧的地点,将所有货物送达点进行分块分组,我们将22个节点按时间限制划分为四个阶段:9:00、9:30、10:15、12:00四个阶段 。

分阶段后,由于各阶段所要求进过的地点个数较少,故在此问题中采用穷举法比较出其中耗时最短的路线,即为所求结果,最佳路线为:->18->13->19->24->31->27->27->39->27->31->31->34->40->45->45->45->42 ->49->42->43->43->38->36->38->35->32->32->32->23->23->16->14->17->21->26, 总路程:53208米,总用时为(包括交货时间):223.02分钟。

物流配送最优路线选择研究

物流配送最优路线选择研究

物流配送最优路线选择研究1.引言物流配送是指将货物从供应商运输到顾客手中的过程。

为了提高物流配送效率和降低成本,选择最优路线成为了研究的重点之一、本文旨在探讨物流配送最优路线选择的研究方法和相关理论。

2.最优路线选择的问题描述最优路线选择问题是指在给定的起点和终点之间,如何选择经过的中间点,使得总体路程最短或成本最低。

这是一个复杂的组合优化问题,需要使用数学建模和优化算法来解决。

3.数学建模最优路线选择可以通过图论和网络分析来建模。

一种常用的方法是使用最短路径算法,如迪杰斯特拉算法或弗洛伊德算法。

这些算法可以通过计算顶点间的最短路径来确定最优路线。

4.优化算法除了最短路径算法,还可以使用其他优化算法来解决最优路线选择问题。

例如,遗传算法、模拟退火算法和粒子群算法等启发式算法可以在大规模问题中找到近似最优解。

5.相关理论最优路线选择问题涉及到一些相关的理论,如图论、网络优化和运输问题等。

这些理论提供了解决最优路线选择问题的基础和方法。

6.实际应用最优路线选择问题在实际的物流配送中有广泛的应用。

例如,在城市货物配送中,选择最优路线可以减少行驶距离和时间,提高配送效率。

在航空货物运输中,选择最优路线可以最大程度地降低油耗和运输成本。

7.研究挑战最优路线选择问题面临一些研究挑战。

首先,随着问题规模的增加,解决最优路线选择问题的时间复杂度也会增加。

其次,最优路线选择可能受到一些限制条件的约束,如时间窗口和交通拥堵等。

这些挑战需要进一步的研究来解决。

8.结论(备注:本文主要介绍了物流配送最优路线选择问题的研究方法和相关理论,但是对于最新的研究进展和具体案例缺乏详细介绍,需要进一步提取和补充信息。

毕业设计优化运输路线范文

毕业设计优化运输路线范文

毕业设计优化运输路线范文一、前言。

大家好呀!今天咱们就来唠唠我毕业设计里超酷的运输路线优化这事儿。

想象一下,货物就像一群调皮的小精灵,要从一个地方跑到另一个地方,要是没有个好的运输路线,那就跟小精灵们迷路了似的,既浪费时间又多花钱。

所以呢,优化运输路线就像是给这些小精灵们画一幅精确的地图,让它们能又快又好地到达目的地。

二、目前运输路线的问题。

1. 弯弯绕绕太多。

咱先看看现在的运输路线哈。

那可真是像迷宫一样,卡车司机大哥们经常是从这个城市的这头跑到那头,又折回来,就为了送几个货。

比如说,我观察到有一次,一个送家具的车,为了给三家不同小区的客户送货,本来可以走一条相对直的路,分三个小岔路送过去就行。

结果呢,按照现有的路线规划,它得先跑到最远的那个小区,再折回中间的,最后再去最近的。

这一路下来,油费都得多花不少,时间也耽搁了,司机大哥也累得够呛,直摇头说这路线太坑。

2. 交通拥堵的影响没考虑周全。

现在城市里车越来越多,交通拥堵就像个大怪兽,时不时就冒出来捣乱。

可现有的运输路线规划好像没太把这个大怪兽当回事儿。

我研究了一些数据,发现很多时候运输车辆在高峰期就被堵在那些经常拥堵的路段上,动弹不得。

就像上次我看到一辆快递车,卡在一个十字路口附近,周围全是上班的私家车,那场面就像一群蚂蚁挤在一块儿,快递车只能干着急,里面的包裹也只能等着晚点被送到主人手里了。

3. 不同运输方式衔接不顺畅。

有时候货物需要用到多种运输方式,比如先坐火车,再上卡车。

但是现在呢,这个衔接就很不顺畅。

就像接力赛里,交接棒的时候出了问题。

火车到站的时间和卡车来接货的时间总是对不上,货物就得在车站干等,这既浪费了车站的仓储空间,又可能会让货物错过最佳的交付时间。

我有个朋友做电商的,他就跟我抱怨过,有一批货从外地发过来,火车倒是按时到了,可是负责转运的小货车在路上耽搁了,导致他的货物晚了好几天才上架销售,损失了不少订单呢。

三、优化运输路线的策略。

最优送货路线设计

最优送货路线设计

数学建模论文--送货线路设计问题姓名:杨雷张宝樊强指导老师:郭文艳时间: 2010.07.22送货线路设计问题摘要本文对网购送货路线的确定问题建立了可精确求解方案的0-1规划模型,并在满足不同需求的前提下给出了最佳方案。

对于求解该问题可以将各个收货地点看成一个个孤立的顶点,将可以连通的顶点间的路径看成直线,由于速度一定,每件货物交接时间一定,所以问题可以看成是无向图的连通问题。

可以用Dijkstra 算法求出任意两点的最短路径。

对于问题一要将货物送到指定地点并返回,设计最快的路线与方式,即将30个货物所在的地点看成无向图中需要连接的顶点,时间决定于路途的长短,求出最短路径就能设计出最快完成路线。

对于问题二要将货物按时间限制送到指定地点,在求解过程中要考虑时间限制,即将时间限制看成约束条件,算出符合时间限制的最优路径。

对于问题三要考虑货物的质量和体积的限制,送货过程中需要返回取货,最后回到起点。

通过计算可只要经过四次送货才能全部送完,先求单次能送完情况下的最优路径,符合条件划为一组,在对每一组进行重新排序,将一部分不合理部分重新设计,做出最优设计。

三个问题有相同之处,又有不同之处,目标模型基本相同,条件有所不同,利用了MATLAB分别求出了各自的最优解。

关键词:Dijkstra算法;优化模型;无向赋权图;MATLAB一问题的重述现今社会网络越来越普及,网购已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,库房在附录图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附录图1,各点连通信息见附录表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附录表1,50个位置点的坐标见附录表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。

物流配送路线优化的算法设计与实践经验分享

物流配送路线优化的算法设计与实践经验分享在现代物流行业中,物流配送路线的优化是提高效率、降低成本的关键环节。

对于物流公司来说,合理规划配送路线能够减少行驶里程、缩短配送时间,并确保货物按时到达目的地。

本文将重点探讨物流配送路线优化的算法设计以及实践经验分享,希望能对相关从业人员提供一些参考和帮助。

1. 算法设计物流配送路线优化涉及到大量的数学问题,需要利用算法进行高效求解。

常见的物流配送路线优化算法包括贪心算法、模拟退火算法、遗传算法等。

下面将介绍其中两种常用的算法设计。

1.1 贪心算法贪心算法是一种简单而有效的算法,其基本思想是每次选择最优的子问题解,以期望从整体上得到全局最优解。

在物流配送路线优化中,可以通过贪心算法来逐步选择最近的未访问过的配送点,直到所有配送点都被访问过为止。

贪心算法的时间复杂度相对较低,适用于规模较小的问题。

1.2 遗传算法遗传算法是一种模拟自然选择和遗传机制的优化算法,通过模拟生物进化的过程来搜索最优解。

在物流配送路线优化中,可以将每个配送点看作一个基因,并通过交叉、变异等操作来不断优化基因的组合。

遗传算法需要设计适应度函数来评估每个基因的优劣,从而选择出更优的个体。

遗传算法的时间复杂度相对较高,但适用于规模较大的问题。

2. 实践经验分享除了算法设计,物流配送路线优化还需要结合实际情况进行实践,才能真正发挥效果。

以下是一些实践经验分享,希望能对从业人员提供一些指导。

2.1 数据收集和预处理物流配送路线优化需要大量的数据支持,包括货物数量、配送点位置、交通状况等。

在实践中,应该充分收集和整理这些数据,并进行合理的预处理。

例如,可以使用地理信息系统(GIS)来获取配送点的经纬度,以便进行路径计算。

此外,还应该定期更新数据,以应对交通状况的变化。

2.2 算法参数的调整在实际应用中,不同的物流配送路线优化算法需要根据实际情况进行参数调整。

例如,贪心算法中的选择策略、遗传算法中的交叉概率、变异概率等。

配送路线优化(里程节约法)要点



(1)初始方案:对每一客户分别单独派车 送货,结果如图11-10。

修正方案4
节约里程法(Saving Algorithm)

车辆调度程序法(Vehicle Scheduling Program:VSP) 又称节约算法,是指用来解决运输车辆数目不确定的问题 的最有名的启发式算法。

核心思想: 节约里程法核心思想是依次将运输问题中的两个回路合并 为一个回路,每次使合并后的总运输距离减小的幅度最大, 直到达到一辆车的装载限制时,再进行下一辆车的优化。 优化过程分为并行方式和串行方式两种。
配送线路优化方法
(一)直送式配送运输
一对一配送的最短路线问题



标点法设计 适用方法——最短路径法 最短线路 适用条件: 1、由配送中心向每一位客户开展专门送货; 2、该客户的送货量一般必须满足配送车辆满载。 配送效果: 1.配送车辆满载运输; 2.配送运输路线距离最短。
【例】
节约里程法的意义
送货时,由一辆车装载所有客户的货物,沿 着一条精心设计的最佳路线依次将货物送到各位 客户手中,这样既保证按时按量将用户需要的货 物及时送达,又节约了车辆,节省了费用,缓解 了交通紧张的压力,并减少了运输对环境造成的 污染。
1.满足客户配送需要 2.减少配送车辆使用 3.缓解交通紧张压力
b
B(客户)
运行距离为:2a+2b 节约行程:a + b-c
运行距离为:a+b+c
节约里程法
例题:已知配送中心P0向5个用户Pj配送货物,其配送路线网 络、配送中心与用户的距离以及用户之间的距离如下图所 示,配送中心有3台2t卡车和2台4t两种车辆可供使用。利 用节约里程法制定最优的配送方案。

送货线路设计问题

五模型假设(1)假设送货车辆不会在半路抛锚,半路无塞车现象,即送货员送快递途中不受任何外界因素影响,且无需考虑送货员的工作时间与休息时间。

(2)送货员到某送货点后必须把该送货点的快件送完。

(3)假定送货员最大载重50公斤,所带货物最大体积1立方米。

(5)假设每个送货点的货物一次被送到,不会出现分批送到的情况。

(6)假定每个业务员都的按照,送货员的平均速度为24公里/小时和每件货物交接花费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。

(7)假设数据整理后无其他错误。

六主要符号Ti:序号为i的货物号的快件重量Ni:表示为i个货物号vi:表示第i个送货地点(xi ,yi)序号为i的送货点的坐标ei:表示两个送货点的关系(见附录表3-1.)G=<V,E>:是一个简单图,V=ív0,v1,v2,…,v ný集合V是图顶点集(代表系统的个体),E=íe1,e2,…,e ný集合E是图的边集(代表系统个体之间的关系)A(G)=( ) n×n:称A(G)为G的邻接矩阵。

简记为A。

其中:i,j=1,…,nWi:表示第i件货物的重量。

Bi:表示第i件货物的体积MaxW:表示能够承受的最大的总重量,即MaxW=50公斤MaxB:表示能够承受的最大的总体积,即MaxB=1立方米K:表示人送货员在送货的过程中返回快递公司的次数七模型建立与求解7.1.问题一:分析:由于表3-3可以知道,前30件货物的重量和体积都不会超过送货员所承受的最大载重,所以假设送货一次性把30件货物都带上。

11.例如:(为了计算的方面先用一些较小和较少的数据代替)有如下的v0~v16的送货点,其中ei表示两个送货点之间的关系。

1-1:Dijkstra算法是求最短路径最常用也是最有效的方法,但是它只能求从某一顶点到其余各顶点的最短路径。

而实际生活中的送货往往出现由某一快递公司送往多个送货地点后再返回快递公司的情况,对于这种情况,就得重复多次用Dijkstra算法,计算起来比较复杂。

配送路线优化(里程节约法)


5
P4
P5 2.4 10 16 18 16 12 P5
节约里程法
第2步:按节约里程公式求得相应的节约里程数
需求量 P0
1.5 8
P1
12 1.7 8
4
13 0.9 6
1
15 1.4 7
0
16 2.4 10
2
P2
4
10
P3
9
5
6
8
P4
18
16
12
0
0
5
P5
节约里程法
第 3 步:将节约里程按从大到小顺序排列
(0.9)
P3
4
(1.7)
P2
5
6
8
(1.4)
P4
7
P0
10
8
P5
(2.4)
P1 (1.5)
节约里程法
(0.9)
P3
4
5
(1.4)
P4
配送线路1
7
P0
10
(1.7)
P2
8
8
P5
(2.4)
P1 (1.5)
节约里程法 (0.9)
P3
4
5
(1.4)
P4
配送线路1
7
P0
10
(1.7)
P2
8
8
P5
P1 (1.5)
请为百家姓配送中心制定最优的配送方案。
第一步:计算最短距离。根据配送网络中的已知条件, 计算配送中心与客户及客户之间的最短距离,结果见表 11-11。 第二步:计算节约里程sij,结果见表11-12。
第三步:将节约sij,进行分类,按从大到小的顺序排 列,得表11-13
  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)。

2010年宝鸡文理学院数学建模竞赛编号专用页评阅编号(由组委会评阅前进行编号):指导教师信息(有指导教师的队填写):宝鸡文理学院大学生数学建模竞赛承诺书我们仔细阅读了宝鸡文理学院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):所属学校(请填写完整的全名):参赛队员(打印并签名) :1.2.3.日期: 2010 年 06 月 06 日评阅编号:宝鸡文理学院数学建模竞赛阅卷使用页●阅卷编号:(阅卷组填写)●阅卷组长:●阅卷表格:最优送货路线设计问题摘要当今社会,网购已成为一种常见的消费方式.随着物流行业的兴盛,如何用最短的时间,最节约成本的方案,完成送货任务显得尤为重要.针对本案例,我们采用了大量的科学分析方法,并进行了多次反复验证,得出如下结果:1:根据所给问题及有关数据,我们将题目中给出的城市,及其之间的线路可看成一个赋权连通简单无向图,采用了求这个图最小生成树的办法,求出最优线路.在此基础上,我们通过观察分析计算对上述结果进行修正,得出最终结果.2:根据所给问题,我们发现当货物不能一次送完时,中途需返回取货,而返回路径当然越短越好,可通过求途中两点最短路径的方法求出.关键字:送货线路优化,赋权连通简单无向图,Excel,最小生成树.一、问题重述现今社会网络越来越普及,网购已成为一种常见的消费方式,随之物流行业也渐渐兴盛,每个工厂为了自身的发展需要以最快的速度及时将产品送达所需单位,现有实业公司,该实业公司生产专业生产某专用设备产品,专用设备产品该每件重达5吨(其长5米,宽4米,高6米),该实业公司库房设在北京,所有货物均由一货机送货,该机种飞机翼展88.40米(机身可用宽20米),机长84米(可用长50米),机高18.2米(可用14米),最多可装载250吨货物,起飞全重达600吨,平均速度为900公里/小时)将货物送至全国各个省辖市(图1所示红色圆点,除北京之外共19个省辖市),假定货机只能沿这些连通线路飞行,而不能走其它任何路线;但由于受重量和体积限制,货机可中途返回取货.经过的各个省市都要一定的停靠费用和停靠时间(停靠时间为常量2小时),假设经过某个省市的停靠费用为:停靠费用=5000元×该省市的消费指数;问题1:若图示中19个省辖市每个省辖市只要一件产品请设计送货方案,使所用时间最少,标出送货线路.问题2:若图示中19个省辖市需求量见表1,请设计送货方案,使所用时间最少.问题3:若该实业公司为了花费最少,针对问题1和问题2分别求出花费、标出送货线路.表202311281796812112284210201212212422715344315二、基本假设1.假设货物在存放中,货物与货物之间无空隙.2.飞机在出行送货期间,无天气突变等突发状况.3.飞机自身无任何故障,并且在空中始终以平均速度为900公里/小时.4.假定货机只能沿着图中的连通路线飞行,而不走其他的路线.三、符号说明在地图上城市可以用点表示如北京可用A4表示,详细见下表.AiAj :点Ai到点Aj的线段权(1):表示题目中给出的两城市之间的权,如北京—上海(A1A5)的权(1)为9. 权(2):表示通过两城市之间路程所花费的时间,如北京—上海(A1A5)的权(2)为9*100/900+2=3(小时)权(3):表示通过两城市之间路程的花费,如北京—上海(A1A5)的权(3)为9*2500+1.85*5000=31750(小时),1.85为两城市指数的平均值.V :A1,A2,A3,A4,A5,A6,A7,A8,A9,A10,A11,A12,A13,A14,A15,A16,A17,A18,A19,A20的集合.E :A1A2,A1A3,A1A5,A1A6,A2A4,A3A10,A4A10,A4A12,A4A13,A4A16,A4A5,A4A7,A5A14,A5A15,A6A14,A6A8,A7A10,A7A12,A7A19,A8A9,A9A11,A10A11,A10A19,A10A20,A11A12A,12A18,A13A16,A13A17,A17A18,A19A20的集合.W :V中点之间的权(2)的集合,则G=(V,E,W)表示赋权连通简单无向图M :V中点之间的权(3)的集合,则F=(V,E,M)表示赋权连通简单无向图四、问题的分析当今社会,网购已成为一种常见的消费方式.随着物流行业的兴盛,如何用最短的时间,最节约成本的方案,完成送货任务显得尤为重要.针对本案例,城市可以看成点,而他们之间的连线既可以看成是时间,也可以看成成本,那么就构成了两个赋权连通简单无向图,这个问题就转化成求这两种情况下,两种图的最小生成树问题.五、模型的建立问题1:根据题目意思,两城市之间的时间=权(1)*100/速度+2(单位:小时)例如北京到上海A4A5权(1)是17,则定义V为A1,A2,A3,A4,A5,A6,A7,A8,A9,A10,A11,A12,A13,A14,A15,A16,A17,A18,A19,A20的集合,定义E为A1A2,A1A3,A1A5,A1A6,A2A4,A3A10,A4A10,A4A12,A4A13,A4A16,A4A5,A4A7,A5A14,A5A15,A6A14,A6A8,A7A10,A7A12,A7A19,A8A9,A9A11,A10A11,A10A19,A10A20,A11A12A,12A18,A13A16,A13A17,A17A18,A19A20的集合,定义W为V中点之间的权(2)的集合,则G=(V,E,W)表示图.根据最小生成树的求法可以求出改图G的最小生成树如图沿着最小生成树的路线相对较短,为:A4—A5—A15—A5—A14—A6—A8—A9—A11—A10—A20—A10—A19—A10—A11—A12—A18—A17—A13—A16—A4—A7—A4—A2—A1—A3—A1—A2—A4经过观察上面下划线的部分A11—A10—A20—A10 —A19—A10—A11并不是最短的,经计算这个路线A11—A10—A20—A19—A10—A11比上一个段,所以用之替换,得到最短的线路为:A4—A5—A15—A5—A14—A6—A8—A9—A11—A10—A20—A19—A10—A11—A12—A18—A17—A13—A16—A4—A7—A4—A2—A1—A3—A1—A2—A4可以将相邻两点的权(2)相加,和即为花费,经过计算上述线路所花时间是76.44444小时,为最短时间.问题2:根据题目意思,两城市之间运输的价格=权(1)*2500+平均指数*5000(单位:价格)例如北京到上海A4A5权(1)是17,北京的指数为1.9,上海为1.8,则先求出平均指数(1.9+1.8)/2=1.85,根据公式可得北京到上海A4A5关于时间的运输价格的权为9*2500+1.85*5000=31750(小时),其定义M 为V 中点之间的权(3)的集合,则P=(V ,E ,M )表示图,根据最小生成树的求法可以求出改图P 的最小生成树如图同样的,沿着最小生成树的路线相对较短,为:A4—A5—A15—A5—A14—A6—A8—A9—A11—A10—A20—A10—A19—A10—A11—A12—A7—A12—A18—A17—A13—A16—A4—A2—A1—A3—A1—A2—A4经过观察上面下划线的部分A11—A10—A20—A10—A19—A10—A11并不是最短的,经计算这个路线A11—A10—A20—A19—A10—A11比上一个段,所以用之替换,得到最短的线路为:A4—A5—A15—A5—A14—A6—A8—A9—A11—A10—A20—A10 —A19—A10—A11—A12—A7—A12—A18—A17—A13—A16—A4—A2—A1—A3—A1—A2—A4可以将相邻两点的权(3)相加,和即为花费,经过计算上述线路所花运输花费是687000元,为最少花费.六、模型的优缺点1、优点:⑴、本文总共有三个问题,给出了在各种约束条件下的最短时间以及最少花费的计算方法,具有较强的实用性和通用性,在日上生活中经常可以用到。

⑵、在忽略其他条件限制的最短时间问题中,我们采用最小生成树方法进行求解,并用了枚举法进行验证,经过大量的计算使结果更准确,更符合实际情况,从而达到解决实际问题的目的。

⑶、对于加入了省辖市需求量的问题当中,我们在第一问的基础上,我们再次利用最小生成树的方法,进行计算验证得出结果,解决实际问题。

⑷、在本题目的最后一问当中,给出了计算在货物体积和重量等多个限制条件下的最优化解法,采用最小生成树算法解决了这个与实际问题非常接近的问题,具有很好的实际意义。

2、缺点:⑴本题中我们做了许多假设是为使问题便于研究,,这或许对模型的实际意义或多或少产生影响。

⑵问题中节点过多,需要到量的精密计算,多次重复因此很难做到求出的结果就是最优解。

⑶本问题中所建立的模型,是舍弃了某些影响因素的结果,尽管这些因素的影响很小,但会使所求结果与实际生活中实际结果产生偏差。

七.模型的推广我们所研究的问题建立了三个模型,这三种模型对于许多数学问题的解题方法和途径都有一定的指导和帮助作用。

第一问当中利用最小生成树的方法来解决的,以此种优化方法来解决现实生活中所遇到的许多问题。

例如:旅游最短线路问题、货物运送问题、邮递问题以及管道输水等实际问题。

求解这些问题的,可以参考本文中的方法,对于其他一下问题也可以借鉴我们给出来的算法,经过大量的计算得出最优解。

第二问中是加入了限制条件的运货最优问题,对此我们也可以利用最小生成树方法求解在有需求量约束的前提下最短线路的模型,然后综合比较得出的。

在日常生活中,可以利用该模型来求解与最优树和最大流量有关的实际问题。

在第一问和第二问的基础上所延伸出来的第三个问题也可以采用该算法解决实际问题。

这类问题在实际生活中随处可看见,且都可以应用这些模型进行解决。

在讲将实际问题抽象为具体数学问题的时候,根据数学建模的思想以及步骤,会做出一定的假设,因此会导致一定的误差,因此不同的实际问题,要根据具体情况认真考虑,得出最优的设计方案,对于解决实际问题具有很重要的意义.八、参考文献[1]方世昌;离散数学. 西安:西安电子科技大学出版社. 2009[2]/view/288214.html?tp=0_11[3]/view/3613695.htm[4]/view/ab3e143567ec102de2bd8967.html[5]/p-189236.html。

相关文档
最新文档