数学建模-电梯控制优化调度模型

数学建模常用模型方法总结精品

【关键字】设计、方法、条件、动力、增长、计划、问题、系统、网络、理想、要素、工程、项目、重点、检验、分析、规划、管理、优化、中心 数学建模常用模型方法总结 无约束优化 线性规划连续优化 非线性规划 整数规划离散优化 组合优化 数学规划模型多目标规划 目标规划 动态规划从其他角度分类 网络规划 多层规划等… 运筹学模型 （优化模型） 图论模型存 储论模型排 队论模型博 弈论模型 可靠性理论模型等… 运筹学应用重点:①市场销售②生产计划③库存管理④运输问题⑤财政和会计⑥人事管理⑦设备维修、更新和可靠度、项目选择和评价⑧工程的最佳化设计⑨计算器和讯息系统⑩城市管理 优化模型四要素：①目标函数②决策变量③约束条件 ④求解方法(MATLAB--通用软件LINGO--专业软件) 聚类分析、 主成分分析 因子分析 多元分析模型判别分析 典型相关性分析 对应分析 多维标度法 概率论与数理统计模型 假设检验模型 相关分析 回归分析 方差分析 贝叶斯统计模型 时间序列分析模型 决策树 逻辑回归

传染病模型马尔萨斯人口预测模型微分方程模型人口预 测控制模型 经济增长模型Logistic 人口预测模型 战争模型等等。。 灰色预测模型 回归分析预测模型 预测分析模型差分方程模型 马尔可夫预测模型 时间序列模型 插值拟合模型 神经网络模型 系统动力学模型(SD) 模糊综合评判法模型 数据包络分析 综合评价与决策方法灰色关联度 主成分分析 秩和比综合评价法 理想解读法等 旅行商(TSP)问题模型 背包问题模型车辆路 径问题模型 物流中心选址问题模型 经典NP问题模型路径规划问题模型 着色图问题模型多目 标优化问题模型 车间生产调度问题模型 最优树问题模型二次分 配问题模型 模拟退火算法(SA) 遗传算法(GA) 智能算法 蚁群算法(ACA) (启发式) 常用算法模型神经网络算法 蒙特卡罗算法元 胞自动机算法穷 举搜索算法小波 分析算法 确定性数学模型 三类数学模型随机性数学模型 模糊性数学模型

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

公交车调度问题的数学模型

承诺书 我们仔细阅读了中国大学生数学建模竞赛的竞赛规则. 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）： B 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. 赵惠平 2. 李敏 3. 赵俊海 指导教师或指导教师组负责人 (打印并签名)： 日期：年月日赛区评阅编号（由赛区组委会评阅前进行编号）：

编号专用页 赛区评阅编号（由赛区组委会评阅前进行编号）： 赛区评阅记录（可供赛区评阅时使用）： 评 阅 人 评 分 备 注 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）：

对公交车调度问题的研究 摘要 公交车调度问题是现代城市交通中一个突出的问题。本文通过所给的一条公交线路上下行方向各时间段，各站点的客流量，根据一些合理假设，并在优先考虑将乘客拉完同时兼顾公交公司利益最大化的基础上，利用最优化思想建立线性规划模型。然后根据所给资料，利用数学软件编程检验。 通过对数据的分析，并且考虑到方案的可操作性，将一天划分为高峰时间段和一般时间段，。首先给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和车辆数。通过分析发现满足高峰时间段所需的车辆数便可满足一整天其他时间所需车辆数，所以对于车辆数，是通过对各路段个时间端上车人数净增量来确定的。算出时间段内每分钟车上的净增人数，根据每小时发车的时间间隔算出每小时的车辆数，进而得到了全天的车辆数。我们通过假设乘客均匀到站，并且乘客候车时间包括在车辆运行中，即认为公交车到站后乘客上车不费时间，建立线性规划模型进行求解。 最后我们对题目所给数据进行了处理，得出了车辆具体的运行方案，并用所建模型对结果作检验。并用Matlab编写了所需程序。 关键字：公交车调度线性规划净增量均匀到站

数学建模电梯调度问题

电梯调度问题

电梯调度问题 摘要： 本题为一个电梯调度的优化问题，在一栋特定的写字楼内，利用现有的电梯资源，如何使用电梯能提高它的最大运输量，在人流密度十分大的情况下，如何更快的疏通人流成为一个备受关注的问题。为了评价一个电梯群系统的运作效率，及运载能力，在第一问中，我们用层次分析发，从效益、成本两大方面给出了六个分立的小指标，一同构成电梯群运载效率的指标体系。对第二问，本文根据题目情况的特殊性，定义忙期作为目标函数，对该电梯调度问题建立非线性规划模型，最后用遗传算法对模型求解。第三问中，本文将模型回归实际，分析假设对模型结果的影响，给出改进方案。 对于问题一，本文用评价方法中的层次分析法对电梯群系统的运作效率及运载能力进行分析。经分析，本文最终确定平均候梯时间、最长候车时间、平均行程时间、平均运营人数（服务强度）、平均服务时间及停站次数这六个指标作为电梯调度的指标体系。在这些评价指标的基础上，本文细化评价过程，给出完整的评价方案：首先，采用极差变换法对评价指标做无量纲化处理。然后，采用综合评价法对模型进行评价。在这个过程中，本文采用受人主观影响较小的夹角余弦法来确定权重系数。 对于第二问，本文建立非线性优化模型。借鉴排队论的思想，本文定义忙期，构造了针对本题中特定情形的简单数学表达式，作为目标函数。利用matlab软件，采用遗传算法对模型求解。多次运行可得到多个结果，然后用第一问中的评价模型进行评价，最终选出较优方案。最得到如下方案： 第一个电梯可停层数为：1,2,3,4,5,6,7,10,14,15,16,19,20,22 第二个电梯可停层数：1,4,5,7,10,13,16,18,19,20,21 第三个电梯可停层数：1,2,3,4,6,8,10,11,12,15,16,20,22 第四个电梯可停层数：1,2,3,4,7,10,11,17,18,19,21,22 第五个电梯可停层数：1,2,4,7,8,9,17,18,19,20,21 第六个电梯可停层数：1,4,5,6,7,8,9,11,13,18,19,20 此方案平均忙期为：15.3分钟。 对于第三问，本文是从每分钟到达人群数的分布角度改进模型的。第二问中

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

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

城市供水系统优化调度 数学模型的建立

城市供水系统优化调度 数学模型的建立 摘要：介绍了城市供水系统优化调度的主要内容以及原则。同时介绍城市供水系统优化调度的研究状况。用水量预测研究是优化调度的基础和前提。用水量预测模型是在分析城市用水量序列数据模式的基础上, 综合利用多种方法建立的数学表达式。给水管网数学模型是建立水厂出厂压力和流量与管网测压点之间的经验数学表达式, 它反映了给水系统的运行工况。优化调度模型的建立和求解是优化调度的核心。 关键词：城市供水系统；优化调度模型；用水量预测 Optimal Operation of Urban Water Distribution System Wei Sheng （Beijing University of Civil Engineering and Architecture，School of Environment and Energy Engineering，Beijing，100044） Abstract：Primary coverage of urban water distribution system and its principles are introduced. At the same time introduce the situation of the urban water distribution system. Water consumption forecasting is the bases of optimal dispatching. Water consumption forecasting model is a mathematical representation which is based on the data pattern of urban water consumption series. Water distribution network model reflecting the operating mode of water distribution system, is an empirical equation based on the relation of pressure, water flow and pressure tap's data. Derivation of optimal dispatching model is primary. Key words：urban water supply system; optimal dispatching model; water consumption forecast 1．优化调度原因及概念

数学建模 的公交车调度问题

第三篇公交车调度方案的优化模型 2001年 B题公交车调度 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（，）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,，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 §1 问题的重述 一、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。 二、运营及调度要求 1．公交线路上行方向共14站，下行方向共13站； 2．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%； 3．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。

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。

关于公交车调度的数学模型

关于公交车调度的数学模型

公交车调度 关于公交车调度的数学模型 摘要：本文根据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，首先探讨了如何利用平滑法来确定一个有价值并且效率高的车辆运行时刻表，使其满足乘客的舒适性和公交公司低成本的服务；接着，又利用最优化的基本思想，对此问题进行了进一步的讨论，得到了最小配车辆的数量，然后针对满意度的评价水平问题，建立了几个良好刻画公司以及乘客满意度的满意度函数并求出了乘客与公交公司双方的满意度。最后，我们对新提出的模型进行了模型的评价和模型改进方向的讨论，并对如何采集公交车客运量的数据，提出了几个中肯的建议，完成了对关于公交车调度问题的较为详细而合理的讨论。 （一）问题重述 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，第3-4页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。 （二）定义与符号说明 1、T( I )------ 第I个时段 ( I=1、2……18 ) 2、A( J )------ 第J个公交车站 (J=1、2……15 ) 3、P( I )------ 在第I个时段内的配车量 4、L( I )------ 在第I个时段内的客流量 5、G( I )------ 在第I个时段内的满载率 6、S( I )------ 在第I个时段内的乘客候车时间期望值 7、V--------- 客车在该线路上运行的平均速度 8、ΔL(J)---第J-1个公交车站到第J个公交车站之间的距离

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)

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

6公交车调度的数学模型讲解

6公交车调度的数学模型讲解

公交车调度的数学模型 摘要 随着人口的增加以及现代化建设的加快，城市人口迅猛增长，城市公共交通面临着巨大的挑战。为缓解城市交通的拥堵，除了提倡错峰出行、减少私家车出行之外，对公共交通设施进行合理的调度也特别重要。本文正是通过已知的某条公交线路的客流调查和运营资料，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，以解决该条公交线路上公交车的调度问题。 公交车的运营可以产生经济效益和社会效益，两种效益的关系是对立统一的，当乘客人数一定的情况下，产生的经济效益越高，即同一时段公交车的数量越少、发车次数越少，社会效益就越低；同理，产生的社会效益越高，经济效益就越低。故在制定公交车调度方案时，我们要综合考虑经济效益与社会效益。 公交车产生的经济效益由公交车的满载率、运营所需的公交车总数、运营时间内总发车次数所决定，而社会效益则由乘客的等待抱怨度以及拥挤抱怨度所决定。通过分析，我们发现要使公交车的运营产生最大的效益，既要使公交车的满载率最大、所需公交车总数和发车次数越小、乘客等待抱怨度和拥挤抱怨度最低，同时，我们发现在某段时间内乘客人数一定的条件下，这些决定因素本质上都是由某段时间内的发车次数所决定的。因此，我们可通过建立多目标的优化模型、采用遗传算法、用Lingo软件编程进行求解。最后，我们得出要使乘客与公交公司的利益最大化，全天需要公交52辆，共需发车445次，并绘制出上、下行起始点发车时刻表。

3、数据分析 根据问题分析，我们对已知数据进行简要分析。 对于公交公司，当满载120人时公交公司最满意，人数越少，满意度越来越低。对于乘客，可设当等车时间不超过5分钟，车辆满载率不超过100%时，乘客满意度为1，随着等待时间增加和车载率的上升，乘客满意度会逐渐下降。我们取当公交车平均载客人数分别为120人，100人，50人试作分析。 考虑上行方向，当j ik p →120人时，第18段无需考虑，120j ik ij p mg =，则公交公司满意度171 171 jk ij j jk j p mg mg p ==?=∑∑=0.9722 。乘客的满意度由发车车次数j n 和发车 时间间隔jk t ?，算出乘客的满意度mc =0.7334。 当j ik p →100人时，公交公司满意度mg =0.8116,乘客的满意度为mc =0.9218 。 当j ik p →50人时 ，此时公交公司的利益达到最小，相应的乘客满意度会变大，公交公司满意度mg =0.4207, 乘客满意度mc =0.9800 首先考虑上行问题：根据公交公司的满意度和乘客的满意度的对应关系，(0.9722，7334)、( 0.8116，0.9218)、( 0.4207，0.9800)，可以利用二次拟合得出公交公司和乘客的函数f(mg 1)： 21.8737 2.16940.3953mc mg mg =-++(9722.0m g 4270.01≤≤) 拟合曲线如图1（相关程序见附录二）： 0.20.30.40.50.6 0.70.80.910.7 0.8 0.9 11.1 上行时(mg,mc)的拟合曲线 mg m c

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：

公交车调度问题

公交车调度问题 关于公交车的调度问题 摘要：本文主要是研究公交车调度的最优策略问题。我们建立了一个以公交车 的利益为目标函数的优化模型，同时保证等车时间超过10 分钟(或者超过 5 分 钟)的乘客人数在总的等车乘客数所占的比重小于一个事先给定的较小值。首先，利用最小二乘法拟合出各站上(下)车人数的非参数分布函数，求解时 先用一种简单方法估算出最小配车数43 辆。然后依此为参照值，利用Maple 优化工具得到一个整体最优解：最小配车数为48 辆，并给出了在公交车载客量不同条件下的最优车辆调度方案，使得公司的收益得到最大，并且乘客等车的时间不宜过长，最后对整个模型进行了推广和评价，指出了有效改进方向。 关键词：公交车调度；优化模型；最小二乘法 问题的重述：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，第3-4 页给出的是典型 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。 基本假设 1)该公交路线不存在堵塞现象，且公共汽车之间依次行进，不存在超车现象。 2)公共汽车满载后，乘客不能再上，只得等待下一辆车的到来。 3)上行、下行方向的头班车同时从起始站出发。 4)该公交路线上行方向共14站，下行方向共13站。 5)公交车均为同一型号，每辆标准载客100 名，车辆满载率不应超过120%， 一般也不要低于50% 。 6)客车在该路线上运行的平均速度为20 公里/小时，不考虑乘客上下车时间。 7)乘客侯车时间一般不超过10 分钟，早高峰时一般不超过 5 分钟。 8)一开始从 A 13出发的车辆，与一开始从A 0出发的车辆不发生交替，两循环 独立。 9)题目所给的数据具有一定的代表性,可以做为各种计算的依据。 符号说明 N a：从总站A13 始发出的公交车的总次数（上行方向） N b ：从总站 A 0 始发出的公交车的总次数（下行方向） T1 ：上行方向早高峰发车间隔时间 T 2 ：上行方向平时发车间隔时间 T 3 ：上行方向晚高峰发车间隔时间