动态优化模型
第十八章 动态优化模型
动态过程的另一类问题是所谓的动态优化问题，这类问题一般要归结为求最优控制函数使某个泛函达到极值。当控制函数可以事先确定为某种特殊的函数形式时，问题又简化为求普通函数的极值。求解泛函极值问题的方法主要有变分法和最优控制理论方法。
§1 变分法简介
变分法是研究泛函极值问题的一种经典数学方法，有着广泛的应用。下面先介绍变分法的基本概念和基本结果，然后介绍动态系统最优控制问题求解的必要条件和最大值原理。
1.1 变分法的基本概念 1.1.1 泛函
设S 为一函数集合，若对于每一个函数S t x ∈)(有一个实数J 与之对应，则称J 是对应在S 上的泛函，记作))((t x J 。S 称为J 的容许函数集。 通俗地说，泛函就是“函数的函数”。
例如对于xy 平面上过定点),(11y x A 和),(22y x B 的每一条光滑曲线)(x y ，绕x 轴旋转得一旋转体，旋转体的侧面积是曲线)(x y 的泛函))((x y J 。由微积分知识不难写出
dx x y x y x y J x x )('1)(2))((2
12?+=π （1）
容许函数集可表示为
})( ,)(],,[)(|)({2211211y x y y x y x x C x y x y S ==∈= （2）
最简单的一类泛函表为
?=2
1
),,())((t t dt x
x t F t x J （3） 被积函数F 包含自变量t ，未知函数x 及导数x 。（1）式是最简泛函。
1.1.2 泛函的极值
泛函))((t x J 在S t x ∈)(0取得极小值是指，对于任意一个与)(0t x 接近的
S t x ∈)(，都有))(())((0t x J t x J ≥。所谓接近，可以用距离ε<))(),((0t x t x d 来度量，而距离定义为
|})()(||,)()({|max ))(),((0002
1t x t x
t x t x t x t x d t t t --=≤≤ 泛函的极大值可以类似地定义。)(0t x 称为泛函的极值函数或极值曲线。 1.1.3 泛函的变分
如同函数的微分是增量的线性主部一样，泛函的变分是泛函增量的线性主部。作为泛函的自变量，函数)(t x 在)(0t x 的增量记为
)()()(0t x t x t x -=δ
也称函数的变分。由它引起的泛函的增量记作 ))(())()((00t x J t x t x J J -+=?δ 如果J ?可以表为
))(),(())(),((00t x t x r t x t x L J δδ+=?
其中L 为x δ的线性项，而r 是x δ的高阶项，则L 称为泛函在)(0t x 的变分，记作
))((0t x J δ。用变动的)(t x 代替)(0t x ，就有))((t x J δ。
泛函变分的一个重要形式是它可以表为对参数α的导数：
0))()(())((=+??
=ααδα
δt x t x J t x J （4）
这是因为当变分存在时，增量
)),(()),(())(())((x t x r x t x L t x J x t x J J αδαδαδ+=-+=? 根据L 和r 的性质有
)),(()),((x t x L x t x L δααδ=
0)
),((lim
)
),((lim
00
==→→x x
x t x r x t x r δαδαδα
αδαα
所以
α
αδαδααα)
()(lim )(00x J x x J x x J -+=+??→=
)(),(),(),(lim 0
x J x x L x x r x x L δδα
αδαδα==+=→
1.1.4 极值与变分
利用变分的表达式（4）可以得到泛函极值与变分的关系： 若))((t x J 在)(0t x 达到极值（极大或极小），则
0))((0=t x J δ （5） 这是因为对任意给定的x δ，)(0x x J αδ+是变量α的函数，该函数在0=α处达到极值。根据函数极值的必要条件知
0)(00=+??
=ααδα
x x J 于是由（4）式直接得到（5）式。
1.1.5. 变分法的基本引理
引理 ],[)(21x x C x ∈?，],[)(211
x x C x ∈?η，0)()(21==x x ηη，有
?
≡2
1
0)()(x x dx x x η?，
则],[ ,0)( 21x x x x ∈≡?。
1.2 无约束条件的泛函极值 求泛函
?
=
f
t t dt t x
t x t F J 0
))(),(,( （6） 的极值，一般是用泛函极值的必要条件去寻找一条曲线)(t x ，使给定的二阶连续可微函数F 沿该曲线的积分达到极值。常称这条曲线为极值曲线（或轨线），记为)(*
t x 。
1.2.1 端点固定的情况
设容许曲线)(t x 满足边界条件
00)(x t x =，f f x t x =)( （7） 且二次可微。
首先计算（6）式的变分：
0))()((=+??
=ααδαδt x t x J J ?=++??
=f t t dt t x t x
t x t x t F 00))()(),()(,(ααδαδα
?
+=
f
t t x x dt x x
x t F x x x t F 0
]),,(),,([ δδ （8） 对上式右端第二项做分布积分，并利用0)()(0==f t x t x δδ，有
??
-=f
f
t t x t t x xdt x
x t F dt
d
dt x x
x t F 0
),,(),,(δδ ， 再代回到（8）式，并利用泛函取极值的必要条件，有
?=-
=
f
t t x x x d t F dt
d F J 0
0][δδ 因为x δ的任意性，及0)()(0==f t x t x δδ，所以由基本引理得到著名的欧拉方程
0=-
x x F dt
d
F
（9） 它是这类最简泛函取极值的必要条件。
（9）式又可记作
0=---x F x F F F x x x x x t x （10） 通常这是)(t x 的二阶微分方程，其通解的两个任意常数由（7）式中的两个端点条件确
定。
1.2.2 最简泛函的几种特殊情形
(i) F 不依赖于x ，即),(x t F F = 这时0≡x F ，欧拉方程为0),(=x t F x ，这个方程以隐函数形式给出)(t x ，但它一般不满足边界条件，因此，变分问题无解。
(ii) F 不依赖x ，即),(x
t F F = 欧拉方程为
0),(=x
t F dt
d
x 将上式积分一次，便得首次积分1),(c x
t F x = ，由此可求出),(1c t x ?= ，积分后得到可能的极值曲线族
()dt c t x ?=1,?
(iii) F 只依赖于x
，即)(x F F = 这时0,0,0===x x x t x F F F ，欧拉方程为
0=x x F x
由此可设0=x 或0=x x F ，如果0=x
，则得到含有两个参数的直线族21c t c x +=。另外若0=x x F 有一个或几个实根时，则除了上面的直线族外，又得到含有一个参数c 的直线族c kt x +=，它包含于上面含有两个参数的直线族 21c t c x += 中，于是，在
)(x
F F =情况下，极值曲线必然是直线族。
（iv ）F 只依赖于x 和x
，即),(x x F F = 这时有0=x t F ，故欧拉方程为
0=--x x x x x F x F x F
此方程具有首次积分为
1c F x F x =-
事实上，注意到F 不依赖于t ，于是有
0)()(=-=--+=-x x x x x x x F dt
d
F x F dt d x F x x F x F F x F dt d 。
例1 (最速降线问题)最速降线问题是历史上变分法开始发展的第一个问题。它是
约翰·贝努里（J. Bernoulli ）于1696年提出的。问题的提法是这样的：设A 和B 是铅直平面上不在同一铅直线上的两点，在所有连结A 和B 的平面曲线中，求一曲线，当质点仅受重力作用，且初速为零，沿此曲线从A 滑行至B 时，使所需时间最短。
解 将A 点取为坐标原点，x 轴水平向右，y 轴垂直向下，B 点为),(22y x B 。根据能量守恒定律，质点在曲线)(x y 上任一点处的速度
dt
ds
满足（s 为弧长） mgy dt ds m =??
?
??2
21
将dx x y ds )('12+=代入上式得
dx gy
y dt 2'12
+=
于是质点滑行时间应表为)(x y 的泛函
dx gy
y x y J x ?
+=20
2
2'1))(( 端点条件为 22)(,0)0(y x y y ==
最速降线满足欧拉方程，因为
y
y y y F 2
'1)',(+=
不含自变量x ，所以方程（10）可写作
0''''''=--y F y F F y y yy y
等价于
0)'('=-y F y F dx
d
作一次积分得
12
)'1(c y y =+ 令 ,2
'θ
ctg
y =则方程化为
)cos 1(2
2sin '112121θθ-==+=
c c y c y 又因
θθθθθ
θd c ctg d c y dy dx )cos 1(22
2cos 2sin '11-===
积分之，得
21
)sin (2
c c x +-=
θθ 由边界条件0)0(=y ，可知02=c ，故得
??????
?-=-=).cos 1(2
)sin (2
11θθθc y c x 这是摆线（圆滚线）的参数方程，其中常数1c 可利用另一边界条件22(y x y =）来确定。
例2 最小旋转面问题
dx x y x y x y J x x )('1)(2))((2
1
2?+=π
})( ,)(],,[|{2211211y x y y x y x x C y y S ==∈=
解 因 '12y y F +=不包含x ，故有首次积分
12
2''
1'''1'c y y y
y y y F y F y =+-+=-
化简得 2
1'1y c y +=
令sht y ='，代入上式， cht c t sh c y 1211=+=
由于 dt c sht
shtdt c y dy dx 11'===
积分之，得 21c t c x +=
消去t ，就得到1
2
1c c x ch c y -= 。
这是悬链线方程。
1.2.3 最简泛函的推广
最简泛函取极值的必要条件可以推广到其它情况。 （ⅰ）含多个函数的泛函 使泛函
?=2
1
)',,',,())(),((x x dx z z y y x F x z x y J
取极值且满足固定边界条件
.)(,)(,)(,)(22112211z x z z x z y x y y x y ==== 的极值曲线)(),(x z z x y y ==必满足欧拉方程组
???
???
?=-=-00''
z z y y F dx d F F dx d F （ii ）含高阶导数的泛函
使泛函 ?
=
2
1
)",',,())((x x dx y y y x F x y J
取极值且满足固定边界条件
11)(y x y =,221122')(',')('y x y y x y y x y ===，）（
的极值曲线)(x y y =必满足微分方程
0"22
'=+-y y y F dx
d F dx d F （iii ） 含多元函数的泛函
设D y x c y x z ∈∈),(,),(2
，使泛函 ??=
D
y x
dxdy z z
z y x F y x z J ),,,,()),((
取极值且在区域D 的边界线l 上取已知值的极值函数),(y x z z =必满足方程 0=??
-??-
y x z z z F y
F x F 上式称为奥式方程。
1.2.4 端点变动的情况（横截条件）
设容许曲线)(t x 在0t 固定，在另一端点f t t =时不固定，是沿着给定的曲线
)(t x ψ=上变动。于是端点条件表示为
??
?==)
()()(0
0t t x x t x ψ
这里t 是变动的，不妨用参数形式表示为 f f dt t t α+=
寻找端点变动情况的必要条件，可仿照前面端点固定情况进行推导，即有
0),,(00
=+++??
=
=?
αααδαδα
δdt x x
x x t F J f
f dt t t f t t t t x t t x x dt F x F xdt F dt
d
F f f f
==++-
=
?
δδ 0
)( （11） 再对（11）式做如下分析：
（i ）对每一个固定的f t ，)(t x 都满足欧拉方程，即（11）式右端的第一项积分为零；
（ii ）为考察（11）式的第二、第三项，建立f dt 与f
t t x =δ之间的关系，因为
)()()(f f f f f f dt t dt t x dt t x αψααδα+=+++ 对α求导并令0=α得
f f t t f f dt t x dt t x
f
)()(ψδ =+= 即
f f f t t dt t x t x f
)]()([ -==ψδ （12）
把（12）代入（11）并利用f dt 的任意性，得
0])([=-+=f t t x F x F ψ （13）
（13）式就是确定欧拉方程通解中另一常数的定解条件，称为横截条件。
横截条件有两种常见的特殊情况：
（i ）当)(t x ψ=是垂直横轴的直线时，f t 固定，)(f t x 自由，并称)(f t x 为自由端点。此时（11）式中0=f dt 及f
t t x =δ的任意性，便得自由端点的横截条件
0==f
t t x F
（14）
（ii ）当)(t x ψ=是平行横轴的直线时，f t 自由，)(f t x 固定，并称)(f t x 为平动
端点。此时0=ψ ，（13）式的横截条件变为
0=-=f
t t x F x F
（15）
注意，横截条件与欧拉方程联立才能构成泛函极值的必要条件。
1.3 有约束条件的泛函极值 在最优控制系统中，常常要涉及到有约束条件泛函的极值问题，其典型形式是对动态系统
))(),(,()(t u t x t f t x = （16）
寻求最优性能指标（目标函数）
?
+
=f
t t f f dt t u t x t F t x t t u J 0
))(),(,())(,())((? （17）
其中)(t u 是控制策略，)(t x 是轨线，0t 固定，f t 及)(f t x 自由，n R t x ∈)(，m
R
t u ∈)(（不受限，充满m
R 空间），F f ,,?连续可微。
下面推导取得目标函数极值的最优控制策略)(*
t u 和最优轨线)(*
t x 的必要条件。
采用拉格朗日乘子法，化条件极值为无条件极值，即考虑
?-++=f
t t T f f dt x
u x t f t u x t F t x t u x J 0
)]),,()((),,([))(,(),,(1 λ?λ （18） 的无条件极值，首先定义（16）式和（17）式的哈密顿（Hamilton ）函数为
),,()(),,(),,,(u x t f t u x t F u x t H T
λλ+= （19）
将其代入（18）式，得到泛函
?-+=f
t t T f f dt x
u x t H t x t u x J 0
]),,,([))(,(),,(1 λλ?λ （20） 下面先对其求变分
))()(,({1f f f f t x t x dt t J αδα?α
δ++??
=
0})]()(),,,([0
=+++-++++?
αααδαδλλαδλλαδαδdt x x
u u x x t H T dt t t f f []f f f f t t T T f t t T f t T f t x T
f x
dt u x t H dt dt t x ==-++=)()(),,,()()()()( λλ??δ dt x x
H H u H x T T T u T x T t t f
])()()()([0
δλδλδλδδλ--+++? )()]([]),,,([)(f f f t x T f t t t T f t x t u x t F dt ?δ?++==
??+--+++=f
f f t t T t t f T
t t T
T
u T
x T
dt x x t dt x
H H u H x 0
)()(])()()()[(λδδλδλδλδδλ 注意到)(f t t t x x
f
δδ≠=，f f f t t dt t x
t x x f )()( -==δδ，因而 f
f
f
t t x T f t t t T f t x u x t H dt J ==-++=)()]([]),,,([)(1λ?δλ?δ
?
+-+++
f
t t u T T x T dt H u x H H x 0
])()()()()[(δδλλδλ
再令01=J δ，由δλδδδ,,),(,u x t x dt f f 的任意性，便得
（i ）*
*
,λx 必满足正则方程：
① 状态方程 ),,(u x t f H x
==λ ② 协态方程 x
H -=λ 。 （ii ）哈密顿函数),,,(*
*
λu x t H 作为u 的函数，也必满足 0=u H 并由此方程求得*
u 。
（iii ）求*
*
*
,,u x λ时，必利用边界条件
① 00)(x t x =， （用于确定*
x ）
②
)()(f
t x f t ?λ=， （用于确定*λ）
③ f
f t t t u x t H =-=)
,,,(λ?， （确定f t ）
1.4 最大（小）值原理 如果受控系统
),,(u x t f x
= ，00)(x t x = 其控制策略)(t u 的全体构成有界集U ，求U t u ∈)(，使性能指标 ?
+
=f
t t f f dt u x t F t x t t u J 0
),,())(,())((?
达到最大（小）值。
最大（小）值原理：如果),,(u x t f ，))(,(f f t x t ?和),,(u x t F 都是连续可微的，那么最优控制策略)(*
t u 和相应的最优轨线)(*
t x 由下列的必要条件决定：
（i ）最优轨线)(*
t x ，协态向量)(*
t λ由下列的必要条件决定：
),,(u x t f dt dx
=，U t u ∈)(， x
H
dt d ??-
=λ. （ii ）哈密顿函数
),,()(),,(),,,(*
**
*
*
u x t f t u x t F u x t H T
λλ+= 作为)(t u 的函数，最优策略)(*
t u 必须使
),,,(max ),,,(*
*
*
*
*
λλu x t H u x t H U
u ∈=
或使
),,,(min ),,,(*
*
*
*
*
λλu x t H u x t H U
u ∈=(最小值原理)
（iii ）满足相应的边界条件
① 若两端点固定，则正则方程的边界条件为 0)0(x x =，f f x t x =)(。
② 若始端固定，终端f t 也固定，而)(f t x 自由，则正则方程的边界条件为 0)0(x x =，))(,()()(f f t x f t x t t f ?λ=。
③ 若始端固定，终端)(,f f t x t 都自由，则正则方程的边界条件为 0)0(x x =，))(,()()(f f t x f t x t t f ?λ=， 0))(,())(),(),(,(=+f f t f f f f t x t t t u t x t H f ?λ。
§2 生产设备的最大经济效益
某工厂购买了一台新设备投入到生产中。一方面该设备随着运行时间的推移其磨损程度愈来愈大，因此其转卖价将随着使用设备的时间增加而减小；另一方面生产设备总是要进行日常保养，花费一定的保养费，保养可以减缓设备的磨损程度，提高设备的转卖价。那么，怎样确定最优保养费和设备转卖时间，才能使这台设备的经济效益最大。 2.1 问题分析与假设
（i ）设备的转卖价是时间t 的函数，记为)(t x 。)(t x 的大小与设备的磨损程度和保养费的多少密切相关。记初始转卖价0)0(x x =。
（ii ）设备随其运行时间的推移，磨损程度越来越大。t 时刻设备的磨损程度可以用t 时刻转卖价的损失值来刻画，常称其为磨损函数或废弃函数，记为)(t m 。
（iii ）保养设备可以减缓设备的磨损速度，提高转卖价。如果)(t u 是单位时间的保养费，)(t g 是t 时刻的保养效益系数（每用一元保养费所增加的转卖价），那么单位时间的保养效益为)()(t u t g 。另外，保养费不能过大（如单位时间保养费超过单位时间产值时，保养失去了意义），只能在有界函数集中选取，记有界函数集为W ，则W t u ∈)(。 （iv ）设单位时间的产值与转卖价的比值记为p ，则)(t px 表示在t 时刻单位时间的产值，即t 时刻的生产率。
（v ）转卖价)(t x 及单位时间的保养费)(t u 都是时间t 的连续可微函数。为了统一标准，采用它们的贴现值。对于贴现值的计算，例如转卖价)(t x 的贴现值计算，如果它的贴现因子为δ（经过单位时间的单位费用贴现），那么由
??
?
??==1)()()
(111t x t x dt t dx δ
解得
)
(11)(t t e
t x --=δ
令01=t ，便得t 时刻单位费用的贴现（称贴现系数）为t
e
δ-，所以设备在t 时刻转卖价
)(t x 的贴现为t e t x δ-)(。仿此计算，)(t u 的贴现为t e t u δ-)(，单位时间产值的贴现为t e t px δ-)(。
（vi ）欲确定的转卖时间f t 和转卖价)(f t x 都是自由的。
2.2 模型构造
根据以上的分析与假设可知：考察的对象是设备在生产中的磨损—保养系统；转卖价体现了磨损和保养的综合指标，可以选作系统的状态变量；在生产中设备磨损的不可控性强，其微弱的可控性也是通过保养体现，加之保养本身具有较强的可控性，所以选单位时间的保养费)(t u 作为控制策略。这样，生产设备的最大经济效益模型可以构成为在设备磨损—保养系统的（转卖价）状态方程
???
??=+-=0
)0()()()()
(x x t u t g t m dt t dx （21）
之下，在满足U t u ≤≤)(0的函数集W 中寻求最优控制策略)(*
t u ，使系统的经济效益
这一性能指标
?---+=f
f
t t t f dt e t u t px e
t x t u J 0
)]()([)())((δδ （22）
为最大，其中)(,f f t x t 都是自由的。
2.3 模型求解
首先写出问题的哈密顿函数 )]()()([)]()([t m t g t m e
t u t px H t
+-+-=-λδ （23）
再由协态方程及边界条件求出)(t λ，即由
??
?
??==-=-=--f
f t t x f t
x e
t pe H dt t d δδ?λλ)()()(
解得
t t e p
e
p
t f
δδδ
δ
λ--+
-
=)1()(
下面利用最大值原理求)(*
t u 。先将（23）式改变为
)(])([)()(t u e t g t m e t px H t t δδλλ---+-=
显然，H 是对u 的线性函数，因此得到
???<->-=--0)(,
00)(,)(*
t
t e t g e t g U t u δδλλ （24）
或
???
???
?<-+
-
>-+-=------0
)(])1[(,00
)(])1[(,)(*
t t t t t t e t g e p
e
p
e t g e p
e p
U t u f
f
δδδδδδδ
δδ
δ
（25）
在上式中，还需解决两个问题：一是U t u =)(*
与0)(*
=t u 的转换点s t 在什么位置，即s t 等于多少？二是)(*
t u 是由U 到0，还是由0到U 。
转换点s t 应满足
0)(])1[(=-+----t t t e t g e p
e p
f δδδδ
δ
即
01)(])1([)
(=----t g e p p f t t δδ
δ （26）
从而可解出s t 。
因为)(t g 是时间t 的减函数，所以（26）式的左端也是时间t 的减函数，也就是说
)(*t u 随时间应由U 到0。于是最优控制策略的具体表达式为
?
??≤<<≤=f s s t t t t t U u ,00,*
至于f t ，)(f t x 的求法，请见下面的例子。
例3 在生产设备的最大经济效益的问题中，设100)0(=x ，1=U ，2)(=t m ，
1.0=p ，05.0=δ，2
1)
1(2)(t t g +=
，试求f t ，)(f t x 和)(*
t u 。
解 由（26）式可得求s t 的公式 )
(05.02
124)1(f s t t s e
t --=+ （27）
当s t t <时，1)(*
==U t u ，状态方程为
2
1)
1(22t dt
dx
++-=
当s t t >时，0)(*
=t u ，状态方程为 2-=dt
dx
于是s t t >时，有
???-+++-=t
t t
t s s dt dt t dt dt dx 002
1
)2(])
1(22[ 解得
t t t x s 296)1(4)(2
1
-++= （28）
由自由边界条件f f
t t t H
?-==及f
t f e
t δλ-=)(，得
)(2)(f t t t f t x e
e
e t px f
f
f
δδδδ----=+-
于是
402
)(=-=
δ
p t x f 当f t t =时，由（28）式有
f s t t 296)1(4402
1-++=
即
28)1(22
1++=s f t t （29）
将（27）和（29）联立求解，编写如下Matlab 程序
[x,y]=solve('(1+ts)^(1/2)=4-2*exp(0.05*(ts-tf))','tf=2*(1+ts)^(1/2)+28') 求得
6.10=s t ，8.34=f t 于是，最优控制策略（保养费）为
?
?
?≤<<≤=8.346.10,06
.100,1)(*
t t t u
习 题 十 八
1. 求自原点（0,0）到直线01=-+y x 的最速降线。
2. 求概率密度函数)(x ?，使得信息量
?
+∞
∞
--
=dx x x J )](ln[)(ν??
取最大值，且满足等周条件
1)(=?
+∞
∞
-dx x ? ，22)(σ?=?+∞
∞
-dx x x （常数）。
3. 在生产设备或科学仪器中长期运行的零部件，如滚珠、轴承、电器元件等会突
然发生故障或损坏，即使是及时更换也已经造成了一定的经济损失。如果在零部件运行一定时期后，就对尚属正常的零件做预防性更换，以避免一旦发生故障带来的损失，从经济上看是否更为合算？如果合算，做这种预防性更换的时间如何确定呢？
快递员配送路线优化模型(完整资料).doc
【最新整理，下载后即可编辑】 快递员配送路线优化模型 摘要 如今，随着网上购物的流行，快递物流行业在面临机遇的同时也需要不断迎接新的挑战。如何能够提高物流公司的配送效率并降低配送过程中的成本，已成为急需我们解决的一个问题。下面，本文将针对某公司的一名配送员在配送货物过程中遇到的三个问题进行讨论及解答。 对于问题一，由于快递员的平均速度及在各配送点停留的时间已知，故可将最短时间转换为最短路程。在此首先通过Floyd 求最短路的算法，利用Matlab程序将仓库点和所有配送点间两两的最短距离求解出来，将出发点与配送点结合起来构造完备加权图，由完备加权图确定初始H圈，列出该初始H圈加点序的距离矩阵，然后使用二边逐次修正法对矩阵进行翻转，可以求得近似最优解的距离矩阵，从而确定近似的最佳哈密尔顿圈，即最佳配送方案。 对于问题二，依旧可以将时间问题转化为距离问题。利用问题一中所建立的模型，加入一个新的时间限制条件，即可求解出满足条件的最佳路线。 对于问题三，送货员因为快件载重和体积的限制，至少需要三次才能将快件送达。所以需要对100件快件分区，即将50个配送点分成三组。利用距离矩阵寻找两两之间的最短距离是50个配送点中最大的三组最短距离的三个点，以此三点为基点按照准则划分配送点。
关键字：Floyd算法距离矩阵哈密尔顿圈二边逐次修正法矩阵翻转 问题重述 某公司现有一配送员，，从配送仓库出发，要将100件快件送到其负责的50个配送点。现在各配送点及仓库坐标已知，货物信息、配送员所承载重物的最大体积和重量、配送员行驶的平均速度已知。 问题一：配送员将前30号快件送到并返回，设计最佳的配送方案，使得路程最短。 问题二：该派送员从上午8：00开始配送，要求前30号快件在指定时间前送到，设计最佳的配送方案。 问题三：不考虑所有快件送达的时间限制，现将100件快件全部送到并返回。设计最佳的配送方案。配送员受快件重量和体积的限制，需中途返回取快件，不考虑休息时间。 符号说明 D：n个矩阵 n V：各个顶点的集合 E：各边的集合 e：每一条边 ij w:边的权 ()e G：加权无向图 , v v：定点 i j
人力资源配置优化模型
xxxx实验论文报告 系（院）：统计与数学学院 专业：经济学 班级：经基10-1 学号： 20100500xx 姓名： xxx 课程名称：数学建模 实验时间： xxxxxx 指导教师： xx老师 云南财经大学教务处制
用lingo求解人力资源的优化配置问题 摘要 随着中国企业的发展，缺乏科学合理的布局和人力资源配置管理是目前不少小型企业进一步发展的主要障碍。针对这一情况，本文关注企业人力资源配置与企业的最大利润之间的关系，在企业的人力资源配置方面，就如何更有效的提升人力资源配置的效率与企业的利益，本文进行了一些初步的建模研究。 对于该人力资源配置问题，要求如何合理地分配现有的技术力量，使公司每天的直接受益最大，同时人员的分配要满足一定的结构约束条件。在此情况下，通过建立模型，用lingo程序求解有约束的线性规划问题。针对不同的客户要求，首先进行模型假设，然后建立具体的模型进行求解。求解出来的结果再进行灵敏度分析，从而进一步确定当目标函数的利润系数和约束右端项发生小的变化时，最优基和最优解、最优值如何变化。 最后，根据模型假设，联系实际情况，对该模型进行一定的优化改进处理，从而达到更适合现实人员配置情况的目的，进而使该模型在现实中得到推广。 [关键词]：（人力资源模型利润最大lingo 灵敏度最优解)
一、问题重述 “PE公司”是一家从事电力工程技术的中美合资公司，现有41个专业技术人员，其结构和相应的工资水平分布如表1所示。 表1 公司的人员结构及工资情况 工作在现场完成；另外两项是工程设计，分别在C和D地，主要工作在办公室完成。由于4个项目来源于不同的客户，并且工作的难易程度不一，因此，各项目的合同对有关技术人员的收费标准不同，具体情况如表2所示。 表2 不同项目和各种人员的收费标准 为了保证工程质量，各项目中必须保证专业人员结构符合客户的要求，具体情况如表3。 表3 各项目对专业技术人员结构的要求 （1）表中“1～3”表示“大于等于1，小于等于3”，其它有“～”符号的表示相同的意义。 （2）项目D，由于技术要求较高，人员配备必须是助理工程师以上，技术员不能参加。 （3）高级工程师相对稀缺，而且是保证质量的关键，因此，各项目客户对高级工程师的配备有不少于一定数目的限制。各项目对其他专业人员也有不同的限制或要求。 （4）各项目客户对总人数都有限制。 （5）由于C、D两项目是在办公室完成，所以每人每天有50元的管理费开支。 （6）由于收费是按照人工计算的，而且4个项目总共同时最多需要的人数是10＋16＋11＋18＝55，多于公司现有的人数41。因此需要解决的问题是：如何合理地分配现有的技术力量，使公司每天的直接受益最大？写出相应的论证报告。
优化调度的数学模型
1）目标函数 假设系统可运行的机组数为n，总负荷为d P，以电厂内所有机组的总煤耗量最小为目标，建立如下的数学模型： 其中：——机组序号； ——第i台机组的煤耗量； ——n 台机组的总煤耗； ——第i台机组的负荷； ——第i台机组的煤耗量与负荷的函数关系。 2）约束条件 约束条件包括功率平衡约束和机组出力约束。 （1）功率平衡约束： （2）机组出力约束： 其中：——n台机组的总负荷； ——第i台机组的负荷下限和负荷上限。
假设系统可运行的机组数为，总负荷为，以调度周期为一昼夜来考虑，分为h个时段。 1）目标函数 机组优化组合的目标函数如下： 式中——机组序号； ——n 台机组的总煤耗； ——机组i运行状态的变量，仅取0、1 两个值，表示停机，表示运行。 ——第i台机组在t时刻的负荷； ——第i台机组在t时刻的煤耗量与负荷的函数关系； ——机组的启动耗量。 2）约束条件 考虑机组运行的实际情况，本文确定的机组约束条件包括功率平衡约束、机组出力约束、最小停机时间约束、最小运行时间约束以及功率响应速度约束。 （1）功率平衡约束： 式中——机组序号； ——第i台机组在t时刻的负荷；
——n台机组的总负荷。 （2）机组出力约束： 式中——机组的启停状态，0 表示停机，1 表示运行。 ——第i台机组的负荷下限和负荷上限。 （3）最小停机时间约束： 式中——机组i的最小停机时间。 （4）最小运行时间约束： 式中——机组i的最小运行时间。 （5）功率响应速度约束： 式中——机组i每分钟输出功率的允许最大下降速率和最大上升速率。 由于是在火电厂内部进行优化组合，可不考虑网损和系统的旋转热备用约束（这两项通常是电网调度中需要考虑的）。因此，机组优化组合从数学角度上讲就是在（5）～（9）的约束条件下求式（4）的最小值。 3）机组启停耗量能耗Si 的确定 通常情况下，对Si的处理采用如下的方法：机组的启动耗量包括汽机和锅炉两部分，由于汽机的热容量很小，其启动耗量一般可近似当
基于动态规划的面试时间优化模型概述
2015年天津商业大学数学建模竞赛 承诺书 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。 我们明白，抄袭不人的成果是违反竞赛规则的, 假如引用不人的成 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中选择一项填写）： B 参赛队员 (打印并签名) ：1. 叶恒扬 2. 施艺敏 3. 张一鸣 日期： 2015 年 4 月 27 日
基于动态规划的面试时刻优化模型 摘要 现代信息社会中，求职面试差不多成为就业的一个重要环节。科学有效的组织和安排不管对面试者依旧对组织单位、用人单位差不多上省时省力、节略成本的。因此如何紧凑、高效、省时地安排面试者按顺序完成面试具有重要研究意义。 本文综合运用运筹学、统计学、经济学、平面设计、计算机软件等知识，通过建立数学模型来求解面试的最短时刻，进一步规划最优的面试流程。 针对问题一，通过分析给定的面试时期顺序和不同意插队等特性，为满足面试时刻最短，建立了求解最短时刻的0-1非线性规划模型（见公式（1）），然后利用Lingo11.0程序（见附录1），求解出最短面试时刻为100分钟，最佳安排顺序为：3 → →，同学最早9:40 → 4→ 1 5 2 一起离开。接着利用AutoCAD2007分不绘制出同学和面试官的面试过程时刻图（见图1～2）。在此基础上，利用Excel2007制作出同学的
运输优化模型参考
运输 问题 摘要 本文根据运输公司提供的提货点到各个客户点的路程数据，利用线性规划的优化方法与动态优化模型——最短路径问题进行求解，得到相关问题的模型。 针对问题一 ，我们采用Dijkstra 算法，将问题转化为线性规划模型求解得出当运送员在给第二个客户卸货完成的时，若要他先给客户10送货，此时尽可能短的行使路线为： 109832V V V V V →→→→，总行程85公里。 针对问题二，我们首先利用prim 算法求解得到一棵最小生成树： 再采用Dijkstra 算法求得客户2返回提货点的最短线路为12V V →故可得到一条理想的回路是：121098436751V V V V V V V V V V V →→→→→→→→→→ 后来考虑到模型的推广性，将问题看作是哈密顿回路的问题，建立相应的线性规划模型求解，最终找到一条满足条件的较理想的的货车送货的行车路线： 121098436751V V V V V V V V V V V →→→→→→→→→→。 针对问题三，我们首先直接利用问题二得一辆车的最优回路，以货车容量为限定条件，建立相应的规划模型并设计一个简单的寻路算法，最终可为公司确定合理的一号运输方案:两辆车全程总和为295公里（见正文）；然后建立线性规划模型得出二号运输方案：两辆车全程总和为290公里（见正文）；最后再进一步优化所建的线性规划模型，为运输公 针对问题四，我们首先用Dijkstra 算法确定提货点到每个客户点间的最短路线，然后结合一些限定条件建立一个目标模型，设计一个较好的解决方案进行求解可得到一种很理 该方案得到运输总费用是645元。 关键字：Dijkstra 算法, prim 算法, 哈密顿回路 问题重述 某运输公司为10个客户配送货物，假定提货点就在客户1所在的位置，从第i 个客户
智能公交动态调度优化模型
Abstract An intelligent bus dispatching system can better meet people's travel needs.The optimized algorithm takes advantage of advanced technology and equipments.However,in recent years the development of Chinese intelligent bus dispatching systems is not satisfactory with an.excessive attention to advanced technology but less to practicality.Dynamic scheduling has yet to be fully exploited.In this paper,intelligent transportation scheduling systems and scheduling characteristics are analyzed. The information about dynamic transportation and vehicle locations is acquired and merged.An optimization model for intelligent dispatching of buses is proposed on basis of real data.This model is under the support of GPS positioning,communications,computers and other technologies,where intelligent algorithms are used in bus operation and dispatching and both passengers satisfaction and company profit are considered.The method of collecting data automatically and the algorithm of this model are presented.This model is shown to be able to significantly improve the rate of bus full loading,shorten the waiting time of passengers,and reduce the total vehicle trips,with an evident effect of optimized dispatching. Keywords intelligent transportation;optional model;dynamic dispatching;intelligent bus;Matlab software 0引言 伴随经济社会的发展，中国城市交通问题日益突出。交 通问题的出现，严重影响了城市的生产生活，而且从长远来看，影响了城市功能的发挥，制约了城市的健康发展。国际上城市交通发展的经验证明，解决城市交通问题，关键是要树立城市公共交通在城市交通体系中的主导地位，大力优先发展公共交通，建立先进的公共交通系统APTS （Advanced Public Traffic System ）[1]，实现公交调度智能化，提高道路通行 能力和公交运营管理水平。 近年来，由于科学技术的进步和政府对公交投入力度的加大，中国智能公共交通调度系统初现端倪，已经有杭州、上海、北京等地安装了电子站牌，车载GPS 定位设备，实现了车辆的实时跟踪、定位，公交车与调度室的双向通讯，以及电子站牌上实时显示下班车位置信息等功能。青岛、贵阳、石家庄等城市在实现公交系统智能化管理方面，已经有了一系列有益的探索[2]。但是，这些系统普遍存在先进的系统与静态、原始的调度方法共存现象，未能充分利用智能系统提供的动态 智能公交动态调度优化模型 摘要 利用先进的技术和设备实现公交的优化调度，充分满足人们的出行需要，是智能公交系统发展的目标。然而近年来中国智 能公交发展在一定程度上出现过于追求先进性、忽略实用性、运营效果不理想、动态调度尚待充分开发等问题。结合中国智能公交系统现状，通过对智能公交调度系统和调度特点深入分析，在GPS 定位、通信、计算机等技术的支持下，将动态交通状态信息与车辆定位信息有效融合，将智能化算法引入到公交运营调度中，建立了基于实时动态数据，兼顾乘客满意度和企业效益的动态调度优化模型。并且阐述了模型数据的自动采集方法、模型Matlab 程式化的解法。结果表明，该模型可以显著提高公交车辆满载率、缩短乘客等车时间和减少车辆总班次，优化调度效果明显。 关键词智能交通；优化模型；动态调度；智能公交；Matlab 软件 中图分类号U494.22，TP29文献标识码A 文章编号1000-7857（2009）17-0069-04 李志强，周建立，张毅 河南科技大学车辆和动力工程学院，河南洛阳471003 An Optimization Model for Dynamic Intelligent Dispatching of Buses 收稿日期：2009-05-11 基金项目：河南教育厅自然科学基金项目（200510464028）；河南科技大学科研基金项目（2004ZY030，2006ZY027）作者简介：李志强，经济师，研究方向为智能交通，电子信箱：liqiangsqjt@https://www.360docs.net/doc/af438782.html, LI Zhiqiang,ZHOU Jianli,ZHANG Yi Vehicle &Motive Power Engineering College,Henan University of Science and Technology,Luoyang 471003,Henan Province,China
运用动态规划模型解决最短路径问题
运用动态规划模型解决物流配送中的最短路径问题 王嘉俊 （盐城师范学院数学科学学院09（1）班） 摘要：随着现代社会的高速发展，物流配送成为了连接各个生产基地的枢纽，运输的成本问题也成为了企业发展的关键。运费不但与运量有关，而且与运输行走的线路相关。传统的运输问题没有考虑交通网络，在已知运价的条件下仅求出最优调运方案，没有求出最优行走路径。文中提出“网络上的物流配送问题“，在未知运价，运量确定的情况下，将运输过程在每阶段中选取最优策略，最后找到整个过程的总体最优目标，节省企业开支。 关键词：动态规划，数学模型，物流配送,最优路径 1 引言 物流配送是现代化物流系统的一个重要环节。它是指按用户的订货要求, 在配送中心进行分货、配货, 并将配好的货物及时送交收货人的活动。在物流配送业务中, 合理选择配送径路, 对加快配送速度、提高服务质量、降低配送成本及增加经济效益都有较大影响。物流配送最短径路是指物品由供给地向需求地的移动过程中, 所经过的距离最短(或运输的时间最少, 或运输费用最低) , 因此, 选定最短径路是提高物品时空价值的重要环节。[1] 经典的Dijkstra 算法和Floyd 算法思路清楚,方法简便,但随着配送点数的增加,计算的复杂性以配送点数的平方增加,并具有一定的主观性。我国学者用模糊偏好解试图改善经典方法[]5,取得了较好的效果。遗憾的是,模糊偏好解本身就不完全是客观的。文献[]6详细分析了经典方法的利弊之后,提出将邻接矩阵上三角和下三角复制从而使每条边成为双通路径,既适用于有向图也适用于无向图, 但复杂性增加了。为了避免上述方法存在的不足,本文以动态规划为理论,选择合理的最优值函数,用于解决物流配送最短路径问题。 动态规划是解决多阶段决策过程最优化问题的一种数学方法。1951年美国数学家Bellman（贝尔曼）等人根据一类多阶段决策问题的特性，提出了解决这类问题的“最优性原理”，并研究了许多实际问题，从而创建了最优化问题的一种新方法——动态规划。 动态规划在工程技术、管理、经济、工业生产、军事及现代控制工程等方面都有广泛的应用，而且由于动态规划方法有其独特之处，在解决某些实际问题时，显得更加方便有效。由于决策过程的时间参数有离散的和连续的情况，故决
路径成本优化模型
第 3 章港口集卡路径成本优化模型 3.1 港口集卡作业模式分析 3.1.1面向“作业路”的传统集卡作业模式 目前，我国大部分港口采用龙门吊装卸工艺，其中岸桥、集卡、龙门吊是完成集装箱装卸的主要机械设备，岸桥负责对到港的船舶进行装卸作业，龙门吊对堆场的集装箱进行进出场作业，集卡衔接码头前沿岸桥和后方堆场龙门吊的之间工作，是港口集装箱进口、出口、转堆作业过程中的重要运输设备，其主要在岸桥与堆场之间及堆场各箱区之间作水平运输。这些集装箱装卸设备只有相互协调、相互配合才能够保证集装箱装卸作业的顺利进行，否则会出现装卸设备等待现象和拥堵现象，降低设备资源的利用率和港口的物流能力。 但大部分港口目前仍采用传统的集卡作业模式，即面向“作业路” 的集卡作业模式。该模式可描述为：港口工作人员根据装卸集装箱的业务量配置岸桥，且按照一定的比例为每台岸桥分配一定数量的集卡，从而形成由几辆集卡所组成的一组固定集卡为某一台特定的岸桥服务。在整个集装箱的装卸作业过程中，集卡在预先设定的固定路线上行驶，岸桥、集卡和龙门吊形成固定作业线路运载集装箱。在集装箱的进口作业中，首先由岸桥将船舶上需进口的集装箱放到等待卸船的空集卡上，然后装载进口集装箱的集卡沿固定路线行驶，并到指定的堆场箱区卸下集装箱，最后空车行驶到岸桥下等待下一个卸船作业。同样在装船作业中，首先龙门吊将堆场箱区内的出口集装箱放在空集卡上，然后由集卡运输出口集装箱行驶到岸桥下等待装船作业，装船结束后集卡再空载行驶到堆场箱区进行下一个装船作业[56, 70]。 一般面向“作业路”的集卡作业模式会根据岸桥的配置数量安排需要服务的集卡数量，通常一台岸桥需要配置5~6 辆集卡，则所需集卡的总数量为装船和卸船岸桥总数的5 倍或6 倍[82]。这种面向“作业路”的传统集卡作业模式下司机操作简单、便于管理、沿固定作业路线不易出错，但是随着信息技术的进步、港口物流业的发展，这一模式逐渐暴露出缺点，阻碍港口物流效率的提高。其存在的弊端表现在以下几个方面：首先，如果某条作业路上集卡对岸桥的配置量是个已知的固定值，若集卡配置量少可能会导致岸桥等待集卡的现象，降低码头前沿的作业效率；相反，若集卡配置量过多又会产生资源的浪费、资源利用率低下；此作业路下可能会出现集卡排队等待的现象，而此时其它作业路可能集卡缺少，造成整个港口集卡资源的不合理利用，影响港口的整体运作效率。其次，在面向“作业路”的作业模式下，集卡为某一特定的岸桥服务，当集卡
出版社资源优化配置模型
出版社资源优化配置的数学模型 摘要 本文通过对出版社提供的调查问卷等数据进行分析，建立相应的数学模型，以增加强势产品支持力度等为原则对出版社的书号资源进行优化配置。 首先我们对所提供的问卷调查数据进行了分析，分别给出了该出版社各门学科所出版的书籍在所有书籍中所占的比率、调查数据中各学科书籍在所有书籍中的比例、该出版社在调查者心目中的排名情况、每年新书、旧书的比率、调查者获得教材的方式和被访者对该出版社与其他出版社主观评价平均得分的比较等，对该出版社目前在市场中的地位，市场状况等基本情况有一个基本的了解。 为了使出版社06年的效益最大化，本文主要考虑以下三个方面。 一、如何对效益进行量化 二、强势产品的确定 三、如何体现对强势产品的支持 本文在确定效益的量化标准后，在书号总量，人力资源量，申请成功率，强势产品优先等约束条件下运用线性规划使效益达到最大。 效益的量化方面，我们利用历年各学科书籍销量与价格均值计算出该学科的收入，再除以其总的书号数得到各学科历年每个书号的平均价值，通过灰色预测模型GM(1，1)预测2006年各分社每个书号的平均价值。这样以各分社书号分配量为变量，可以得到效益最大化的目标函数。 强势产品的确定方面，我们考虑了该社各学科在市场中的占有率，以及各学科书目在整个市场的比例两个因素。通过累计重要度法，确定两个指标的权数，计算出各学科的重要度。然后以重要度对个学科排序，确定重要度高者工作能力满足率(即分配书号数/最大工作能力)亦高的约束条件。最后通过SPSS的聚类分析功能将学科进行分类，给出各学科强势水平的等级。 线性规划的约束条件有以下几项:书号总数一定；得到书号数不能大于最大工作能力；为保持工作连续性和对各分社计划一定程度上的认可，出版社在分配书号时至少保证分给各分社申请数量的一半；申请成功率变化不超过历年均值的 三倍标准差；重要度高者书号工作能力满足率亦高。 在上述约束下由线性规划得到出版社06年书号的最优分配。分配方案为：计算机类68，经管类42，数学类120，英语类102，两课类55，机械能源类36，化学、化工类18，地理、地质类30，环境类29。最优方案下的最大效益为0.2142579E+08。 数据分析发现历年各分社每一课程书号所占比例基本保持稳定，因此我们以此为依据再对各分社的书号进行分配。 关键字：灰色预测模型累计重要度法线性规划
水库优化调度
水库调度研究现状及发展趋势 摘要：实施梯级水电站群联合优化运行是统筹流域上下游各电站流量、水头间的关系，从而实现科学利用水能资源的重要手段，符合建设资源节约型、环境友好型社会的要求，是实现节能减排目标的重要途径，对贯彻落实科学发展观，促进流域又好又快发展具有重要意义。本文拟介绍水库调度研究现状及发展趋势，对工程实际具有重要的理论意义。 关键词：水库;优化调度;研究形状;发展趋势 随着水电发展的规划推进落实，大型流域梯级水库群将逐步形成，其联合调度运行必将获得巨大的电力补偿效益和水文补偿效益，同时在实际工程中也会不断涌现新的现象和问题。在新形势下综合考虑梯级上下游电站之间复杂的水力、电力联系，开展梯级水库群联合调度新的优化理论与方法应用研究，统筹协调梯级水库群上下游电站各部门的利益及用水需求，结合工程实际探索梯级水库群联合优化调度的多目标优化及决策方法，实现流域水能资源的高效利用、提高流域梯级水库群的联合运行管理水平乃至达到流域梯级整体综合效益的最大化，对缓解能源短缺、落实科学发展观、贯彻国家“节能 减排”战略以及履行减排承诺均具有重要的理论指导意义和工程实用价值[1]。 1 水库调度研究现状 水库调度研究，按其采用的基本理论性质划分，可分为常规调度(或传统方法)和优 化调度[2]。常规调度，一般指采用时历法和统计法进行水库调度;优化调度则是一种以 一定的最优准则为依据，以水库电站为中心建立目标函数，结合系统实际，考虑其应满足的各种约束条件，然后用最优化方法求解由目标函数和约束条件组成的系统方程组， 使目标函数取得极值的水库控制运用方式 [3]。 常规调度 常规调度主要是利用径流调节理论和水能计算方法来确定满足水库既定任务的蓄泄过程，制定调度图或调度规则，以指导水库运行。它以实测资料为依据，方法比较简单直观，可以汇入调度和决策人员的经验和判断能力等，所以是目前水库电站规划设计阶段以及中小水库运行调度中通常采用的方法。但常规方法只能从事先拟定的极其有限的方案中选择较好的方案，调度结果一般只是可行解，而不是最优解，且该方法难以处理多目标、多约束和复杂水利系统的调度问题。 优化调度 为了充分利用有限的水资源，国内外从上世纪50年代起兴起了水库优化调度研究。其核心有两点:一是根据某种准则建立优化调度模型，二是寻找求解模型的优化方法。 1946年美国学者Masse最早引入优化概念解决水库调度问题。1955年美国人Little[4]采
数学建模路线优化问题
选路的优化模型 摘要: 本题是一个有深刻背景的NPC问题，文章分析了分组回路的拓扑结构，并构造了多个模型，从多个侧面对具体问题进行求解。最短树结构模型给出了局部寻优的准则算法模型体现了由简到繁，确保较优的思想而三个层次分明的表述模型证明了这一类问题共有的性质。在此基础上我们的结果也是比较令人满意的。如对第一题给出了总长为599.9，单项长为216的分组，第二题给出了至少分四组的证明。最后，我们还谈到了模型的优缺点及推广思想。 一、问题描述 “水大无情，人命关天”为考察灾情，县领导决定派人及早将各乡（镇），村巡视一遍。巡视路线为从县政府所在地出发，走遍各乡（镇），村又回到县政府所在地的路线。 1.若分三组巡视，试设计总路程最短且各组尽可能均衡的巡视路线。 2.假定巡视人员在各乡（镇）停留时间为T=2小时，在各村停留时间为t =1 小时， 汽车行驶速度为V=35公里/时，要在24小时内巡视完，至少分成几组；给出这 种分组下你认为最佳的巡视路线。 3.上述关于T，t和V的假定下，如果巡视人员足够多，完成巡视的最短时间是多 少？给出在这种最短时间完成巡视的要求下，你认为最佳的巡视路线。 4.巡视组数已定（如三组）要求尽快完成巡视，讨论T，t和V改变时最佳路线的 影响（图见附录）。 二、问题假设 1、乡（镇）村只考察一次，多次经过时只计算一次停留时间。 2、非本县村不限制通过。 3、汽车的行驶速度始终一致。 三、符号说明 第i 人走的回路Ti=vv i(i) v2(i)v n(i) Ti=00表示第i人在0点没移动 四、模型建立
在这一节里，我们将提出若干个模型及其特点分析，不涉及对题目的求解。 最简树结构模型 在这个模型中我们依靠利用最短树的特殊结构所给出的准则，进行局部寻优，在一个不大的图里，我们较易得到较优解。 (a)分片 准则1利用最短树的长度可大致的估算出路程长，在具体操作中，各片中 的最短路程长度不宜相差太大。 准则 2 尽可能将最短树连成一个回路，这可保证局部上路程是较短的。 (b)片内调整 a2 a3 a4 a5 a6假设a3 a4有路相连 细准1对于右图的最短树结构，最好的走法是a 若a3 a4 进去重复走的话，它与上述的走法路程差w(a3, a2)+w(a2 ,a5)+w(a4, a5)—w(a3, a4)。由两点间最小原则上式是大于0的优劣可见 细准2若有如图所示结构，一般思想是：将中间树枝上的点串到两旁树枝，以便连成回路。 五、模型求解 问题一该问题完全可以用均衡模型表述 用算法模型 1 经过局部优化手工多次比较我们能够给出的最佳结果为第一组路径为 0—P—28—27—26—N—24—23—22-17—16—1—15—1—18—K—21—20—25— M--0 长191.1 经5 镇6 村 第二组路径为 0—2—5—6—L—19—J—11--G—13—14—H—12—F—10—F—9—E—8—E—7—6—5—2—0 长216.5 经6 镇11 村第三组路径为O—2—3—D—4—D—3—C—B—1—A—34—35—33—31—32—30—Q—29 —R 长192.3 经6 镇11 村总长S=599.9 公里 由算法2 给出的为 1组0—P—29—R—31—33—A—34—35—32—30—Q—28—27—26—N—24—33—22—23—N—2 6—P—0 5 乡13 村长215.2 公里 2组0—M—25—21—K—17—16—I—15—I—18—K—21—25—20—L—19—J—11—G—13—14 —O 5 乡11 村长256.2 公里 3组 O—2—5—6—7—E—9--F—12--H--—12—F—10—F—9—E-8—4—0—7—6—M—5-2—3—L —13—1—0 8 乡11 村长256.3 公里 总长727.7 公里
交巡警服务平台的设置与调度的优化模型
湖南工业大学 课程设计 资料袋 学院（系、部）2011~2012 学年第 2 学期 课程名称图论及其应用指导教师职称 学生姓名ake555 专业班级学号 题目交巡警服务平台的设置与调度的优化模型 成绩起止日期2013 年6月16 日～2013 年 6 月21 日 目录清单
课程设计任务书 2012—2013学年第2学期 学院专业班级 课程名称：图论及其应用 设计题目：交警服务平台和调度设计问题 完成期限：自2013 年 6 月16 日至2013 年 6 月21 日共 1 周
指导教师（签字）：年月日系（教研室）主任（签字）：年月日
图论及其应用课程设计说明书 2013年6 月21 日 目录
一、问题描述 (5) 二、模型假设 (6) 三、符号说明 (6) 四、模型建立与求解 (6) 五、模型评价 (15) 六、体会心得 (16) 七、参考文献 (16) 八、附件 (16) 交巡警服务平台的设置与调度的优化模型 一问题描述 随着人们社会经济的迅猛发展，人们生活的质量的提高，安全意识以深入人心，作为社会秩序的维护者警察对社会稳定起着巨大的作用
.警察肩负着刑事执法、治安管理、交通管理、服务群众四大职能。为了更有效地贯彻实施这些职能，需要在市区的一些交通要道和重要部位设置交巡警服务平台。每个交巡警服务平台的职能和警力配备基本相同。由于警务资源是有限的，如何根据城市的实际情况与需求合理地设置交巡警服务平台、分配各平台的管辖范围、调度警务资源是警务部门面临的一个实际课题。 试就某市设置交巡警服务平台的相关情况，建立数学模型分析研究下面的问题：问题一：附件1中的附图1给出了该市中心城区A的交通网络和现有的20个交巡警服务平台的设置情况示意图，相关的数据信息见附件2。要求为各交巡警服务平台分配管辖范围，使其在所管辖的范围内出现突发事件时，尽量能在3分钟内有交巡警（警车的时速为60km/h）到达事发地。 问题二：对于重大突发事件，需要调度全区20个交巡警服务平台的警力资源，对进出该区的13条交通要道实现快速全封锁。实际中一个平台的警力最多封锁一个路口，通过求解给出该区交巡警服务平台警力合理的调度方案。 问题三：根据现有交巡警服务平台的工作量不均衡和有些地方出警时间过长的实际情况，拟在该区内再增加2至5个平台，通过分析计算需要增加平台的具体个数和位置。 问题四：针对全市（主城六区A，B，C，D，E，F）的具体情况，按照设置交巡警服务平台的原则和任务，分析研究该市现有交巡警服务平台设置方案（参见附件）的合理性。如果有明显不合理的地方，给出解决方案。 问题五：如果该市地点P（第32个节点）处发生了重大刑事案件，在案发3分钟后接到报警，犯罪嫌疑人已驾车逃跑。为了快速搜捕嫌疑犯，请给出调度全市交巡警服务平台警力资源的最佳围堵方案。 二模型假设 1．出警时道路恒畅通（无交通事故、交通堵塞等发生），警车行驶正常；2．在整个路途中，转弯处不需要花费时间； 3．假设逃犯驾车逃跑的车速与警车车速相当 三符号说明
公交车调度方案的优化模型
第三篇公交车调度方案的优化模型 2001年 B题公交车调度Array公共交通是城市交通的重要组成部分，作好公交车的调度对 于完善城市交通环境、改进市民出行状况、提高公交公司的经济 和社会效益，都具有重要意义。下面考虑一条公交线路上公交车 的调度问题，其数据来自我国一座特大城市某条公交线路的客流 调查和运营资料。 该条公交线路上行方向共14站，下行方向共13站，表3-1 给出的是典型的一个工作日两个运行方向各站上下车的乘客数量统计。公交公司配给该线路同一型号的大客车，每辆标准载客100人，据统计客车在该线路上运行的平均速度为20公里/小时。运营调度要求，乘客候车时间一般不要超过10分钟，早高峰时一般不要超过5分钟，车辆满载率不应超过120%，一般也不要低于50%。 试根据这些资料和要求，为该线路设计一个便于操作的全天（工作日）的公交车调度方案，包括两个起点站的发车时刻表；一共需要多少辆车；这个方案以怎样的程度照顾到了乘客和公交公司双方的利益；等等。 如何将这个调度问题抽象成一个明确、完整的数学模型，指出求解模型的方法；根据实际问题 的要求，如果要设计更好的调度方案，应如何采集运营数据。
公交车调度方案的优化模型* 摘要：本文建立了公交车调度方案的优化模型，使公交公司在满足一定的社会效益和获得最大经济效益的前提下，给出了理想发车时刻表和最少车辆数。并提供了关于采集运营数据的较好建议。 在模型Ⅰ中，对问题1建立了求最大客容量、车次数、发车时间间隔等模型，运用决策方法给出了各时段最大客容量数，再与车辆最大载客量比较，得出载完该时组乘客的最少车次数462次，从便于操作和发车密度考虑，给出了整分发车时刻表和需要的最少车辆数61辆。模型Ⅱ建立模糊分析模型，结合层次分析求得模型Ⅰ带给公司和乘客双方日满意度为（0.941，0.811）根据双方满意度范围和程度，找出同时达到双方最优日满意度(0.8807,0.8807)，且此时结果为474次50辆；从日共需车辆最少考虑，结果为484次45辆。对问题2，建立了综合效益目标模型及线性规划法求解。对问题3，数据采集方法是遵照前门进中门出的规律，运用两个自动记录机对上下车乘客数记录和自动报站机(加报时间信息)作录音结合，给出准确的各项数据，返站后结合日期储存到公司总调度室。 关键词：公交调度；模糊优化法；层次分析；满意度 3.1 问题的重述 3.1.1 问题的基本背景 公交公司制定公交车调度方案，要考虑公交车、车站和乘客三方面因素。我国某特大城市某条公交线路情况，一个工作日两个运营方向各个站上下车的乘客数量统计见表3-1。 3.1.2 运营及调度要求 ⑴公交线路上行方向共14站，下行方向共13站； ⑵公交公司配给该线路同一型号的大客车，每辆标准载客100人，据统计客车在该线路上运营的平均速度为20公里/小时。车辆满载率不应超过120%，一般也不低于50%； ⑶乘客候车时间一般不要超过10分钟，早高峰时一般不要超过5分钟。 3.1.3 要求的具体问题 ⑴试根据这些资料和要求，为该线路设计一个便于操作的全天（工作日）的公交车调度方案，包括两个起点站的发车时刻表；一共需要多少辆车；这个方案以怎样的程度照顾到了乘客和公交公司双方的利益，等等； ⑵如何将这个调度问题抽象成一个明确完整的数学模型，并指出求解方法； ⑶据实际问题的要求，如果要设计好更好的调度方案，应如何采集运营数据。 3.2 问题的分析 本问题的难点是同时考虑到完善城市交通环境、改进市民出行状况、提高公交公司的经济和社会效益等诸多因素。如果仅考虑提高公交公司的经济效益，则只要提高公交车的满载率，运用数据分析法可方便地给出它的最佳调度方案；如果仅考虑方便乘客出行，只要增加车辆数的次数，运用统计方法同样可以方便地给出它的最佳调度方案，显然这两种方案是对立的。于是我们将此题分成两个方面，分别考虑到：⑴公交公司的经济效益，记为公司的满意度；⑵乘客的等待时间和乘车的舒适度，记为乘客的满意度。
动态路径优化算法及相关技术
》本文对在GIS（地理信息系统）环境下求解动态路径优化算法及相关技术 进行了研究。最短路径问题是网络分析中的基本的问题，它作为许多领域中选择 最优值的一个基本却又是一个十分重要的问题。特别是在交通诱导系统中占有重 要地位。本文分析了GIS环境下动态路径优化算法的特点，对GIS环境下城市 路网的最优路径选择问题的关键技术进行了研究和验证。 》考虑现实世界中随着城市路网规模的日益增大和复杂程度不断增加的情况，充分利用GIS 的特点，探讨了通过限制搜索区域求解最短路径的策略，大大减少了搜索的时间。 》另一方面，计算机技术的进步，地理信息系统(GIS)得到了飞速的发展。地理信息系统是采集、存储、管理、检索、分析和描述整个或部分地球表面与空间地理分布数据的空间信息系统。它是一种能把图形管理系统和数据管理系统有机地结合起来的信息技术，既管理对象的位置又管理对象的其它属性，而且位置和其它属性是自动关联的。它最基本的功能是将分散收集到的各种空间、非空间信息输入到计算机中，建立起有相互联系的数据库。当外界情况发生变化时，只要更改局部的数据，就可维持数据库的有效性和现实性[3][4]，GIS为动态路径优化问题的研究提供了良好的环境。目前GIS带动的产业急剧膨胀，已经应用到各个方面。网络分析作为地理信息系统最主要的功能之一，在电子导航、交通旅游、城市规划以及电力、通讯等各种管网、管线的布局设计中发挥了重要的作用[5]。文献[6][7]说明了GIS 在城市道路网中的应用情况。而路网分析中基本问题之一是动态路径优化问题。所谓动态路径，不仅仅指一般地理意义上的距离最短，还可以应用到其他的参数，如时间、费用、流量等。相应的，动态路径问题就成为最快路径问题、最低费用问题等。 》GIS因为其强大的数据分析功能、空间分析功能,已被广泛应用于各种系统中与空间信息有密切关系的各个方面.各种在实际中的系统如电力系统，光缆系统涉及到最佳、最短抢修等问题都可以折合到交通网络中来进行分析，故而交通网络中最短路径算法就可以广泛的应用于其它很多的最佳、最短抢修或者报警系统中去[5]。最短路径问题是GIS网络分析功能的应用。最短路径问题可分为单源最短路径问题及所有节点间最短路径问题，其中单源最短路径更具有普遍意义[9]。 》2.1地理信息系统的概念 地理信息系统（Geographical Information System,简称GIS）是一种将空间位置信息和属性数据结合在一起的系统，是一种为了获取、存储、检索、分析和显示空间定位数据而建立的计算机化的数据库管理系统（1998年，美国国家地理信息与分析中心定义）[4]。这里的空间定位数据是指采用不同方式的遥感和非遥感手段所获得的数据，它有多种数据类型，包括地图、遥感、统计数据等，它们的共同特点都有确定的空间位置。地理信息系统的处理对象是空间实体，其处理过程正是依据空间实体的空间位置和空间关系进行的[25]。地理信息系统的外在表现为计算机软硬件系统，其内涵却是由计算机程序和地理数据组织而成的地理空间信息模型。当具有一定地理学知识的用户使用地理空间分析非空间分析等处理工具输入输出GIS数据库信息系统时，他所面对的数据不再是毫无意义的，而是把客观世界抽象为模型化的空间数据。用户可以按照应用的目的观测这个现实世界模型的各个方面的内容，取得自然过程的分析和预测的信息，用于管理和决策，这就是地理信息系统的意义。一个逻辑缩小的、高度信息化的地理系统，从视觉、计量和逻辑上对地理系统在功能上进行模拟，信息流动以及信息流动的结果，完全由计算机程序的运行和数据的变换来仿真。地理学家可以在地理信息系统支持下提取地理系统各个不同侧面、不同层次的空间和时间特征，也可以快速地模拟自然过程演变成思维过程的结果，取得地理预测或“实验”的结果，选择优化方案，用于管理与决策[26]。 一个完整的GIS主要有四个部分构成，即计算机硬件系统、计算机软件系统、地理数据（或空间数据）和系统管理操作人员。其核心部分是计算机系统（硬件和软件），地理数据反映
人力资源的优化配置模型
人力资源的优化配置模型 摘要 本文通过合理假设，在考虑到公司的人员结构，工资情况，以及所接项目要求的因素下，把公司合理安排技术人员、人力资源问题转化为线形规划中的目标函数与约束条件问题，建立模型。从而使人力资源得到合理的配置，使公司每天得到最大的直接收益。 从公司一方的利益出发，得到了使公司获得最大利益的目标函数，并考虑到公司以及各项目对总人数的限制，得到总的约束条件。用数学软件lingo与lindo求出了人员分配的最优解，再得出的最优解的基础上随机取值与其比较，用matlab对数据进行处理及计算。分析与比较之后得出最优的人员分配如下：A项目高级工程师1人，工程师6人，助理工程师2人，技术员1人；B项目高级工程师5人，工程师3人，助理工程师5人，技术员、3人；C项目高级工程师2人，工程师6人，助理工程师2人，技术员1人；D项目高级工程师1人，工程师2人，助理工程师1人，技术员0人。公司达到的最大收益为27090.00元每天。 关键词：（线性规划目标函数约束条件 lingo lindo matlab 最优解人力资源）
一问题重述 “PE公司”是一家从事电力工程技术的中美合资公司，现有41个专业技术人员，其结构和相应的工资水平分布如表（一） 表（一） 目前，公司承接四个工程项目，其中两项是现场施工监理，分别在A地和B地，主要工作在现场完成;另外两项是工程设计，分别在C地和D地，主要工作在办公室完成。由于四个项目来源于不同客户，并且工作的难易程度不一，因此，各项目的合同对有关技术人员的收费标准不同，具体情况如表（二） 表（二） 为了保证工程质量，各项目中必须保证专业人员结构符合客户要求，具体情况如表（三）
优化调度概述
1．概述 1.1 调度问题的提出 敏捷制造作为21世纪企业的先进制造模式，综合了JIT、并行工程、精良制造等多种先进制造模式的哲理，其目的是要以最低成本制造出顾客满意的产品，即是完全面向顾客的。在这种模式下如何进行组织管理，包括如何组织动态联盟、如何重构车间和单元、如何安排生产计划、如何进行调度都是我们面临的问题。其中车间作业调度与控制技术是实现生产高效率、高柔性和高可靠性的关键，有效实用的调度方法和优化技术的研究与应用已成为先进制造技术实践的基础。 调度问题主要集中在车间的计划与调度方面，许多学者作了大量研究，出了不少的研究成果。制造系统的生产调度是针对一项可分解的工作（如产品制造），探讨在在尽可能满足约束条件（如交货期、工艺路线、资源情况）的前提下，通过下达生产指令，安排其组成部分（操作）使用哪些资源、其加工时间及加工的先后顺序，以获得产品制造时间或成本的最优化。在理论研究中，生产调度问题常被称为排序问题或资源分配问题。 1.2 调度问题的分类 生产调度系统的分类方法很多，主要有以下几种： (1) 根据加工系统的复杂度，可分为单机、多台并行机、flow shop和job shop。 单机调度问题是所有的操作任务都在单台机器上完成，为此存在任务的优化排队问题，对于单机调度比较有代表性的请见文[9][10][l1]；多台并行机的调度问题更复杂，因而优化问题更突出，文[8][11]][13]研究了多台并行机的调度；flow shop型问题假设所有作业都在同样的设备上加工，并有一致的加工操作和加工顺序，文[12][13][14]研究了flow shop问题；job shop是最一般的调度类型、并不限制作业的操作的加工设备，并允许一个作业加工具有不同的加工路径。对于job shop型问题的研究，文献很多，综述文章可参见Lawler等[15]。 (2) 根据性能指标，分为基于调度费用和调度性能的指标两大类。 (3) 根据生产环境的特点，可将调度问题分为确定性调度和随机性调度问题。 (4) 根据作业的加工特点，可将调度问题分为静态调度和动态调度。 静态调度是指所有待安排加工的工作均处于待加工状态，因而进行—次调度后、各作业的加工被确定、在以后的加工过程中就不再改变；动态调度是指作业依次进入待加工状态、各种作业不断进入系统接受加工、同时完成加工的作业又不断离开，还要考虑作业环境中不断出现的动态扰动、如作业的加工超时、设备的损坏等。因此动态调度要根据系统中作业、设备等的状况，不断地进行调度。实际调度的类型往往是job shop型，且是动态的。 1.3 生产调度的环境特征 一般的调度问题都是对于具体生产环境中复杂的、动态的、多目标的调度问题的一种抽象和