数学建模 铺路问题的最优化模型

铺路问题的最优化模型

摘要

本文采用了两种方法,一种是非线性规划从而得出最优解,另一种是将连续问题离散化利用计算机穷举取最优的方法。

根据A地与B地之间的不同地质有不同造价的特点,建立了非线性规划模型和穷举取最优解的模型,解决了管线铺设路线花费最小的难题。

问题一:在本问题中,我们首先利用非线性规划模型求解,我们用迭代法求出极小值(用Matlab实现),计算结果为总费用最小为748.6244万元,管线在各土层中在东西方向上的投影长度分别为15.6786km,3.1827 km,2.1839 km,5.8887km,13.0661km。然后,我们又用穷举法另外建立了一个模型,采用C语言实现,所得最优解为最小花费为748.625602万元,管线在各土层中在东西方向上的投影长度分别为15.70km,3.20km,2.20km,5.90km,13.00km。

问题二:本问题加进了一个非线性的约束条件来使转弯处的角度至少为160度,模型二也是如此。非线性规划模型所得计算结果为最小花费为750.6084万元,管线在各土层中在东西方向上的投影长度分别为14.4566km,4.3591km,2.5984km,6.5387km,12.0472km。遍历模型所得最优解为最小花费为750.821154万元,管线在各土层中在东西方向上的投影长度分别为14.10km,4.30km, 2.70km,6.70km,12.20km。

问题三:因为管线一定要经过一确定点P,我们将整个区域依据P点位置分成两部分,即以A点正东30km处为界,将沙土层分成两部分。非线性规划模型最小花费为752.6432万元,管线在各土层中在东西方向上的投影长度分别为21.2613km,3.3459km,2.2639km,3.1288km,2.4102km,7.5898km。遍历模型最小花费为752.649007万元,管线在各土层中在东西方向上的投影长度分别为21.30km,3.30km,2.30km,3.10km,2.40km,7.60km。

关键词:非线性规划逐点遍历穷举法

一.问题重述

准备在A地与B地之间修建一条地下管线,B地位于A地正南面26km和正东40km 交汇处,它们之间有东西走向岩石带。地下管线的造价与地质特点有关,下图给出了整个地区的大致地质情况,显示可分为三条沿东西方向的地质带,其宽度分别为:沙土地质带宽C1,C5;沙石地质带宽C2;沙石土地质带宽:C4;岩石地质带宽C3。

在给定三种地质条件上每千米的修建费用的情况如下:

试解决以下几个问题:

(1) 图中直线AB显然是路径最短的,但不一定最便宜;而路径ARSB过岩石和沙石的路径最短,但是否是最好的路径呢?试建立一个数学模型,确定最便宜的管线铺设路线。(若C1=6,C2=4,C3=5,C4=6,C5=5,确定最便宜的管线铺设路线。)

160,确定最便宜的管线铺设路线。

(2) 铺设管线时,如果要求管线转弯时,角度至少为0

(3) 铺设管线时,如果要求管线必须通过位于沙石地质带或岩石地质带中的某一已知点P(位于A地正南面18km和正东30km交汇处)时,确定最便宜的铺设路线。

二.模型假设

1、修建费用仅与管线长度和不同地质的造价有关,不含其他费用;

2、在无特殊要求情况下,管线可以向任意方向延伸;

3、不考虑管线宽度;

4、所有管线都铺设在同一水平面上;

三.符号说明

()x f 为修建总费用

1x 为管线与沙土层1c 中东西方向上的投影长度

2x 为管线与沙石层2c 中东西方向上的投影长度

3x 为管线与岩石层3c 中东西方向上的投影长度

4x 为管线与沙石土层4c 中东西方向上的投影长度(在问题三中指在过P 点的东西方

向的直线上的P 点以西的投影长度)

5x 为管线与沙土层5c 中东西方向上的投影长度(在问题三中指在过P 点的东西方向

的直线上的P 点以东的投影长度)

6x 为管线与沙土层5c 中东西方向上的投影长度 1p 为沙土层1c 每千米的修建费用 2p 为沙石层2c 每千米的修建费用

3p 为岩石层3c 每千米的修建费用 4p 为沙石土层4c 每千米的修建费用

5p 为沙土层5c 每千米的修建费用(在问题三中指在沙石土层每千米的修建费用) 6p 为问题三中沙土层6c 每千米的修建费用

4c 在问题一、二中指沙石土层的宽度,在问题三中指沙石土层P 点以上的半层的宽

5c 在问题一、二中指沙石土层的宽度,在问题三中指沙石土层P 点以下的半层的宽

6c 问题三中最下面的沙土层的宽度

四.问题分析

4.1 问题一:

本问题主要围绕由A 点到B 点铺设管线展开,要求花费最少。根据不同地质条件的花费,确定在某一土层中铺设管线的长度。我们采用了两种方法求得最少的花费,分别为非线性规划模型和逐点遍历模型。

4.1.1 方案一

我们首先利用非线性规划求解,可以得出一个关于工程总造价的目标函数f(x),而且可知f(x)在整个区域连续且可微,f(x)符合在某一点有局部极小点的条件。因此我们用迭代法求出极小值(用Matlab 实现),我们分别选用了几组不同的初始值来保证所得到的极小值也是整个区域上的最小值。

4.1.2 方案二

我们又用穷举法另外建立了一个模型,用来确保模型一的结果是最小值,采用C 语言实现,我们先在每两种不同地质间的交界线上每隔0.1km 确定一个点,然后每条交界线都任取一点,连线,得出一条路径。之后将每一条可能的路径都遍历一遍,将最小值和对应的点保存,得出结果。

4.2 问题二

本问题与问题一相比,增加了约束条件“要求管线转弯时,角度至少为0

160”,我们在问题一所建立的两种模型的基础上均增加相应约束条件,通过求出管线转弯处的管线角度的正切值,并利用反正切函数得出管线角度,从而对管线的铺设方向加以限制,得出最少花费的管线铺设线路。

4.3 问题三

本问题要求铺设管线一定要经过一确定点P ,因此可以将此问题分为两步,即从A 到P 的路径为第一步,从P 到B 的路径为第二步。因为从A 到P 的路径选择及其花费与从P 到B 的路径选择及其花费无关,所以求出第一步从A 到P 的最优解,以及第二步求从P 到B 的最优解,这两的最优解之和便为整个管线铺设的最优解。

五.模型建立与求解

5.1 问题一

5.1.1 方案一.

根据题意,在第i 个土层中的管线长度为

22i i i c x d +=

所以,在该层中的修建花费为

i i i d p S ?=

则总花费为

∑=+?=5

1

22)(i i i i c x p x f

因此得到目标函数

∑=+?=5

122)(:min i i i i c x p x f

然后所要修建的地区为A 地正南面26km 和正东40km 所表示的区域,在每个土层中管线在东西方向的投影长度应大于0km 小于40km ,且所有土层中管线在东西方向上的投影长度之和小于40km ,因此可确定约束条件:

400≤≤i x

405

1

=∑=i i

x

运用MATLAB 软件编程,得到计算结果为总费用最小为748.6244万元,管线在各土层中在东西方向上的投影长度分别为15.6786km ,3.1827 km ,2.1839 km ,5.8887km ,13.0661km 。

5.1.2方案二

先在每两种不同土层的交界线上每隔0.1km 确定一个点,然后在每条交界线上都任取一点,并连线,得出一条可能路径。再将每一条可能的路径按公式

∑=+?=5

122)(i i i i c x p x f

逐一计算花费,找到花费的最小值和其对应的点,确定最优路径。在此方案中,采用C 语言编程进行遍历,所得最优解为最小花费为748.625602万元,管线在各土层中在东西方向上的投影长度分别为15.70km,3.20km,2.20km,5.90km,13.00km 。

5.2 问题二

本题也为确定最便宜的管线铺设路线,所以与问题一有相同的目标函数

∑=+?=5

122)(:min i i i i c x p x f

及约束条件:

400≤≤i x ;

405

1

=∑=i i

x

;

根据本题中所要求的管线转弯角度大于0

160,利用管线在各土层中在东西方向上的

投影长度与相应土层宽度得出管线转弯所形成的角的正切值,即i

i

c x ,再利用反正切函数算出具体角度。由此得到新的约束条件:

0arctan arctan 2

18070

11≤???

?

?????? ??+???? ??--?++i i i i c x c x ππ;

4,3,2,1=i

0180110

arctan arctan 211≤?-???

? ??+???? ??-++ππ

i i i i

c x c x ; 4,3,2,1=i

在问题一建立的模型的基础上,依据本题中新增非线性约束条件,建立新的模型,

利用MATLAB 编程,所得计算结果为最小花费为750.6084万元,管线在各土层中在东西方向上的投影长度分别为14.4566km,4.3591km,2.5984km,6.5387km,12.0472km 。

利用相同的约束条件,利用C 语言编程遍历,所得最优解为最小花费为750.821154万元,管线在各土层中在东西方向上的投影长度分别为14.10km,4.30km, 2.70km,6.70km,12.20km 。

5.3 问题三

根据本题中管线必须通过已知点P (位于A 地正南面18km 和正东30km 交汇处)的约束条件,我们将整个区域依据P 点位置分成两部分,即以A 点正东30km 处为界,将沙土层分成两部分,使整个修建区域变成6个土层。在问题一所建立的模型上加以改进,使目标函数变为:

∑=+?=6

122)(:min i i i i c x p x f

并将约束条件改为:

300≤≤i x ;

4,3,2,1=i ;100≤≤i x

6,5=i

304

1=∑=i i

x

;

106

5

=∑=i i

x

;

利用非线性规划模型,MATLAB 编程,所得最优解为:最小花费为752.6432万元,

管线在各土层中在东西方向上的投影长度分别为21.2613km,3.3459km,2.2639km, 3.1288km,2.4102km,7.5898km

利用遍历模型,C 语言编程,所得最优解为:最小花费为752.649007万元,管线在各土层中在东西方向上的投影长度分别为21.30km,3.30km,2.30km,3.10km,2.40km, 7.60km 。

六.模型的评价与改进

对于模型一,存在的缺点是用Matlab中的fmincon函数所求最优解可能只是局部最优解,必须代入几组不同的初始迭代值,来确定所求解为全局最优解,但仍有可能遗漏。对于模型二,缺点是精度不够小,当精度取到0.1时,计算机要用几分钟才能得出结果,精度更小时所需时间更长,而且在问题二中,模型二因为精度太低而跳过了最优路径,所以与模型一所得结果有一定差距。但模型二的结果可用于检验模型一所得结果是否为最优解。

七.参考文献

[1] 曹卫华郭正,最优化设计方法及 MATLAB的实现,北京:化学工业出版社,2005.

[2] 孙辉吴润秀,C语言程序设计,北京:中国铁道出版社,2007.

[3] 李尚志,数学建模竞赛教程,南京:江苏教育出版社,1996.

[4] 何文章,大学数学实验,哈尔滨:哈尔滨工程大学出版社,2000.

[5] 边馥萍,数学模型方法与算法,北京:高等教育出版社,2005.

[6] 姜启源,数学模型,北京:高等教育出版社,1993.

附件

附件一:

问题一的Matlab语言源代码:

先建立目标函数的M文件:

function f=fun(x);

f=12*sqrt(x(1)^2+36)+18*sqrt(x(2)^2+16)+28*sqrt(x(3)^2+25)+16*sqrt(x(4)^2

+36)+12*sqrt(x(5)^2+25)

主程序:

x0=[0;0;0;0;0];

A=[1 0 0 0 0;0 1 0 0 0;0 0 1 0 0;0 0 0 1 0;0 0 0 0 1];

b=[40 40 40 40 40];

Aeq=[1 1 1 1 1];beq=[40];

[x,z]=fmincon('fun',x0,A,b,Aeq,beq)

运算结果:

x =

15.6786

3.1827

2.1839

5.8887

13.0661

z =

748.6244

附件二:

问题一的C语言源代码:

#include

#include

#define JD 0.1 //取精度为0.1

main()

{

double x[6]={0,0,0,0,0,40},s=0,min=100000,best[5]; //s用来临时保存每一条路径的价格,x用来临时保存每一条路径

int i,j,k,l,n,c[5]={6,4,5,6,5},p[5]={12,18,28,16,12},D; //min 用来记录最小价格,best用来记录最佳路径

D=40/JD; //D为每一条交界线上可分的段数

for (i=0;i

{

for(j=i;j

{

for(k=j;k

{

for(l=k;l

{

for(n=1;n<6;n++)

{

s+=sqrt((x[n]-x[n-1])*(x[n]-x[n-1])+c[n-1]*c[n-1])*p[n-1];

}

if(s

{ //则将其存在min中,同时路径保存

min=s; //在best中。

for(n=0;n<5;n++)

best[n]=x[n];

}

s=0;

x[4]+=JD;

}

x[3]+=JD;

x[4]=x[3];

}

x[2]+=JD;

x[3]=x[2];

}

x[1]+=JD;

x[2]=x[1];

}

printf("最少花费为%f\n",min);

for(i=0;i<5;i++)

printf("在第%d条交界线上的位置为%f\n",i,best[i]);

}

运算结果:

最少花费为748.625602

在第0条交界线上的位置为0.000000

在第1条交界线上的位置为15.700000

在第2条交界线上的位置为18.900000

在第3条交界线上的位置为21.100000

在第4条交界线上的位置为27.000000

附件三:

问题二的Matlab语言源代码:

先建立目标函数的M文件:

function f=fun(x);

f=12*sqrt(x(1)^2+36)+18*sqrt(x(2)^2+16)+28*sqrt(x(3)^2+25)+16*sqrt(x(4)^2 +36)+12*sqrt(x(5)^2+25)

然后建立非线性约束条件的M文件:

function[c,ceq]=mycon(x)

c(1)=pi*70/180-pi*0.5+atan(x(1)/6)-atan(x(2)/4);

c(2)=pi*70/180-pi*0.5+atan(x(2)/4)-atan(x(3)/5)

c(3)=pi*70/180-pi*0.5+atan(x(3)/5)-atan(x(4)/6);

c(4)=pi*70/180-pi*0.5+atan(x(4)/6)-atan(x(5)/5);

c(5)=pi*0.5-atan(x(1)/6)+atan(x(2)/4)-pi*110/180;

c(6)=pi*0.5-atan(x(2)/4)+atan(x(3)/5)-pi*110/180;

c(7)=pi*0.5-atan(x(3)/5)+atan(x(4)/6)-pi*110/180;

c(8)=pi*0.5-atan(x(4)/6)+atan(x(5)/5)-pi*110/180;

ceq=[];

主程序:

x0=[0.1;0.1;0.1;0.1;0.1];

A=[1 0 0 0 0;0 1 0 0 0;0 0 1 0 0;0 0 0 1 0;0 0 0 0 1];

b=[40,40,40,40,40];

Aeq=[1 1 1 1 1];beq=[40];

[x,z]=fmincon('fun',x0,A,b,Aeq,beq,[],[],'mycon')

运算结果:

x =

14.4566

4.3591

2.5984

6.5387

12.0472

z =

750.6084

附件四

问题二的C语言源代码:

#include

#include

#define JD 0.1 //取精度为0.1

int tj(double a,double b,double c1,double d,double e) //满足转弯处至少为160度的条件

{

int n,f,c[5]={6,4,5,6,5};

double x[6]={0,a,b,c1,d,e};

for(n=1;n<5;n++)

{

if(3.1416*0.5-atan((x[n]-x[n-1])/c[n-1])+atan((x[n+1]-x[n])/c[n])>=1.22 1731&&3.1416*0.5-atan((x[n]-x[n-1])/c[n-1])+atan((x[n+1]-x[n])/c[n])<=1.9 19863)

f=1;

else

return 0;

}

return f;

}

main()

{

double x[6]={0,0,0,0,0,40},s=0,min=100000,best[5]; //s用来临时保存每一条路径的价格,x用来临时保存每一条路径

int i,j,k,l,n,c[5]={6,4,5,6,5},p[5]={12,18,28,16,12},D; //min 用来记录最

小价格,best用来记录最佳路径

D=40/JD; //D为每一条交界线上可分的段数

for (i=0;i

{

for(j=i;j

{

for(k=j;k

{

for(l=k;l

{

for(n=1;n<6;n++)

{

s+=sqrt((x[n]-x[n-1])*(x[n]-x[n-1])+c[n-1]*c[n-1])*p[n-1];

}

if(s

{ //且满足转弯处不小于160度的条件,

min=s; //则将其存在min中,同时路径保存

for(n=0;n<5;n++) //在best中。

best[n]=x[n];

}

s=0;

x[4]+=JD;

}

x[3]+=JD;

x[4]=x[3];

}

x[2]+=JD;

x[3]=x[2];

}

x[1]+=JD;

x[2]=x[1];

}

printf("最少花费为%f\n",min);

for(i=0;i<5;i++)

printf("在第%d条交界线上的位置为%f\n",i,best[i]);

}

运算结果:

最少花费为750.821154

在第0条交界线上的位置为0.000000

在第1条交界线上的位置为14.100000

在第2条交界线上的位置为18.400000

在第3条交界线上的位置为21.100000

在第4条交界线上的位置为27.800000

附件五:

问题三的Matlab语言源代码:

先建立目标函数的M文件:

function f=fun3(x);

f=12*sqrt(x(1)^2+36)+18*sqrt(x(2)^2+16)+28*sqrt(x(3)^2+25)+16*sqrt(x(4)^2

+9)+16*sqrt(x(5)^2+9)+12*sqrt(x(6)^2+25)

主程序:

x0=[0;0;0;0;0;0];

A=[1 0 0 0 0 0;0 1 0 0 0 0;0 0 1 0 0 0;0 0 0 1 0 0;0 0 0 0 1 0;0 0 0 0 0 1];

b=[30 30 30 30 10 10];

Aeq=[1 1 1 1 0 0;0 0 0 0 1 1];beq=[30;10];

[x,z]=fmincon('fun3',x0,A,b,Aeq,beq)

运算结果:

x =

21.2613

3.3459

2.2639

3.1288

2.4102

7.5898

z =

752.6432

附件六:

问题三的C语言源代码:

#include

#include

#define JD 0.1 //取精度为0.1

main()

{

double x[7]={0,0,0,0,30,30,40},s=0,min,min1=100000,min2=100000,best[6]; //s用来临时保存每一条路径的价格,x用来临时保存每一条路径

int i,j,k,n,c[6]={6,4,5,3,3,5},p[6]={12,18,28,16,16,12},D; //min 用来记

录最小价格,best用来记录最佳路径

D=30/JD; //D为每一条交界线上可分的段数

for (i=0;i

for(j=i;j

{

for(k=j;k

{

for(n=1;n<5;n++)

{

s+=sqrt((x[n]-x[n-1])*(x[n]-x[n-1])+c[n-1]*c[n-1])*p[n-1];

}

if(s

{ //则将其存在min中,同时路径保存

min1=s; //在best中。

for(n=0;n<5;n++)

best[n]=x[n];

}

s=0;

x[3]+=JD;

}

x[2]+=JD;

x[3]=x[2];

}

x[1]+=JD;

x[2]=x[1];

}

printf("从A到P最少花费为%f\n",min1);

for(i=0;i<4;i++)

printf("在第%d条交界线上的位置为%f\n",i,best[i]);

//第二部分

best[4]=30;

s=0;

for(i=0;i

{

for(n=5;n<7;n++)

{

s+=sqrt((x[n]-x[n-1])*(x[n]-x[n-1])+c[n-1]*c[n-1])*p[n-1];

}

if(s

{ //则将其存在min中,同时路径保存

min2=s; //在best中。

best[5]=x[5];

}

s=0;

x[5]+=JD;

}

printf("从P到B最少花费为%f\n",min2);

for(i=4;i<6;i++)

printf("在第%d条交界线上的位置为%f\n",i,best[i]);

min=min1+min2;

printf("总最少花费为%f\n",min);

}

运算结果:

从A到P最少花费为582.011987

在第0条交界线上的位置为0.000000

在第1条交界线上的位置为21.300000

在第2条交界线上的位置为24.600000

在第3条交界线上的位置为26.900000

从P到B最少花费为170.637021

在第4条交界线上的位置为30.000000

在第5条交界线上的位置为32.400000

总最少花费为752.649007

优化问题的数学模型及基本要素

第1章 优化设计 Chapter 1 Optimization Design 1-1 优化设计 1-1-1 最优化 (optimize, optimization ) 所谓最优化,通俗地说就是在一定条件下,在所有可能的计划、设计、安排中找出最好的一个来。换句话说,也就是在一定的条件下,人们如何以最好的方式来做一件事情。(Optimization deals with how to do things in the best possible manner) 结论的唯一性是最优化的特点,即公认最好。(It is the best of all possibilities) 最优化的思想体现在自然科学、工程技术及社会活动的各个领域,最优化的方法在这些领域也得到了广泛地应用。(P1) 1-1-2 最优化方法 (Arithmetic ) 要从所有可能的方案中找出最优的一个,用“试”(try )的办法是不可行的,需要采用一定的数学手段。二十世纪五十年代以前,用于解决最优化问题的数学方法仅限于古典的微分和变分(differential and variation)。数学规划法在五十年代末被首次用于解决最优化问题,并成为现代优化方法的理论基础。线性规划和非线性规划是数学规划的主要内容,它还包括整数规划、动态规划、二次规划等等。(Linear programming or Nonlinear programming, Integer, Dynamic, Quadratic ) 数学规划法与电子计算机的密切结合,改变了最优化方法多有理论研究价值,而少有实际应用的局面,使得解决工程中的优化问题成为可能。因此,我们现在所说的最优化方法,实际上包括了最优化理论和计算机程序二方面的内容。(Optimization theory plus computer program) 1-1-3 优化设计 下面以一个简单的问题为例来说明传统设计与优化设计这二个不同的设计过程。 例1-1 设计一个体积为5cm 3的薄板包装箱,其中一边的长度不小于4m 。要求使薄板耗 材最少,试确定包装箱的尺寸参数,即长a ,宽b 和高h 。 分析 包装箱的表面积s 与它的长a ,宽b 和高h 尺寸有关。因此,耗板最少的问题可以转化为表面积最小问题,故取表面积s 为设计目标。 传统设计方法: 首先固定包装箱一边的长度如)(4m a =。要满足包装箱体积为3 5m 的设计要求,则有以下多种设计方案: 如果包装箱的长度a 再取)(4m a >的其他值,则包装箱的宽度和高度还会有很多其他结果… 。 最后,从上面众多的可行方案中选择出包装箱表面积最小的方案来,这就是相对最好的设计方案。但由于不可能列出所有可能的设计方案,最终方案就不一定是最优的。 机械产品的传统设计通常需要经过:提出课题、调查分析、技术设计、结构设计、绘图

数学建模中常见的十大模型

数学建模常用的十大算法==转 (2011-07-24 16:13:14) 转载▼ 1. 蒙特卡罗算法。该算法又称随机性模拟算法,是通过计算机仿真来解决问题的算法,同时可以通过模拟来检验自己模型的正确性,几乎是比赛时必用的方法。 2. 数据拟合、参数估计、插值等数据处理算法。比赛中通常会遇到大量的数据需要处理,而处理数据的关键就在于这些算法,通常使用MA TLAB 作为工具。 3. 线性规划、整数规划、多元规划、二次规划等规划类算法。建模竞赛大多数问题属于最优化问题,很多时候这些问题可以用数学规划算法来描述,通常使用Lindo、Lingo 软件求解。 4. 图论算法。这类算法可以分为很多种,包括最短路、网络流、二分图等算法,涉及到图论的问题可以用这些方法解决,需要认真准备。 5. 动态规划、回溯搜索、分治算法、分支定界等计算机算法。这些算法是算法设计中比较常用的方法,竞赛中很多场合会用到。 6. 最优化理论的三大非经典算法:模拟退火算法、神经网络算法、遗传算法。这些问题是用来解决一些较困难的最优化问题的,对于有些问题非常有帮助,但是算法的实现比较困难,需慎重使用。 7. 网格算法和穷举法。两者都是暴力搜索最优点的算法,在很多竞赛题中有应用,当重点讨论模型本身而轻视算法的时候,可以使用这种暴力方案,最好使用一些高级语言作为编程工具。 8. 一些连续数据离散化方法。很多问题都是实际来的,数据可以是连续的,而计算机只能处理离散的数据,因此将其离散化后进行差分代替微分、求和代替积分等思想是非常重要的。 9. 数值分析算法。如果在比赛中采用高级语言进行编程的话,那些数值分析中常用的算法比如方程组求解、矩阵运算、函数积分等算法就需要额外编写库函数进行调用。 10. 图象处理算法。赛题中有一类问题与图形有关,即使问题与图形无关,论文中也会需要图片来说明问题,这些图形如何展示以及如何处理就是需要解决的问题,通常使用MA TLAB 进行处理。 以下将结合历年的竞赛题,对这十类算法进行详细地说明。 以下将结合历年的竞赛题,对这十类算法进行详细地说明。 2 十类算法的详细说明 2.1 蒙特卡罗算法 大多数建模赛题中都离不开计算机仿真,随机性模拟是非常常见的算法之一。 举个例子就是97 年的A 题,每个零件都有自己的标定值,也都有自己的容差等级,而求解最优的组合方案将要面对着的是一个极其复杂的公式和108 种容差选取方案,根本不可能去求解析解,那如何去找到最优的方案呢?随机性模拟搜索最优方案就是其中的一种方法,在每个零件可行的区间中按照正态分布随机的选取一个标定值和选取一个容差值作为一种方案,然后通过蒙特卡罗算法仿真出大量的方案,从中选取一个最佳的。另一个例子就是去年的彩票第二问,要求设计一种更好的方案,首先方案的优劣取决于很多复杂的因素,同样不可能刻画出一个模型进行求解,只能靠随机仿真模拟。 2.2 数据拟合、参数估计、插值等算法 数据拟合在很多赛题中有应用,与图形处理有关的问题很多与拟合有关系,一个例子就是98 年美国赛A 题,生物组织切片的三维插值处理,94 年A 题逢山开路,山体海拔高度的插值计算,还有吵的沸沸扬扬可能会考的“非典”问题也要用到数据拟合算法,观察数据的

数学建模进行投资最优化

. . 资产最优组合 摘要 本文在充分分析数据的基础上,运用了模糊评价评估产品近期表现的优劣性,利用线性规划模型对多种金融产品进行组合,得到最优解,最后对模型进行评价。 问题一:基于模糊评价模型。本文使用累计收益率、本月平均涨幅、β系数(风险指标)3个指标,建立评估模型,来评估金融产品近期的优劣性表现。首先用层次分析法给出各项评估指标的权重并进行对指标一致性检验,再用熵权法对权重值进行修正;然后建立评估模型,利用模糊评价法得出景顺长城需增长、中邮战略新兴产业、华夏现金增利货币、工银货币、华能国际(稳健型)、万向钱潮(波动型)、*ST 中华A (ST 型)、国债⑺、万业债的模糊评估指标分别为 [] 0.00971 0.00484 0.00072 0.00090 0.34040 0.45785 0.17205 0.00332 0.01022通过以上数据比较可知,股票的表现明显优于债券和基金。 问题二:首先构建线性规划模型,通过收益最大目标函数和约束条件,求解出最优产品组合。其次求解收益对应的β系数,绘出收益和风险的折线图。根据图示,找到风险变化一单位得到最大收益处的值,得到最优解:选择华能国际(稳健型)、万向钱潮(波动型)、国债⑺、万业债、中邮战略新兴产业、华夏现金增利货币的投资量为:3716.556、3752.874、3819.063、52.10025、109.8907、541.8917、41.32636 问题三:本文在对选取的指标运用层次分析法赋予权重后,用熵权法对权值进行修正,使权值更为准确。同时,利用综合评价得出产品的近期优劣性表现。但是,本文β系数求解考虑较为单一,β系数的计算公式可以根据产品公司进行修改。 本文运用EXCEL 统计了大量数据,利用SPSS 软件进行数据分析,使用MATLAB 进行模型求解,使得模型更具合理性,可行性和科学性。 关键词:层次分析,一致性检验,熵值取权,模糊评价, 线性规划

数学建模优化问题经典练习

1、高压容器公司制造小、中、大三种尺寸的金属容器,所用资源为金属板、劳 万元,可使用的金属板有500t,劳动力有300人/月,机器有100台/月,此外,不管每种容器制造的数量是多少,都要支付一笔固定的费用:小号为100万元,中号为150万元,大号为200万元,现在要制定一个生产计划,使获得的利润为最大, max=4*x1+5*x2+6*x3-100*y1-150*y2-200*y3; 2*x1+4*x2+8*x3<=500; 2*x1+3*x2+4*x3<=300; 1*x1+2*x2+3*x3<=100; @bin(y1); @bin(y2); @bin(y3); y1+y2+y3>=1; Global optimal solution found. Objective value: 300.0000 Extended solver steps: 0 Total solver iterations: 0 Variable Value Reduced Cost X1 100.0000 0.000000 X2 0.000000 3.000000 X3 0.000000 6.000000 Y1 1.000000 100.0000 Y2 0.000000 150.0000 Y3 0.000000 200.0000 Row Slack or Surplus Dual Price 1 300.0000 1.000000 2 300.0000 0.000000 3 100.0000 0.000000 4 0.000000 4.000000 5 0.000000 0.000000

关于电梯系统优化问题的数学模型

关于电梯系统优化问题 的数学模型 集团档案编码:[YTTR-YTPT28-YTNTL98-UYTYNN08]

关于电梯系统优化问题的数学模型 摘要 在高层商务楼里,电梯承担着将人和货物运送到各个楼层的任务。在当今社会,工作生活节奏愈发加快,因而电梯系统的运行效率对人们的生活的影响不可忽视。目前的高层商务楼等大多数高层建筑中,一般都使用单井道单轿厢或者单井道双轿厢两种模式的电梯,本文就结合这两种模式,根据实际情况将问题分为两种情况考虑,重点讨论了将电梯运行效率最大化的方法,建立了相关模型,并给出了相应的优化参数。 本文将电梯系统的优化分为高峰期和非高峰期两种时期进行讨论。高峰期时通过对问题的分析,发现可以设置电梯区间以尽可能减少目标层较高的乘客占用目标层较低的乘客的电梯资源,根据这一思想,我们将其简化为排队问题来考虑,并据此建立了排队模型,通过实地统计数据以及C语言的编程,能够较好地解出模型,得到在高峰期时将一部分电梯区间的顶层设为第14层左右的优化方案。非高峰期时通过对这一时期特点的分析,以每台电梯在无乘梯需求时自动停留的楼层为着眼点,采用枚举的方法编程求解,得到在非高峰期将电梯均匀分布在楼层中的优化方案。最后,我们对模型参数进行了灵敏度的分析,发现虽然模型对数据的依赖性较强,但最优方案不随参数的波动而变化,所以这个结果还是可信的。 本文提出的方案直观易行,且几乎不需额外的经济投入,可行性很强,具有较好的参考价值。 一问题重述 在高层商务楼里,电梯承担着将人和货物运送到各个楼层的任务。目前的高层商务楼等大多数高层建筑中,主要使用单轿厢和双轿厢两种电梯运行系统。单轿厢电梯在向上运行时,只有满足了所有“上行请求”时才会开始满足“下行请求”,反之亦然;而对于双轿厢电梯,乘客在进入轿厢前就通过按钮面板选择了要停靠的楼层,系统迅速整合分析接收到的流量数据,并调度合适的轿箱来应接乘客。 现有一座商务楼,设计地上层数为28层,地下停车楼2层,每层的建筑面积为1500平方米,楼内有6个用于客梯的电梯井道。电梯按照商务楼建筑面积15至20平方米每人的标准来设计。第1层的楼层高为4.8米,其余层均为3.2米,设计电梯的平均运行速度1.6米/秒。我们的任务是: 1.建立一个合适的单轿箱客梯系统的运行方案,使尽可能地提高电梯系统的运行效率; 2.分别在运行的高峰期与非高峰期,对双轿箱的电梯系统与单轿箱的电梯系统的运行效率等进行对比分析,评价两种方案的优劣性,估计双轿厢系统运行效率的提高率。 二基本假设 1.电梯载客量为13人,且不超载。13人载客量是国内最常见的一种电梯规格,并且为了乘梯安全,电梯不应超载。 2.电梯在每层停留的时间相等。在假设1成立的前提下,电梯乘客可以迅速有序地离开电梯,电梯停留时间受离开人数的影响可以忽略不计。

数学建模中常见的十大模型

数学建模中常见的十大 模型 Document serial number【KKGB-LBS98YT-BS8CB-BSUT-BST108】

数学建模常用的十大算法==转 (2011-07-24 16:13:14) 1. 蒙特卡罗算法。该算法又称随机性模拟算法,是通过计算机仿真来解决问题的算法,同时可以通过模拟来检验自己模型的正确性,几乎是比赛时必用的方法。 2. 数据拟合、参数估计、插值等数据处理算法。比赛中通常会遇到大量的数据需要处理,而处理数据的关键就在于这些算法,通常使用MATLAB 作为工具。 3. 线性规划、整数规划、多元规划、二次规划等规划类算法。建模竞赛大多数问题属于最优化问题,很多时候这些问题可以用数学规划算法来描述,通常使用Lindo、Lingo 软件求解。 4. 图论算法。这类算法可以分为很多种,包括最短路、网络流、二分图等算法,涉及到图论的问题可以用这些方法解决,需要认真准备。 5. 动态规划、回溯搜索、分治算法、分支定界等计算机算法。这些算法是算法设计中比较常用的方法,竞赛中很多场合会用到。 6. 最优化理论的三大非经典算法:模拟退火算法、神经网络算法、遗传算法。这些问题是用来解决一些较困难的最优化问题的,对于有些问题非常有帮助,但是算法的实现比较困难,需慎重使用。 7. 网格算法和穷举法。两者都是暴力搜索最优点的算法,在很多竞赛题中有应用,当重点讨论模型本身而轻视算法的时候,可以使用这种暴力方案,最好使用一些高级语言作为编程工具。

8. 一些连续数据离散化方法。很多问题都是实际来的,数据可以是连续的,而计算机只能处理离散的数据,因此将其离散化后进行差分代替微分、求和代替积分等思想是非常重要的。 9. 数值分析算法。如果在比赛中采用高级语言进行编程的话,那些数值分析中常用的算法比如方程组求解、矩阵运算、函数积分等算法就需要额外编写库函数进行调用。 10. 图象处理算法。赛题中有一类问题与图形有关,即使问题与图形无关,论文中也会需要图片来说明问题,这些图形如何展示以及如何处理就是需要解决的问题,通常使用MATLAB 进行处理。 以下将结合历年的竞赛题,对这十类算法进行详细地说明。 以下将结合历年的竞赛题,对这十类算法进行详细地说明。 2 十类算法的详细说明 蒙特卡罗算法 大多数建模赛题中都离不开计算机仿真,随机性模拟是非常常见的算法之一。 举个例子就是97 年的A 题,每个零件都有自己的标定值,也都有自己的容差等级,而求解最优的组合方案将要面对着的是一个极其复杂的公式和108 种容差选取方案,根本不可能去求解析解,那如何去找到最优的方案呢随机性模拟搜索最优方案就是其中的一种方法,在每个零件可行的区间中按照正态分布随机的选取一个标定值和选取一个容差值作为一种方案,然后通过蒙特卡罗算法仿真出大量的方案,从中选取一个最佳的。另一个例子就是去年的彩票第二问,要求设计一种更好的方案,首先方案的优劣取决于很多复杂的因素,同样不可能刻画出一个模型进行求解,只能靠随机仿真模拟。

优化问题的数学模型

一. 管理科学的定义 管理科学是对与定量因素有关的管理问题通过应用科学的方法进行辅助管理决策制定的一门学科. (1) 定量因素(2) 科学的方法(3) 辅助决策制定 二.用管理科学的方法解决问题的基本步骤. (1) 提出问题,并根据需要收录有关数据信息。管理科学工作者向管理者咨询、鉴别所 要考虑的问题以确定合理的目标,然后根据要求收集一些关键数据,并对数据作相应的分析。 (2) 建立模型,引入决策变量,确定目标函数(约束条件)。建模过程是一项创造性的 工作,在处理实际问题时,一般没有一个唯一正确的模型,而是有多种不同的方案。建模是一个演进过程,从一个初始模型往往需要不断的完善渐渐演化成一个完整的数学模型。 (3) 从模型中形成一个对问题求解的算法。要在计算机上运行数学程序对模型进行求 解,一般情况下能找到对模型求解的标准软件。例如,对线性规划问题已有Excel 、Cplex 、Lingo 等标准软件求解。有时要自己编写程序。 (4) 测试模型并在必要时修正。在模型求解后,需要对模型进行检验,以保证该模型能 准确反映实际问题,需要检验模型提供的解是否合理,所有主要相关因素是否已考虑,当有些条件变化时,解如何变化等。 (5) 应用模型分析问题以及提出管理建议。对模型求解并分析后,将相应的最优方案提 交给管理者,由管理者做出决策。管理科学工作者并不作管理决策,其研究只是对涉及的问题进行分析并向管理者提出建议。管理者还要考虑管理科学以外的众多因素才能做出决策。 (6) 帮助实施管理决策。建议被管理者采纳以后,一旦做出管理决策一般要求帮助监督 决策方案的实施。 新问题, 新模型, 新算法, 新应用. 三.优化问题的数学模型 1212max(min)(,, ,) (,,)0..1,2,n j n Z f x x x g x x x s t j m =≤?? =? 由于,j f g 是非线性函数时,此问题是非线性优化问题, 求解较复杂。我们主要讨论线性优化问题,常见的形式:混合整数规划 (1) max 0 0 Z CX hY AX GY b X Y =++≤≥≥取整数 其中111,,,,m n m p m n p A G b C h ?????,不失一般性,我们假定,,,,C h A G b 都是整数矩阵。 当0p =时,(1)为纯整数规划,当0n =时,(1)为线性规划。

数学建模最优路径设计

2015高教社杯全国大学生数学建模竞赛 承诺书 我们仔细阅读了《全国大学生数学建模竞赛章程》和《全国大学生数学建模竞赛参赛规则》(以下简称为“竞赛章程和参赛规则”,可从全国大学生数学建模竞赛下载)。 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、电子、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章程和参赛规则的,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。 我们重承诺,严格遵守竞赛章程和参赛规则,以保证竞赛的公正、公平性。如有违反竞赛章程和参赛规则的行为,我们将受到严肃处理。 我们授权全国大学生数学建模竞赛组委会,可将我们的论文以任何形式进行公开展示(包括进行网上公示,在书籍、期刊和其他媒体进行正式或非正式发表等)。 我们参赛选择的题号是(从A/B/C/D中选择一项填写): A 我们的参赛报名号为(如果赛区设置报名号的话): 所属学校(请填写完整的全名 参赛队员(打印并签名) :1 2 指导教师或指导教师组负责人(打印并签名):

(论文纸质版与电子版中的以上信息必须一致,只是电子版中无需签名。以上容请仔细核对,提交后将不再允许做任何修改。如填写错误,论文可能被取消评奖资格。) 日期:2015年7 月27 日赛区评阅编号(由赛区组委会评阅前进行编号):

2015高教社杯全国大学生数学建模竞赛 编号专用页 赛区评阅编号(由赛区组委会评阅前进行编号): 全国统一编号(由赛区组委会送交全国前编号):全国评阅编号(由全国组委会评阅前进行编号):

优化问题与规划模型

§3.6 优化问题与规划模型 与最大、最小、最长、最短等等有关的问题都是优化问题。 解决优化问题形成管理科学的数学方法:运筹学。运筹学主要分支:(非)线性规划、动态规划、图与网络分析、存贮学、排队伦、对策论、决策论。 6.1 线性规划 1939年苏联数学家康托洛维奇发表《生产组织与计划中的数学问题》 1947年美国数学家乔治.丹契克、冯.诺伊曼提出线性规划的一般模型及理论. 1. 问题 例1 作物种植安排 一个农场有50亩土地, 20个劳动力, 计划种蔬菜,棉花和水稻. 种植这三种农作物每亩地分别需要劳动力 1/2 1/3 1/4, 预计每亩产值分别为 110元, 75元, 60元. 如何规划经营使经济效益最大. 分析:以取得最高的产值的方式达到收益最大的目标. 1. 求什么?分别安排多少亩地种蔬菜、棉花、水稻? x 1亩、 x 2 亩、 x 3 亩 2. 优化什么?产值最大 max f=10x 1+75x 2 +60x 3 3. 限制条件?田地总量 x 1+x 2 +x 3 ≤ 50 劳力总数 1/2x 1 +1/3x 2 +1/4x 3 ≤ 20 模型 I : 设决策变量:种植蔬菜 x 1亩, 棉花 x 2 亩, 水稻 x 3 亩, 求目标函数 f=110x 1+75x 2 +60x 3 在约束条件x 1+x 2 +x 3 ≤ 50 1/2x 1 +1/3x 2 +1/4x 3 ≤20 下的最大值 规划问题:求目标函数在约束条件下的最值, 规划问题包含3个组成要素: 决策变量、目标函数、约束条件。 当目标函数和约束条件都是决策变量的线性函数时,称为线性规划问题, 否则称为非线性规划问题。 2. 线性规划问题求解方法 称满足约束条件的向量为可行解,称可行解的集合为可行域, 称使目标函数达最值的可行解为最优解. 命题 1 线性规划问题的可行解集是凸集. 因为可行解集由线性不等式组的解构成。两个变量的线性规划问题的可行解集是平面上的凸多边形。 命题2 线性规划问题的最优解一定在可行解集的某个极点上达到. 图解法:解两个变量的线性规划问题,在平面上画出可行域,计算目标函数在各极点处的值,经比较后,取最值点为最优解。 命题3 当两个变量的线性规划问题的目标函数取不同的目标值时,构成一族平行直线,目标值的大小描述了直线离原点的远近。 于是穿过可行域的目标直线组中最远离(或接近)原点的直线所穿过的凸多边形的顶点即为取的极值的极点—最优解。 单纯形法 : 通过确定约束方程组的基本解, 并计算相应目标函数值, 在可行解

数学建模面试最优化问题

C题面试时间问题 有4名同学到一家公司参加三个阶段的面试:公司要求每个同学都必须首先找公司秘书初试,然后到部门主管处复试,最后到经理处参加面试,并且不允许插队(即在任何一个阶段4名同学的顺序是一样的)。由于4名同学的专业背景不同,所以每人在三个阶段的面试时间也不同,如下表所示(单位:分钟): 这4名同学约定他们全部面试完以后一起离开公司.假定现在时间是早晨8:00问他们最早何时能离开公司? 面试时间最优化问题 摘要: 面试者各自的学历、专业背景等因素的差异,每个面试者在每个阶段的面试时间有所不同,这样就造成了按某种顺序进入各面试阶段时不能紧邻顺序完成,即当面试正式开始后,在某个面试阶段,某个面试者会因为前面的面试者所需时间长而等待,也可能会因为自己所需时间短而提前完成。因此本问题实质上是求面试时间总和的最小值问题,其中一个面试时间总和就是指在一个确定面试顺序下所有面试者按序完成面试所花费的时间之和,这样的面试时间总和的所有可能情况则取决于n 位面试者的面试顺序的所有排列数 根据列出来的时间矩阵,然后列出单个学生面试时间先后次序的约束和学生间的面试先后次序保持不变的约束,并将非线性的优化问题转换成线性优化目标,最后利用优化软件lingo变成求解。 关键词:排列排序0-1非线性规划模型线性优化 (1)

(一)问题的提出 根据题意,本文应解决的问题有: 1、这4名同学约定他们全部面试完以后一起离开公司。假定现在的时间是早晨8:00,求他们最早离开公司的时间; 2、试着给出此类问题的一般描述,并试着分析问题的一般解法。 (二)问题的分析 问题的约束条件主要有两个:一是每个面试者必须完成前一阶段的面试才能进入下一阶段的面试(同一个面试者的阶段次序或时间先后次序约束),二是每个阶段同一时间只能有一位面试者(不同面试者在同一个面试阶段只能逐一进行)。 对于任意两名求职者P、Q,不妨设按P在前,Q在后的顺序进行面试,可能存在以下两情况: (一)、当P进行完一个阶段j的面试后,Q还未完成前一阶段j-1的面试,所以j阶段的考官必须等待Q完成j-1阶段的面试后,才可对Q进行j阶段的面试,这样就出现了考官等待求职者的情况。这一段等待时间必将延长最终的总时间。 (二)、当Q完成j-1的面试后,P还未完成j阶段的面试,所以,Q必须等待P完成j阶段的面试后,才能进入j阶段的面试,这样就出现了求职者等待求职者的情况。同样的,这个也会延长面试的总时间。 以上两种情况,必然都会延长整个面试过程。所以要想使四个求职者能一起最早离开公司,即他们所用的面试时间最短,只要使考官等候求职者的时间和求职者等候求职者的时间之和最短,这样就使求职者和考官的时间利用率达到了最高。他们就能以最短的时间完成面试一起离开公司。这也是我们想要的结果。 (三)模型的假设 1.我们假设参加面试的求职者都是平等且独立的,即他们面试的顺序与考官无关; 2.面试者由一个阶段到下一个阶段参加面试,其间必有时间间隔,但我们在这里假定该时间间隔为0; 3.参加面试的求职者事先没有约定他们面试的先后顺序; 4.假定中途任何一位参加面试者均能通过面试,进入下一阶段的面试。即:没有中途退出面试者; 5.面试者及各考官都能在8:00准时到达面试地点。 (四)名词及符号约束 1. aij (i=1,2,3,4;j=1,2,3)为求职者i在j阶段参加面试所需的时间 甲乙丙丁分别对应序号i=1,2,3,4 2.xij (i=1,2,3,4;j=1,2,3) 表示第i名同学参加j阶段面试的开始时间(不妨把早上8:00记为面试的0时刻) (2)

最优化问题的数学模型及其分类

最优化问题的数学模型及其分类 例1.1.1 产品组合问题 某公司现有三条生产线用来生产两种新产品,其主要数据如表1-1所示。请问如何生产可以让公司每周利润最大? 表1-1 设每周生产的产品一和产品二 的产量分别为1x 和2x ,则每周的生产利润为:2153x x z +=。由于每周的产品生产受到三条生产线的可用时间的限制,因此1x ,2x 应满足以下条件: ?????? ?≥≤+≤≤0, 18231224212121 x x x x x x 故上述问题的数学模型为

2153max x x z += . .t s ?????? ?≥≤+≤≤0, 18231224212121 x x x x x x 其中max 是最大化(maximize )的英文简称,??t s 是受约束于(subject to )的简写。 例1.1.2 把一个半径为1的实心金属球熔化后,铸成一个 实心圆柱体,问圆柱体取什么尺寸才能使它的表面积最小? 设圆柱体的底面半径为r ,高为h ,则该问题的数学模型为: ??? ??=? ?+=ππππ3 422min 22 h r t s r rh S 其中min 是最小化(minimize )的简写。 通过以上二例,可以看出最优化问题的数学模型具有如下结构: (1) 决策变量(decision variable ):即所考虑问题 可归结为优选若干个被称为参数或变量的量 n x x x ,,,21 ,它们都取实数值,它们的一组值构 成了一个方案。 (2) 约束条件(constraint condition ):即对决策

变量n x x x ,,,21 所加的限制条件,通常用不等式或等式表示为: ()(),,,2,1, 0,,,,,2,1, 0,,,2121l j x x x h m i x x x g n j n i ===≥ (3) 目标函数(objective function )和目标:如使 利润达到最大或使面积达到最小,通常刻划为极大化(maximize )或极小化(minimize )一个实值函数()n x x x f ,,21 因此,最优化问题可理解为确定一组决策变量在满足约束条件下,寻求目标函数的最优。 注意到极大化目标函数()n x x x f ,,21相当于极小化 ()n x x x f ,,21-,因此,约束最优化问题的数学模型一般可 表示为: () ()()()?? ? ??===≥??l j x x x h m i x x x g t s x x x f n j n i n ,,2,1,0,,,1.1.1,,2,1,0,,,,,min 212121 若记()T n x x x x ,,21=,则(1.1.1)又可写成:

数学建模课程设计——优化问题

在手机普遍流行的今天,建设基站的问题分析对于运营商来说很有必要。本文针对现有的条件和题目的要求进行讨论。在建设此模型中,核心运用到了0-1整数规划模型,且运用lingo 软件求解。 对于问题一: 我们引入0-1变量,建立目标函数:覆盖人口最大数=所有被覆盖的社区人口之和,即max=15 1j j j p y =∑,根据题目要求建立约束条件,并用数学软件LINGO 对其模型求解,得到最优解。 对于问题二: 同样运用0-1整数规划模型,建立目标函数时,此处假设每个用户的正常资费相同,所以68%可以用减少人口来求最优值,故问题二的目标函数为:max=∑=15 1j j j k p 上述模型得到最优解结果如下: 关键字:基站; 0-1整数规划;lingo 软件

1 问题的重述.........................3 2 问题的分析.........................4 3 模型的假设与符号的说明...................5 3.1模型的假设...................... 5 3.2符号的说明...................... 5 4 模型的建立及求解...................... 5 4.1模型的建立...................... 5 4.2 模型的求解...................... 6 5 模型结果的分析.......................7 6 优化方向..........................7 7 参考文献..........................8 8、附录........................... 9

数学建模实验答案_简单的优化模型

实验03 简单的优化模型(2学时) (第3章简单的优化模型) 1. 生猪的出售时机p63~65 目标函数(生猪出售纯利润,元): Q(t) = ( 8 – g t )( 80 + rt ) – 4t–640 其中,t≥0为第几天出售,g为每天价格降低值(常数,元/公斤),r为每天生猪体重增加值(常数,公斤)。 求t使Q(t)最大。 1.1(求解)模型求解p63 (1) 图解法 绘制目标函数 Q(t) = ( 8 – g t )( 80 + rt ) – 4t–640 的图形(0 ≤t≤ 20)。其中,g=0.1, r=2。 从图形上可看出曲线Q(t)的最大值。 (2) 代数法 对目标函数 Q(t) = ( 8 – g t )( 80 + rt ) – 4t–640 用MATLAB求t使Q(t)最大。其中,r, g是待定参数。(先对Q(t)进行符号函数求导,对导函数进行符号代数方程求解) 然后将代入g=0.1, r=2,计算最大值时的t和Q(t)。 要求: ①编写程序绘制题(1)图形。

②编程求解题(2). ③对照教材p63相关内容。 相关的MATLAB函数见提示。 ★要求①的程序和运行结果:程序: 图形: ★要求②的程序和运行结果:程序:

运行结果: 1.2(编程)模型解的的敏感性分析p63~64 对1.1中(2)所求得的符号表达式t(r,g),分别对g和r进行敏感性分析。 (1) 取g=0.1,对t(r)在r=1.5:0.1:3上求r与t的关系数据,绘制r与t的关系图形(见教材p65)。 (2) 取r=2,对t(g)在g=0.06:0.01:0.15上求g与t的关系数据,绘制g与t 的关系图形(见教材p65)。 要求:分别编写(1)和(2)的程序,调试运行。 ★给出(1)的程序及运行结果: 程序:

数学建模一等奖-输油管布置的优化模型

输油管布置的优化模型 摘要 本文建立了输油管线布置的优化问题.为了使两家炼油厂到铁路线上增建的车站的管线铺设费用最省,依据题目提供的有关数据及相关信息,设计出了总费用最少的输油管布置方案以及增建车站的具体位置,最终在讨论分析后,对模型做出了评价和推广. 模型Ⅰ:对问题1,根据两炼油厂到铁路线距离和两炼油厂间的不同距离以及共用管线与非共用管线的两种不同情况,给出了四种处理方案,并从图形上加以说明. 模型Ⅱ:对问题2,建立了最优模型.在单目标非线性规划模型中,将输油管道铺设分为两个过程.先将输油管道从城区铺设到城郊区域边界线上一点,再从该点铺设到铁路线上.这样,总的费用就化为这两个过程的管道费用之和.本模型兼顾到管线的铺设费用,在城区铺设管线需增加的拆迁和工程补偿等附加费用,运用Lingo9.0数学软件得到新增车站的建设位置、管线的具体布置方案及管线费用最小值281.6893万元. 模型Ⅲ:根据炼油厂的实际能力,借助题目提供的输送A、B两厂原油的管线铺设费用,在模型Ⅱ的基础上建立最优模型,给出管线最佳布置方案及相应的最省管线铺设费用为250.9581万元. 关键词:输油管共用管线非共用管线 Lingo9.0 非线性规划

一、问题重述 某油田计划在铁路线一侧建造两家炼油厂,同时在铁路线上增建一个车站,用来运送成品油。由于这种模式具有一定的普遍性,油田设计院希望建立管线建设费用最省的一般数学模型和方法。 现欲解决下列问题: 问题1:针对炼油厂到铁路线距离和两炼油厂间距离的各种不同情形,提出设计方案。在方案设计时,若有共用管线,考虑共用管线与非共用管线相同或不同的情形。 问题2:设计院目前需对一更为复杂的情形(两炼油厂的具体位置)进行具体的设计。两炼油厂的具体位置如下图: 若所有管线的费用均为7.2万元/千米。铺设在城区的管线还需增加迁拆和工程补偿等附加费用,为对此附加费用进行估计,聘请三家工程咨询公司(其中一具有甲级资质,公司二和公司三具有乙级资质)进行了估算。估算结果如下表所示: 工程咨询公司公司一公司二公司三附加费用(万元/千米)212420 要求我们为设计院给出管线布置方案及相应的费用。 问题3:在实际问题中,为进一步节省费用,可以根据炼油厂的生产能力,选用相应的油管。这时的管线铺设费用将分别降为输送A厂成品油为5.6万元/千米,输送B厂成品油为6.0万元/千米,共用管线费用为7.2万元/千米,拆迁等附加费用同上。请给出管线最佳布置方案及相应的费用。

多目标最优化数学模型

第六章最优化数学模型 §1 最优化问题 1.1 最优化问题概念 1.2 最优化问题分类 1.3 最优化问题数学模型 §2 经典最优化方法 2.1 无约束条件极值 2.2 等式约束条件极值2.3 不等式约束条件极值 §3 线性规划 3.1 线性规划 3.2 整数规划 §4 最优化问题数值算法4.1 直接搜索法 4.2 梯度法 4.3 罚函数法 §5 多目标优化问题 5.1 多目标优化问题 5.2 单目标化解法 5.3 多重优化解法 5.4 目标关联函数解法5.5 投资收益风险问题

第六章 最优化问题数学模型 §1 最优化问题 1.1 最优化问题概念 (1)最优化问题 在工业、农业、交通运输、商业、国防、建筑、通信、政府机关等各部门各领域的实际工作中,我们经常会遇到求函数的极值或最大值最小值问题,这一类问题我们称之为最优化问题。而求解最优化问题的数学方法被称为最优化方法。它主要解决最优生产计划、最优分配、最佳设计、最优决策、最优管理等求函数最大值最小值问题。 最优化问题的目的有两个:①求出满足一定条件下,函数的极值或最大值最小值;②求出取得极值时变量的取值。 最优化问题所涉及的内容种类繁多,有的十分复杂,但是它们都有共同的关键因素:变量,约束条件和目标函数。 (2)变量 变量是指最优化问题中所涉及的与约束条件和目标函数有关的待确定的量。一般来说,它们都有一些限制条件(约束条件),与目标函数紧密关联。 设问题中涉及的变量为n x x x ,,,21 ;我们常常也用),,,(21n x x x X =表示。 (3)约束条件 在最优化问题中,求目标函数的极值时,变量必须满足的限制称为约束条件。 例如,许多实际问题变量要求必须非负,这是一种限制;在研究电路优化设计问题时,变量必须服从电路基本定律,这也是一种限制等等。在研究问题时,这些限制我们必须用数学表达式准确地描述它们。 用数学语言描述约束条件一般来说有两种: 等式约束条件 m i X g i ,,2,1,0)( == 不等式约束条件 r i X h i ,,2,1, 0)( =≥ 或 r i X h i ,,2,1, 0)( =≤ 注:在最优化问题研究中,由于解的存在性十分复杂,一般来说,我们不考虑不等式约束条件0)(>X h 或0)(

电梯系统优化问题的数学模型

电梯系统优化问题的数学 模型 Prepared on 22 November 2020

关于电梯系统优化问题的数学模型 摘要 在高层商务楼里,电梯承担着将人和货物运送到各个楼层的任务。在当今社会,工作生活节奏愈发加快,因而电梯系统的运行效率对人们的生活的影响不可忽视。目前的高层商务楼等大多数高层建筑中,一般都使用单井道单轿厢或者单井道双轿厢两种模式的电梯,本文就结合这两种模式,根据实际情况将问题分为两种情况考虑,重点讨论了将电梯运行效率最大化的方法,建立了相关模型,并给出了相应的优化参数。 本文将电梯系统的优化分为高峰期和非高峰期两种时期进行讨论。高峰期时通过对问题的分析,发现可以设置电梯区间以尽可能减少目标层较高的乘客占用目标层较低的乘客的电梯资源,根据这一思想,我们将其简化为排队问题来考虑,并据此建立了排队模型,通过实地统计数据以及C语言的编程,能够较好地解出模型,得到在高峰期时将一部分电梯区间的顶层设为第14层左右的优化方案。非高峰期时通过对这一时期特点的分析,以每台电梯在无乘梯需求时自动停留的楼层为着眼点,采用枚举的方法编程求解,得到在非高峰期将电梯均匀分布在楼层中的优化方案。最后,我们对模型参数进行了灵敏度的分析,发现虽然模型对数据的依赖性较强,但最优方案不随参数的波动而变化,所以这个结果还是可信的。 本文提出的方案直观易行,且几乎不需额外的经济投入,可行性很强,具有较好的参考价值。

一问题重述 在高层商务楼里,电梯承担着将人和货物运送到各个楼层的任务。目前的高层商务楼等大多数高层建筑中,主要使用单轿厢和双轿厢两种电梯运行系统。单轿厢电梯在向上运行时,只有满足了所有“上行请求”时才会开始满足“下行请求”,反之亦然;而对于双轿厢电梯,乘客在进入轿厢前就通过按钮面板选择了要停靠的楼层,系统迅速整合分析接收到的流量数据,并调度合适的轿箱来应接乘客。 现有一座商务楼,设计地上层数为28层,地下停车楼2层,每层的建筑面积为1500平方米,楼内有6个用于客梯的电梯井道。电梯按照商务楼建筑面积15至20平方米每人的标准来设计。第1层的楼层高为4.8米,其余层均为3.2米,设计电梯的平均运行速度1.6米/秒。我们的任务是: 1.建立一个合适的单轿箱客梯系统的运行方案,使尽可能地提高电梯系统的运行效率;

几个优化问题的数学建模

几个优化问题的数学建模 一、一个开放式基金投资问题

6、模型的评价 模型的主要优点是采用较为成熟的数学理论建立模型,利用数学软件计算,可信度比较高,便于推广。主要缺点是建立的模型是确定的而不是更符合实际情况的随机型模型。 二、结合人员分配的生产规划问题 1、问题 某公司要对四种产品(P1,P2,P3,P4)在五条生产线(L1到L5)上的生产进行规划。产品P1和P4的单位纯利润为7元,产品P2的单位纯利润为8元,产品P3的单位纯利润为9元。在规划期内这五条生产线各自可以进行生产的时间长度各不相同。L1到L5的最大可用生产时间分别为4500小时,5000小时,4500小时,1500小时和2500小时。表1列出了在每条生产线上生产每种产品一个单位所需要的时间。 (1)、假设生产是流水线作业,产品P1到P4各应生产多少才能使总利润最大? (2)、如果在生产过程中允许在生产线之间进行人员转移(从而使工时也相应转移),如表2所示,则最大利润是多少?应转移多少个工时,如何转移?

(3)、如果生产不是流水线作业,模型应如何修改? 表1 单位生产时间 表2 可以进行的人员转移 2、假设 (1)每条生产线可生产各种产品; (2)每个生产人员的工作效率相同,且熟练各条生产线的操作,可在各条生产线之间转移。 3、建模 3.1、问题(1) 设每种产品必须经过5条生产线才能生产出来,产品P i 的产量为x i ,单位纯利润为r i ,在生产线L j 上的单位生产时间为d ij 。生产线L j 的可用总工时数为c j ,则可得模型1: max 41 i =∑r i x i s.t. 41 i =∑ d ij x i ≤c j ,j=1,2,3,4,5 x i ≥0,i=1,2,3,4

数学建模_电梯控制优化调度模型

太原工业学院数学建模竞赛 承诺书 我们仔细阅读了太原工业学院数学建模竞赛的竞赛规则与赛场纪律。 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。 我们参赛的题目是(从A/B/C中选择一项填写):A [注]答卷评阅前由主办单位将论文第一页取下保存,同时在第一页和第二页建立“评阅 编号。 日期:2011 年5_月22 日

电梯调度方案问题 摘要 本文的目的是设计电梯控制的优化调度模型以解决师生等待时间长的问题。 前期准备阶段通过对教学主楼电梯的运行情况和学生使用电梯的情况进测量、调 查研究,得到建立模型的相关数据。通过对实际情况作合理假设,将问题归结为:(一)减少师生等待电梯、乘坐电梯以及爬行楼梯所需的时间; (二)使电梯的能量损耗尽可能小。综合以上两种因素建立出合理模型,制定出优化调度方案。 模型I对以上三项指标进行综合考虑,将等待电梯时间Ti 1,乘坐电梯时间Ti2,爬行楼梯时间T i 3按照一定比例量化,对目标函数T(C1, c 2,... c k)利用Visual C++面向对象程序设计语言进行枚举求解,穷尽各种情况,取得最优解。而模型U是对模型I的改进与完善,并将电梯能量损耗E k作为目标函数 s G,C2,llb k的一部分,求解出1号电梯在第8,10层停靠,2号电梯在第7, 9层停靠的结果。此结果基本上能够使师生的不满意度达到最小,同时保证电梯的能 耗相对较小。 我们认为,本文的模型假设简单但合乎情理,利用Visual C++面向对象程 序设计语言,对各种情况进行枚举,所得到的结果具有科学性。在模型讨论与分析阶段中,本文根据实际情况对电梯的优化调度方案进行理论剖析,并对极端情 况进行分解。从数据处理方面,本文给出了模型参数灵敏度分析,提高结果的可信度。如果要考虑更复杂的情况,该模型也可以对假设和其他各方面进行改进, 容易进行推广。因此这是一个比较理想的优化模型

相关文档
最新文档