运筹学之两个案例问题

铁路重载问题用QM解决如下：

(untitled)

Wt(d+) Prty(d+) Wt(d-) Prty(d-) X1 X2 X3 RHS Goal/Cnstrnt 1 0 0 1 1 1.6 0.74 0.37 = 82.2 Goal/Cnstrnt 2 1 2 0 0 15 12 10 = 1096 Goal/Cnstrnt 3 1 3 0 0 420 0 0 = 11000 Goal/Cnstrnt 4 1 4 0 0 4 2 1 = 200 Goal/Cnstrnt 5 1 5 0 0 0 345 168 = 16000

(untitled) Solution

Item

Decision variable analysis Value

X1 26.1905

X2 48.2397

X3 12.4267

Priority analysis Nonachievement

Priority 1 0

Priority 2 0

Priority 3 0

Priority 4 13.6679

Priority 5 2,730.37

Constraint Analysis RHS d+ (row i) d- (row i)

Goal/Cnstrnt 1 82.2 0 0

Goal/Cnstrnt 2 1,096.00 0 0

Goal/Cnstrnt 3 11,000.00 0 0

Goal/Cnstrnt 4 200 13.6679 0

Goal/Cnstrnt 5 16,000.00 2,730.37 0

用lingo解决铁路重载问题：

min=4*x11+9*x12+9*x13+8*x14+5*x21+9*x22+7*x23+4*x24;

x11+x12+x13+x14=600;

x21+x22+x23+x24=400;

x11+x21=200;

x12+x22=150;

x13+x23=350;

x14+x24=300;

No feasible solution found.

Infeasibilities: 0.1357143E-05

Total solver iterations: 7

Variable Value Reduced Cost

D52 0.000000 1.000000

X1 26.19048 0.000000

X2 48.23970 0.000000

X3 12.42665 0.000000

D11 0.000000 0.000000

D12 -0.1357143E-05 0.1000000E+10

D21 0.000000 0.000000

D22 0.000000 0.000000

D31 0.000000 285714.3

D32 0.000000 0.000000

D41 0.000000 0.3700000E+09

D42 13.66795 0.000000

D51 4876.609 0.000000

Row Slack or Surplus Dual Price

1 0.1357143E-05 -1.000000

2 0.000000 -0.1000000E+10

3 0.000000 0.000000

4 0.000000 285714.3

5 0.000000 0.3700000E+09

6 0.000000 0.000000

7 0.000000 0.1000000E+10

8 0.000000 0.000000

9 0.000000 285714.3

10 0.000000 0.3700000E+09

用QM解决运输问题：

W(d+) P(d+) W(d-) P(d-) X1 X2 X3 X4 X5 X6 X7 X8 X9 X10 X11 X12 RHS

G/C 1 0 0 0 0 1 1 1 1 0 0 0 0 0 0 0 0 <= 300 G/C 2 0 0 0 0 0 0 0 0 1 1 1 1 0 0 0 0 <= 200 G/C 3 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 <= 400 G/C 4 0 0 0 0 1 0 0 0 1 0 0 0 1 0 0 0 = 200 G/C 5 0 0 0 0 0 1 0 0 0 1 0 0 0 1 0 0 = 100 G/C 6 0 0 0 0 0 0 1 0 0 0 1 0 0 0 1 0 = 450 G/C 7 0 0 1 1 0 0 0 1 0 0 0 1 0 0 0 1 = 250 G/C 8 0 0 1 2 0 0 0 0 0 0 0 0 1 0 0 0 = 100 G/C 9 0 0 1 3 1 0 0 0 1 0 0 0 1 0 0 0 = 160 G/C 10 0 0 1 3 0 1 0 0 0 1 0 0 0 1 0 0 = 80 G/C 11 0 0 1 3 0 0 1 0 0 0 1 0 0 0 1 0 = 360 G/C 12 0 0 1 3 0 0 0 1 0 0 0 1 0 0 0 1 = 200

G/C 13 1 4 0 0 5 2 6 7 3 5 4 6 4 5 2 3 = 3245

G/C 14 1 5 0 0 0 0 0 0 0 0 0 1 0 0 0 0 = 0 G/C 15 1 6 1 6 1 0 -0.44 0 1 0 -0.44 0 1 0 -0.44 0 = 0 G/C 16 1 7 0 0 5 2 6 7 3 5 4 6 4 5 2 3 =2950

(untitled) Solution

Item

Decision variable analysis Value

X1 0

X2 100

X3 50

X4 150

X5 100

X6 0

X7 100

X8 0

X9 100

X10 0

X11 300

X12 0

Priority analysis Nonachievement

Priority 1 100

Priority 2 0

Priority 3 50

Priority 4 5

Priority 5 0

Priority 6 400

Priority 7 300

Constraint Analysis RHS d+ (row i) d- (row i) Goal/Cnstrnt 1 300 0 0 Goal/Cnstrnt 2 200 0 0 Goal/Cnstrnt 3 400 0 0 Goal/Cnstrnt 4 200 0 0 Goal/Cnstrnt 5 100 0 0 Goal/Cnstrnt 6 450 0 0 Goal/Cnstrnt 7 250 0 100 Goal/Cnstrnt 8 100 0 0 Goal/Cnstrnt 9 160 40 0 Goal/Cnstrnt 10 80 20 0 Goal/Cnstrnt 11 360 90 0 Goal/Cnstrnt 12 200 0 50 Goal/Cnstrnt 13 3,245.00 5 0 Goal/Cnstrnt 14 0 0 0

Goal/Cnstrnt 15 0 400 0 Goal/Cnstrnt 16 2,950.00 300 0

Min=3250；

用lingo解决运输问题：

min=d132;

x11+x12+x13+x14<=300;

x21+x22+x23+x24<=200;

x31+x32+x33+x34<=400;

x11+x21+x31+d11-d12=200;

x12+x22+x32+d21-d22=100;

x13+x23+x33+d31-d32=450;

x14+x24+x34+d41-d42=250;

x31+d51-d52=100;

x11+x21+x31+d61-d62=200*0.8;

x12+x22+x32+d71-d72=100*0.8;

x13+x23+x33+d81-d82=450*0.8;

x14+x24+x34+d91-d92=250*0.8;

5*x11+2*x12+6*x13+7*x14+3*x21+5*x22+4*x23+6*x24+4*x31+5*x32+2*x33+3*x 34+d101-d102=2950*(1+0.1);

x24+d111-d112=0;

(x11+x21+x31)-200/450*(x13+x23+x33)+d121-d122=0;

5*x11+2*x12+6*x13+7*x14+3*x21+5*x22+4*x23+6*x24+4*x31+5*x32+2*x33+3*x 34+d131-d132=2950;

d41=0;

d51=0;

d61+d71+d81+d91=0;

d102=0;

d112=0;

d121+d122=0;

Global optimal solution found.

Objective value: 220.0000

Infeasibilities: 0.000000

Total solver iterations: 11

Variable Value Reduced Cost

D132 220.0000 0.000000

X11 0.000000 0.000000

X12 80.00000 0.000000

X13 0.000000 0.000000

X14 170.0000 0.000000

X21 60.00000 0.000000 X22 0.000000 5.000000 X23 140.0000 0.000000 X24 0.000000 1.000000 X31 100.0000 0.000000 X32 0.000000 7.000000 X33 220.0000 0.000000 X34 80.00000 0.000000 D11 40.00000 0.000000 D12 0.000000 0.000000 D21 20.00000 0.000000 D22 0.000000 0.000000 D31 90.00000 0.000000 D32 0.000000 0.000000 D41 0.000000 0.000000 D42 0.000000 7.000000 D51 0.000000 0.000000 D52 0.000000 3.000000 D61 0.000000 1.000000 D62 0.000000 5.000000 D71 0.000000 4.000000 D72 0.000000 2.000000 D81 0.000000 0.000000 D82 0.000000 6.000000 D91 0.000000 6.000000 D92 50.00000 0.000000 D101 75.00000 0.000000 D102 0.000000 0.000000 D111 0.000000 0.000000 D112 0.000000 0.000000 D121 0.000000 0.000000 D122 0.000000 0.000000 D131 0.000000 1.000000

Row Slack or Surplus Dual Price

1 220.0000 -1.000000

2 50.00000 0.000000

3 0.000000 2.000000

4 0.000000 4.000000

5 0.000000 0.000000

6 0.000000 0.000000

7 0.000000 0.000000

8 0.000000 -7.000000

9 0.000000 -3.000000

10 0.000000 -5.000000

11 0.000000 -2.000000

12 0.000000 -6.000000

13 0.000000 0.000000

14 0.000000 0.000000

15 0.000000 0.000000

16 0.000000 0.000000

17 0.000000 1.000000

18 0.000000 7.000000

19 0.000000 3.000000

20 0.000000 6.000000

21 0.000000 0.000000

22 0.000000 0.000000

23 0.000000 0.000000 Min=3170;

运筹学案例分析

皮革厂租用厂库安排 刘梦瑶 12211222 一、研究目的及问题表述 （一）研究目的：在生活中，厂商通常面临货物存储问题，有时便需要租借仓库进行货物存储，而租金也会随着租借时间的长短而有所改变。这时我们就可以运用运筹学算出最优的租借方案，使租金最小，减少存储成本。 （二）1、问题表述：广东黄埔区的某皮革代理商需要寻租可存储采购到的皮革的仓库，并在广州58同城网上找到了位于黄埔区中心地带的具有6000平方米的高标准仓库。出租商原定价1.2元/平方米/天，后经协商，双方同意如下：租期为两个月可打九折，3个月打八折，4个月打七折，5个月打6.5折。 2、皮革代理商根据经验预测租赁期间所需仓库大小，其预测结果如下： 第一个月2000平方米；第二个月3000平方米 第三个月2500平方米；第四个月3500平方米 第五个月1600平方米 将租赁合同设为每月初办理，每月签订合同份数不限，每份所选租期不限。 求租金最小。 3、将各方条件汇表如下 （三）数据来源：在58同城网上找到相关的仓库租赁信息，其中发现位于黄埔区中心地带，107国道旁有高标准仓库招租，并标明其有6000平方米的仓库可供出租，1.2元/平方米/天。经过在网上联系该出租商，了解到其出租价格为按天数算的短期出租，若存储时间长，可另外折扣。于是我便假定租期为两个月可打九折，3个月打八折，4个月打七折，5个月打6.5折。而由于能力有限，尚未查出有公司或厂商具体需要租借仓库并有具体租借时长与租借大小的数据资料，于是按照课本题目例子，假定了如上的皮革代理商与其的租借要求。 二、方法选择及结果分析 （一）方法选择：该问题的目标能为求租金最小，可用线性函数描述该目标的要求，且有多个方案可选。达到目标具有一定的约束条件，且这些条件可用

最优化实验报告

最优化方法 课程设计报告班级：________________ 姓名： ______ 学号： __________ 成绩： 2017年 5月 21 日

目录 一、摘要 (1) 二、单纯形算法 (2) 1.1 单纯形算法的基本思路 (2) 1.2 算法流程图 (3) 1.3 用matlab编写源程序 (4) 二、黄金分割法 (7) 2.1 黄金分割法的基本思路 (7) 2.2 算法流程图 (8) 2.3 用matlab编写源程序 (9) 2.4 黄金分割法应用举例 (11) 三、最速下降法 (11) 3.1 最速下降法的基本思路 (11) 3.2 算法流程图 (13) 3.3 用matlab编写源程序 (13) 3.4 最速下降法应用举例 (13) 四、惩罚函数法 (17) 4.1 惩罚函数法的基本思路 (17) 4.2 算法流程图 (18) 4.3 用matlab编写源程序 (18) 4.4 惩罚函数法应用举例 (19) 五、自我总结 (20) 六、参考文献 (20)

一、摘要 运筹学是一门以人机系统的组织、管理为对象，应用数学和计算机等工具来研究各类有限资源的合理规划使用并提供优化决策方案的科学。通过对数据的调查、收集和统计分析，以及具体模型的建立。收集和统计上述拟定之模型所需要的各种基础数据，并最终将数据整理形成分析和解决问题的具体模型。 最优化理论和方法日益受到重视，已经渗透到生产、管理、商业、军事、决策等各个领域，而最优化模型与方法广泛应用于工业、农业、交通运输、商业、国防、建筑、通信、政府机关等各个部门及各个领域。伴随着计算机技术的高速发展，最优化理论与方法的迅速进步为解决实际最优化问题的软件也在飞速发展。其中，MATLAB软件已经成为最优化领域应用最广的软件之一。有了MATLAB 这个强大的计算平台，既可以利用MATLAB优化工具箱（OptimizationToolbox）中的函数，又可以通过算法变成实现相应的最优化计算。 关键词：优化、线性规划、黄金分割法、最速下降法、惩罚函数法

补充：运筹学经典案例

运筹学经典案例 一、鲍德西（B a w d s e y）雷达站的研究 20世纪30年代，德国内部民族沙文主义及纳粹主义日渐抬头。以希特勒为首的纳粹势力夺取了政权开始为以战争扩充版图，以武力称霸世界的构想作战争准备。欧洲上空战云密布。英国海军大臣丘吉尔反对主政者的“绥靖”政策，认为英德之战不可避免，而且已日益临近。他在自己的权力范围内作着迎战德国的准备，其中最重要、最有成效之一者是英国本土防空准备。1935年，英国科学家沃森—瓦特：（R．Watson-Wart）发明了雷达。丘吉尔敏锐地认识到它的重要意义，并下令在英国东海岸的Bawdsey建立了一个秘密的雷达站。当时，德国已拥有一支强大的空军，起飞17分钟即可到达英国。在如此短的时间内，如何预警及做好拦截，甚至在本土之外或海上拦截德机，就成为一大难题。雷达技术帮助了英国，即使在当时的演习中已经可以探测到160公里之外的飞机，但空防中仍有许多漏洞，1939年，由曼彻斯特大学物理学家、英国战斗机司令部科学顾问、战后获诺贝尔奖金的P.M.S.Blachett为首，组织了一个小组，代号为“Blachett马戏团”，专门就改进空防系统进行研究。 这个小组包括三名心理学家、两名数学家、两名应用数学家、一名天文物理学家、一名普通物理学家、一名海军军官、一名陆军军官及一名测量人员。研究的问题是：设计将雷达信息传送给指挥系统及武器系统的最佳方式；雷达与防空武器的最佳配置；对探测、信息传递、作战指挥、战斗机与防空火力的协调，作了系统的研究，并获得了成功，从而大大提高了英国本土防空能力，在以后不久对抗德国对英伦三岛的狂轰滥炸中，发挥了极大的作用。二战史专家评论说，如果没有这项技术及研究，英国就不可能赢得这场战争，甚至在一开始就被击败。 “Blackett马戏团”是世界上第一个运筹学小组。在他们就此项研究所写的秘密报告中，使用了“Operational Research”一词，意指作战研究”或“运用研究”。就是我们所说的运筹学。Bawdseg雷达站的研究是运筹学的发祥与典范。项目的巨大实际价值、明确的目标、整体化的思想、数量化的分析、多学科的协同、最优化的结果，以及简明朴素的表述，都展示了运筹学的本色与特色，使人难以忘怀。

运筹学II第3单元案例分析报告使用案例

《运筹学》案例配矿戕J编制 一、问题的提出 某大型冶金矿山公司共有14个出矿点，年产量及各矿点矿石的平均品位（含铁量的百分比）均为已知（见表1）。 表1 矿点出矿石量及矿石平均品位表 按照冶金生产，具体说这里指炼铁生产的要求，在矿石采岀后，需按要求指立的品位值丁尺进行不同品位矿石的混合配料，然后进入烧结工序，最后，将小球状的烧结球团矿送入高炉进行髙温冶炼，生产出生铁。 该企业要求：将这14个矿点的矿石进行混合配矿。依据现有生产设备及生产工艺的要求，混合矿石的平均品位T Fe规定为45%0 问：如何配矿才能获得最佳的效益？ 二、分析与建立模型 负责此项目研究的运筹学工作者，很快判左此项目属于运筹学中最成熟的分支之一一线性规划的范畴。而且是一个小规模问题。 1?设计变量:记Xj （j=l, 2, *, 14）分别表示出矿点1~14所产矿石中参与配矿的数量（单位: 万吨）。 2.约束条件：包括三部分： （1）供给（资源）约朿：由表1,有X：￡70 ,決 W 7 ,…，X lt W 7.2 （2）品位约朿： 0. 3716X t+0. 5125E+…+0. 5020X^=0. 4500￡Xj （3）非负约朿： Xj>0 j二1, 2,…，14 3.目标函数： 此项目所要求的“效益最佳”。作为决策准则有一上的模糊性。由于配矿后混合矿石将作为后而工序的原料而产生利润，故在初始阶段，可将目标函数选作配矿总量，并追求其极大化。

于是，可得出基本（LP）模型如下: (LP) Max 厂Z二 s. t. OW X： W70 0￡ X= W 7 OW X lt W 7. 2 < 0. 3716V0. 5125X=+...+0. 5020^,=0. 4500￡Xj 三、计算结果及分析 （-）计算结果使用单纯形算法，极易求出此模型的最优解： X?二（X\, X；,…，X\,）T,它们是： X： =31.121 X；二 7 r3=i7 X； =23 X\= 3 X\ 二 9? 5 X；二 1 X；二 15.4 = 2. 7 X\o= 7. 6 X\F13. 5 2. 7 X；5=l. 2 X\i= 7. 2 （单位：万 吨） 目标函数的最优值为：Z= EX： =141.921 （万吨） （二）分析与讨论 按照运筹学教材中所讲述的方法及过程，此项目到此似乎应该结朿了。但是，这是企业管理中的一个真实的问题。因此，对这个优化计算结果需要得到多方而的检验。 这个结果是否能立即为公司所接受呢？回答是否左的！ 注意！任最优解X?中，除第1个矿点有富余外，其余13个矿点的出矿量全部参与了配矿。而矿点1在配矿后尚有富余量:70-31.121=38. 879 （万吨）,但矿点1的矿石平均品位仅为37.16%,属贫矿。 作为该公司的负责人或决策层绝难接受这个事实：花费大量的人力、物力、财力后，在矿点1 生产的贫矿中却有近39万吨被闲置，而且在大量积压的同时，会产生环境的破坏，也是难以容忍的。 原因何在？出路何在？ 经过分析后可知：在矿石品位及出矿量都不可变更的情况下，只能把注意力集中在混合矿的品位要求T“上。不难看出，降低的心值。可以使更多的低品位矿石参与配矿。 Tre有可能降低吗？在因的降低而使更多贫矿石入选的同时，会产生什么样的影响？必须加以考虑。 就线性规划模型建立、求解等方而来说，降低T"及其相关影响已不属于运筹学的范用，它已涉及该公司的技术与管理。但是，从事此项目研究的运筹学工作者却打破了这个界限，深入到现场操作人员、工程技术人员及管理人员中去，请教、学习、调查，然后按照T”的三个新值：44%. 43%、42%,重新计算（三）变动参数值及再计算 将参数Tre的三个变动值0.44、0.43、0.42分别代入基本模型（LP）,重新计算，相应的最优 解分别记作X* （0.44〉、X* （0.43）及X* （0. 42）。下表给出详细的数据比较: 表2 不同T H?值的配矿数据

运筹学实验报告

运 筹 学 实 验 报 告 学院：经济管理学院 专业班级：工商11-2班 姓名：石慧婕 学号：311110010207

实验一线性规划 一实验目的 学习WinQSB软件的基本操作，利用Linear Programming功能求解线性规划问题。掌握线性规划的基本理论与求解方法，重点在于单纯形法的应用以及灵敏度分析方法。 二、实验内容 安装WinQSB软件，了解WinQSB软件在Windows环境下的文件管理操作，熟悉软件界面内容，掌握操作命令。利用Linear Programming功能建立线性模型，输入模型，求解模型，并对求解结果进行简单分析。 三实验步骤 1．将WinQSB文件复制到本地硬盘；在WinQSB文件夹中双击setup.exe。 2．指定安装WinQSB软件的目标目录（默认为C:\ WinQSB）。 3．安装过程需要输入用户名和单位名称（任意输入），安装完毕之后，WinQSB菜单自动生成在系统程序中。 4．熟悉WinQSB软件子菜单内容及其功能，掌握操作命令。 5．求解线性规划问题。启动程序开始→程序→WinQSB→Linear and Integer Programming。 某工厂要用三种原材料C、P、H混合调配出三种不同规格的产品A、B、D。已知产品的规格要求，产品单价，每天能供应的原材料数量及原材料单价分别见下表1和2。该厂应如何安排生产，使利润收入为最大？ 表1 产品名称规格要求单价（元/kg） A 原材料C不少于50% 原材料P不超过25% 50 B 原材料C不少于25% 原材料P不超过50% 35 D 不限25 表2 原材料名称每天最多供应量（kg）单价（元/kg）

《管理运筹学》案例分析报告模版

秋季流行服饰与衣料的准备（五人） 目从办公室的十层大楼里，凯瑟琳·拉里俯视着下面忙忙碌碌的人流，在充塞着黄色出租车的街道以及乱放着一些买热狗的摊位的人行道上，成群的纽约人来来往往，好不热闹。在这闷热的暑天里，她注视着各类女性的穿衣时尚，心里想的却是这些人在秋季将会选择怎样的款式。这并非是她的一时的灵感，而是她工作的重要的一部分因为她拥有并经营着一家妇女精品时装公司――时尚隧道（TrendLines）公司。 今天对她来说是很重要的，因为她将与生产部经理泰德·罗森碰面，一起商讨下一个月秋季生产线的生产计划，特别是在一定的生产能力的基础上确定要各种服装的生产量。制定下个月的周密的生产计划对于秋季的销售是至关重要的，因为这些产品在9 月份将会上市，而妇女们通常在服装一上市时就会购买大部分的秋天的服饰。 凯瑟琳回转身，走到宽大的玻璃台旁去看铺上面的大量的资料及设计图。她扫视着6个月以前就设计出来的服装图样，各种样式所需要的材料，以及在时装展上通过消费者调研取得的各种样式的需求预测。现在，她还记得当时是如何设汁图样并将样品在纽约，米兰和巴黎的服装展上展出，那些天可真是既兴奋而又痛苦。最后，她付给六个设计者的总酬金为$860,000。除此外，每次时装展的费用为$2,700,000，包括雇用职业模特、发型师、化妆师，以及衣服的裁制与缝纫、展台背景的设计、模特的走步与排练、会场的租用。 她研究着衣服的样式和所需的材料。秋季的服装包括职业装和休闲装，而每种服装的价格是由衣服的质量、材料的成本、人工成本、机器成本，以及对该产品的需求与品牌的知名度等因素来确定的。

她知道已经为下个月采购了下面的这些材料：羊毛45,000码、开司米28,000码、丝绸18,000码、人造纤维30,000码、天鹅绒20,000码、棉布30,000码。各种材料的价格如下图所示： 多余的材料（不包括下脚料）可以运回给衣料供应商，并得到全额的偿还。 凯瑟琳知道生产丝绸上衣和棉汗衫会产生相当的多余边料。每件丝绸上衣和每件棉汗衫分别需要2 码的丝绸和棉布，而其中分别有0.5 码的边料。她不希望浪费这些衣料，因此打算利用矩形的丝绸和棉布的边料来生产丝绸女背心和棉的迷你裙。这样，每生产一件丝绸上衣就可以生产一件丝绸女背心。同样，每生产一件棉汗衫就可以生产一件迷你裙。要注意的是，生产背心和迷你裙并不一定需要首先生产相应数量的丝绸上衣和棉汗衫。 需求的预测表明其中一些产品的需有限的。天鹅绒的裤子和衬衫因为是一时的流行，预测分别只能销售5,500 和6,000件。公司不会生产超过预计需求的产品数量，因为，一旦该式样不再流行，就很难再卖出去。并且，因为公司并不需要满足所有的需求，所以，公司可以生产少于需求数量的产品。开司米汗衫因为价格较高，预计也只能销出4,000。丝绸上衣和背心的需求也是有限的，因为很多女性认为丝绸较难护理。公司预计大约可销出12,000的丝绸上衣和15,000丝绸背心。 预测表明羊毛裤，剪裁考究的衬衫，羊毛夹克的需很大的，因为这些是职业行头的必需品。羊毛裤和羊毛夹克的需求分别为7,000和5,000。凯瑟琳认为必须满足该部分60%的需求，以保持客户的品牌忠诚度，为以后的业务考虑。尽管剪裁考究的衬衫的需无法预测的，凯瑟琳认为必须至少生产2 , 800件。 a ．泰德打算说服凯瑟琳不生产天鹅绒衬衫，因为，这种流行服装的需很少的。而它的固定设计费用和其他成本高达$ 500,000，销售该样式的净贡献（售价－材料成本－人工成本）必须能够抵消总成本，他认为，即便是满足了最大的需求，该产品也不能产生一点的利润。你认为泰德的观点如何？ 解：净贡献=6000×（200－1.5×12－160）=132000<500000 由上式得，泰德的观点正确的，因为根据软件求解的结果，最优生产计划中X10的最优解为0，因此最好不要生产天鹅绒衬衫。

运筹学实验报告1

运筹学实验报告(一) 实验要求：学会在Excel 软件中求解。 实验目的：通过小型线性规划模型的计算机求解方法。 熟练掌握并理解所学方法。 实验内容： 题目： 某昼夜服务的公交线路每天各时间区段内所需司机和乘务人员数如下； 设司机和乘务人员分别在各时间区段一开始上班，并连续工作八小时，问该公交线 路至少配备多少名司机和乘 务人员。列出这个问题的线 性规划模型。 解：设Xj 表示在第j 时间区段开始上班的司机和乘务人员数 班次 时间 所需人数 1 6:00-10:00 60 2 10:00-14:00 70 3 14:00-18:00 60 4 18:00-22:00 50 5 22:00-2:00 20 6 2:00-6:00 30

。 6-10 10-14 14-18 18-22 22-2 2-6 1 X1--- X1 2 X2--- X2 3 X3--- X3 4 X4--- X4 5 X5--- X5 6 X6 X6--- 60 70 60 50 20 30 所需人 数 Min z=x1+x2+x3+x4+x5+x6 St: x1+x6>=60 X1+x2>=70 X2+x3>=60 X3+x4>=50 X4+x5>=20 X5+x6>=30 Xj>=0,xj为整数， j=1,2,3,4,5,6

过程： 工作表[Book1]Sheet1 报告的建立: 2011-9-28 19:45:01 目标单元格(最小值) 单元格名字初值终值 $B$1 min 0 150 可变单元格 单元格名字初值终值 $B$3 x 0 45 $C$3 x 0 25 $D$3 x 0 35 $E$3 x 0 15 $F$3 x 0 15 $G$3 x 0 15 结果：最优解X=(45,25,35,15,15,15)T 目标函数值z=150 小结：1.计算机计算给规划问题的解答带来方便，让解答变得简洁；

《管理运筹学》案例分析报告

秋季流行服饰与衣料的准备(五人） 目从办公室的十层大楼里，凯瑟琳·拉里俯视着下面忙忙碌碌的人流，在充塞着黄色出租车的街道以及乱放着一些买热狗的摊位的人行道上，成群的纽约人来来往往,好不热闹。在这闷热的暑天里,她注视着各类女性的穿衣时尚，心里想的却是这些人在秋季将会选择怎样的款式。这并非是她的一时的灵感,而是她工作的重要的一部分因为她拥有并经营着一家妇女精品时装公司――时尚隧道（ＴreｎdLｉｎes）公司。 今天对她来说是很重要的，因为她将与生产部经理泰德·罗森碰面，一起商讨下一个月秋季生产线的生产计划,特别是在一定的生产能力的基础上确定要各种服装的生产量。制定下个月的周密的生产计划对于秋季的销售是至关重要的，因为这些产品在9 月份将会上市，而妇女们通常在服装一上市时就会购买大部分的秋天的服饰。 凯瑟琳回转身，走到宽大的玻璃台旁去看铺上面的大量的资料及设计图。她扫视着6个月以前就设计出来的服装图样，各种样式所需要的材料,以及在时装展上通过消费者调研取得的各种样式的需求预测。现在，她还记得当时是如何设汁图样并将样品在纽约，米兰和巴黎的服装展上展出,那些天可真是既兴奋而又痛苦。最后,她付给六个设计者的总酬金为$860,0０0。除此外，每次时装展的费用为$2，7０0，０00，包括雇用职业模特、发型师、化妆师,以及衣服的裁制与缝纫、展台背景的设计、模特的走步与排练、会场的租用。 她研究着衣服的样式和所需的材料。秋季的服装包括职业装和休闲装,而每种服装的价格是由衣服的质量、材料的成本、人工成本、机器成本,以及对该产品的需求与品牌的知名度等因素来确定的。

她知道已经为下个月采购了下面的这些材料：羊毛45，00０码、开司米28,000码、丝绸18,000码、人造纤维３0，000码、天鹅绒20，000码、棉布３0,０00码。各种材料的价格如下图所示: 多余的材料(不包括下脚料)可以运回给衣料供应商，并得到全额的偿还。 凯瑟琳知道生产丝绸上衣和棉汗衫会产生相当的多余边料。每件丝绸上衣和每件棉汗衫分别需要２码的丝绸和棉布，而其中分别有0.5码的边料。她不希望浪费这些衣料，因此打算利用矩形的丝绸和棉布的边料来生产丝绸女背心和棉的迷你裙。这样,每生产一件丝绸上衣就可以生产一件丝绸女背心。同样,每生产一件棉汗衫就可以生产一件迷你裙。要注意的是，生产背心和迷你裙并不一定需要首先生产相应数量的丝绸上衣和棉汗衫。 需求的预测表明其中一些产品的需求是有限的。天鹅绒的裤子和衬衫因为是一时的流行,预测分别只能销售５,500 和6,0０0件。公司不会生产超过预计需求的产品数量, 因为，一旦该式样不再流行，就很难再卖出去。并且,因为公司并不需要满足所有的需求，所以，公司可以生产少于需求数量的产品。开司米汗衫因为价格较高,预计也只能销出4，000。丝绸上衣和背心的需求也是有限的，因为很多女性认为丝绸较难护理。公司预计大约可销出12,００0的丝绸上衣和１５,000丝绸背心。 预测表明羊毛裤，剪裁考究的衬衫,羊毛夹克的需求是很大的,因为这些是职业行头的必需品。羊毛裤和羊毛夹克的需求分别为７,000和５,000。凯瑟琳认为必须满足该部分60%的需求,以保持客户的品牌忠诚度,为以后的业务考虑。尽管剪裁考究的衬衫的需求是无法预测的,凯瑟琳认为必须至少生产2 , 800件。 a .泰德打算说服凯瑟琳不生产天鹅绒衬衫,因为,这种流行服装的需求是很少的。而它的固定设计费用和其他成本高达$500，０00，销售该样式的净贡献（售价-材料成本-人工成本)必须能够抵消总成本，他认为,即便是满足了最大的需求，该产品也不能产生一点的利润。你认为泰德的观点如何？ 解：净贡献=6０00×（2０0-1．5×1２－160）＝１320００<50０0０0 由上式得,泰德的观点正确的，因为根据软件求解的结果，最优生产计划中X１0的最优解为0,因此最好不要生产天鹅绒衬衫。

运筹学案例分析题

案例四监理公司人员配置问题 某监理公司侧重于国家大中型项目的监理。每项工程安排多少监理工程师进驻工地，一般是根据工程的投资、建筑规模、使用功能、施工的形象进度、施工阶段来决定，监理工程师的配置数量随着变化。由于监理工程师从事的专业不同，他们每人承担的工作量也是不等的。有的专业一个工地就需要三人以上，而有的专业一人则可以兼管三个以上的工地。因为从事监理业的专业多达几十个，仅以高层民用建筑为例就涉及到建筑学专业、工民建（结构）专业、给水排水专业、采暖通风专业、强电专业、弱电专业、自动控制专业、技术经济专业、总图专业、合同和信息管理专业等，这就需要我们合理配置这些人力资源。为了方便计算，我们把所涉及的专业技术人员按总平均人数来计算，工程的施工形象进度按标准施工期和高峰施工期来划分。通常标准施工期需求的人数教容易确定。但高峰施工期就比较难确定了，原因有两点： （1）高峰施工期各工地不是同时来到，是可以事先预测的，在同一个城市里相距不远的工地，就存在着各工地的监理工程师如何交错使用的运筹问题。 （2）各工地总监在高峰施工期到来的时候要向公司要人，如果每个工地都按高峰施工期配置监理工程师的数量，将造成极大的人力资源浪费。 因此，为了达到高峰施工期监理工程师配置数量最优，人员合理地交错使用，遏制人为因素，根据历年来的经验对高峰施工期的监理工程师数量在合理交错发挥作用的前提下限定了范围。另经统计测得，全年平均标准施工期占7个月，人均年成本4万元；高峰施工期占5个月，人均年成本7万元。 标准施工期所需监理工程师如表1所示。 表1 另外在高峰施工期各工地所需监理工程师的数量要求如下： 第1和第2工地的总人数不少于14人； 第2和第3工地的总人数不少于13人； 第3和第4工地的总人数不少于11人； 第4和第5工地的总人数不少于10人； 第5和第6工地的总人数不少于9人； 第6和第7工地的总人数不少于7人； 第7和第1工地的总人数不少于14人。 问题： （1）高峰施工期公司最好配置多少个监理工程师 （2）监理工程师年耗费的总成本是多少

运筹学线性规划实验报告

《管理运筹学》实验报告实验日期： 2016年 04月 21日—— 2016 年 05 月 18 日

3.在点击“新建”按钮以后，按软件的要求输入目标函数个数和约束条件个数，输入目标函数级约束条件的歌变量的系数和b值，并选择好“≤”、“≥”或“＝”，如图二所示，最后点击解决

4.注意事项： （1）输入的系数可以是整数、小数，但不能是分数，要把分数化为小数再输入。（2）输入前要合并同类项。 当约束条件输入完毕后，请点击“解决”按钮，屏幕上讲显现线性规划问题的结果，如图所示

5.输出结果如下

5.课后习题： 一、P31习题1 某家具公司生产甲、乙两种型号的组合柜，每种组合柜需要两种工艺（制白坯和油漆）.甲型号组合柜需要制白坯6工时，油漆8工时：乙型号组合柜需要制白坯12工时，油漆4工时.已知制白坯工艺的生产能力为120工时/天，油漆工艺的生产能力为64工时/天，甲型号组合柜单位利润200元，乙型号组合柜单位利润为240元. 约束条件： 问题： （1）甲、乙两种柜的日产量是多少？这时最大利润是多少？ 答：由实验过程中的输出结果得甲组合柜的日产量是4个，乙的事8个。 . 0,0,6448,120126;240200 z max ≥≥≤+≤++=y x y x y x y x

（2）图中的对偶价格13.333的含义是什么？ 答： 对偶价格13.333的含义是约束条件2中，每增加一个工时的油漆工作，利润会增加13.33元。 （3）对图中的常数项围的上、下限的含义给予具体说明，并阐述如何使用这些信息。 答：当约束条件1的常数项在48~192围变化，且其他约束条件不变时，约束条件1的对偶价格不变，仍为15.56；当约束条件2的常数项在40~180围变化，而其他约束条件的常数项不变时，约束条件2的对偶价格不然，仍为13.333。 （4）若甲组合柜的利润变为300，最优解不变？为什么？ 答：目标函数的最优值会变，因为甲组合柜的利润增加，所以总利润和对偶价格增加；甲、乙的工艺耗时不变，所以甲、乙的生产安排不变。 二、学号题 约束条件： 无约束条件 （学号）学号43214321432143214321 0 0,30 9991285376)(53432max x x x x x x x x x x x x x x x x x x x x z ≤≥≤-+-+≥-+-+=-++-+++=??????????????-≥?-?-?-?-?-7606165060~5154050~414 )30(40~313)20(30~21210 20~11 10~1）（学号）（学号）（学号学号学号）（学号不变学号规则

管理运筹学lindo案例分析报告

管理运筹学lindo案例分析 ⑻Lindo的数据分析及习题 用该命令产生当前模型的灵敏性分析报告：研究当目标函数的费用系数和约束右端项在什么围（此时假定其它系数不变）时，最优基保持不变。灵敏性分析是在求解模型时作出的，因此在求解模型时灵敏性分析是激活状态，但是默认是不激活的。为了激活灵敏性分析，运行LINGO|Options…，选择General Solver Tab , 在Dual Computations 列表框中，选择Prices and Ranges 选项。灵敏性分析耗费相当多的求解时间，因此当速度很关键时，就没有必要激活它。 下面我们看一个简单的具体例子。 例5.1某家具公司制造书桌、餐桌和椅子，所用的资源有三种：木料、木工和漆工。生产数据如下表所示： 用DESKS TABLES和CHAIRS分别表示三种产品的生产量，建立LP模型。 max=60*desks+30*tables+20*chairs; 8*desks+6*tables+chairs<=48; 4*desks+2*tables+1.5*chairs<=20; 2*desks+1.5*tables+.5*chairs<=8; tables<=5; 求解这个模型，并激活灵敏性分析。这时，查看报告窗口（Reports Window）,可以看到如下结果。Global optimal solution found at iteration:3 Objective value:280.0000 Variable Value Reduced Cost DESKS 2.0000000.000000 TABLES0.000000 5.000000 CHAIRS8.0000000.000000 Row Slack or Surplus Dual Price 1280.0000 1.000000 224.000000.000000 30.00000010.00000 40.00000010.00000 5 5.0000000.000000 “ Global optimal solution found at iteration: 3 ”表示 3 次迭代后得到全局最优解。 a Objective value:280.0000 ”表示最优目标值为280。“Value”给出最优解中各变量的值：造2个书桌（desks）, 0 个餐桌（tables ）, 8 个椅子（chairs ）。所以desks、chairs 是基变量（非0）, tables 是非基变量（0 ）。 “ Slack or Surplus ”给出松驰变量的值： 第1行松驰变量=280 （模型第一行表示目标函数，所以第二行对应第一个约束） 第2行松驰变量=24 第3行松驰变量=0 第4行松驰变量=0 第5行松驰变量=5 “ Reduced Cost ”列出最优单纯形表中判别数所在行的变量的系数，表示当变量有微小变动时，目 标函数的变化率。其中基变量的reduced cost 值应为0, 对于非基变量X j,相应的reduced cost 值 表示当某个变量X j 增加一个单位时目标函数减少的量（ max 型问题）。本例中：变量tables 对应的

运筹学指派问题的匈牙利法实验报告

运筹学 课 程 设 计 报 告 专业： 班级： 学号： ： 2012年6月20日

目录 一、题目。 二、算法思想。 三、算法步骤。 四、算法源程序。 五、算例和结果。 六、结论与总结。

一、题目：匈牙利法求解指派问题。 二、算法思想。 匈牙利解法的指派问题最优解的以下性质： 设指派问题的系数矩阵为C=()c ij n n?，若将C的一行（或列）各元素分别减去一个常数k（如该行或列的最小元素），则得到一个新的矩阵C’=()'c ij n n?。那么，以C’位系数矩阵的指派问题和以C位系数矩阵的原指派问题有相同最优解。 由于系数矩阵的这种变化不影响约束方程组，只是使目标函数值减少了常 数k，所以，最优解并不改变。必须指出，虽然不比要求指派问题系数矩阵中无 负元素，但在匈牙利法求解指派问题时，为了从以变换后的系数矩阵中判别能否 得到最优指派方案，要求此时的系数矩阵中无负元素。因为只有这样，才能从总 费用为零这一特征判定此时的指派方案为最优指派方案。 三、算法步骤。 （1）变换系数矩阵，使各行和各列皆出现零元素。 各行及各列分别减去本行及本列最小元素，这样可保证每行及每列中都有 零元素，同时，也避免了出现负元素。 （2）做能覆盖所有零元素的最少数目的直线集合。

因此，若直线数等于n，则以可得出最优解。否则，转第（3）步。 对于系数矩阵非负的指派问题来说，总费用为零的指派方案一定是最优指派方案。在第（1）步的基础上，若能找到n个不同行、不同列的零元素，则对应的指派方案总费用为零，从而是最优的。当同一行（或列）上有几个零元素时，如选择其一，则其与的零元素就不能再被选择，从而成为多余的。因此，重要的是零元素能恰当地分布在不同行和不同列上，而并在与它们的多少。但第（1）步并不能保证这一要求。若覆盖所有零元素的最少数目的直线集合中的直线数目是n，则表明能做到这一点。 此时，可以从零元素的最少的行或列开始圈“0”，每圈一个“0”，同时把位于同行合同列的其他零元素划去（标记为），如此逐步进行，最终可得n个位于不同行、不同列的零元素，他们就对应了最优解；若覆盖所有零元素的最少数目的直线集合中的元素个数少于n，则表明无法实现这一点。需要对零元素的分布做适当调整，这就是第（3）步。 （3）变换系数矩阵，是未被直线覆盖的元素中出现零元素。回到第（2）步。 在未被直线覆盖的元素中总有一个最小元素。对未被直线覆盖的元素所在的行（或列）中各元素都减去这一最小元素，这样，在未被直线覆盖的元素中势必会出现零元素，但同时却又是以被直线覆盖的元素中出现负元素。为了消除负元素，只要对它们所在的列（或行）中个元素都加上这一最小元素（可以看作减去这一最小元素的相反数）即可。 四、算法源程序。

《管理运筹学》案例分析报告

秋季流行服饰与衣料得准备（五人） 目从办公室得十层大楼里,凯瑟琳·拉里俯视着下面忙忙碌碌得人流,在充塞着黄色出租车得街道以及乱放着一些买热狗得摊位得人行道上,成群得纽约人来来往往,好不热闹．在这闷热得暑天里，她注视着各类女性得穿衣时尚,心里想得却就是这些人在秋季将会选择怎样得款式.这并非就是她得一时得灵感，而就是她工作得重要得一部分因为她拥有并经营着一家妇女精品时装公司――时尚隧道(ＴrｅｎdＬｉｎeｓ）公司。 今天对她来说就是很重要得，因为她将与生产部经理泰德·罗森碰面,一起商讨下一个月秋季生产线得生产计划,特别就是在一定得生产能力得基础上确定要各种服装得生产量。制定下个月得周密得生产计划对于秋季得销售就是至关重要得，因为这些产品在9月份将会上市，而妇女们通常在服装一上市时就会购买大部分得秋天得服饰。 凯瑟琳回转身,走到宽大得玻璃台旁去瞧铺上面得大量得资料及设计图。她扫视着6个月以前就设计出来得服装图样,各种样式所需要得材料,以及在时装展上通过消费者调研取得得各种样式得需求预测。现在，她还记得当时就是如何设汁图样并将样品在纽约，米兰与巴黎得服装展上展出,那些天可真就是既兴奋而又痛苦。最后,她付给六个设计者得总酬金为＄8６０,０00.除此外，每次时装展得费用为＄2，7０0，000，包括雇用职业模特、发型师、化妆师，以及衣服得裁制与缝纫、展台背景得设计、模特得走步与排练、会场得租用。 她研究着衣服得样式与所需得材料。秋季得服装包括职业装与休闲装,而每种服装得价格就是由衣服得质量、材料得成本、人工成本、机器成本，以及对该产品得需求与品牌得知名度等因素来确定得。

她知道已经为下个月采购了下面得这些材料:羊毛45，00０码、开司米２8，０00码、丝绸18,000码、人造纤维30，000码、天鹅绒２0，０00码、棉布30,00０码。各种材料得价格如下图所示： 多余得材料(不包括下脚料)可以运回给衣料供应商,并得到全额得偿还。 凯瑟琳知道生产丝绸上衣与棉汗衫会产生相当得多余边料。每件丝绸上衣与每件棉汗衫分别需要2 码得丝绸与棉布,而其中分别有0、5 码得边料。她不希望浪费这些衣料,因此打算利用矩形得丝绸与棉布得边料来生产丝绸女背心与棉得迷您裙。这样,每生产一件丝绸上衣就可以生产一件丝绸女背心。同样,每生产一件棉汗衫就可以生产一件迷您裙。要注意得就是,生产背心与迷您裙并不一定需要首先生产相应数量得丝绸上衣与棉汗衫。 需求得预测表明其中一些产品得需求就是有限得.天鹅绒得裤子与衬衫因为就是一时得流行，预测分别只能销售5,500 与6，0０0件.公司不会生产超过预计需求得产品数量，因为,一旦该式样不再流行，就很难再卖出去。并且,因为公司并不需要满足所有得需求，所以,公司可以生产少于需求数量得产品.开司米汗衫因为价格较高,预计也只能销出4,0００。丝绸上衣与背心得需求也就是有限得，因为很多女性认为丝绸较难护理。公司预计大约可销出12,００0得丝绸上衣与15，000丝绸背心。 预测表明羊毛裤,剪裁考究得衬衫,羊毛夹克得需求就是很大得，因为这些就是职业行头得必需品。羊毛裤与羊毛夹克得需求分别为7，０00与5,０00。凯瑟琳认为必须满足该部分６0%得需求,以保持客户得品牌忠诚度,为以后得业务考虑。尽管剪裁考究得衬衫得需求就是无法预测得，凯瑟琳认为必须至少生产2, 800件。 ａ.泰德打算说服凯瑟琳不生产天鹅绒衬衫，因为,这种流行服装得需求就是很少得。而它得固定设计费用与其她成本高达＄50０,0０0,销售该样式得净贡献(售价－材料成本-人工成本)必须能够抵消总成本，她认为,即便就是满足了最大得需求,该产品也不能产生一点得利润。您认为泰德得观点如何? 解:净贡献=6000×(２０0－１、５×1２－１60)＝1３２000〈50００00 由上式得,泰德得观点正确得,因为根据软件求解得结果，最优生产计划中X10得最优解为0,因此最好不要生产天鹅绒衬衫. b。在给定得生产、资源与需求约束得条件下,为该问题建立线性规划模型并求解.在作最后得决定之前，凯瑟琳打算先独立得瞧一下下面几个问题。

运筹学案例分析报告文案

武城万事达酒水批发案例分析 导言：每个企业都是为了赚取利润，想要赚取更多的利润就要想办法节约自己的成本，那怎么节约自己的成本呢？运筹学是一门用纯数学的方法来解决最优方法的选择安排的学科。运输是配送的必需条件，但是怎么才能让武城万事达酒水批发厂在运输问题是节约运输成本呢？我们就运用运筹学的方法来进行分析。我们对他原来的运输路线进行调查，计算原来需要的运输成本，对它的运输方式我们进行研究然后确定新的运输路线为他节约运输成本。 一、案例描述 武城万事达酒水批发有四个仓库存储啤酒分别为1、2、3、4,有五个销地A、B、C、D、E，各仓库的库存与各销售点的销售量（单位均为t)，以及各仓库到各销售地的单位运价（元/t）。半年中，1、2、3、4仓库中分别有300、400、500、300吨的存量，半年A、B、C、D、E五个销售地的销量分别为170、370、500、340、120吨。且从1仓库分别运往A、B、C、D、E五个销售地的单位运价分别为300、350、280、380、310元，从2仓库分别运往A、B、C、D、E五个销售地的单位运价分别310、270、390、320、340元，从3仓库分别运往A、B、C、D、E五个销售地的单位运价分别290、320、330、360、300元，从4仓库分别运往A、B、C、D、E五个销售地的单位运价分别310、340、320、350、320元。具体情况于下表所示。求产品如何调运才能使总运费最小？

仓库 A B C D E 存量 销地 1 300 2 400 3 500 4 300 150销量170 370 500 340 120 武城万事达酒水批发原来的运输方案： E销售地的产品从1仓库供给，D销售地的产品全由2仓库供给，C销售地全由3仓库供给，A、B销售地产品全由4仓库供给。 即：产生的运输费用为Z1 Z1=310*120+320*340+330*500+340*370+310*170=489500 二、模型构建 1、决策变量的设置 设所有方案中所需销售量为决策变量X ij（i=1、2、3、4，j=A、B、C、D、E），即： 方案1：是由仓库1到销售地A的运输量X1A 方案2：是由仓库1到销售地B的运输量X1B 方案3：是由仓库1到销售地C的运输量X1C

运筹学实验报告

运筹学实验报告 专业： 班级：? 姓名：? ?学号: 指导教师： 数学与应用数学专业 2015—1２—1８ 实验目录 一、实验目得?3 二、实验要求?3 三、实验内容..................................................................................................................... ３ 1、线性规划?３ 2、整数规划?６ 3、非线性规划 (13) 4、动态规划........................................................................................................... 1４ 5、排队论?1９ 四、需用仪器设备........................................................................................................... 2６ 五、MAＴLAB优化工具箱使用方法简介 (26) 六、LＩＮGO优化软件简介.......................................................................................... ２6 七、实验总结?2７

一、实验目得 1、会利用适当得方法建立相关实际问题得数学模型； 2、会用数学规划思想及方法解决实际问题； 3、会用排队论思想及方法解决实际问题； 4、会用决策论思想及方法解决实际问题; 5、掌握MＡTLAB、LＩNGＯ等数学软件得应用； 二、实验要求 1、七人一组每人至少完成一项实验内容; 2、每组上交一份实验报告; 3、每人进行１~2分钟实验演示； 4、实验成绩比例： 出勤:４０％ 课堂提问：2０％ 实验报告:３0% 实验演示:10％. 三、实验内容 1、线性规划 例运筹学７4页１4题 Mｉｎz=—2x —x2 s、t、2ｘ1+5ｘ2≤60 x1+x2≤１8 ３ｘ1＋ｘ２≤44 X2≤1０ X１,x２≥０ 用matlab运行后得到以下结果：

运筹学经典案例

运筹学经典案例 案例一：鲍德西（（B AWDSEY）雷达站的研究 20世纪30年代，德国内部民族沙文主义及纳粹主义日渐抬头。以希特勒为首的纳粹势力夺取了政权开始为以战争扩充版图，以武力称霸世界的构想作战争准备。欧洲上空战云密布。英国海军大臣丘吉尔反对主政者的“绥靖”政策，认为英德之战不可避免，而且已日益临近。他在自己的权力范围内作着迎战德国的准备，其中最重要、最有成效之一者是英国本土防空准备。 1935年，英国科学家沃森—瓦特（R．Watson-Wart）发明了雷达。丘吉尔敏锐地认识到它的重要意义，并下令在英国东海岸的Bawdsey建立了一个秘密的雷达站。 当时，德国已拥有一支强大的空军，起飞17分钟即可到达英国。在如此短的时间内，如何预警及做好拦截，甚至在本土之外或海上拦截德机，就成为一大难题。雷达技术帮助了英国，即使在当时的演习中已经可以探测到160公里之外的飞机，但空防中仍有许多漏洞，1939年，由曼彻斯特大学物理学家、英国战斗机司令部科学顾问、战后获诺贝尔奖金的P.M.S.Blachett为首，组织了一个小组，代号为“Blachett 马戏团”，专门就改进空防系统进行研究。 这个小组包括三名心理学家、两名数学家、两名应用数学家、一名天文物理学家、一名普通物理学家、一名海军军官、一名陆军军官及一名测量人员。研究的问题是：设计将雷达信息传送给指挥系统及武器系统的最佳方式；雷达与防空武器的最佳配置；对探测、信息传递、作战指挥、战斗机与防空火力的协调，作了系统的研究，并获得了成功，从而大大提高了英国本土防空能力，在以后不久对抗德国对英伦三岛的狂轰滥炸中，发挥了极大的作用。二战史专家评论说，如果没有这项技术及研究，英国就不可能赢得这场战争，甚至在一开始就被击败。“Blackett马戏团”是世界上第一个运筹学小组。在他们就此项研究所写的秘密报告中，使用了 “Operational Research”一词，意指作战研究”或“运用研究”。就是我们所说的运筹学。Bawdseg雷达站的研究是运筹学的发祥与典范。项目的巨大实际价值、明确的目标、整体化的思想、数量化的分析、多学科的协同、最优化的结果，以及简明朴素的表述，都展示了运筹学的本色与特色，使人难以忘怀。