概率论与数理统计在数学建模中的应用__本科毕业设计论文

概率论与数理统计在数学建模中的应用

——国 冰

。

第一节 概率模型

一、初等概率模型

初等概率模型主要介绍了可靠性模型、传染病流行估计、常染色体遗传模型等三类问题：

1、复合系统工作的可靠性问题的数学模型

设某种机器的工作系统由N 个部件组成，各部件之间是串联的，即只要有一个部件失灵，整个系统就不能正常工作．为了提高系统的可靠性，在每个部件上都装有主要元件的备用件及自动投入装置(即当所使用元件损坏时，备用元件可自动替代之而开始工作)明显地，备用件越多，整个系统正常工作的可靠性就越大. 但是，备用件过多势必导至整个系统的成本、重量和体积相应增大，工作精度也会降低. 因此，配置的最优化问题便被提出来了：在某些限制性条件之下，如何确定各部件的备用件数量，使整个系统的工作可靠性最大?

这是一个整体系统的可靠性问题.我们假设第i 个部件上装有i x 个备用件(1,2,,)i N =,此时该部件正常工作的概率为()i p x ，那么整个系统正常工作的可靠度便可用

1()n

i i p p x ==∏ （9.1）

来表示.

又设第i 个部件上的每个备用件的费用为i C ，重量为i W ，并要求总费用不超过C ，总重量不超过W ，则问题的数学模型便写成为

1max ()n

i i p p x ==∏

（9.2）

1

1

..,1,2,N

i i i N

i i i i c x c

s t w x c

x N i N

==?≤???≤???∈=??∑∑

问题的目标函数为非线性的，决策变量取整数，属于非线性整数规划问题。

2、传染病流行估计的数学模型

问题分析和模型假设

本世纪初，瘟疫还经常在世界的某些地方流行。被传染的人数与哪些因素有

关？如何预报传染病高潮的到来？为什么同一地区一种传染病每次流行时，被传染的人数大致不变？科学家们建立了数学模型来描述传染病的蔓延过程，以便对这些问题做出回答。

这里不是从医学角度探讨每一种瘟疫的传染机理，而是利用概率论的知识讨

论传染病的蔓延过程。

假定人群中有病人或更确切地说是带菌者，也有健康人，即可能感染者，任

何两人之间的接触是随机的，当健康人与病人接触时健康人是否被感染也是随机的. 问题在于一旦掌握了随机规律，那么如何去估计平均每天有多少健康人被感染，这种估计的准确性有多大?

给出以下假设

（1）设人群只分病人和健康人两类，病人数和健康人数分别记为i 和s ，总

数n 不变，即

i s n += （9.3）

（2）人群中任何二人的接触是相互独立的，具有相同概率p ，每人每天平

均与m 人接触；

（3） 当健康人与一病人接触时，健康人被感染的概率为λ。

模型建立求解

由假设（2）知道一个健康人每天接触的人数服从(1,)b n p -，且平均值是m ，则

(1)m n p =-

于是 (1)

m p n =- (9.4) 又设一健康人被一名指定病人接触并感染的概率为1p ，则由假设3及(9 .4)

式得

11m

p p n λλ==- (9.5)

那么一健康人每天被感染的概率2p 为

211(1)1(1)1i i m

p p n λ=--=--- (9.6) 由于健康人被感染的人数服从2(,)b s p ，其平均值μ为

22()sp n i p μ==- (9.7)

标准差σ为

σ==注意，通常,1n m n ≥≥，取(9.6)式右端展开式的前两项，有

21(1)mi mi p n n λλ=--+≈ (9.9)

最后得到 ()

mi n i

n λμ-=

(9.10)

σμ== (9.11) (9.10)式给出了健康人每天平均被感染的人数μ与n 、i 、m 、λ的关系，(9.11)式σμ为变异系数，可看作对平均值μ的相对误差的度量。

二、随机性决策模型

所谓行为决策理论，就是用行为科学的观点和方法，对决策活动进行描述，解释和预测的一种理论。

它以人的决策行为作为基本要素，以自然科学的实证方法作为主要手段，归纳出一套建立在经验证据基础上的理论观点，拓展了决策论的研究范围。

合理的决策必须具备三个条件：

（1）目标合理；

（2）决策结果满足预定目标的要求；

（3）决策本身符合效率、满意、有限合理、经济性的原则。

所谓风险型决策是指在作出决策时，往往有某些随机性的因素影响，而决策者对于这些因素的了解不足，但是对各种因素发生的概率已知或者可估算出来，因此这种决策存在一定的风险.

①风险决策模型的基本要素

决策者——进行决策的个人、委员会或某个组织.在问题比较重大和严肃时，通常应以后者形式出现.

方案或策略——参谋人员为决策者提供的各种可行计划和谋略. 如渔民要决定出海打鱼与否便是两个方案或称两个策略.

准则——衡量所选方案正确性的标准.作为风险型决策，采用的比较多的准则是期望效益值准则，也即根据每个方案的数学期望值作出判断.对收益讲，期望效益值越大的方案越好；反之对于损失来讲，期望效益值越小的方案越好.

事件或状态——不为决策者可控制的客观存在的且将发生的自然状态称为状态(事件)，如下小雨，下大雨和下暴雨即为三个事件或称三种状态，均为人所不可控因素.

结果——某事件(状态)发生带来的收益或损失值.

②风险决策方法

?利用树形图法表示决策过程具有直观简便的特点，将其称为决策树的方法.

?充分利用灵敏度分析(即优化后分析)方法对决策结果作进一步的推广和分析.

决策树一般都是自上而下的来生成的。

选择分割的方法有好几种，但是目的都是一致的：对目标类尝试进行最佳的分割。

从根到叶子节点都有一条路径，这条路径就是一条“规则”。

决策树可以是二叉的，也可以是多叉的。

对每个节点的衡量：

1) 通过该节点的记录数

2) 如果是叶子节点的话，分类的路径

3) 对叶子节点正确分类的比例。

有些规则的效果可以比其他的一些规则要好。

决策树对于常规统计方法的优点。

构造好的决策树的关键在于如何选择好的逻辑判断或属性。对于同样一组例子，可以有很多决策树能符合这组例子。人们研究出，一般情况下或具有较大概率地说，树越小则树的预测能力越强。要构造尽可能小的决策树，关键在于选择恰当的逻辑判断或属性。由于构造最小的树是NP-难问题，因此只能采取用启发式策略选择好的逻辑判断或属性。下面我们利用一个例题来说明如何来建立风险决策模型。

例1、天龙服装厂设计了一款新式女装准备推向全国。如果直接大批量生产与销售，主观估计成功与失败的概率各为0.5，其分别的获利为1200万元与-500万元，如取消生产销售计划，则损失设计与准备费用40万元。为稳妥起见，可先小批量生产试销，试销的投入需45万元。据历史资料与专家估计，试销成功与失败的概率分别为0.6与0.4，又据过去情况，大批生产销售为成功的例子中，试销成功的占84%，大批生产销售失败的事例中，试销成功的占36%。试根据以上数据，通过建立决策树模型按期望值准则确定最优决策。

解答：本题显然是要考核风险性决策模型的建立能力。按照这类模型的建立思路，我们有：

问题分析与模型假设

1. 问题涉及直接大批量生产与销售、取消生产销售计划和小批量试销售这样三个决策方案的取舍，在每种方案下又分为成功或失败两种结果；

2. 决策目标在表面上看是获利大小，实际上是要决定试销与否；

3. 尚需注意后面几句话：“大批生产销售为成功的例子中，试销成功的占84%，大批生产销售失败的事例中，试销成功的占36%”，这意味着要计算两个概率，其一是当试销成功时，大批量销售成功与失败的概率；其二是试销失败情况下，大批量销售成功与失败的概率，这意味着要利用贝叶斯概率公式；

4. 设定以下变量

A --试销成功，则A --试销失败；

B --大量销售成功，则B --大量销售失败。

模型建立求解

1.先来计算两个概率，注意到,36.0)/(,6.0)(,84.0)/(===B A P B P B A P 代入

贝叶斯概率公式 )()/()()/()()/()/(B P B A P B P B A P B P B A P A B P +=

,78.04

.036.06.084.06.084.0≈?+??= 从而.22.0)/(=A B P 即当试销成功时，大批量销售成功与失败的概率分别为0.78和0.22.

同理可以算出在试销失败情况下，大批量销售成功与失败的概率分别为0.22

和0.78.

2. 以试销与否作为决策思路，先画一方块“囗”称为决策结点，由决策结

点向右引出若干条直线表示不同的策略(方案)称为策略分枝，策略分枝的右端画一个圆圈“○”称为状态结点，由它引出表示不同状态及其发生的概率的分枝称为概率分枝，最后在概率分枝的终点画“△”符号表示这一分枝的最终结果的效益值(期望值)，正值表收益，负值表示损失．本例对应的决策树如图（见图-2）：

万

万 40万 万 500万

40万 万 500万

40万 图--2

这棵树即为所求的数学模型。我们继续将模型求解出来。

根据期望利润值最大准则对决策树进行计算，值得指出的是，画决策树是从

左向右画出，画的过程中将各种已知数据标于相应的位置上. 但在决策树上进行决策计算却是从右向左进行的：先计算最右端每个状态结点的期望值。一级决策问题，只需利用结果点效益值计算各状态结点的期望效益值即可. 当有两级以上决策时则需从右向左逐级计算.结果如图-3

决策树的优缺点：

优点：

1)可以生成可以理解的规则。

2)计算量相对来说不是很大。

3)可以处理连续和种类字段。

4)决策树可以清晰的显示哪些字段比较重要

缺点：

1)对连续性的字段比较难预测。

2)对有时间顺序的数据，需要很多预处理的工作。

3)当类别太多时，错误可能就会增加的比较快。

4)一般的算法分类的时候，只是根据一个字段来分类

成功0.78

万 万 40万

万

500万

40万 万 500万

40万

图--3

三、随机性存储模型

问题分析与模型假设

工厂为了稳定的生产，需要贮存一定的原料或零部件；商店为了满足顾客的需要，要有足够的库存商品；银行为了进行正常的营业，需要一定的货币进行周转；医院为了手术的急需，血库必备充足血液. 总之库存问题是普遍存在的. 早在1915年, 哈里斯(Harris)对商业中的库存问题建立了一个简单模型，并求得了最优解, 但未被人们注意. 1918年威尔逊(Wilson)重新得出了哈里斯的公式, 并将其发展. 他们的模型都是确定性的, 二次大战后, 带有随机性因素的库存模型得到研究。 目前, 库存问题的兴趣已转到了多物品、多个库存点的理论。

在随机性需求的情况下，要制订最优的存储策略必须知道一个时间段（如一

天、一周、一个月等）内需求量的概率分布，以及订货费、存储费、缺货费（在随机需求的情况下，缺货几乎是不可避免的）。这里有两个可以考虑的问题，第一个问题是：决策者在每个时间段初，应该根据已有的存储量确定应订购多少货物使存储量达到最大，记这个最大的存储量为S 。第二个问题是：已有的存储量不低于什么数值时，本时间段就可以不再订购，记这个决定不再订购的那个存储量的最低值为s 。整个这种随机存储策略称为(,)s S 存储策略。

给出以下假设：

(1) 只考虑一种物品, 其需求是随机的, 需求量X 是非负连续的随机变量，密度函数为()x ?, 分布函数为()x Φ;

(2) 只考虑一个库存周期，即在库存周期开始时, 做一次决策, 决定进货量;

(3) 瞬时供货;

(4) 决策前原有库存量为I , 进货量为Q , 决策后的库存量为y I Q =+;

(5) 费用包括订货费、存贮费和缺货费. 每次的订购手续费为K , 货物单价为p ; 存贮费在周期末结算, 它与期末的库存量成正比, 比例系数为h （单位存贮费）, 缺货费与缺货量成正比, 比例系数为g （单位缺货损失）;

(6) 决策的准则是期望总费用最小.

模型的建立与求解

库存问题有补充—库存—需求三个环节. 在这一系统中, 若一次进货量多, 进货的次数就少, 进货的费用就少, 但库存量大, 库存费用就大, 造成需求缺货就可能少, 缺货损失就会少; 若一次进货量少, 进货的次数就多, 进货费用就大, 但库存量小, 库存费用就小, 造成需求缺货就可能多, 缺货损失就会大. 如何协调这些矛盾, 使该系统在某种准则下运行最佳. 即如何确定进货量, 使其总费用最小.

进货费用为

1()()0K p y I y I c y I y I +->?-=?=?

存贮费用为

2()()0

h y X X y c y X X y -

2200()()()()()y

Ec y X c y x x dx h y x x dx ??∞-=-=-?? 缺货损失为

3()()0

g X y X y c X y X y ->?-=?≤? 期望缺货损失为

330()()()()()y Ec X y c x y x dx g x y x dx ??∞∞

-=-=-?? 记 23()()()L y Ec y X Ec X y =-+-

则总费用为

()()()()

K p y I L y y I C y L y y I +-+>?=?=? （2） 目的是求min ()y

C y 当需要进货时有

0()()()()()()y y C y K p y I h y x x dx g x y x dx ??∞

=+-+-+-?? 令 0()()()0y y dC y p h x dx g x dx dx

??∞=+-=?? （3）

若S 是使函数达到极小值的点, 则 0()()S g p S x dx h g

?-Φ==+? (4) 设s 为库存量进货点, 即当初始库存I s <时, 进货至S ; 当I s ≥不进货。当I s =时, 不进货. 总费用为()L s , 它应小于y S =（此时进货量为S s -）的总费用()()K p S s L S +-+, 即

()()()L s K p S s L S ≤+-+

当I s <时,进货。则()()()L I K p S I L S ≥+-+, 于是s 应满足()()(L s K p S s L S =+-+，

即 ()()ps L s K pS L S +=++ (5)

若模型假设(1)改为需求量X 是非负离散随机变量, 分布为

0{}(0,1,),0,1k k k k P X k p k p p ∞

====≥=∑

(1)式可变为

00()()()y y

k k k k L y h y k p g k y p ===-+-∑∑ （1）′

(4)式可变为 1

00S S

k k k k g p p p h g -==-≤≤+∑∑ （2）′ (5)式变为

()()ps L s K pS L S +≤++ (3) ′

s 是满足上式的最小正整数.

实例

例1 设某公司用某种原料进行生产, 已知该原料每吨单价800元, 订货费60元, 存贮费每吨40元, 缺货损失每吨1015元, 原有存贮量为10吨. 已知对原料需求的概率

(30)0.2,(40)0.2,(50)0.4,(60)0.2P X P X P X P X ========

求该公司订购原料的最佳方案.

解 由模型假设有:60,40,1015,10,800K h g I p ===== 计算10158000.204101540

g p g h --=≈++ 因为

(30)0.20.204,(30)(40)0.40.204P X P X P X ==<=+==>

所以40,30S Q S I ==-=S=40, Q=S –I=40–10=30

又因为

()40260K pS L S ++=

800×30+1015×[(40–30)×0.2+(50–30)×0.4+(60–30)×0.2]=40240≤

()K pS L S ++

所以30s =. 故存贮策略为每个阶段开始时检查存贮量I , 当30I >吨时不必补充存贮; 当30I ≤吨时补充存贮量到40吨.

例 2 某市石油公司希望确定一种油的存贮策略, 以确定应贮存的油量. 该油的市场需求服从指数分布, 其密度函数为

0.0000010.0000010()0

0x e x x x ?-?≥=?

解 由模型假设0,0,3,2K h g p ====

计算

320.33330g p g h --=≈++ 由 S 0.000001 0

0.000001d 0.333x e x -=?, 有0.0000010.667x e -=, 两端取对数解出 405000S ≈

因

()20()()3()()23()()s s s ps L s s s x x dx x s x dx s x s x dx ???∞∞∞

+=+?-+-=+-???

0()0()()3()()23()()S S S K pS L S S x x dx x S x dx S x S x dx ???∞∞

++=?-+-=+-???K+p 由观察可知, 它有唯一解s S =。 所以当库存下降到405000斤以下就应进货, 使库存达到405000斤. 出现s S =, 是因为进货费为零, 可以频繁进货, 又存贮费为零, 存贮量多一些也不会增加费用。

第二节 数据分析模型

一、主成分分析模型和因子分析模型

例1 现希望对30 个省市自治区经济发展基本情况的八项指标进行分析。具

体采用的指标有:GDP 、居民消费水平、固定资产投资、职工平均工资、货物周转量、居民消费价格指数、商品零售价格指数、工业总产值，数据文件见附表。这是一个综合分析问题，八项指标较多，可以用主成分分析法进行综合。打开文件后在SPSS 中的操作如下:

使用SPSS 软件中的Analyze→Data Reduction →Factor Analysis 就进入了

Factor 的主对话框。

在Factor的主对话框将x1 x8选入Variables框。

在Descritives子对话框选中选择“Coefficients”,按Continue回到Factor 的主对话框选择OK按钮输出结果，SPSS 在调用Factor Analyze 过程进行分析时，首先会自动对原始变量进行标准化，因此以后的输出结果中在通常情况下都是指标准化后的变量。在结果输出中会涉及一些因子分析中的内容，因此这里仅给出与主成分分析有关的部分如下:

水平

固定资产投资 .951 .426 1.000 .396 .431 -.280 -.359 .792

职工平均工资 .187 .716 .396 1.000 -.357 -.145 -.543 .099

货物周转量 .617 -.151 .431 -.357 1.000 -.253 .022 .659

居民消费价格指数 -.273 -.235 -.280 -.145 -.253 1.000 .763 -.125

商品零售价格指数 -.264 -.593 -.359 -.543 .022 .763 1.000 -.192 工业总产值 .874 .363 .792 .099 .659 -.125 -.192 1.00

表1 1. 1 为8个原始变量之间的相关系数矩阵，可见许多变量之间直接的相

关性比较强，的确存在信息上的重叠。

表1 1. 2 给出的是各成分的方差贡献率和累计贡献率，由表1 1. 2 可知，只有前3个特征根大于1，因此SPSS 只提取了前三个主成分。第一主成分的方差所占所有主成分方差的46.92%，接近一半，前三个主成分的方差贡献率达到9.55% ，因此选前三个主成分己足够描述经济发展的水平。

Component Matrix(a)

职工平均工资 .465 -.725 .362

货物周转量 .486 .737 -.279

居民消费价格指数 -.510 .257 .794

商品零售价格指数 -.621 .596 .433

工业总产值 .822 .429 .210

Extraction Method: Principal Component Analysis.

a 3 components extracted.

随后表1 1. 3 中的输出为主成分系数矩阵，可以说明各主成分在各变量上的载荷，从而得出各主成分的表达式，注意在表达式中各变量己经不是原始变量，而是标准化变量。

10.88410.60620.91130.46540.48650.51060.6217 0.8228

F ZX ZX ZX ZX ZX ZX ZX ZX =++++--

+20.38510.59620.16330.72540.73750.25760.59670.4298

F ZX ZX ZX ZX ZX ZX ZX ZX =-+-++-

+30.12010.27720.21330.36240.27950.79460.43370.2108F ZX ZX ZX ZX ZX ZX ZX ZX =+++-+-

+

由于各自变量己经过标准化，因此以上三个主成分的均数均为0。可以证明，各主成分的方差应当为前述特征根i λ，但这里计算出的数值方差均为特征根的平

方，即各主成分的原始数值还应该除以一个特征根的平方根才行，在第1主成分的表达式中，X1，X2 ，X3，X8的系数较大，可以看成是反映GDP 、固定资产投资、居民消费水平和工业总产值的综合指标。在第2主成分中，X4和X5的系数较大，可以看成是反映职工平均工资和货物周转量方面的综合指标。在第3主成分中，X6系数较大，可以看成是反映居民消费价格指数方面的综合指标。主成分分析本质上是一种矩阵变换过程，并不要求各主成分部具有实际意义，本例中各主成分含义显得并不十分明确，我们将进一步在因子分析中对其继续进行分析，操作如下:

选择Analyze 下拉菜单中的Data Reduction 中的Factor Analysis ，在Factor 的主对话框将x1 x8选入Variables 框。

数学建模 学校选址问题模型

学校选址问题 摘 要 本文针对某地新开发的20个小区建设配套小学问题建立了0-1规划模型和优化模型。为问题一和问题二的求解，提供了理论依据。 模型一： 首先：根据目标要求，要建立最少学校的方案列出了目标函数： ∑==16 1i i x s 然后：根据每个小区至少能被一所学校所覆盖，列出了20个约束条件; 最后：由列出的目标函数和约束函数，用matlab 进行编程求解，从而得到，在每个小区至少被一所学校所覆盖时，建立学校最少的个数是四所，并且一共有22种方案。 模型二： 首先：从建校个数最少开始考虑建校总费用，在整个费用里面，主要是固定费用，由此在问题一以求解的条件下，进行初步筛选，得到方案1,4,8的固定成本最少。 然后：在初步得出成本费用最少时，对每个这三个方案进一步的求解，求出这三个方案的具体的总费用，并记下这三套方案中的最小费用。 其次：对这三套方案进行调整，调整的原则是：在保证每个小区有学校覆盖的条件下，用多个固定成本费用低的备选校址替换固定成本费用高的备选校址。在替换后，进行具体求解。 再次：比较各种方案的计算结果，从而的出了如下结论： 选用10,11,13,15,16号备选校址的选址方案，花费最少，最少花费为13378000元。 最后：对该模型做了灵敏度分析，模型的评价和推广。 关键字：最少建校个数 最小花费 固定成本 规模成本 灵敏度分析

1. 问题重述 1.1问题背景： 某地新开发的20个小区内需要建设配套的小学，以方便小区内居民的的孩子上学。但是为了节省开支，建造的学校要求尽量的少，为此，设备选定的16个校址提供参考，各校址覆盖的小区情况如表1所示： 表1-1备选校址表 备选校址 1 2 3 4 5 6 7 8 覆盖小区 1,2,3, 4,6 2,3,5,8, 11,20 3,5,11,20 1,4,6,7, 12 1,4,7,8,9,11,13, 14 5,8,9,10 11,16,20 10,11,1516,19, 20 6,7,12, 13,17, 18 备选校址 9 10 11 12 13 14 15 16 覆盖小区 7,9,13, 14,15, 17,18, 19 9,10,14,15,16, 18,19 1,2,4,6, 7 5,10,11, 16,20, 12,13，14,17, 18 9,10,14, 15 2,3,,5, 11,20 2,3,4,5,8 1.2 问题提出： 问题一、求学校个数最少的建校方案，并用数学软件求解（说明你所使用的软件并写出输入指令）。 问题二、设每建一所小学的成本由固定成本和规模成本两部分组成，固定成本由学校所在地域以及基本规模学校基础设施成本构成，规模成本指学校规模超过基本规模时额外的建设成本，它与该学校学生数有关，同时与学校所处地域有关。设第i 个备选校址的建校成本i c 可表示为 ?? ???-??+=，　否则，　若学生人数超过学生人数0600 )600(50 1002000i i i c βα 其中i α和i β由表1-2给出： 表1-2 学校建设成本参数表（单位：百万元） 备选校址 1 2 3 4 5 6 7 8 i α 5 5 5 5 5 5 5 3.5 i β 0.15 0.15 0.15 0.15 0.15 0.15 0.15 0.1 备选校址 9 10 11 12 13 14 15 16 i α 3.5 3.5 3.5 3.5 2 2 2 2 i β 0.1 0.1 0.1 0.1 0.05 0.05 0.05 0.05 考虑到每一小区的学龄儿童数会随住户的迁移和时间发生变化,当前的精确数据并不能作为我们确定学校规模的唯一标准，于是我们根据小区规模大小用统计方法给出每个小区的学龄儿童数的估计值，见表1-3： 表1-3.各小区1到6年级学龄儿童数平均值（样本均值） 小区 1 2 3 4 5 6 7 8 9 10 学龄儿童数 120 180 230 120 150 180 180 150 100 160

机场选址问题数学建模优秀论文

机场选址问题 摘要 针对机场选址问题，文章共建立了三个模型用以解决该类问题。为了计算出任意两城市之间的距离，我们利用公式（1）将利用题目中所给的大地坐标得出了任意两点之间的距离，见附录2。 对于问题1，我们主要利用0-1变量法，从而对问题进行了简化。我们设了第i个 y以及第i个城市是否是以第j个支线机场为最近机场的()j i x,。城市是否建支线机场的 i 然后将任意两点之间的距离与该城市的总人数之积，再乘以0-1变量()j i x,，最后得出每一个所有城市到最近机场的距离与该城市人口的乘积，然后利用LINGO进行编写程序，进行最优化求解，最后得出的结果见表1和表2，各大城市以及支线机场的分布见图2。 对于问题2，该问题是属于多目标规划的问题，目标一是居民距离最近机场的距离最短，目标二是每个机场覆盖人口数尽可能相等。我们在第一题的基础上，又假设了一些正、负偏差变量，对多个目标函数设立优先级，把目标函数转化为约束条件，进而求得满足题目要求的结果。 对于问题3，我们分析到影响客流量的因素是GDP跟居民人数，所以通过所搜集的资料分析我们给予这两个因素以不同的权重。然后同样采取问题2中所给的反求机场覆盖的方法，求的各个机场所覆盖的客流量，再让其在平均客流量水平上下浮动。通过LINGO程序的运行得到的六个机场的坐标见表6，六个机场的分布见图7。 针对论文的实际情况，对论文的优缺点做了评价，文章最后还给出了其他的改进方向，以用于指导实际应用。 关键词：选址问题；多目标规划；LINGO；0-1变量法；加权

1．问题的重述 近年来，随着我国经济社会的迅猛发展，公共交通基础设施日趋需要进一步完善与提高。支线机场作为我国交通运输体系的有机组成部分，对促进欠发达地区经济社会的发展具有基础性的作用。现某区域有30个城市，本区域计划在未来的五年里拟建6个支线机场。 任务1，确定6个支线机场的所在城市，建立居民到最近机场之间的平均距离最小的数学模型。 任务2，在任务一基础上，确定6个支线机场的所在城市，建立使得每个支线机场所覆盖的居民人数尽可能均衡的数学模型。 任务3，在任务一基础上，根据近一年每个城市的GDP 情况，确定6个支线机场的所在城市，建立使得每个支线机场的客流量尽量均衡的数学模型。 2．问题的分析 2．1 问题1 题目要求是建立居民到最近机场之间的平均距离最小的数学模型，该问题其实就是利用的0-1变量建立的模型。首先我们设两个0-1变量，一个是控制某个城市是否为支线机场的i y ，一个是控制某个城市的最近机场是哪一个的ij x 。针对于上述两个0-1变量，我们分别设立了约束条件。同时又为了满足问题所要求的使局面平均距离最小，我们将某一个城市到离它最近的机场的距离与该城市的人口乘积作为目标函数，在LINGO 软件中，通过设立一约束条件，最后将目标函数进行最优化求解。 2．2 问题2 该问题可以归结为多元目标线性规划的问题，所以我们在第一问的基础上又增加了一个目标函数，最后利用加权的方法将两个目标函数转化成了一个目标函数，将另一个目标函数作为约束条件。同时我们又引入了正负偏差变量，通过控制该变量达到覆盖居民人数均衡以及居民到城市之间的平均距离尽量小。 2．3 问题3 该问题要求的是客流量尽量均衡，经过分析可以知道，城市的GDP 越高，说明该城市经济越繁荣，货币流通越快，从而反映出客流量越大。另一方面城市越大、人口越多，也在一定程度上反映出了该城市客流量越大。基于上述两点，我们对GDP 跟城市人口分别给予了不同的权重来反映其对客流量的影响大小。按照第二问的方法，我们依然利用多元目标线性规划的只是进行求解。通过LINGO 编写程序，最中求得可行解。

数学建模学校选址问题

学校选址问题 摘要 本文为解决学校选址问题，建立了相应的数学模型。 针对模型一 首先，根据已知信息，对题目中给出的数据进行处理分析。在保证每个小区,学生至少有一个校址可供选择的情况下，运用整数规划中的0-1规划法，列出建校方案的目标函数与其约束条件，通过LINGO软件，使用计算机搜索算法进行求解。得出建立校址的最少数目为4个。再运用MATLAB软件编程，运行得到当建校的个数为4个时，学 首先，对文中给出的学校建设成本参数表和各校区1到6年级学龄儿童的平均值（样本均值）进行分析，可知20个小区估计共有4320个学龄儿童，当每个学校的平均人数都小于600时，至少需要建设8个学校；其次，模型一得到最少的建校数目为4个，运用MATLAB软件编程，依次列出学校个数为4、5、6、7、8时的最优建校方案，分别算出其最优建校方案下的总成本；最后，通过对比得出，最低的建校总成本为1650万，即选取校址10、11、13、14、15、16建设学校。 最后，我们不但对模型进行了灵敏度分析，，保证了模型的有效可行。 关键词：MATLAB灵敏度 0-1规划总成本选址 1 问题重述

当代教育的普及，使得学校的建设已成为不得不认真考虑的问题。 1.1已知信息 1、某地新开发的20个小区需要建设配套的小学，备选的校址共有16个，各校址覆盖的小区情况如表1所示： 2、在问题二中，每建一所小学的成本由固定成本和规模成本两部分组成，固定成本由学校所在地域以及基本规模学校基础设施成本构成，规模成本指学校规模超过基本规模时额外的建设成本，它与该学校学生数有关，同时与学校所处地域有关。设第i 个备选校址的建校成本i c 可表示为 （单元：元）学生人数)600-(50100200010? ?? ???+=i i i c βα，若学生人数超过600人，其中 i α和i β由表2给出： 并且考虑到每一小区的学龄儿童数会随住户的迁移和时间发生变化，当前的精确数据并不能作为我们确定学校规模的唯一标准，于是我们根据小区规模大小用统计方法给出每个小区的学龄儿童数的估计值，见表3： 1.2提出问题 1、要求建立数学模型并利用数学软件求解出学校个数最少的建校方案。 2、求出总成本最低的建校方案。 2 问题假设与符号说明

数学建模论文__物流与选址问题

物流预选址问题 (2) 摘要 .............................................................................................. 错误！未定义书签。 一、问题重述 (3) 二、问题的分析 (3) 2.1 问题一：分析确定合理的模型确定工厂选址和建造规模 (4) 2.2 问题二：建立合理的仓库选址和建造规模模型 (4) 2.3 问题三：工厂向中心仓库供货的最佳方案问题 (5) 2.4 问题四：根据一组数据对自己的模型进行评价 (5) 三、模型假设与符号说明 (5) 3.1条件假设 (5) 3．2模型的符号说明 (5) 四、模型的建立与求解 (6) 4.1 问题一：分析确定合理的模型为两个工厂合理选址并确定建造规模 (6) 4.1.1模型的建立 (7) 4.2 问题二：建立合理模型确定中心仓库的位置及建造规模 (10) 4.2.1 基于重心法选址模型 (10) 4.2.2 基于多元线性回归法确定中心仓库的建造规模 (12) 4.3 问题三：工厂向中心仓库供货方案 (13)

4.4 问题四：选用一组数据进行计算 (14) 五、模型评价 (21) 5.1模型的优缺点 (21) 5.1.1 模型的优点 (21) 5.1.2 模型的缺点 (21) 六参考文献 (21) 物流预选址问题 摘要 在物流网络中，工厂对中心仓库和城市进行供货，起到生产者的作用，而中心仓库连接着工厂和城市，是两者之间的桥梁，在物流系统中有着举足轻重的作用，因此搞好工厂和中心仓库的选址将对物流系统作用的发挥乃至物流经济效益的提高产生重要的影响。 本论文在综述工厂和中心仓库选址问题研究现状的基础上，对二者选址的模型和算法进行了研究。对于问题一二，通过合理的分析，我们采用了重心法选址模型找到了工厂和中心仓库的大致位置并给出了确定工厂和中心仓库建造规模的参数和公式，通过用

数学建模论文--物流与选址问题

物流预选址问题 (2) 摘要............................................................................................................. 错误!未定义书签。 一、问题重述 (2) 二、问题的分析 (3) 2.1 问题一：分析确定合理的模型确定工厂选址和建造规模 (3) 2.2 问题二：建立合理的仓库选址和建造规模模型 (3) 2.3 问题三：工厂向中心仓库供货的最佳方案问题 (3) 2.4 问题四：根据一组数据对自己的模型进行评价 (4) 三、模型假设与符号说明 (4) 3.1条件假设 (4) 3．2模型的符号说明 (4) 四、模型的建立与求解 (5) 4.1 问题一：分析确定合理的模型为两个工厂合理选址并确定建造规模 (5) 4.1.1模型的建立 (5) 4.2 问题二：建立合理模型确定中心仓库的位置及建造规模 (7) 4.2.1 基于重心法选址模型 (8) 4.2.2 基于多元线性回归法确定中心仓库的建造规模 (10) 4.3 问题三：工厂向中心仓库供货方案 (10) 4.4 问题四：选用一组数据进行计算 (11) 五、模型评价 (16) 5.1模型的优缺点 (16) 5.1.1 模型的优点 (16) 5.1.2 模型的缺点 (16) 六参考文献 (16)

物流预选址问题 摘要 在物流网络中，工厂对中心仓库和城市进行供货，起到生产者的作用，而中心仓库连接着工厂和城市，是两者之间的桥梁，在物流系统中有着举足轻重的作用，因此搞好工厂和中心仓库的选址将对物流系统作用的发挥乃至物流经济效益的提高产生重要的影响。 本论文在综述工厂和中心仓库选址问题研究现状的基础上，对二者选址的模型和算法进行了研究。对于问题一二，通过合理的分析，我们采用了重心法选址模型找到了工厂和中心仓库的大致位置并给出了确定工厂和中心仓库建造规模的参数和公式，通过用数据进行实例化分析，我们确定了工厂和中心仓库位置和建造规模。对于问题三我们运用LINGO软件简单的解决了工厂对中心仓库的供货情况。问题四我们选用了一组数据通过求解多元线性规划对问题进行了实例化分析。为中心仓库的选址问题做了合理说明。最后我们对模型进行了评价和分析。 关键词：物流网络重心法选址模型多元线性规划 一、问题重述 某公司是生产某种商品的省知名厂家。该公司根据需要,计划在本省建设两个生产工厂和若干个中心仓库向全省所有城市供货。根据市场调研,全省有m个城市，每个城市单位时间需要该公司的物资量是已知的，有关运费的信息也是确定的，工厂和中心仓库

4.第17讲 应急设施的优化选址问题(数学建模)

第17讲应急设施的优化选址问题 问题（AMCM-86B题）里奥兰翘镇迄今还没有自己的应急设施。1986年该镇得到了建立两个应急设施的拨款，每个设施都把救护站、消防队和警察所合在一起。图17-1指出了1985年每个长方形街区发生应急事件的次数。在北边的L形状的区域是一个障碍，而在南边的长方形区域是一个有浅水池塘的公园。应急车辆驶过一条南北向的街道平均要花15秒，而通过一条东西向的街道平均花20秒。你的任务是确定这两个应急设施的位置，使得总响应时间最少。 图17-1 1985年里奥兰翘每个长方街区应急事件的数目（I）假定需求集中在每个街区的中心，而应急设施位于街角处。 （II）假定需求是沿包围每个街区的街道上平均分布的，而应急设施可位于街道的任何地方。 §1 若干假设 1、图17-1所标出的1985年每个长方形街区应急事件的次数具有典型代表性，能够反映该街区应急事件出现的概率的大小。 2、应急车辆的响应时间只考虑在街道上行驶时间，其他因纱（如转弯时间等）可以忽略不计。 3、两个应急设施的功能完全相同。在应急事件出现时，只要从离事件发生地点最近的应急设施派出应急车辆即可。 4、执行任何一次应急任务的车辆都从某一个应急设施出发，完成任务后回到原设施。不出现从一个应急事件点直接到另一事件点的情况。（这是因为，每一个地点发生事件的概率都很小，两个地点同时发生事故的概率就更是小得可以忽略不计）。

§2 假定（I ）下的模 在假定（I ）下，应急需求集中在每个街区中心。我们可以进一步假定应急车辆只要到达该街区四个街角中最近的一个，就认为到达了该街区，可以开始工作了。按假定（I ），每个应急设施选在街角处，可能的位置只有6×11=66个。两个应急设施的位置的可能的组合至多只有66×65/2=2145个。这个数目对计算机来说并不大，可用计算机进行穷举，对每种组合一一算出所对应的总响应时间，依次比较得出最小的响应时间及对应的选址方案。具体算法是： 建立直角坐标系，以该镇的西北角为原点，从北到南为X -轴正方向，从西到东为Y -轴正方向，在南北、东西方向上分别以一个街区的长作为单位长，则街角的坐标),(Y X 是满足条件50,100≤≤≤≤Y X 的整数。而每个街区中心的坐标具有形式)5.0,5.0(++j i ，其中j i ,是满足条件：40,90≤≤≤≤j i 的整数。如果不考虑障碍和水塘的影响，同应急车辆从设在),(Y X 点的应急设施到以)5.0,5.0(++j i 为中心的街区的行驶时间等于 )5.05.0(20)5.05.0(15),,,(---+---=j Y i X j i Y X t )5.17)5.0(20)5.0((15-+-++-=j Y i X 秒 记),(j i p 为以)5.0,5.0(++j i 为中心的街区的事故发生频率（即在图上该街区所标的数字）。如果应急设施设在),(),,(2211Y X Y X 这两点，总不妨设21X X ≤，则该设置方案的总响应时间为 ),,,(2211Y X Y X T ∑∑===904 02211)},,,(),,,,(min{),(i j j i Y X t j i Y X t j i p 让1X 取遍0—10，2X 取遍101-X ，21,Y Y 分别独立地取遍0—4。依次对四数组),,,(2211Y X Y X 的每一个值算出对应的总响应时间的最小值及对应的四数组。 以上算法不难用计算机编程实现。由于数组的个数不算多（只有两千多个），计算机可很快得出答案。答案是： 两个应急设施分别设在点（2，3），（6，3）时最优。 这是在不考虑L 形障碍区域和水塘的影响的假定下得出的最优解，但从这两个点到

数学建模报告选址问题

长沙学院数学建模课程设计说明书 题目选址问题 系(部) 数学与计算机科学 专业(班级) 数学与应用数学 姓名 学号 指导教师 起止日期 2015、6、1——2015、6、5

课程设计任务书 课程名称：数学建模课程设计 设计题目：选址问题 已知技术参数和设计要求： 选址问题（难度系数1.0） 已知某地区的交通网络如下图所示，其中点代表居民小区，边代表公路，边上的数字为小区间公路距离（单位：千米），各个小区的人数如下表所示，问区中心医院应建在哪个小区，可使离医院最远的小区居民人均就诊时所走的路程最近？ 各阶段具体要求： 1．利用已学数学方法和计算机知识进行数学建模。 2．必须熟悉设计的各项内容和要求，明确课程设计的目的、方法和步骤。 3．设计中必须努力认真，独立地按质按量地完成每一阶段的设计任务。 4．设计中绝对禁止抄袭他人的设计成果。 5．每人在设计中必须遵守各组规定的统一设计时间及有关纪律。 6．所设计的程序必须满足实际使用要求，编译出可执行的程序。 7．要求程序结构简单，功能齐全，使用方便。 设计工作量： 论文：要求撰写不少于3000个文字的文档，详细说明具体要求。 1v 5

工作计划： 提前一周：分组、选题；明确需求分析、组内分工； 第一天：与指导老师讨论，确定需求、分工，并开始设计；第二~四天：建立模型并求解； 第五天：完成设计说明书，答辩； 第六天：针对答辩意见修改设计说明书，打印、上交。 注意事项 ?提交文档 长沙学院课程设计任务书（每学生1份） 长沙学院课程设计论文（每学生1份） 长沙学院课程设计鉴定表（每学生1份） 指导教师签名：日期： 教研室主任签名：日期： 系主任签名：日期：

数学建模优秀论文范文全国一等奖

Haozl觉得数学建模论文格式这么样设置 版权归郝竹林所有，材料仅学习参考 版权：郝竹林 备注☆ ※§等等字符都可以作为问题重述左边的。。。。。一级标题 所有段落一级标题设置成段落前后间距13磅 二级标题设置成段落间距前0.5行后0.25行 Excel中画出的折线表字体采用默认格式宋体正文10号 图标题在图上方段落间距前0.25行后0行 表标题在表下方段落间距前0行后0.25行 行距均使用单倍行距 所有段落均把4个勾去掉 注意Excel表格插入到word的方式在Excel中复制后，粘贴，word2010粘贴选用使用目标主题嵌入当前 Dsffaf 所有软件名字第一个字母大写比如E xcel 所有公式和字母均使用MathType编写 公式编号采用MathType编号格式自己定义 公式编号在右边显示

农业化肥公司的生产与销售优化方案 摘 要 要求总分总 本文针对储油罐的变位识别与罐容表标定的计算方法问题，运用二重积分法和最小二乘法建立了储油罐的变位识别与罐容表标定的计算模型，分别对三种不同变位情况推导出的油位计所测油位高度与实际罐容量的数学模型，运用matlab 软件编程得出合理的结论，最终对模型的结果做出了误差分析。 针对问题一要求依据图4及附表1建立积分数学模型研究罐体变位后对罐容表的影响，并给出罐体变位后油位高度间隔为1cm 的罐容表标定值。我们作图分析出实验储油罐出现纵向倾斜ο14.时存在三种不同的可能情况，即储油罐中储油量较少、储油量一般、储油量较多的情况。针对于每种情况我们都利用了高等数学求容积的知识，以倾斜变位后油位计所测实际油位高度为积分变量，进行两次积分运算，运用MATLAB 软件推导出了所测油位高度与实际罐容量的关系式。并且给出了罐体倾斜变位后油位高度间隔为1cm 的罐容标定值（见表1），最后我们对倾斜变位前后的罐容标定值残差进行分析，得到样本方差为4103878.2-?，这充分说明残差波动不大。我们得出结论：罐体倾斜变位后，在同一油位条件下倾斜变位后罐容量比变位前罐容量少L 243。 表 1.1 针对问题二要求对于图1所示的实际储油罐，试建立罐体变位后标定罐容表的数学模型，即罐内储油量与油位高度及变位参数（纵向倾斜角度α和横向偏转角度β）之间的一般关系。利用罐体变位后在进/出油过程中的实际检测数据（附件2），根据所建立的数学模型确定变位参数，并给出罐体变位后油位高度间隔为10cm 的罐容表标定值。进一步利用附件2中的实际检测数据来分析检验你们模型的正确性与方法的可靠性。我们根据实际储油罐的特殊构造将实际储油罐分为三部分，左、右球冠状体与中间的圆柱体。运用积分的知识，按照实际储油罐的纵向变位后油位的三种不同情况。利用MATLAB 编程进行两次积分求得仅纵向变位时油量与油位、倾斜角α的容积表达式。然后我们通过作图分析油罐体的变位情况，将双向变位后的油位h 与仅纵向变位时的油位0h 建立关系表达式01.5(1.5)cos h h β=--，从而得到双向变位油量与油位、倾斜角α、偏转角β的容积表达式。利用附件二的数据，采用最小二乘法来确定倾斜角α、偏转角β的值，用matlab 软件求出03.3=α、04=β α=3.30，β=时总的平均相对误差达到最小，其最小值为0.0594。由此得到双向变位后油量与油位的容积表达式V ，从而确定了双向变位后的罐容表(见表2)。 本文主要应用MATLAB 软件对相关的模型进行编程求解，计算方便、快捷、准确，整篇文章采取图文并茂的效果。文章最后根据所建立的模型用附件2中的实际检测数据进行了误差分析，结果可靠，使得模型具有现实意义。 关键词：罐容表标定；积分求解；最小二乘法；MATLAB ；误差分

数学建模选址问题

摘要 目前，社区的优化管理和最佳服务已经成为一种趋势，并且为城市的发展作出了一定的贡献。本文针对在社区中选址问题及巡视路线问题，分别建立了多目标决策模型、约束最优化线路模型，并分别提供了选址社区和巡视路线。 对于问题一，我们建立了单目标优化模型，考虑到各社区居民到收费站点的平均距离最小，我们使用floyd 算法并通过matlab 编程，算出任意两个社区之间的最短路径，并以此作为工具，使用0－1变量列出了目标函数。在本题中，我们根据收费站数、超额覆盖等确定了约束条件，以保证收费站覆盖每个社区，同时保证居民与最近煤气站之间的平均距离最小,最终利用lingo 软件求得收费站建在M、Q、W三个社区。 对于问题二，同样是单目标优化模型，较之问题一不同的是，问题二不需要考虑人口问题，但需要确定选址的个数。接下来的工作分了两步，第一步，我们通过0－1变量列出目标函数，以超额覆盖等确定约束条件，用lingo 软件编程求出最小派出所站点的个数;第二步，我们利用第一步中求出的派出所个数作为新的约束条件，建立使总距离最小的优化模型，最终利用lingo 软件求得三个派出所分别建在W、Q、K社区。 对于问题三，我们建立了约束最优化线路模型，根据floyd 算法求得的任意两个社区之间的最短路径，建立了以w 点为树根的最短路径生成树，并据此对各点的集中区域进行划分，再利用破圈法得到最短回路。在本题中，我们初定了两种方案，并引入均衡度α对两种方案进行比较，最终采用了方案二。最后，我们用matlab编程求解方案二中各组的巡视路线为113百米，123百米，117百米，均衡度α＝8.13%。具体路线见 关键词：最短路径 hamilton圈最优化 floyd算法

最佳路径选择方案的优化模型数学建模论文

最佳路径选择方案的优化模型 摘要 本文对乘公交、看奥运这一实际问题进行了深入的研究，首先对公交乘客进行了心理分析，得出影响乘客出行的三个主要因素分别为：换乘次数、出行时间、出行费用，通过调查研究，得出换乘次数最少是乘客出行考虑的最主要因素，其次是出行时间和出行费用。然后利用公交乘客的出行过程抽象为站点—线路的交替转换的思想，建立了站点—线路序列模型，从而确定了出行者对路线的所有选择方案。 针对问题一：仅考虑公汽的情况下，以换乘次数最少为第一目标、出行时间为第二目标建立了优化模型一，再以换乘次数最少为第一目标、出行费用为第二目标建立了优化模型二，从而满足了两类不同乘客的需求。并依靠站点—线路序列模型采用图论中计算方法，分别得到了公交乘客的最少换乘次数，所经过的站点，出行时间、出行费用以及相应的算法。 针对问题二：在问题一的基础上再考虑地铁线路，建立了对应的两组优化模型，并推导出相应的改进算法。 针对问题三：在问题一、二的基础上，考虑出行者可以通过步行到达相邻的公交站点的情况，同样建立了两组相应的优化模型，并给出了相应的计算方法。 然后利用基于换乘次数最少的最优路径改进算法思想，借助MATLAB软件编程分别对问题一和二进行了求解，得到的结果见模型的求解（正文第21、22页）。 最后对所求得的结果进行了对比分析和检验，根据各参数的变化关系，进行了灵敏性分析，本模型主要抓住了乘客的心理需求，实用性强，具有较强的现实意义。 关键词：站点—线路序列最优路径改进算法公交

一、问题的提出 1.1基本情况 我国人民翘首企盼的第29届奥运会明年8月将在北京举行，届时有大量观众到现场观看奥运比赛，其中大部分人将会乘坐公共交通工具（简称公交，包括公汽、地铁等）出行。这些年来，城市的公交系统有了很大发展，北京市的公交线路已达800条以上，使得公众的出行更加通畅、便利，但同时也面临多条线路的选择（包括不同线路上的换乘交通工具的路径选择等）问题。针对市场需求，某公司准备研制开发一个解决公交线路选择问题的自主查询计算机系统。 1.2基本参数设定： 1）相邻公汽站平均行驶时间(包括停站时间)：3分钟； 2）相邻地铁站平均行驶时间(包括停站时间)：2.5分钟； 3）公汽换乘公汽平均耗时：5分钟(其中步行时间2分钟)； 4）地铁换乘地铁平均耗时：4分钟(其中步行时间2分钟)； 5）地铁换乘公汽平均耗时：7分钟(其中步行时间4分钟)； 6）公汽换乘地铁平均耗时：6分钟(其中步行时间4分钟)； 7）公汽票价：分为单一票价与分段计价两种，标记于线路后；其中分段计价的票价为：0～20站：1元；21～40站：2元；40站以上：3元。 地铁票价：3元（无论地铁线路间是否换乘）。 注：以上参数均为简化问题而作的假设，未必与实际数据完全吻合。 1.3相关信息（详见附件） 【附件1】公汽和地铁线路信息数据文件格式说明； 【附件1.1】公汽线路及相关信息； 【附件1.2】地铁线路及相关信息； 【附件2】地铁换乘公汽信息数据文件格式说明； 【附件2.1】地铁T1线换乘公汽信息； 【附件2.2】地铁T2线换乘公汽信息。 1.4需解决的问题 为了设计这样一个公交线路选择的自助查询计算机系统，其核心是线路选择的模型

数学建模学校选址问题模型

数学建模学校选址问题模 型 Revised by Jack on December 14,2020

学校选址问题 摘要 本文针对某地新开发的20个小区建设配套小学问题建立了0-1规划模型和优化模型。为问题一和问题二的求解，提供了理论依据。 模型一： 首先：根据目标要求，要建立最少学校的方案列出了目标函数： 然后：根据每个小区至少能被一所学校所覆盖，列出了20个约束条件; 最后：由列出的目标函数和约束函数，用matlab进行编程求解，从而得到，在每个小区至少被一所学校所覆盖时，建立学校最少的个数是四所，并且一共有22种方案。 模型二： 首先：从建校个数最少开始考虑建校总费用，在整个费用里面，主要是固定费用，由此在问题一以求解的条件下，进行初步筛选，得到方案1,4,8的固定成本最少。 然后：在初步得出成本费用最少时，对每个这三个方案进一步的求解，求出这三个方案的具体的总费用，并记下这三套方案中的最小费用。 其次：对这三套方案进行调整，调整的原则是：在保证每个小区有学校覆盖的条件下，用多个固定成本费用低的备选校址替换固定成本费用高的备选校址。在替换后，进行具体求解。 再次：比较各种方案的计算结果，从而的出了如下结论： 选用10,11,13,15,16号备选校址的选址方案，花费最少，最少花费为13378000元。最后：对该模型做了灵敏度分析，模型的评价和推广。 关键字：最少建校个数最小花费固定成本规模成本灵敏度分析 1.问题重述 问题背景：

某地新开发的20个小区内需要建设配套的小学，以方便小区内居民的的孩子上学。但是为了节省开支，建造的学校要求尽量的少，为此，设备选定的16个校址提供参考，各校址覆盖的小区情况如表1所示： 问题提出： 问题一、求学校个数最少的建校方案，并用数学软件求解（说明你所使用的软件并写出输入指令）。 问题二、设每建一所小学的成本由固定成本和规模成本两部分组成，固定成本由学校所在地域以及基本规模学校基础设施成本构成，规模成本指学校规模超过基本规模时额外的建设成本，它与该学校学生数有关，同时与学校所处地域有关。设第i 个备选校址的建校成本i c 可表示为 其中i α和i β由表1-2给出： 考虑到每一小区的学龄儿童数会随住户的迁移和时间发生变化,当前的精确数据并不能作为我们确定学校规模的唯一标准，于是我们根据小区规模大小用统计方法给出每个小区的学龄儿童数的估计值，见表1-3：

数学建模选址问题

选址问题 摘要 目前，社区的优化管理和最佳服务已经成为一种趋势，并且为城市的发展作出了一定的贡献。本文针对在社区中选址问题及巡视路线问题，分别建立了多目标决策模型、约束最优化线路模型，并分别提供了选址社区和巡视路线。 对于问题一，我们建立了单目标优化模型，考虑到各社区居民到收费站点的平均距离最小，我们使用floyd 算法并通过matlab 编程，算出任意两个社区之间的最短路径，并以此作为工具，使用0－1变量列出了目标函数。在本题中，我们根据收费站数、超额覆盖等确定了约束条件，以保证收费站覆盖每个社区，同时保证居民与最近煤气站之间的平均距离最小,最终利用lingo 软件求得收费站建在M、Q、W三个社区。 对于问题二，同样是单目标优化模型，较之问题一不同的是，问题二不需要考虑人口问题，但需要确定选址的个数。接下来的工作分了两步，第一步，我们通过0－1变量列出目标函数，以超额覆盖等确定约束条件，用lingo 软件编程求出最小派出所站点的个数;第二步，我们利用第一步中求出的派出所个数作为新的约束条件，建立使总距离最小的优化模型，最终利用lingo 软件求得三个派出所分别建在W、Q、K社区。 对于问题三，我们建立了约束最优化线路模型，根据floyd 算法求得的任意两个社区之间的最短路径，建立了以w 点为树根的最短路径生成树，并据此对各点的集中区域进行划分，再利用破圈法得到最短回路。在本题中，我们初定了两种方案，并引入均衡度 对两种方案进行比较，最终采用了方案二。最后，我们用matlab编程求解方案二中各组的巡视路线为113百米，123百米，117百米，

均衡度 ＝8.13%。具体路线见 关键词：最短路径hamilton圈最优化floyd算法

数学建模选址问题完整版

数学建模选址问题 HEN system office room 【HEN16H-HENS2AHENS8Q8-HENH1688】

选址问题 摘要 目前，社区的优化管理和最佳服务已经成为一种趋势，并且为城市的发展作出了一定的贡献。本文针对在社区中选址问题及巡视路线问题，分别建立了多目标决策模型、约束最优化线路模型，并分别提供了选址社区和巡视路线。 对于问题一，我们建立了单目标优化模型，考虑到各社区居民到收费站点的平均距离最小，我们使用floyd 算法并通过matlab 编程，算出任意两个社区之间的最短路径，并以此作为工具，使用0－1变量列出了目标函数。在本题中，我们根据收费站数、超额覆盖等确定了约束条件，以保证收费站覆盖每个社区，同时保证居民与最近煤气站之间的平均距离最小,最终利用lingo 软件求得收费站建在M、Q、W三个社区。 对于问题二，同样是单目标优化模型，较之问题一不同的是，问题二不需要考虑人口问题，但需要确定选址的个数。接下来的工作分了两步，第一步，我们通过0－1变量列出目标函数，以超额覆盖等确定约束条件，用lingo 软件编程求出最小派出所站点的个数;第二步，我们利用第一步中求出的派出所个数作为新的约束条件，建立使总距离最小的优化模型，最终利用lingo 软件求得三个派出所分别建在W、Q、K社区。 对于问题三，我们建立了约束最优化线路模型，根据floyd 算法求得的任意两个社区之间的最短路径，建立了以w 点为树根的最短路径生成树，并据此对各点的集中区域进行划分，再利用破圈法得到最短回路。在本题中，我们初定了两种方案，并引入均衡度α对两种方案进行比较，最终采用了方案二。最后，我们用matlab编程求解方案二中各组的巡视路线为113百米，123百米，117百米，均衡度α＝%。具体路线见 关键词：最短路径 hamilton圈最优化 floyd算法

数学建模论文--物流与选址问题

物流预选址问题 (1) 摘要 (1) 一、问题重述 (2) 二、问题的分析 (2) 2.1 问题一：分析确定合理的模型确定工厂选址和建造规模 (3) 2.2 问题二：建立合理的仓库选址和建造规模模型 (3) 2.3 问题三：工厂向中心仓库供货的最佳方案问题 (3) 2.4 问题四：根据一组数据对自己的模型进行评价 (3) 三、模型假设与符号说明 (3) 3.1条件假设 (3) 3．2模型的符号说明 (4) 四、模型的建立与求解 (4) 4.1 问题一：分析确定合理的模型为两个工厂合理选址并确定建造规模 (4) 4.1.1模型的建立 (4) 4.2 问题二：建立合理模型确定中心仓库的位置及建造规模 (7) 4.2.1 基于重心法选址模型 (7) 4.2.2 基于多元线性回归法确定中心仓库的建造规模 (9) 4.3 问题三：工厂向中心仓库供货方案 (10)

4.4 问题四：选用一组数据进行计算 (11) 五、模型评价 (16) 5.1模型的优缺点 (16) 5.1.1 模型的优点 (16) 5.1.2 模型的缺点 (16) 六参考文献 (16) 物流预选址问题 摘要 在物流网络中，工厂对中心仓库和城市进行供货，起到生产者的作用，而中心仓库连接着工厂和城市，是两者之间的桥梁，在物流系统中有着举足轻重的作用，因此搞好工厂和中心仓库的选址将对物流系统作用的发挥乃至物流经济效益的提高产生重要的影响。 本论文在综述工厂和中心仓库选址问题研究现状的基础上，对二者选址的模型和算法进行了研究。对于问题一二，通过合理的分析，我们采用了重心法选址模型找到了工厂和中心仓库的大致位置并给出了确定工厂和中心仓库建造规模的参数和公式，通过用

数学建模选址问题

数学建模选址问题

摘要 目前，社区的优化管理和最佳服务已经成为一种趋势，并且为城市的发展作出了一定的贡献。本文针对在社区中选址问题及巡视路线问题，分别建立了多目标决策模型、约束最优化线路模型，并分别提供了选址社区和巡视路线。 对于问题一，我们建立了单目标优化模型，考虑到各社区居民到收费站点的平均距离最小，我们使用floyd 算法并通过matlab 编程，算出任意两个社区之间的最短路径，并以此作为工具，使用0－1变量列出了目标函数。在本题中，我们根据收费站数、超额覆盖等确定了约束条件，以保证收费站覆盖每个社区，同时保证居民与最近煤气站之间的平均距离最小,最终利用lingo 软件求得收费站建在M、Q、W三个社区。 对于问题二，同样是单目标优化模型，较之问题一不同的是，问题二不需要考虑人口问题，但需要确定选址的个数。接下来的工作分了两步，第一步，我们通过0－1变量列出目标函数，以超额覆盖等确定约束条件，用lingo 软件编程求出最小派出所站点的个数;第二步，我们利用第一步中求出的派出所个数作为新的约束条件，建立使总距离最小的优化模型，最终利用lingo 软件求得三个派出所分别建在W、Q、K社区。 对于问题三，我们建立了约束最优化线路模型，根据floyd 算法求得的任意两个社区之间的最短路径，建立了以w 点为树根的最短路径生成树，并据此对各点的集中区域进行划分，再利用破圈法得到最短回路。在本题中，我们初定了两种方案，并引入均衡度α对两种方案进行比较，最终采用了方案二。最后，我们用matlab编程求解方案二中各组的巡视路线为113百米，123百米，117百米，均衡度α＝8.13%。具体路线见 关键词：最短路径hamilton圈最优化floyd算法

扫地机路径优化数模论文一等奖

扫地机路径优化数模论文 一等奖 Prepared on 21 November 2021

第八届大学生数学建模竞赛 （） 主办：东南大学教务处 承办：东南大学数学系 东南大学数学建模竞赛组委会 论文题目：扫地机器人的路径优化 参赛队员信息： 扫地机器人的路径优化 【摘要】 本文将扫地机在区域中的路径抽象为栅格化模型，并采用线性规划的方法计算估计扫地机扫过的单元格数。建立可随机0-4赋值或是给定参数的垃圾指标矩阵Q[60*50]作为数据基库，根据扫地机不同的性能运用循环嵌套、线性规划等方法综合求解，最终方案通过matlab运行并进行可视化演示。实验的结果通过规划清扫路径示意图以及清扫结束后的垃圾指标矩阵E[60*50]观察分析。

关于判断扫地机何时停止工作，题设要求尽量保证每个点的垃圾指标不超过1，而碍于扫地机形状的限制，一般不能100%的清扫指定区域（如墙角部分），故我们规定计算清扫完95%以上的范围为结束工作的条件。 我们将我们的工作根据三个问题以及一个比较分析分为四部分考虑。 ? 问题一 我们经过合理地分析过程将整个清扫区域划分成如图所示的小区域。通过矩阵整合函数，将矩阵Q[60*50]整合成一维数组T[4]，每次等时间间隔扫描判断出 {}max (1),(2),(3),(4)T T T T 所对应的区域，并在该区域中的特有边界上随机取坐标作为扫 地机在该区域直线行驶的途经点。若判断到T 中最大的元素所对应的区域发生改变，则扫地机将以当前或是下一个碰撞点为起点、随机选取{}max (1),(2),(3),(4)T T T T 区域中的特有边界上的坐标作为终点做一条区域转移路径。未到下一次扫描时间则不断在该区域的特有边界上取随机点作为途经点做直线清扫工作。上述过程执行至扫描得到的最大垃圾总指标区域发生变化或是达到扫地机工作结束条件为止。 ? 问题二 已知扫地机只走直线，每次选择清扫垃圾总指标最多的路径，每次碰到墙壁转弯。又因为智能扫地机具有实时扫描的功能，我们可以认定扫描发生在扫地机与墙壁发生碰撞的瞬间（因为其余的时间扫描没有意义，不与墙角发生碰撞则无法改变扫地机的行驶方向）。又由于机器人的转弯方向是任意的，所以如何简化转弯方向，使得机器人在有限的方向上计算垃圾的总数成为本问题的关键。于是我们选取一个固定的参考点O ，根据参考点O 所能到达的边界点作为终点，进而决定每次与墙壁发生碰撞下一时刻可能的转弯方向，计算各个方向的垃圾总指标k C 并进行比较得出下一时刻转弯方向。 ? 问题三

论文分配及合理评分优化的数学模型

. . .. .. . 论文分配及合理评分优化的数学模型 摘要 信息化条件下，如何较为客观的评价一次考试或者考核成绩成为确定人才培养最终效果的重要依据。本文针对数学建模竞赛中论文分配及合理评分等相关问题，利用了综合评价、聚类分析等方法，建立了论文最优分配模型、综合评价模型和评分优化模型。通过MATLAB编程和模拟，得到了相应的仿真结果。 针对问题一，首先对相关数据进行预处理，将参赛队信息不完整的数据剔除。结合数学建模竞赛论文评阅的实际情况，为保证论文评阅的公平公正，提高评阅的效率，确定论文分配的四个标准。在此基础上，制定论文分配的算法，并通过MATLAB 编程实现，得到最优的论文分配方案。 针对问题二，考虑到不同阅卷评委的评分标准不尽相同，评分的总体特征各不一样，每位评委的评分在论文最终标准分中的权重也有所不同。根据不同评委总体打分的数学期望和标准差与所有评委平均的数学期望和标准差的偏差情况，建立基于偏移量的综合评价模型，进而得到所有论文的加权平均分。在问题一最优分配方案的基础上，用正态分布模拟评委的打分情况，进而得到相应的相应结果。 针对问题三，由于不同专家评分特点不同或是其他原因导致多个成绩差异较大，需要对评分模型进行优化，使得评分更加科学合理。在问题二的求解基础上，选取权重最高的10位评委作为专家裁定组，筛选三位评委打分比较悬殊的论文作为疑问论文。沿用问题一的论文分配模型，将疑问论文分配给专家裁定组的10位评委，进行重新评分。 针对问题四，考虑到问题三中优化后的评分模型存在的不足，有针对性的进行相应的优化和改进。当出现评分差异较大的论文时，将论文随机分配给第四位评委进行评分。建立基于聚类分析的评分模型，计算四位评委之间权重和论文评分的距离，选取距离和最小的三位评委，将其评分作为有效分值计算加权平均值，从而对成绩差异较大的论文得分进行修正。 关键词：论文最优分配，偏移量，综合评价，聚类分析，评分优化