模糊数学模型和评价模型

模糊数学方法的数学模型和主观性较强的多属性评价模型

对于非标准化的电子作品难以用精确的百分制来进行评定的问题，可以引入模糊数学方法的数学模型与多属性评价模型进行评价

1．模糊数学方法的数学模型

评价学生成绩的因素可划分为若干类（如课堂平时成绩、电子作品集、其中成绩和期末考试），每类又有相应的评价权重（如课堂平时成绩占30%、电子作品集占20%、期中成绩占20%和期

末考试占30%）和评价等级（如课堂平时成绩—优秀、电子作品集—良好、其中成绩—中、期末考试—良好），称为一级评价因素；而每一类一级评价因素（如电子作品集）又可包含若干二级评价因素（如电子作品集好坏的评价标准）和每个评价标准的权重，依次类推。下面的模型只考虑具有二级评价因素的问题如何用模糊数学的方法来做出科学的评价。

假设考虑学生的成绩的因素中，一级评价因素有n 类，记为U ={u 1,u 2,u 3,…,u n }，其权重为),,,(21n w w w W =，其评价等级对应的成绩为=D ),,,(21n d d d ，则该学生的成绩为：

CJ==D W T

)(2121n n d d d w w w ??????

?

??

下面求=D ),,,(21n d d d 。假设某个评价因素u i 有m 个二级评价指标，记为V i ={v i 1,v i 2,v i 3,…,v im }，权重分别为Q i ={q i 1,q i 2,q i 3,…,q im }，有t 种评价等级，记为P ={p 1,p 2,p 3,…,p t }，与各等级对应的分数是F ={f 1,f 2,f 3,…,f t }，有k 个评委对每个指标的各个等级的投票人数为矩阵W m *t ：

W m *t =??

?

?

?

??

??32

1

22221

11211m m m t t w w w w w w w w w

其中，

m i k w

t

j ij

,,2,1,1

==∑=

则D i ),,2,1(n i =为各矩阵的乘积：

Q 1*m *W m *t * F t *1 = ()???

?

?

?? ????????? ??t mt m m t t im i i f f f w w w w w w

w w w q q q

212

1

22221

112112

1

多级评价等级可以多次使用此法求得。

举例

假设有六个评估小组评定某个学生的某个电子作品的成绩，评价指标为：作品的主题是否清晰、作品的构思是否正确反映了主题、材料运用是否科学（有效性和可靠性）、所用的知识是否表达了作者的思想、作品的创新性如何、作品是否给人以想象力或震撼力、合作精神、分析和解决问题的能力，评价等级有优、良、及格、不及格4个等级，具体见下表。

所以这个电子作品的成绩是：

（0.1 0.1 0.1 0.2 0.1 0.1 0.1 0.2）???????????

??

?

?

?06

/36/26/16/16/16/16/36/16/16/26/206/36/26/106/16/26

/36/16/26/306/16/26/26/16/16/16/26/2?????

???

??5.34678295 经计算为：73.625分，故该生的电子作品成绩为及格。

2．主观性较强的多属性评价模型

采用模糊数学法虽然可以计算出多人对某个作品的评价，但不可避免由于评价者对某人的感情问题带来评价的不公正性，针对这种主观性较强的情况提出了多属性评价模型。

n 个评委G ={G 1，G 2，……，G n }对m 个作品O ={O 1，O 2，……，O m }进行评价，其分数分别为e ij ，如果G j 没有对O i 评价，记e ij =0，得到初始评价矩阵P 0如下：

?????

???????=mn m m n n e e e e e e e e e p

2

1

22221

112110 设C j 为评委G j （j =1，2，……，n ）对所评作品的平均值，则：

∑≠=

)(1

ij e ij ij j e e N C ， 其中，)(ij e N 表示 0≠ij e 的个数。

则C 为所有评委的共同的评价尺度基准值：

∑==m

j j C m C 1

1

对初始矩阵P 0的各列进行线性变换L （m ，C j ，C ），将变换成与评价尺度无关的基本评价矩阵n m ij b B ?=)(，其中：

?????

=≠----=0

0)

100(100))(,,(x x a

m b m x x b a m L

显然，若e ij =0，则b ij =0，否则，b ij = L （m ，C j ，C ）（e ij ）。

设评委G j 与作品O i 的作者的关系密切程度分为I 个等级，其关系密切程度矩阵为：

?????

???????=mn m m n n r r r r r r

r r r G O R

2

1

22221

11211),( 其中，},,2,1{I k r ij ∈=。与评委G j 具有关系密切程度为k 的作品的评价值的平均值为：

∑==

k

r ij ij k ij e e N R )(1

， 其中，)(ij e N 表示 0≠ij e 的个数，k =1，2，……，I 。 将矩阵B 代入R k 的表达式，计算R k 值，显然R k 是评委对关系密切程度不同的作品评

价的倾向。

接着计算出所有作品共同的评价关系密切程度的基准值R ：

∑==I

k k R I R 1

1

然后将矩阵B 中的元素按关系密切程度进行分类，设B k ={b ij |r ij =k }(k =1，2，……，I )，对B k 做变换L （m ，R k ，R ），得到矩阵n m ij p P ?=)(，显然矩阵P 与评价松紧的尺度无关。

最后根据矩阵P 计算出每个作品的评价分数即为最后公平结果：

∑≠=

)(1

)(ij p ij ij i p p N O P ， 其中，)(ij p N 表示 0≠ij p 的个数。 相信通过以上的几种科学方法，结合原有的考试评价模式，可以更大地激发学生学习与

制作电子作品的热情。更为有效的激发学生的创新精神。使学生能在信息技术课程中获得成功的喜悦并推动他们进一步努力探索，激发学生的学习积极性。使信息技术的考试与评价模式更加符合本学科的特征。

模糊数学评价方法教程

模糊综合评价法（见课件） 模糊数学是从量的角度研究和处理模糊现象的科学．这里模糊性是指客观事物的差异在中介过渡时所呈现的“亦此亦比”性．比如用某种方法治疗某病的疗效“显效”与“好转”、某医院管理工作“达标”与“基本达标”、某篇学术论文水平“很高”与“较高”等等．从一个等级到另一个等级间没有一个明确的分界，中间经历了一个从量变到质变的连续过渡过程，这个现象叫中介过渡．由这种中介过渡引起的划分上的“亦此亦比”性就是模糊性． 一、单因素模糊综合评价的步骤 1． 根据评价目的确定评价指标（evaluation indicator ）集 合 },,,{21m u u u U = 例如评价某项科研成果，评价指标集合为U ={学术水平，社会效益，经济效益}． 2． 给出评价等级（evaluation grade ）集合 },,,{21n v v v V = 如评价等级集合为V ={很好，好，一般，差}． 3． 确定各评价指标的权重（weight ） },,,{21m W μμμ = 权重反映各评价指标在综合评价中的重要性程度，且∑=1i μ． 例如假设评价科研成果，评价指标集合U ={学术水平，社会效益，

经济效益}其各因素权重设为}4.0,3.0,3.0{=W ． 4．确定评价矩阵R 请该领域专家若干位，分别对此项成果每一因素进行单因素评价（one-way evaluation ），例如对学术水平，有50%的专家认为“很好”，30%的专家认为“好”，20%的专家认为“一般”，由此得出学术水平的单因素评价结果为()0,2.0,3.0,5.01=R 同样如果社会效益，经济效益两项单因素评价结果分别为 ()1.0,2.0,4.0,3.02=R ()2.0,3.0,2.0,2 .03=R 那么该项成果的评价矩阵为 ???? ? ??=????? ??=2.03.02.02.01.02.04.03.002.03.05.0321R R R R 5．进行综合评价 通过权系数矩阵W 与评价矩阵R 的模糊变换得到模糊评判集S ： 设m j W ?=1)(μ，n m ji r R ?=)(，那么 ()()n mn m m n n m s s s r r r r r r r r r R W S ,,,,,,212 1 22221 11211 21 =???? ?? ? ??==μμμ 其中“ ”为模糊合成算子． 进行模糊变换时要选择适宜的模糊合成算子，模糊合成算子通 常有四种： (1) ),(∨∧M 算子

模糊综合评判法的应用案例

第三节 模糊综合评判法的应用案例 二、在物流中心选址中的应用 物流中心作为商品周转、分拣、保管、在库管理和流通加工的据点，其促进商品能够按照顾客的要求完成附加价值，克服在其运动过程中所发生的时间和空间障碍。在物流系统中，物流中心的选址是物流系统优化中一个具有战略意义的问题，非常重要。 基于物流中心位置的重要作用，目前已建立了一系列选址模型与算法。这些模型及算法相当复杂。其主要困难在于： （1） 即使简单的问题也需要大量的约束条件和变量。 （2） 约束条件和变量多使问题的难度呈指数增长。 模糊综合评价方法是一种适合于物流中心选址的建模方法。它是一种定性与定量相结合的方法，有良好的理论基础。特别是多层次模糊综合评判方法，其通过研究各因素之间的关系，可以得到合理的物流中心位置。 1．模型 ⑴ 单级评判模型 ① 将因素集U 按属性的类型划分为k 个子集，或者说影响U 的k 个指标，记为 12(,,,)k U U U U = 且应满足： 1 , k i i j i U U U U φ=== ② 权重A 的确定方法很多，在实际运用中常用的方法有：Delphi 法、专家调查法和层次分析法。 ③ 通过专家打分或实测数据，对数据进行适当的处理，求得归一化指标关于等级的隶属度，从而得到单因素评判矩阵。 ④ 单级综合评判B A R =

⑵多层次综合评判模型 一般来说，在考虑的因素较多时会带来两个问题：一方面，权重分配很难确定；另一方面，即使确定了权重分配，由于要满足归一性，每一因素分得的权重必然很小。无论采用哪种算子，经过模糊运算后都会“淹没”许多信息，有时甚至得不出任何结果。所以，需采用分层的办法来解决问题。 2．应用 运用现代物流学原理，在物流规划过程中，物流中心选址要考虑许多因素。根据因素特点划分层次模块，各因素又可由下一级因素构成，因素集分为三级，三级模糊评判的数学模型见表3-7. 表3-7 物流中心选址的三级模型

数学建模常见评价模型简介

常见评价模型简介 评价类数学模型是全国数学建模竞赛中经常出现的一类模型，如2005年全国赛A题长江水质的评价问题，2008年B题高校学费标准评价体系问题等。主要介绍三种比较常用的评价模型：层次分析模型，模糊综合评价模型，灰色关联分析模型，以期帮助大家了解不同背景下不同评价方法的应用。 层次分析模型 层次分析法(AHP)是根据问题的性质和要求，将所包含的因素进行分类，一般按目标层、准则层和子准则层排列，构成一个层次结构，对同层次内诸因素采用两两比较的方法确定出相对于上一层目标的权重，这样层层分析下去，直到最后一层，给出所有因素相对于总目标而言，按重要性程度的一个排序。其主要特征是，它合理地将定性与定量决策结合起来，按照思维、心理的规律把决策过程层次化、数量化。 运用层次分析法进行决策，可以分为以下四个步骤： 步骤1 建立层次分析结构模型 深入分析实际问题，将有关因素自上而下分层(目标—准则或指标—方案或对象)，上层受下层影响，而层内各因素基本上相对独立。 步骤2构造成对比较阵 对于同一层次的各元素关于上一层次中某一准则的重要性进行两两比较，借助1~9尺度，构造比较矩阵； 步骤3计算权向量并作一致性检验 由判断矩阵计算被比较元素对于该准则的相对权重，并进行一致性检验，若通过，则最大特征根对应的特征向量做为权向量。

步骤4计算组合权向量(作组合一致性检验) 组合权向量可作为决策的定量依据 通过一个具体的例子介绍层次分析模型的应用。 例(选择旅游地决策问题)如何在桂林、黄山、北戴河3个目的地中按照景色、费用、居住条件、饮食、旅途条件等因素进行选择。 步骤1 建立系统的递阶层次结构 将决策问题分为3个层次：目标层O，准则层C，方案层P；每层有若干元素，各层元素间的关系用相连的直线表示。

模糊综合评价法的数学建模方法简介

８ 《商场现代化》２００６年７月（中旬刊）总第４７３期 ２０世纪８０年代初，汪培庄提出了对绿色供应链绩效进行评价的模糊综合评价模型，此模型以它简单实用的特点迅速波及到国民经济和工农业生产的方方面面，广大实际工作者运用此模型取得了一个又一个的成果。本文简单介绍模糊综合评价法的数学模型方法。 一、构造评价指标体系 模糊综合评价的第一步就是根据具体情况建立评价指标体系的层次结构图，如图所示： 二、确定评价指标体系的权重 确定各指标的权重是模糊综合评价法的步骤之一。本文根据绿色供应链评价体系的层次结构特点，采用层次分析法确定其权重。尽管层次分析法中也选用了专家调查法，具有一定的主观性，但是由于本文在使用该方法的过程中，对多位专家的调查进行了数学处理，并对处理后的结果进行了一致性检验，笔者认为，运用层次分析法能够从很大程度上消除主观因素带来的影响，使权重的确定更加具有客观性，也更加符合实际情况。 在此设各级指标的权重都用百分数表示，且第一级指标各指标的权重为Ｗｉ，ｉ＝１，２，…，ｎ，ｎ为一级指标个数。一级指标权重向量为： Ｗ＝（Ｗ１，…，Ｗｉ，…Ｗｎ） 各一级指标所包含的二级指标权重向量为： Ｗ＝（Ｗｉ１，…，Ｗｉｓ，…Ｗｉｍ），ｍ为各一级指标所包含的二级指标个数，ｓ＝１，２，…，ｍ。 各二级指标所包含的三级指标权重向量为： Ｗｉｓ＝（Ｗｉｓ１，…Ｗｉｓ２，…Ｗｉｍｑ），ｑ为各二级指标所包含的三级指标个数。三、确定评价指标体系的权重建立模糊综合评价因素集将因素集Ｘ作一种划分，即把Ｘ分为ｎ个因素子集Ｘ１，Ｘ２，…Ｘｎ，并且必须满足： 同时，对于任意的ｉ≠ｊ，ｉ，ｊ＝１，２，…，均有 即对因素Ｘ的划分既要把因素集的诸评价指标分完，而任一个评 价指标又应只在一个子因素集Ｘｉ中。 再以Ｘｉ表示的第ｉ个子因素指标集又有ｋｉ个评价指标即：Ｘｉ＝｛Ｘｉ１，Ｘｉ２，…，ＸｉＫｉ｝，ｉ＝１，２，…，ｎ 这样，由于每个Ｘｉ含有Ｋｉ个评价指标，于是总因素指标集Ｘ其有 个评价指标。 四、　进行单因素评价，建立模糊关系矩阵Ｒ 在上一步构造了模糊子集后，需要对评价目标从每个因素集Ｘｉ上进行量化，即确定从单因素来看评价目标对各模糊子集的隶属度，进而得到模糊关系矩阵： 其中ｓｉ（ｉ＝１，２，…，ｍ）表示第ｉ个方案，而矩阵Ｒ中第ｈ行第ｊ列元素ｒｈｊ表示指标Ｘｉｈ在方案ｓｊ下的隶属度。对于隶属度的确定可分为两种 情况：定量指标和定性指标。 （１）定量指标隶属度的确定 对于成本型评价因素可以用下式计算： 对于效益型评价因素可以用下式计算：对于区间型评价因素可以用下式计算：上面三个式子中：ｆ（ｘ）为特征值，ｓｕｐ（ｆ），ｉｎｆ（ｆ）分别为对应于同一个指标的所有特征值的上下界，即是同一指标特征值的最大值和最小 模糊综合评价法的数学建模方法简介 任丽华　东营职业学院 ［摘　要］　本文一种数学模型方法构造了一种对绿色供应链绩效进行评价的模糊综合评价法，主要从构造评价指标体系，确定评价指标体系的权重，确定评价指标体系的权重，建立模糊综合评价因素集，进行单因素评价、建立模糊关系矩阵Ｒ，计算模糊评价结果向量Ｂ等五个方面介绍这种评价方法。 ［关键词］　绿色供应链绩效评价　模糊综合评价法　数学模型方法 流通论坛

模糊数学模型

第六部分模糊数学 第十五章模糊数学模型 模糊数学的起源 15.1.1数学是精确的 数学是关于物质世界的空间形式和数量关系的科学。在二十世纪三十年代，数学的发展被划分成三个阶段： 第一阶段：数学是数，量，几何图形的科学； 第二阶段：数学是研究量的变化和几何图形变换的科学； 第三阶段：数学是作为关于现实世界一切普遍性的数量形式和空间形式的科学。 近代科学技术的发展同精确数学方法的发展和应用是密切相关的，牛顿力学为其经典。到了19世纪，天文，力学，屋里，化学等理论自然科学先后在不同程度上走向定量化，数学化，形成一个被称为“精密科学”的学科群。大量使用数学方法，反过来又推动了数学的巨大进步。19世纪是精确科学方法飞速发展的时期。 20世纪以来，精确数学及其应用以更大的规模和速度发展着。相对论，量子力学，分子生物学，原子能，电子计算机和空间技术等邻域的创建和开发为精确方法奏响了一曲又一曲的凯歌，但也进一步助长了对精确方法的盲目崇拜。人们愈加相信，一切都应当精确化，只有现在还没有实现精确化的问题，没有不需要或不可能精确化的问题。 客观而言，精益求精是科学工作者的美德，是评价研究工作科学性的一条准则，但是，这种对精确方法的崇拜，似乎被当作一种不言而喻的真理，在很长的历史时期中未受到人们的怀疑。科学方法论中的这种绝对化的观点，也反映到哲学中。例如，一些分析哲学家提倡把一切概念，包括日常用语都加以精确化，这种现象的发生是值得深思的。但是，实践是检验真理的唯一标准，任何理论上的片面性和绝对化，迟早会在实践中暴露其错误而得到纠正。 15.1.2精确数学的局限性 人脑的思维活动一般说来具有两方面的特征： （1）直觉性跟严格性的有机结合，可以进行整体性和平行性的思考，例如联想过程，这些是具有模糊性的； （2）逻辑推理过程，它具有逻辑和顺序的特点，因而又是形式化的。 关于形式化思维，可以用数理逻辑的方法把它数学化，这样就能把它变成一系列的数学符号，可以用计算机去解。最突出的成果就是1976年美国人阿贝尔和哈肯利用电子计算机解决有名的数学难题——四色问题，这一难题的解决使不少人惊叹：这简直是电脑对人脑的嘲弄！ 真是这样吗？ 从另一个角度来看，譬如，看电视的时候，要把图像调得“更清楚一些”，或者，说一个人比另一个人更好看一些或更丑一些，这对于人来说是件容易的事，但是对于电脑来说，却是个大难题。从这个角度来说，电脑的“智力”还不如一个小孩子。 为什么会出现这样的情况呢？ 因为用传统数学的方法处理模糊食物，首先要求将对象简化，舍弃对象固有的模糊性，在本来没有明确界限的对象之间认为地挂定界限，变模糊数量关系为清晰数量关系。例：西

模糊数学综合评价模型

三种电视机模糊综合评价模型 摘要 本文通过顾客对三种电视机的图像，价格，音质三种评价因素建立的模糊综合评价的模型，此模型首先设定了评价指标因素集U 和评语集V ,从而建立了评价矩阵R , 然后根据评价指标权重集A 最后分别运用了四个算子，进而采用了加权平均原则的方法建立了如下四个模型，最终得出 模型一：运用① 算子和加权平均原则方法对三种电视机建立模糊综合评价模型，得出11 2.73B =，12 2.62B =，13 2.46B =，即第一种电视机最受顾客青睐 模型二：运用② 和加权平均原则方法对三种电视机建立模糊综合评价模型，得出21 2.72B =，22 2.75B =，23 2.51B =，即第二种电视机最受顾客青睐 模型三：运用③ 算子和加权平均原则方法对三种电视机建立模糊综合评价模型，得出31 2.71B =，32 2.58B =，3 3 2.32B =，即第一种电视机最受顾客青睐 模型四：运用④ 算子和最大隶属原则方法对三种电视机建立模糊 综合评价模型，得出41 2.75B =，4 2 2.71B =，43 2.39B =，即顾客对第二种电视机做出综合评价较好。 综合四个模型这三种电视机的综合评价在较好和可以之间并且在这三种电视机中第一种电视机最受顾客青睐，第二种次之，第三种最不受欢迎。 关键词：综合评价 模糊数学 加权平均原则 算子 ),(∨∧M (,)M ?∨算子),(⊕∧M ),(⊕?M

一、问题重述 在对电视机质量的评价中，其涉及的因素很多，一般说来基本要考虑图像，声音，价格等等，而每一类因素的质量水平受许多因素的影响。这些评价因素往往具有模糊性。评价的结果本身也带有模糊性。如何合理地评价电视机的质量呢？ 假设对电视机的评价因素U={图像u1，声音u2，价格u3}，评语集合V={很好v1，较好v2，可以v3，不好v4}，现请专家10人对三种电视机进行评价，结果如下： 设某类顾客主要关心图像、价格，对音质不太关心，即 试对以上三种电视机进行模糊综合评价。 二、问题分析 根据对题目的理解，我们知道问题的求解是根据10位专家对三种电视机的图像，价格，音质的评价结果，而要求我们对这三种电视机进行模糊综合评价，所以我采用四种算子方法。 即① 算子 评语 因素 (1)第一类电视机 (2)第二类电视机 (3)第三类电视机 v1 v2 v3 v4 v1 v2 v3 v4 v1 v2 v3 v4 u1 5 4 1 0 4 3 2 1 1 5 2 2 u2 4 3 2 1 5 1 2 2 4 3 1 2 u3 0 1 3 6 2 1 3 4 2 4 4 (0.5,0.2,0.3) A =(){}n k r r s jk j m j jk j m j k ,,2,1, ,min max )(11 =∧=≤≤=∨μμ＝),(∨∧M

数学建模 模糊综合评价法

学科评价模型（模糊综合评价法） 摘要：该模型研究的是某高校学科的评价的问题，基于所给的学科统计数据作出综合分析。基于此对未来学科的发展提供理论上的依据。 对于问题1、采用层次分析法，通过建立对比矩阵，得出影响评价值各因素的所占的权重。然后将各因素值进行标准化。在可共度的基础上求出所对应学科的评价值，最后确定学科的综合排名。（将问题1中的部分结果进行阐述）（或者是先对二级评价因素运用层次分析法得出其对应的各因素的权重（只选取一组代表性的即可），然后再次运用层次分析法或者是模糊层次分析法对每一学科进行计算，得出其权重系数）。通过利用matlab确定的各二级评价因素的比较矩阵的特征根分别为：、2、、、、、、1 对于问题2、基于问题一中已经获得的对学科的评价值，为了更加明了的展现各一级因素的作用，采用求解相关性系数的显著性，找出对学科评价有显著性作用的一级评价因素。同时鉴于从文献中已经有的获得的已经有的权重分配，对比通过模型求得的数值，来验证所建模型和求解过程是否合理。 对于问题3、主成份分析法，由于在此种情况下考虑的是科研型或者教学型的高校，因此在评价因素中势必会有很大的差别和区分。所以在求解评价值的时候不能够等同问题1中的方法和结果，需要重新建立模型，消除或者忽略某些因素的影响和作用（将问题三的部分结果进行阐述）。 一、问题重述 学科的水平、地位是评价高等学校层次的一个重要指标，而学科间水平的评价对于学科本身的发展有着极其重要的作用。而一个显著的方面就是在录取学生方面，通常情况下一个好的专业可以录取到相对起点较高的学生，而且它还可以使得各学科能更加深入的了解到本学科的地位和不足之处，可以更好的促进该学科的发展。学科的评价是为了恰当的学科竞争，而学科间的竞争是高等教育发展的动力，所以合理评价学科的竞争力有着极其重要的作用。鉴于学科评价的两种方法：因素分析法和内涵解析法。本模型基于某大学（科研与教学并重型高校）的13个学科在某一时期内的调查数据，包括各种建设成效数据和前期投入的数据。通过计算每一级、每一个评价因素所占的权重，确定某一学科在评价是各因素所占的比重，构建评价等级所对应的函数。通过数值分析得出学科的评价值。需要解决一下几个问题： 根据已给数据建立学科评价模型，要求必要的数据分析及建模过程。 模型分析，给出建立模型的适用性、合理性分析。 假设数据来自于某科研型祸教学型高校，请给出相应的学科评价模型。 二、符号说明与基本假设 符号说明 符号说明 S——评价数（评价所依据的最终数值） X——影响评价数值的一级因素所构成的矩阵 x——一级因素的平均值

(完整版)基于层次分析法的模糊综合评价模型

2016江西财经大学数学建模竞赛 A题 城市交通模型分析 参赛队员: 黄汉秦、乐晨阳、金霞 参赛队编号：2016018 2016年5月20日~5月25日

承诺书 我们仔细阅读了江西财经大学数学建模竞赛的竞赛章程。 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。 我们参赛选择的题号是（从A/B/C中选择一项填写）： A 我们的参赛队编号为2016018 参赛队员(打印并签名) ： 队员1. 姓名专业班级计算机141 队员2. 姓名专业班级计算机141 队员3. 姓名专业班级计算机141 日期： 2016 年 5 月 25 日

编号和阅卷专用页 江西财经大学数学建模竞赛组委会 2016年5月15日制定

城市交通模型分析 摘要 随着国民经济的高速发展和城市化进程的加快，我国机动车保有量及道路交通流量急剧增加，交通出行结构发生了根本变化，城市道路交通拥挤堵塞问题已成为制约经济发展、降低人民生活质量、削弱经济活力的瓶颈之一。本篇论文针对道路拥挤的问题采用层次分析法进行数学建模分析，讨论拥堵的深层次问题及解决方案。 首先建立绩效评价指标的层次结构模型，确定了目标层，准则层（一级指标），子准则层（二级指标）。 其次，建立评价集V=(优，良，中，差)。对于目标层下每个一级评价指标下相对于第m 个评价等级的隶属程度由专家的百分数u 评判给出，即U ＝[0,100]应用模糊统计建立它们的隶属函数A(u)， B(u)， C(u) ，D(u)，最后得出目标层的评价矩阵Ri ，（i=1,2,3,4,5）。利用A,B 两城相互比较法，根据实际数据建立二级指标对于相应一级指标的模糊判断矩阵P i （i=1,2,3,4,5） 然后，我们经过N 次试验调查，明确了各层元素相对于上层指标的重要性排序，构造模糊判断矩阵P ，利用公式 1 ,ij ij n kj k u u u == ∑ 1 ,n i ij j w u ==∑ 1 ,i i n j j w w w == ∑ []R W R W R W R W R W W R W O 5 5 4 4 3 3 2 2 1 1 ,,,,==计算出权重值，经过一致性检验公式 RI CI CR = 检验后，均有0.1CR <，由此得出各层次的权向量()12,,T n W W W W =K 。然后后， 给出建立绩效评价模型（其中O 是评价结果向量），应用模糊数学中最大隶属度原则，对被评价城市交通的绩效进行分级评价。 接着在改进方案中，我们具体以交叉口为中心建立模型，其中包括道路长度、宽度、车辆平均长度、车速等等考虑因素。通过车辆排队长度可以间接判断交通拥堵情况，不需要测量车速、时间等因素而浪费的人力物力和财力，有效的提高了工作成本和效率。为管理城市交通要道提供了良好的模型和依据。 【关键字】交通拥堵 层次分析法 模糊综合评判 绩效评价 隶属度

数学建模算法大全模糊数学模型

第二十二章 模糊数学模型 模糊数学是研究和处理模糊性现象的数学，是在美国控制论专家A. Zadeh 教授于1965年提出的模糊集合（Fuzzy Set ）基础上发展起来的一门新兴的数学分支。这门学科经过多年的发展。它在现实世界中的应用越来越广泛。 §1 模糊数学基本知识 1.1 集合与特征函数 集合是现代数学的重要概念。一般地说，具有某种属性的事物的全体或确定对象的汇总称为一个集合。不含任何元素的集合称为空集，记为Φ。 由所研究的所有事物构成的集合称为全集，记为Ω。若集合Ω?A ，则将集合},|{Ω∈?x A x x 且称为集合A 的补集，记为c A 。集合及其性质可用所谓特征函数来描述。 定义 1 设Ω为全集，A 为Ω的子集，则集合A 的特征函数指的是Ω到集合}1,0{=V 的一个映射A μ V A →Ω:μ )(x x A μ→ 其中对应规则A μ满足 ????∈=A x A x A 01μ 集合的特征函数具有以下性质： )}(),(m ax {)(x x x B A B A μμμ=Y ，记作)()(x x B A μμ∨ )}(),(m in{)(x x x B A B A μμμ=I ，记作)()(x x B A μμ∧ )(1)(x x A A c μμ-= 1.2 模糊集合 1.2.1 模糊集合的概念 对于普通集合A 及其余集c A ，任何元素A x ∈或c A x ∈，二者必居其一，且仅居其一；用特征函数来表示就是0)(=x A μ或1)(=x A μ有且仅有一个成立。然而，客观世界中存在着大量的模糊概念，如“高个子”，“老年人”，这些概念无法用普通集合表示，因为这些概念与其对立面之间无法划出一条明确的分界线。为了研究和处理这类模

学生素质评价模糊数学模型的构建与应用

学生素质评价模糊数学模型的构建与应用 在高等教育中，高等职业教育是一个非常重要的组成部分，下 面是搜集的一篇探究构建学生素质评价模型基本原则的论文范文，欢迎阅读查看。 对高职高专学生进行素质评价，目的在于使学生的评价内容走 向多元化，实现过程发展性和终结性评价的有机结合。因此，需要一种行之有效的评价工具，促使学生发挥个性、潜能以及创造性，从而使其具备持续发展的自信和能力。 一、模糊数学与数学模型 模糊数学是处理和研究模糊性现象的方法和理论。由于模糊性 概念发展了模糊集的具体描述方式，人们可运用概念进行评价、推理、控制、判断和决策，也可通过模糊数学进行描述。比如，模糊综合评判、模糊控制、模糊聚类分析、模糊决策等，这一系列方法最终构成一种模糊性理论，在气象、石油、环境、农业、化工、控制、教育、医学、地质、经济管理、语言等诸多领域已取得研究成果。 数学模型是实际问题与数学理论相结合发展起来的一门新学科。它将实际问题归为数学问题，并利用数学方法、概念和理论，进行深入研究，从定量或定性角度对实际问题进行分析，同时为解决实际问题提供可靠指导和精确数据。可见，数学模型是利用数学方法和语言解决现实问题的过程，是培养学生创造力的有效途径。 二、综合素质评价

“综合素质评价”指在每个学期期末或每个学年期末，全国各地的学校组织的一次对全体在校学生综合素质和能力评价的测评任务。综合素质评价一般分为六个维度(不同的地区或学校结构略有差异)，分别是“道德品质”“公民素养”“学习能力”“交流合作与实践创新”“运动与健康”“审美”“表现能力”.六个维度又分别被分为若干个项目。等级分别为A(优秀)，B(良好)，C(一般)，D(较差)。或者是百分制，100-80(优秀)、79-60(良好)、59-30(一般)、29-0(较差)。 对学生进行综合素质评价是新时期高职高专教学评价的主要内容，因而需要制定一种有效的素质评价模型。基于模糊数学的高职高专学生素质评价模型具有标准的数据支撑，说服力较强，适宜运用于学生综合素质评价。 三、构建学生素质评价模型的基本原则 (一)一个目标 在高等教育中，高等职业教育是一个非常重要的组成部分。实现现代化建设与高职高专学生的能力和素质有直接关系。从我国的发展要求以及发达国家的发展经验看，无论是发展和解放生产力、建设小康社会，还是创建和谐社会、加快城市化建设，高等职业所培养的应用型人才不可或缺。因此，职业技术教育应坚持以就业为导向，以服务为宗旨，以培养学生综合素质、职业道德以及动手能力为重点，突出实用性。 (二)三个维度

用模糊数学对学生成绩进行评估

用模糊数学班上的学生进行评估 姓名：李万杰 学号：201107010113 2014年6月27日

模糊数学综合评判法，作为一种模糊数学方法，被用于各个领域，取得了很好的效果。本文将用这种方法分析班上的学生以成绩分类。这种方法能有效处理学生平时成绩中的一些模糊性，同时，也使考核的成绩更加合理与公正。 一、模糊数学的基本概念 长期以来，人们对干客观事物的认识习惯于追求其精确性或清晰性。但人脑作为认识和改造客观世界的主体，对自然现象的反映往往都是模糊的。模糊集合是对这些模糊现象或模糊概念的刻画。利用模糊数学理论，建立模型，根据模糊数学最大隶属度原则，使学生以成绩分类更加合理化。综合评判就是对受到多个因素制约的事物或对象作出一个总的评价，这是在日常生活和科研工作中经常遇到的问题，由于从多方面对大学生综合素质进行评价难免带有模糊性和主观性，采用模糊数学的方法进行综合评价将使结果尽量客观从而取得更好的实际效果。 二、评定学生平时成绩的依据 通过长期的教学实践，对学生平时成绩的评定主要依据四个方面：(1)出勤情况，以学生到课情况作为平时成绩给定的依据，这一评价制度的具体要求是通过上课点名的办法来找出缺课的学生。(2)课堂表现，包括课堂笔记记录情况、回答问题的积极主动性、课堂纪律等。根据“上课提问情况”来评定平时成绩是教师经常使用的方法。这种方式也存在不足：假设每一个学生在教师提问 后都举手抢答，教师应该将首答权交给谁呢?这一模式的公正程度取决于教师有没有足够的时间允许学生都回答课堂上的提问。(3)作业情况，检查平时作业是教师经常使用的考核学生平时学习情况的重要方法。然而实践表明，这个方法也存在不足。由于教师无法了解学生的平时作业究竟是不是自己独立完成的，在假定“学生都能按时完成作业”的前提下，教师只能根据作业的工整情况或对错状况来判定学生的平时成绩。教师经常遇到的问题是：有时抄袭作业的学生，作业的卷面反而要比自己独立完成的学生要工整些；或者由于参考了一些同学的作业，其正确率反而比独立完成的同学高一些。(4)平时测验情况。对上述四个方面综合考虑，把学生平时成绩评定分为四级：优、良、中、差。在上述评定学生平时成绩的主要依据的因素中，多数因素很难区分出较严格的数值界限，而且有一定的相关性和很大的“模糊性”。对这些具有“模糊性”的因素进行综合评定，并以此来确定学生平时成绩是很困难的。采用模糊综合评判法来考核学生的平时成绩，在促进学生学习积极性方面，效果是明显的，同时也使考核的成绩更加合理、公正。 三、模糊数学综合评判法 所谓评判，就是按给定的条件对事物的优劣、好坏进行评比、判别；综合的意思就是指评判条件包含多个因素或多个指标。因此，综合评判就是要对受多个因素影响的事物作出全面评价。综合评判的方法有许多种，常用的有两种： (一)评总分法。即根据评判对象列出评价项目，对每个项目定出评价的等级，并用分数表示，以决定方案的优劣。 (二)加权评分法。这种方法主要考虑诸因素(或诸指标)在评价中所处的地位或所起的作用不尽相同，因此不能一律平等地对待诸因素(或诸指标)。于是，就引进了权重的概念，它体现了诸因素(或诸指标)在评价中的不同地位或不同作

数学建模各种分析报告方法

现代统计学 1.因子分析(Factor Analysis) 因子分析的基本目的就是用少数几个因子去描述许多指标或因素之间的联系，即将相关比较密切的几个变量归在同一类中，每一类变量就成为一个因子（之所以称其为因子，是因为它是不可观测的，即不是具体的变量），以较少的几个因子反映原资料的大部分信息。 运用这种研究技术，我们可以方便地找出影响消费者购买、消费以及满意度的主要因素是哪些，以及它们的影响力（权重）运用这种研究技术，我们还可以为市场细分做前期分析。 2.主成分分析 主成分分析主要是作为一种探索性的技术，在分析者进行多元数据分析之前，用主成分分析来分析数据，让自己对数据有一个大致的了解是非常重要的。主成分分析一般很少单独使用：a，了解数据。(screening the data),b,和cluster analysis一起使用，c，和判别分析一起使用，比如当变量很多，个案数不多，直接使用判别分析可能无解，这时候可以使用主成份发对变量简化。（reduce dimensionality）d,在多元回归中，主成分分析可以帮助判断是否存在共线性（条件指数），还可以用来处理共线性。 主成分分析和因子分析的区别 1、因子分析中是把变量表示成各因子的线性组合，而主成分分析中则是把主成分表示成个变量的线性组合。 2、主成分分析的重点在于解释个变量的总方差，而因子分析则把重点放在解释各变量之间的协方差。 3、主成分分析中不需要有假设(assumptions),因子分析则需要一些假设。因子分析的假设包括：各个共同因子之间不相关，特殊因子（specific factor）之间也不相关，共同因子和特殊因子之间也不相关。 4、主成分分析中，当给定的协方差矩阵或者相关矩阵的特征值是唯一的时候，的主成分一般是独特的；而因子分析中因子不是独特的，可以旋转得到不同的因子。 5、在因子分析中，因子个数需要分析者指定（spss根据一定的条件自动设定，只要是特征值大于1的因子进入分析），而指定的因子数量不同而结果不同。在主成分分析中，成分的数量是一定的，一般有几个变量就有几个主成分。 和主成分分析相比，由于因子分析可以使用旋转技术帮助解释因子，在解释方面更加有优势。大致说来，当需要寻找潜在的因子，并对这些因子进行解释的时候，更加倾向于使用因子分析，并且借助旋转技术帮助更好解释。而如果想把现有的变量变成少数几个新的变量（新的变量几乎带有原来所有变量的信息）来进入后续的分析，则可以使用主成分分析。当然，这中情况也可以使用因子得分做到。所以这中区分不是绝对的。 总得来说，主成分分析主要是作为一种探索性的技术，在分析者进行多元数据分析之前，用主成分分析来分析数据，让自己对数据有一个大致的了解是非常重要的。主成分分析一般很少单独使用：a，了解数据。(screening the data),b,

数学建模案例分析---模糊数学方法建模1模糊综合评判及其应用

第八章 模糊数学方法建模 1965年,美国自动控制学家首先提出了用“模糊集合”描述模糊事物的数学模型。它的理论和方法从上个世纪七十年代开始受到重视并得到迅速发展，特别是愈来愈广泛地应用于解决生产实际问题。模糊数学的理论和方法解决了许多经典数学和统计数学难以解决的问题，这里，我们通过几个例子介绍模糊综合评判、模糊模式识别、模糊聚类、模糊控制等最常用方法的应用。而相应的理论和算法这里不作详细介绍，请参阅有关的书籍。 §1 模糊综合评判及其应用 一、模糊综合评判 在我们的日常生活和工作中，无论是产品质量的评级，科技成果的鉴定，还是干部、学生的评优等等，都属于评判的范畴。如果考虑的因素只有一个，评判就很简单，只要给对象一个评价分数，按分数的高低，就可将评判的对象排出优劣的次序。但是一个事物往往具有多种属性，评价事物必须同时考虑各种因素，这就是综合评判问题。所谓综合评判，就是对受到多种因素制约的事物或对象，作出一个总的评价。 综合评判最简单的方法有两种方式： 一种是总分法，设评判对象有m 个因素，我们对每一个因素给出一个评分i s ，计算出评判对象取得的分数总和 ∑== m i i s S 1 按S 的大小给评判对象排出名次。例如体育比赛中五项全能的评判，就是采用这种方法。 另一种是采用加权的方法，根据不同因素的重要程度，赋以一定的权重，令i a 表示对第i 个因素的权重，并规定 ∑==m i i a 1 1，于是用 ∑== m i i i s a S 1 按S 的大小给评判对象排出名次。 以上两种方法所得结果都用一个总分值表示，在处理简单问题时容易做到，而多数情况下评判是难以用一个简单的数值表示的，这时就应该采用模糊综合评判。 由于在很多问题上，我们对事物的评价常常带有模糊性，因此，应用模糊数学的方法进行综合评判将会取得更好的实际效果。 模糊综合评判的数学模型可分为一级模型和多级模型两类，这里仅介绍一级模型。 应用一级模型进行综合评判，一般可归纳为以下几个步骤： （1）建立评判对象的因素集},,,{21n u u u U =。因素就是对象的各种属性或性能，在不同场合，

数学建模论文《学科评价模型》

答卷编号（参赛学校填写）： 答卷编号（竞赛组委会填写）： 论文题目：学科评价模型(A) 组别：本科生 参赛队员信息(必填)： 姓名专业班级及学号联系电话参赛队员1 08生物技术一班0886 参赛队员2 08生物技术一班1680 参赛队员3 08生物技术一班0698

答卷编号（参赛学校填写）： 答卷编号（竞赛组委会填写）： 评阅情况（学校评阅专家填写）：学校评阅1. 学校评阅2. 学校评阅3. 评阅情况（省赛评阅专家填写）：省赛评阅1. 省赛评阅2. 省赛评阅3.

学科评价模型 摘要本学科评价模型采用了指标体系法，其所具有的客观公正性使之成为目前大学学科评价的主流方法。学科评价一方面取决于指标体系本身设计是否科学，另一方面则取决于原始数据和指标的可比性。由于本题目并没有给出具体的哪13个学科，而不同学科之间在某些方面存在着不同程度上的差异性。所以，我们采用层次分析法分配权重以及灰色多层次分析法处理数据，从而使评价结果更加客观公正。学科评价应分类别、分层次进行，不同的类别和层次适用于不同的情形。比如科研教学并重型高校的学科评价模型与科研型或者教学型高校的学科评价模型会有所区别。同时，在学科评价体系中，指标分级是必要的，我们将题目所给的指标分为三级。通过模型的建立及求解，我们得出了各学科各指标的评价结果，以及各学科的综合实力评价结果，并对结果进行横向分析和纵向分析，为大学学科评估及资源优化提供了较为合理的依据。 关键词层次分析法，权重, 灰色多层次分析法，关联度

一 问题的重述 学科的水平、地位是高等学校的一个重要指标，而学科间水平的评价对于学科的发展有着重要的作用，它可以使得各学科能更加深入的了解本学科(与其他学科相比较)的地位及不足之处，可以更好的促进该学科的发展。因此，如何给出合理的学科评价体系或模型一直是学科发展研究的热点问题。现有某大学（科研与教学并重型高校）的13个学科在一段时期内的调查数据，包括各种建设成效数据和前期投入的数据。 1、根据已给数据建立学科评价模型，要求必要的数据分析及建模过程。 2、模型分析，给出建立模型的适用性、合理性分析。 3、假设数据来自于某科研型或教学型高校，请给出相应的学科评价模型。 二 合理的假设 1、假设各学科所属领域以及学科特点的差异不对本评估体系产生影响 2、假设某些权威杂志对特定的学科没有偏重 3、假设国家和社会对各学科没有任何偏重 4、假设各学科培养出的人才素质没有差异 5、假设专家对学科各指标相对重要性的评判合理、客观、全面。 三 符号的说明 ijk C ：各级指标 ik C :(i=1,2,3····n;k=1,2,····m)第i 个参评学科中第k 个指标的原始数据 *k C :最优指标集 S ：综合分析评价值 A ：目标向量 ij D ：表示i D 对j D 的相对重要性数值 ij P ：判断矩阵)3,2,1,m 3,2,1(n j i ：特征向量 max ：最大特征值 CR ：判断矩阵的随机一致性比率 CI ：判断矩阵的一般一致性指标 RI ：平均随机一致性指标 i W ：各个分向量的权重系数 *W :第三指标权重分配矩阵

模糊数学模型Matlab实验

模糊数学模型Matlab 实验 1、画出下面这些模糊隶属函数的图形(要求：从下面三种分布类型的隶属函数中各选一个用Matlab 画出它们的图形) 偏小型梯形分布隶属函数： 令a=1,b=2 偏小型Г分布隶属函数： 令a=1,k=0.5,得： x a b x A x a x b b a x b 1,(),0,?? k x a x a A x e x a k ()1,(),(0)--?

偏小型正态分布隶属函数： 令a=1, σ=2 00.20.40.60.81 1.2 1.4 1.6 1.82 0.65 0.75 0.85 0.95 x a x a A x e x a 2 ()1,(),--σ≤??=??>?

2、用Matlab 编程计算下面两个矩阵A 和B 的模糊合成，得到矩阵C ，其中}1)max{(s k b a c kj ik ij ≤≤∧= ???? ? ??=???? ??=6.04.02.05.03.01.0,3.06.02.05.01.04.0B A 1运行matlab ，先将模糊合成的函数synt 编写成M 文件 function ab=synt(a,b); m=size(a,1);n=size(b,2); for i=1:m for j=1:n ab(i,j)=max(min([a(i,:);b(:,j)'])); end end 之后再在matlab 中输入如下： A=[0.4,0.5,0.6;0.1,0.2,0.3]; %输入A 矩阵 B=[0.1,0.2;0.3,0.4;0.5,0.6]; %输入B 矩阵 C=synt(A,B) %A 、B 矩阵进行模糊合成C 矩阵 运行后得到如下结果： C = 00.20.40.60.81 1.2 1.4 1.6 1.82

模糊数学模型

第四讲 模糊数学模型（Fuzzy ） 过份的精确反而模糊；适当的模糊反而精确。 起源：1965年 L.A.Zadeh 在杂志“ Information and Control ”上发表著名论文，首先提出模糊集合的概念，标志着模糊理论的产生。 一、模糊综合评判法 （一）模糊集合： 1、X 上的模糊集合A ，由()A U x 表示的隶属函数的集合。 ()A U x 表示X 隶属集合A 的程度，()A U x 越接近1 ，表示X 属于A 的程度越大。 当()A U x =1时，X 肯定属于A ； 当()A U x =0时，X 肯定不属于A ； 2、若X 为离散空间，则X 可以表示为：{}12,, ,n X x x x =,则模糊集合A 可以表示为： {}1122(,()),(,()),,(,())A A n A n A x U x x U x x U x =。 {}:1,2, ,9Eg X =,A=“大体上与5接近的数”， 模糊集合A 可以表示为A ={（1，0），（2，0），（3，0.4），（4，0.8）,(5,1),(6,0.8),(7,0.4),(8,0),(9,0)}。 3、若X 为连续空间，则X 可以表示为：{},,X x x R R =∈为某连续区域，模糊集合 {}(,()),A A x U x x R =∈。 Eg:若建立年轻人的隶属函数，可以根据统计资料，作出年轻人的隶属函数的大致曲线，发现与柯西分布接近。 21 ()()1 1()11 (30)0.3 1 3.51(3025)10 A A x a U x P x x a x a U βαβα≤?? ==?>?+-?===+-1 取a=25,=2,＝ 10 不合理

模糊综合评价模型

（一）问题重述 连锁店选址： 今有8个候选作为连锁店选址，其因素集由表一决定，各隶属度由表二给出。请给出排序。表一

表二模糊综合评价矩阵 此题是一个连锁店选址问题，根据表一里给的那些因素集给它选择一个比较合适的开店地址。我们可以把题目分成三个小题： 第一，求出三级指标供水、供电、供气等对二级指标的三供、废物处理等的影响程度。 第二，求出二级指标对一级指标的影响程度。 第三，求出一级指标对连锁店选址的影响程度，然后根据算出的影响程度对选址做出合适的选择。 （二）问题分析 此题比较特殊，这个连锁店选址已经通过因素集表一和隶属度

表二给了我们做题的方法。就是通过两个表数据用模糊综合评价法去做题；在这里我们是用的模糊评价法里的算子),(⊕?M 和excel 软件进行数据的处理和求解。 模糊评价法的几种算子： ),(.1∨∧M {}n k r a r a b jk j m j jk j m j k ,,2,1,),min(max )(11 ==∧∨=≤≤= ),(.2∨?M {}n k r a r a b jk j m j jk j m j k ,,2,1,max )(11 =?=?∨=≤≤= ),(.3⊕∧M n k r a b m j jk j k ,,2,1,),min(,1min 1 =??? ???=∑= ),(.4⊕?M n k r a b m j jk j k ,,2,1,,1min 1 =??? ????=∑= 以及这几种算子的优缺点： 由表知道算子),(⊕?M 的体现权数作用明显、综合程度强、利用数据信息充分，而且是加权平均型；计算比较容易又作用比较好，故这里我们使用的是算子),(⊕?M 。

数学建模 四大模型总结

四类基本模型 1 优化模型 1.1 数学规划模型 线性规划、整数线性规划、非线性规划、多目标规划、动态规划。 1.2 微分方程组模型 阻滞增长模型、SARS 传播模型。 1.3 图论与网络优化问题 最短路径问题、网络最大流问题、最小费用最大流问题、最小生成树问题(MST)、旅行商问题(TSP)、图的着色问题。 1.4 概率模型 决策模型、随机存储模型、随机人口模型、报童问题、Markov 链模型。 1.5 组合优化经典问题 ● 多维背包问题(MKP) 背包问题：n 个物品，对物品i ，体积为i w ，背包容量为W 。如何将尽可能多的物品装入背包。 多维背包问题：n 个物品，对物品i ，价值为i p ，体积为i w ，背包容量为W 。如何选取物品装入背包，是背包中物品的总价值最大。 多维背包问题在实际中的应用有：资源分配、货物装载和存储分配等问题。该问题属于NP 难问题。 ● 二维指派问题(QAP) 工作指派问题：n 个工作可以由n 个工人分别完成。工人i 完成工作j 的时间为ij d 。如何安排使总工作时间最小。 二维指派问题（常以机器布局问题为例）：n 台机器要布置在n 个地方，机器i 与k 之间的物流量为ik f ，位置j 与l 之间的距离为jl d ，如何布置使费用最小。 二维指派问题在实际中的应用有：校园建筑物的布局、医院科室的安排、成组技术中加工中心的组成问题等。 ● 旅行商问题(TSP) 旅行商问题：有n 个城市，城市i 与j 之间的距离为ij d ，找一条经过n 个城市的巡回（每个城市经过且只经过一次，最后回到出发点），使得总路程最小。 ● 车辆路径问题(VRP) 车辆路径问题（也称车辆计划）：已知n 个客户的位置坐标和货物需求，在