第3章简单的优化模型ppt课件
合集下载
数学模型姜启源 ppt课件

6
《数学模型》 姜启源 主编
数学模型
9 五 5-6 6.4种群的相互依存
2
7.1市场经济中的蛛网模型
10 五 5-6 7.2减肥计划-节食与运动
2
8.3层次分析模型
12 五 5-6 8.4效益的合理分配
2
9.2报童的诀窍(讨论课)
13 五 5-6 9.5随机人口模型
2
9.6航空公司的预定票策略
14 五 5-6 10.1牙膏的销售量
数学模型
对于一个现实对象,为了一个特定目的, 根据其内在规律,作出必要的简化假设, 运用适当的数学工具,得到的一个数学结构。
数学
建立数学模型的全过程
建模 (包括表述、求解、解释、检验等)
2020/11/13
12
《数学模型》 姜启源 主编
第一章 建立数学模型
1.2 数学建模的重要意义
• 电子计算机的出现及飞速发展; • 数学以空前的广度和深度向一切领域渗透。
1.3 数学建模示例
1.4 数学建模的方法和步骤
1.5 数学模型的特点和分类
1.6 怎样学习数学建模
2020/11/13
8
《数学模型》 姜启源 主编
第一章 建立数学模型
1.1 从现实对象到数学模型
我们常见的模型
玩具、照片、飞机、火箭模型… … ~ 实物模型
水箱中的舰艇、风洞中的飞机… … ~ 物理模型
《数学模型》 姜启源 主编
数学模型
数学模型
2020/11/13
1
《数学模型》 姜启源 主编
数学模型
课程简介
课程名称 数学模型与数学建模 Mathematical Modeling
先修课程 微积分、线性代数、概率论与数理统计 课程简介
《数学模型》 姜启源 主编
数学模型
9 五 5-6 6.4种群的相互依存
2
7.1市场经济中的蛛网模型
10 五 5-6 7.2减肥计划-节食与运动
2
8.3层次分析模型
12 五 5-6 8.4效益的合理分配
2
9.2报童的诀窍(讨论课)
13 五 5-6 9.5随机人口模型
2
9.6航空公司的预定票策略
14 五 5-6 10.1牙膏的销售量
数学模型
对于一个现实对象,为了一个特定目的, 根据其内在规律,作出必要的简化假设, 运用适当的数学工具,得到的一个数学结构。
数学
建立数学模型的全过程
建模 (包括表述、求解、解释、检验等)
2020/11/13
12
《数学模型》 姜启源 主编
第一章 建立数学模型
1.2 数学建模的重要意义
• 电子计算机的出现及飞速发展; • 数学以空前的广度和深度向一切领域渗透。
1.3 数学建模示例
1.4 数学建模的方法和步骤
1.5 数学模型的特点和分类
1.6 怎样学习数学建模
2020/11/13
8
《数学模型》 姜启源 主编
第一章 建立数学模型
1.1 从现实对象到数学模型
我们常见的模型
玩具、照片、飞机、火箭模型… … ~ 实物模型
水箱中的舰艇、风洞中的飞机… … ~ 物理模型
《数学模型》 姜启源 主编
数学模型
数学模型
2020/11/13
1
《数学模型》 姜启源 主编
数学模型
课程简介
课程名称 数学模型与数学建模 Mathematical Modeling
先修课程 微积分、线性代数、概率论与数理统计 课程简介
数学模型-第03章(第五版)ppt课件

10天生产一次,平均每天费用最小吗?
问题分析与思考
• 周期短,产量小 • 周期长,产量大
贮存费少,准备费多 准备费少,贮存费多
存在最佳的周期和产量,使总费用 (二者之和) 最小.
• 是一个优化问题,关键在建立目标函数.
显然不能用一个周期的总费用作为目标函数.
目标函数——每天总费用的平均值.
模型假设
c3B
一周期总费用
Cc1c2Q 21T c3r(T 2T1)2
允许缺货的存贮模型
一周期总费用 Cc1cQ T 1cr(TT)2
2 2 1
21
3
1
每天总费用 平均值
C(T,Q) C c1c2Q2c3(rTQ)2 T T 2rT 2rT
(目标函数)
求 T ,Q C(T,Q)min
C 0, C 0 为与不允许缺货的存贮模型
已知某产品日需求量100件,生产准备费5000元,贮存费 每日每件1元. 试安排该产品的生产计划,即多少天生产 一次(生产周期),每次产量多少,使总费用最小.
要 不只是回答问题,而且要建立生产周期、产量与 求 需求量、准备费、贮存费之间的关系.
问题分析与思考
日需求100件,准备费5000元,贮存费每日每件1元. • 每天生产一次, 每次100件,无贮存费,准备费5000元.
1. 产品每天的需求量为常数 r; 2. 每次生产准备费为 c1, 每天每件产品贮存费为 c2; 3. T天(一周期)生产一次, 每次生产Q件,当贮存量降
为零时,Q件产品立即生产出来 (生产时间不计); 4. 为方便起见,时间和产量都作为连续量处理.
建模目的
r, c1, c2 已知,求T, Q 使每天总费用的平均值最小.
出现缺货,造成损失. 原模型假设:贮存量降到零时
问题分析与思考
• 周期短,产量小 • 周期长,产量大
贮存费少,准备费多 准备费少,贮存费多
存在最佳的周期和产量,使总费用 (二者之和) 最小.
• 是一个优化问题,关键在建立目标函数.
显然不能用一个周期的总费用作为目标函数.
目标函数——每天总费用的平均值.
模型假设
c3B
一周期总费用
Cc1c2Q 21T c3r(T 2T1)2
允许缺货的存贮模型
一周期总费用 Cc1cQ T 1cr(TT)2
2 2 1
21
3
1
每天总费用 平均值
C(T,Q) C c1c2Q2c3(rTQ)2 T T 2rT 2rT
(目标函数)
求 T ,Q C(T,Q)min
C 0, C 0 为与不允许缺货的存贮模型
已知某产品日需求量100件,生产准备费5000元,贮存费 每日每件1元. 试安排该产品的生产计划,即多少天生产 一次(生产周期),每次产量多少,使总费用最小.
要 不只是回答问题,而且要建立生产周期、产量与 求 需求量、准备费、贮存费之间的关系.
问题分析与思考
日需求100件,准备费5000元,贮存费每日每件1元. • 每天生产一次, 每次100件,无贮存费,准备费5000元.
1. 产品每天的需求量为常数 r; 2. 每次生产准备费为 c1, 每天每件产品贮存费为 c2; 3. T天(一周期)生产一次, 每次生产Q件,当贮存量降
为零时,Q件产品立即生产出来 (生产时间不计); 4. 为方便起见,时间和产量都作为连续量处理.
建模目的
r, c1, c2 已知,求T, Q 使每天总费用的平均值最小.
出现缺货,造成损失. 原模型假设:贮存量降到零时
第3章简单的优化模型

模型2 允许缺货的存储模型 模型建立
一个周期 T 内的储存费是
c2 q(t )dt c2QT 1 2
0 T1
一个周期 T 内的缺货损失费是
c3 q (t ) dt c3r T T1 2
T 2 T1
模型2 允许缺货的存储模型 模型建立
一个周期 T 内的总费用是 2 C c1 c2QT1 2 c3rT T1 2 利用(8)式,得到每天的平均费用是
第3章 简单的优化模型 3.1 存储模型
建立数学模型来优化存储 量,使总费用最小
模型1 不允许缺货的存储模型 问题的提出
配件厂为装配线生产若干种部件。 轮换生产不同的部件时,因更换设备要付生 产准备费(与生产数量无关)。 同一部件的产量大于需求时,因积压资金、 占用仓库要付储存费。 今已知某一部件的日需求量100件,生产准备 费5000元,储存费每日每件1元。 如果生产能力远大于需求,并且不允许出现 缺货,试安排该产品的生产计划,即多少天 生产一次(称为生产周期),每次产量多少, 可使总费用最小。
模型1 不允许缺货的存储模型 模型假设
设生产周期 T 和产量 Q 均为连续量, 1.产品每天的需求量为常数 r; 2.每次生产准备费为 c1 , 每天每件产品存储 费为 c2 ; 3.生产能力为无限大(相对于需求量) ,不 允许缺货,即当存储量降到零时,Q 件产 品立即生产出来供给需求。
模型1 不允许缺货的存储模型 模型建立
求得最优生产周期为
2c1 c2 c3 T c2c3r
模型2 允许缺货的存储模型 模型求解
每周期初的最优存储量为
Q 2c1c3 r c2 c2 c3
每周期的最优供货量为
优化模型一:线性规划模型数学建模课件

题的求解过程。
混合整数线性规划问题求解
要点一
混合整数线性规划问题的复杂性
混合整数线性规划问题是指包含整数变量的线性规划问题 。由于整数变量的存在,混合整数线性规划问题的求解变 得更加困难,需要采用特殊的算法和技术来处理。
要点二
混合整数线性规划模型的求解方 法
为了解决混合整数线性规划问题,可以采用一些特殊的算 法和技术,如分支定界法、割平面法等。这些方法能够将 问题分解为多个子问题,并逐步逼近最优解,从而提高求 解效率。
目标函数的类型
常见的目标函数类型包括最小化、最大化等。
确定约束条件
约束条件
01
约束条件是限制决策变量取值的条件,通常表示为数学不等式
或等式。
确定约束条件的原则
02
根据问题的实际情况,选择能够反映问题约束条件的条件作为
约束条件。
约束条件的类型
03
常见的约束条件类型包括等式约束、不等式约束等。
线性规划模型的建立
也可以表示为
maximize (c^T x) subject to (A x geq b) and (x leq 0)。
线性规划的应用场景
生产计划
物流优化
在制造业中,线性规划可以用于优化生产 计划,确定最佳的生产组合和数量,以满 足市场需求并降低成本。
在物流和运输行业中,线性规划可以用于 优化运输路线、车辆调度和仓储管理,降 低运输成本和提高效率。
初始基本可行解
在线性规划问题中,一个解被称为基 本可行解,如果它满足所有的约束条 件。
在寻找初始基本可行解时,可以采用 一些启发式算法或随机搜索方法,以 快速找到一个可行的解作为起点。
初始基本可行解是线性规划问题的一 个起始点,通过迭代和优化,可以逐 渐逼近最优解。
混合整数线性规划问题求解
要点一
混合整数线性规划问题的复杂性
混合整数线性规划问题是指包含整数变量的线性规划问题 。由于整数变量的存在,混合整数线性规划问题的求解变 得更加困难,需要采用特殊的算法和技术来处理。
要点二
混合整数线性规划模型的求解方 法
为了解决混合整数线性规划问题,可以采用一些特殊的算 法和技术,如分支定界法、割平面法等。这些方法能够将 问题分解为多个子问题,并逐步逼近最优解,从而提高求 解效率。
目标函数的类型
常见的目标函数类型包括最小化、最大化等。
确定约束条件
约束条件
01
约束条件是限制决策变量取值的条件,通常表示为数学不等式
或等式。
确定约束条件的原则
02
根据问题的实际情况,选择能够反映问题约束条件的条件作为
约束条件。
约束条件的类型
03
常见的约束条件类型包括等式约束、不等式约束等。
线性规划模型的建立
也可以表示为
maximize (c^T x) subject to (A x geq b) and (x leq 0)。
线性规划的应用场景
生产计划
物流优化
在制造业中,线性规划可以用于优化生产 计划,确定最佳的生产组合和数量,以满 足市场需求并降低成本。
在物流和运输行业中,线性规划可以用于 优化运输路线、车辆调度和仓储管理,降 低运输成本和提高效率。
初始基本可行解
在线性规划问题中,一个解被称为基 本可行解,如果它满足所有的约束条 件。
在寻找初始基本可行解时,可以采用 一些启发式算法或随机搜索方法,以 快速找到一个可行的解作为起点。
初始基本可行解是线性规划问题的一 个起始点,通过迭代和优化,可以逐 渐逼近最优解。
《非线性最优化模型》课件

无约束优化模型
定义
无约束优化模型是指在没有任何约束条件限制下,寻找目标函数的最大值或最 小值。
求解方法
无约束优化模型的求解方法主要包括梯度法、牛顿法、拟牛顿法、共轭梯度法 等。这些方法通过迭代的方式逐步逼近最优解,利用目标函数的梯度信息或海 森矩阵进行搜索。
混合整数优化模型
特点
混合整数优化模型是指目标函数 和约束条件中同时包含连续变量 和整数变量,整数变量的取值只 能是整数。
《非线性最优化模型》ppt课 件
Байду номын сангаас
CONTENTS
• 非线性最优化模型概述 • 非线性最优化模型的分类 • 非线性最优化模型的求解方法 • 非线性最优化模型的实际应用
案例 • 非线性最优化模型的未来发展
与挑战
01
非线性最优化模型概述
定义与特点
总结词
非线性最优化模型是一种数学方法,用于解决具有非线性约束和目标的优化问题。
优点
收敛速度快,精度高。
缺点
对Hessian矩阵敏感,计算量大,可能面临数值稳定问题。
拟牛顿法
总结词
改进的牛顿法 01
详细描述
02 通过迭代更新Hessian矩阵近似值 ,构造拟牛顿矩阵,以实现牛顿 法的数值稳定性和收敛速度。
优点
数值稳定性好,收敛速度快。
03
缺点
04 需要存储和计算Hessian矩阵或其 近似值。
客户需求。
运输优化
非线性最优化模型可用于 优化运输路线和运输方式 ,降低运输成本并提高运
输效率。
采购优化
通过非线性最优化模型, 可以确定最佳供应商和采 购策略,以降低采购成本
并确保产品质量。
数学模型-第03章(第五版)

• 救援费f2(x)是x的增函数, 由队员人数和救火时间决定.
存在恰当的x,使f1(x), f2(x)之和最小.
分析
• 关键是对B(t)作出合理的简化假设.
失火时刻t=0, 开始救火时刻t1, 灭火时刻t2, 画出时刻t森林烧毁面积B(t)的大致图形.
B
分析B(t)比较困难, 转而讨论单位时间 烧毁面积 dB/dt (森林烧毁的速度).
第三章
材料强度最大
简单优化模型
利润最高 风险最小
优化——工程技术、经济管理、科学研究中的常见问题. 运输费用最低
用数学建模方法解决优化问题的过程 优化目标与决策 模型假设与建立 数学求解与分析
简单优化模型归结为函数极值问题,用微分法求解. 属于数学规划的优化模型在第四章讨论.
第 三 章 简 单 优 化 模 型
3.2 森林救火
问题
森林失火后,要确定派出消防队员的数量. 队员多,森林损失小,救援费用大; 队员少,森林损失大,救援费用小. 综合考虑损失费和救援费,确定队员数量.
分析
记队员人数x, 失火时刻t=0, 开始救火时刻t1, 灭火时刻t2, 时刻t森林烧毁面积B(t).
• 损失费f1(x)是x的减函数, 由烧毁面积B(t2)决定.
啤酒杯重心s(x)只与质量比a有关 对于每个a, s(x) 有一最小点. a=0.3, x=0.35左右 s最小, 即重心最低.
0.5
s
0.45 a=1 0.4 a=0.5 0.35 a=0.3 0.3
0.25 a=0.1 0.2 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
建立啤酒杯重心模型一
啤酒杯重心模型一
x
s=s(x) ~ 液面高度x的啤酒杯重心
存在恰当的x,使f1(x), f2(x)之和最小.
分析
• 关键是对B(t)作出合理的简化假设.
失火时刻t=0, 开始救火时刻t1, 灭火时刻t2, 画出时刻t森林烧毁面积B(t)的大致图形.
B
分析B(t)比较困难, 转而讨论单位时间 烧毁面积 dB/dt (森林烧毁的速度).
第三章
材料强度最大
简单优化模型
利润最高 风险最小
优化——工程技术、经济管理、科学研究中的常见问题. 运输费用最低
用数学建模方法解决优化问题的过程 优化目标与决策 模型假设与建立 数学求解与分析
简单优化模型归结为函数极值问题,用微分法求解. 属于数学规划的优化模型在第四章讨论.
第 三 章 简 单 优 化 模 型
3.2 森林救火
问题
森林失火后,要确定派出消防队员的数量. 队员多,森林损失小,救援费用大; 队员少,森林损失大,救援费用小. 综合考虑损失费和救援费,确定队员数量.
分析
记队员人数x, 失火时刻t=0, 开始救火时刻t1, 灭火时刻t2, 时刻t森林烧毁面积B(t).
• 损失费f1(x)是x的减函数, 由烧毁面积B(t2)决定.
啤酒杯重心s(x)只与质量比a有关 对于每个a, s(x) 有一最小点. a=0.3, x=0.35左右 s最小, 即重心最低.
0.5
s
0.45 a=1 0.4 a=0.5 0.35 a=0.3 0.3
0.25 a=0.1 0.2 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
建立啤酒杯重心模型一
啤酒杯重心模型一
x
s=s(x) ~ 液面高度x的啤酒杯重心
流程优化方法PPT课件

流程优化方法
2019/11/8
制作人
目录
一、流程优化 二、流程优化的基本方法 三、流程管理2.0的流程优化方法
2019/11/9
优质
2
一、流程优化——流程
什么是流程(Flow Process)? 从原料到制成品的各项工序安排的 程序,是指一个或一系列连续有规律 的行动,这些行动以确定的方式发生 或执行,导致特定结果的实现。
项目评测和持续改进:项目效果评估,总结成功得失经验,并不断改进
2019/11/9
优质
5
二、流程优化基本方法
标杆瞄准 法
SDCA循 环
DMAIC 模型
ECRS分 析法
ESIA分 析法
2019/11/9
优质
6
1、标杆瞄准法(bench marking)
标杆瞄准(bench-marking)指企业将自己的产品、服务、 成本和经营实践,与那些相应方面表现最优秀、最卓有成效的 企业(并不局限于同一行业)相比较,以改进本企业经营业绩 和业务表现的这样一个不间断的精益求精的过程。
优质
7
1、标杆瞄准法(bench marking)
成立小组 确定主题
内部数据 收集分析
选定研究 对象
采取变革 行动
持续改进
2019/11/9
优质
8
2.DMAIC模型
2019/11/9
DMAIC模型是实施6sigma的一套操作方法。 通用电气公司总结了众多公司实施6sigma的经 验,系统地提出了实施6sigma的DMAIC模型.
2019/11/9
优质
15
3.ESIA分析法
2019/11/9
优质
16
4.ECRS分析法
2019/11/8
制作人
目录
一、流程优化 二、流程优化的基本方法 三、流程管理2.0的流程优化方法
2019/11/9
优质
2
一、流程优化——流程
什么是流程(Flow Process)? 从原料到制成品的各项工序安排的 程序,是指一个或一系列连续有规律 的行动,这些行动以确定的方式发生 或执行,导致特定结果的实现。
项目评测和持续改进:项目效果评估,总结成功得失经验,并不断改进
2019/11/9
优质
5
二、流程优化基本方法
标杆瞄准 法
SDCA循 环
DMAIC 模型
ECRS分 析法
ESIA分 析法
2019/11/9
优质
6
1、标杆瞄准法(bench marking)
标杆瞄准(bench-marking)指企业将自己的产品、服务、 成本和经营实践,与那些相应方面表现最优秀、最卓有成效的 企业(并不局限于同一行业)相比较,以改进本企业经营业绩 和业务表现的这样一个不间断的精益求精的过程。
优质
7
1、标杆瞄准法(bench marking)
成立小组 确定主题
内部数据 收集分析
选定研究 对象
采取变革 行动
持续改进
2019/11/9
优质
8
2.DMAIC模型
2019/11/9
DMAIC模型是实施6sigma的一套操作方法。 通用电气公司总结了众多公司实施6sigma的经 验,系统地提出了实施6sigma的DMAIC模型.
2019/11/9
优质
15
3.ESIA分析法
2019/11/9
优质
16
4.ECRS分析法
鲁科版高中化学必修第二册精品课件 第3章 简单的有机化合物 第3节 第1课时 乙醇

探究二 乙醇的催化氧化反应 [问题探究] 如图所示为反应中乙醇分子中可能断裂的化学键。
在乙醇与金属钠的反应和乙醇的燃烧反应中,上图中的哪些化学键分别发 生断裂?指出乙醇与氧气在铜作催化剂时发生反应断键的位置。
提示 乙醇反应时断键情况 乙醇的性质 与钠反应 燃烧 催化氧化
断键位置 断①键 断①②③④⑤键 断①③键
才是氢气的体积。你认为这种说法
(填“正确”或“不正确”)。
(3)如果实验开始前b导管内未充满水,则实验结果将
(填“偏
大”或“偏小”)。
(4)若测得有1.15 g C2H6O参加反应,把量筒c中的水的体积换算成标准状况
下H2的体积为280 mL,结合计算和讨论得出下列结构式中
(填
“①”或“②”)正确。
实验操作 实验现象
向烧杯中加入约2 mL乙醇,点燃 乙醇在空气中燃烧,产生 淡蓝色 火焰,放出大量的热
化学方程式 CH3CH2OH+3O2 2CO2+3H2O
②【实验2】乙醇的催化氧化。
实验
操作
反复做几次
实验 步骤
向试管中注入2 mL乙醇,取一段下端绕成螺旋状的铜丝,将铜丝置于酒 精灯外焰上加热,然后深入无水乙醇中,反复几次,注意观察反应现象, 小心闻试管中液体产生的气味。
(1)在上述装置中,实验时需要加热的仪器为(填仪器或某部位的代号)
。
(2)为使A中乙醇平稳汽化成乙醇蒸气,常采用的方法是
,D处
使用碱石灰的作用是
。
(3)检验乙醇氧化产物时F中的实验现象是
。
(4)E处是一种纯净物,其反应的化学方程式为
。
(5)写出乙醇发生催化氧化的化学方程式:
。
答案 (1)E、A、B、F (2)水浴加热 防止F中的水蒸气进入C中与无水CuSO4作用,影响产物水的 检验 (3)产生砖红色沉淀
- 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)。
c1 0.5 2c1 c2r
.
11
模型1 不允许缺货的存储模型 敏感性分析
2. T 对 c2 的敏感度
S(T , c2 )
T c2
T c2
dT dc2
c2 T
1 2
2c1 c 23 r
c2 0.5 2c1
c2r
.
12
模型1 不允许缺货的存储模型 敏感性分析
3. T 对 r 的敏感度
S(T , r) T T dT r 1 r r dr T 2
c2
(5)最小费用为C c1c2r (6)(4),(5)成为经济订货批量公式
(EOQ 公式)。
.
10
模型1 不允许缺货的存储模型 敏感性分析
讨论参数 c1 ,c2 ,r 的微小变化对 生产周期 T 的影响。
1. T 对 c1 的敏感度
S(T , c1)
T c1
T c1
dT dc1
c1 T
1 2c1c2 r
q(t) rt Q,Q rT1 (8)
.
15
.
16
模型2 允许缺货的存储模型 模型建立
在T1 到 T 这段缺货时段内,需求 率 r 不变,q(t)按原斜率继续下降。 由于规定缺货量需补足,所以在 t=T 时数量为 R 的产品立即到达,使下周 期初的储存量恢复到 Q.
.
17
模型2 允许缺货的存储模型 模型建立
第3章 简单的优化模型
3.1 存储模型 3.2 生猪的出售时机 3.7 冰山运输
.
1
第3章学习指导
本章介绍简单的优化模型,归结为微积 分中的函数极值问题,可以直接用微分 法求解。
首先要对实际问题作若干合理的简化假 设,确定优化的目标是什么,寻求的决 策是什么,有哪些约束条件,引入变量、 常数和函数来表示它们。
C(T ) C T c1 T c2rT 2 (3)
(3)式为这个优化模型的目标函 数,求 T>0 使(3)式的 C 最小。
.
9
模型1 不允许缺货的存储模型 模型求解
由方程 C(T ) c1 T 2 c2r 2 0,( T 0)
求得最优生产周期为 T
2c1 c2r
(4)
最优产量为
Q 2c1r
q(t) rt Q, Q rT (1)
.
6
.
7
模型1 不允许缺货的存储模型 模型建立
一个周期 T 内的储存费是
T
c2 0 q(t)dt c2QT 2
一个周期 T 内的总费用是
C c1 c2QT 2 c1 c2rT 2 2 (2)
.
8
模型1 不允许缺货的存储模型 模型建立
每天的平均费用是
最后,在用微分法求出最优决策后,要
对结果作一些定性、定量的分析和必要
的检验。
.
2
第3章 简单的优化模型
3.1 存储模型
建立数学模型来优化存储 量,使总费用最小
.
3
模型1 不允许缺货的存储模型 问题的提出
配件厂为装配线生产若干种部件。
轮换生产不同的部件时,因更换设备要付生 产准备费(与生产数量无关)。
2c1 c2 r 3
r 0.5 2c1 c2r
可见, c1 增加 1%,T 增加 0.5%;
c2 或 r 增加 1%,T 减少 0.5%。
所以参数 c1 ,c2 ,r 的微小变化对生产周
期 T 的影响是很小的。
.
13
模型2 允许缺货的存储模型 模型假设
1.产品每天的需求量为常数 r;
2.每次生产准备费为 c1 ,每天每件产
即允许缺货时,周期和供货量应增加, 周期初的储存量减少。
不允许缺货模型可以看成是允许缺货 模型当缺货损失费 c3 . 时的特例。 22
3.1 存储模型 作业
课本79页第1,2题
.
23
第3章 简单的优化模型
3.2 生猪的出售时机
.
24
问题提出
一饲养场每天投入4元资金用于饲料、 设备和人力,估计可使一头80公斤重的 生猪每天增加2公斤。目前生猪出售的市 场价格为每公斤8元,但是预测每天会降 低0.1元。
同一部件的产量大于需求时,因积压资金、 占用仓库要付储存费。
今已知某一部件的日需求量100件,生产准备 费5000元,储存费每日每件1元。
如果生产能力远大于需求,并且不允许出现
缺货,试安排该产品的生产计划,即多少天
生产一次(称为生产周期),每次产量多少,
可使总费用最小。 .
4
模型1 不允许缺货的存储模型 模型假设
一个周期 T 内的储存费是
c2
T1 0
q (t )dt
c2QT1
2
一个周期 T 内的缺货损失费是
T
c3
q(t)dt
T1
c3rT T12
2
.
18
模型2 允许缺货的存储模型 模型建立
一个周期 T 内的总费用是
C c1 c2QT1 2 c3rT T12 2
利用(8)式,得到每天的平均费用是
设生产周期 T 和产量 Q 均为连续量, 1.产品每天的需求量为常数 r; 2.每次生产准备费为 c1 ,每天每件产品存储
费为 c2 ; 3.生产能力为无限大(相对于需求量),不
允许缺货,即当存储量降到零时,Q 件产 品立即生产出来供给需求。
.
5
模型1 不允许缺货的存储模型 模型建立
设时刻 t 的存储量为 q(t),把 q(t) 视作连续函数,t=0 时生产 Q 件,储存 量 q(0)=Q,q(t)以需求速率 r 递减,直 到 q(T)=0.于是
品存储费为 c2 ; 3a. 生产能力为无限大(相对于需求
量),允许缺货,每天每件产品缺
货损失费为 c3 ,但缺货数量需在下
次生产(或订货). 时补齐。
14
模型2 允许缺货的存储模型 模型建立
因储存量不足造成缺货时,可认为 储存量函数 q(t)为负值,周期仍记作 T, Q 是每周期初的存储量,当t T1 T 时 q(t)=0,于是有
c2. c3r
20
模型2 允许缺货的存储模型 模型求解
每周期初的最优存储量为
Q
2c1c3r
c2 c2 c3
每周期的最优供货量为
R 2c1c2 c3 r
c2c3
.
21
模型2 允许缺货的存储模型 模型求解
记
c2 c3 c3
,则
1 ,与不允许缺货
模型的结果(4),(5)式比较,有
T T T, Q Q Q, R Q Q
C(T,Q) c1 T c2Q2 2rT c3rT Q2 2rT
(10)
(10)式为这个优化模型的目标函数,
是 T 和 Q 的二元函数。
.
19
模型2 允许缺货的存储模型 模型求解
用微分法求 T 和 Q 使(10)式的 C(T,Q)最小。令
C T 0,C Q 0
求得最优生产周期为
T 2c1c2 c3