数学建模章绍辉版作业集团标准化工作小组 #Q8QGGQT-GX8G08Q8-GNQGJ8-MHHGN#
第四章作业
第二题：
针对严重的交通情况，国家质量监督检验检疫局发布的国家标准，车辆驾驶人员血液中的酒精含量大于或等于20mg/100ml,小于80mg/100ml 为饮酒驾车，血液中的酒精含量大于或等于80mg/100ml 的为醉酒驾车。
下面分别考虑大李在很短时间内和较长时间内（如2个小时）喝了三瓶啤酒，多长时间内驾车就会违反新的国家标准。 1、
问题假设
大李在短时间内喝下三瓶啤酒后，酒精先从吸收室（肠胃）吸收进中心室（血液和体液），然后从中心室向体外排除，忽略喝酒的时间，根据生理学知识，假设
（1） 吸收室在初始时刻t=0时，酒精量立即为
32
D ;在任意时刻，酒精从吸收室吸收进中心室的速率（吸收室在单位时间内酒精含量的减少量）与吸收室的酒精含量成正比，比例系数为1k ；
（2） 中心室的容积V 保持不变；在初始时刻t=0时，中心室的酒精含量为0；
在任意时刻，酒精从中心室向体外排除的速率（中心室在单位时间内酒精含量的减少量）与中心室的酒精含量成正比，比例系数为2k ；
（3） 在大李适度饮酒没有酒精中毒的前提下，假设1k 和2k 都是常量，与饮酒量
无关。
2、
符号说明
酒精量是指纯酒精的质量，单位是毫克；
酒精含量是指纯酒精的浓度，单位是毫克/百毫升；
~t 时刻（小时）；
()~x t 在时刻t 吸收室（肠胃）内的酒精量（毫克）；
0~D 两瓶酒的酒精量（毫克）；
(t)~c 在时刻t 吸收室（血液和体液）的酒精含量（毫克/百毫升）； 2()~c t 在时刻t 中心室（血液和体液）的酒精含量（毫克/百毫升）；
~V 中心室的容积（百毫升）；
1~k 酒精从吸收室吸收进中心室的速率系数（假设其为常数）； 2~k 酒精从中心室向体外排除的速率系数（假设其为常数）；
3~k 在短时间喝下三瓶酒的假设下是指短时间喝下的三瓶酒的酒精总量除以中心室体
积，即03/2D V ；而在较长时间内（2小时内）喝下三瓶酒的假设下就特指03/4D V . 3、
模型建立和求解
（1） 酒是在很短时间内喝的：
记喝酒时刻为0t =（小时），设(0)0c =，可用()2113
212
()k t k t k k c t e e k k --=
--来计算血液中的酒精含量，此时12k k 、为假设中所示的常数，而033155.792D k V ??
== ???
.
下面用MATLAB 程序画图展示血液中酒精含量随时间变化并且利用fzero 函数和fminbnd 函数来得到饮酒驾车醉酒驾车对应的时间段，以及血液中酒精含量最高的时刻。
MATLAB 程序如下：
k1=;k2=;k3=;
c=@(t)(k1.*k3)./(k1-k2).*(exp(-k2.*t)-exp(-k1.*t)); f=@(t)c(t)-20; g=@(t)c(t)-80; h=@(t)-c(t);
t1(1)=fzero(f,1);t1(2)=fzero(f,12), t2(1)=fzero(g,1);t2(2)=fzero(g,12) [t3,c3]=fminbnd(h,0,24) fplot(c,[0,20],'k') hold on
plot([0,20],[20,20],'k',[0,20],[80,80],'k') hold off
xlabel('时刻t（小时），从开始喝酒算起')
ylabel('血液中的酒精含量（mg/100ml）')
title('短时间喝下三瓶酒时，血液中酒精含量随时间的变化过程')
gtext(',20)')
gtext(',20)')
gtext(',80)')
gtext(',80)')
gtext(',')
运行结果如下：
t1 =
t2 =
t3 =
c3 =
所绘图形如下：
结果分析：
所以，当[0.06891,0.38052)(4.1125,11.589]
t∈?时，20()80
c t
≤<，属饮酒驾车。当
[0.38052,4.1125]
t∈时，属醉酒驾驶；当 1.307
t=时，血液中的酒精含量最高为毫克/百毫升。
（2）酒是在2小时内喝的：
可假设三瓶啤酒是在2小时内匀速喝的. 同样记喝酒时刻为0
t=（小时），设
(0)0
c=，则吸收室的酒精量
1()
x t满足分段的初值问题解得
于是中心室内的酒精含量
2()
c t满足分段的初值问题解得
其中
0334D k V
=，3412k k k k =-，14
52k k k k =，36
2= k k k ，1273(1)k k k e =- 1
2
228456k k k k e
k e
k --=-+，7912
k k k k =
-，2
2122()1089k k k k k e
k e -=+ 因为1 2.0079k =，20.1855k =以及0/103.86D V =，所以
377.896k =，442.743k =，5462.66k =，6419.92k = 74243.1k =，8101.43k =，92328.3k =，10207.82k =
下面用MATLAB 程序画图展示血液中酒精含量随时间变化并且利用fzero 函数和fminbnd 函数来得到饮酒驾车醉酒驾车对应的时间段，以及血液中酒精含量最高的时刻。
MATLAB 程序如下：
k1=;k2=;k3=;
k4=;k5=;k6=;k9=;k10=;
c1=@(t)(k4.* exp(-k1.*t)-k5.*exp(-k2.*t)+k6).*(t>=0&t<=2)+... ( k10.* exp(-k2.*t)-k9.*exp(-k1.*t)).*(t>2); f1=@(t)c1(t)-20; g1=@(t)c1(t)-80; h1=@(t)-c1(t);
t1(1)=fzero(f1,1);t1(2)=fzero(f1,12), t2(1)=fzero(g1,1);t2(2)=fzero(g1,12), [t3,c3]=fminbnd(h1,0,20) fplot(c1,[0,20],'k') hold on
plot([0,20],[20,20],'k',[0,20],[80,80],'k') hold off
xlabel('时刻t （小时），从开始喝酒算起') ylabel('血液中的酒精含量（mg/100ml ）')
title('短时间喝下三瓶酒时，血液中酒精含量随时间的变化过程') gtext(',20)') gtext(',20)') gtext(',80)') gtext(',80)') gtext(',')
运行结果如下：
t1 =
t2 =
t3 =
c3 =
所绘图形如下：
结果分析：
所以，当[0.62321,1.6366)(5.1412,12.62]
c t
≤<，属饮酒驾车。当t∈?时，20()80
t=时，血液中的酒精含量最高，为毫克/
[1.6366,5.1412]
t∈时，属醉酒驾驶；当 2.6328
百毫升.
下面用图形比较两种不同假设下血液中酒精含量的变化过程。
MATLAB程序如下：
k1=;k2=;k3=;
k4=;k5=;k6=;k9=;k10=;
c=@(t)(k1.*k3)./(k1-k2).*(exp(-k2.*t)-exp(-k1.*t));
c1=@(t)(k4.* exp(-k1.*t)-k5.*exp(-k2.*t)+k6).*(t>=0&t<=2)+...
( k10.* exp(-k2.*t)-k9.*exp(-k1.*t)).*(t>2);
plot(0::20,c(0::20),'--k',0::20,c1(0::20),'k',2,c1(2),'.k')
xlabel('时刻t（小时），从开始喝酒算起')
ylabel('血液中的酒精含量（mg/100ml）')
title('短时间喝下三瓶酒时，血液中酒精含量随时间的变化过程')
legend('很短时间内喝三瓶啤酒','两小时内匀速喝下三瓶啤酒','函数的分段点')
所绘图形如下：
第四题：
研究将鹿群放入草场后，草和鹿两个种群的相互作用，草的生长服从Logistic 规律，年固有增长率，最大密度为3000个密度单位，在草最茂盛时，每只鹿每年吃掉个密度单位的草，若没有草，鹿群的年死亡率高达,而在草最茂盛的时候草对鹿的死亡的补偿率为。
1、建立差分方程组模型，比较将100只鹿放入密度为1000和密度为3000的两种草场的情况下，草和鹿两个种群的数量演变过程。 （1）符号说明：
x ~k 第k 年草场的密度单位 ~k y 第k 年草场上鹿的数量 r ~草场上草的年固有增长率
a ~由于捕食导致的草的密度单位减少的速度大小
d ~如果没有草，鹿群的年死亡率 b ~草对鹿群死亡的补偿率 N ~草的最大密度单位 （2）模型的建立与求解：
基于以上假设，由于草的生长服从Logistic 模型，建立差分方程组模型如下所示： 令1k k x x x +==，1k k y y y +==，与上述方程组联立得到平衡点为0(0,0)P 、
1(,0)P N 、2()
(
,)dN rN b d P b ab
- 以下用MATLAB 实现差分方程组模型。 MATLAB 程序如下：
n=20;r=;a=;b=;d=;
N=3000;t=1:n+1;
x1(1)=1000;y1(1)=100; for k=1:n
x1(k+1)=x1(k)+r*x1(k)*(1-x1(k)/N)-a*x1(k)*y1(k)/N
y1(k+1)=y1(k)-d*y1(k)+b*x1(k)*y1(k)/N
end
subplot(2,2,1),plot(t,x1,'k^',t,y1,'kv'),axis([-1,21,0,3000]), xlabel('第k年'),ylabel('数量'),gtext('草密度'),gtext('鹿数量'), title('草和鹿随时间的演变');
subplot(2,2,2),plot(x1,y1,'ko'),axis([1000,3000,0,1000]), xlabel('草密度'),ylabel('鹿数量'),title('相平面图');
x2(1)=3000;y2(1)=100;
for k=1:n
x2(k+1)=x2(k)+r*x2(k)*(1-x2(k)/N)-a*x2(k)*y2(k)/N
y2(k+1)=y2(k)-d*y2(k)+b*x2(k)*y2(k)/N
end
subplot(2,2,3),plot(t,x2,'k^',t,y2,'kv'),axis([-1,21,0,3000]), xlabel('第k年'),ylabel('数量'),gtext('草密度'),gtext('鹿数量'), title('草和鹿随时间的演变');
subplot(2,2,4),plot(x2,y2,'ko'),axis([1000,3000,0,1000]), xlabel('草密度'),ylabel('鹿数量'),title('相平面图');
运行结果如下：
x1 =
Columns 1 through 8
1000 1480
Columns 9 through 16
1550
Columns 17 through 21
y1 =
Columns 1 through 8
100 60
Columns 9 through 16
Columns 17 through 21
x2 =
Columns 1 through 8
3000 2840 2570 2149
Columns 9 through 16
1698 1907
Columns 17 through 21
y2 =
Columns 1 through 8 100 160
Columns 9 through 16
Columns 17 through 21
所绘图像如下： 由图像中可以看出2()(
,)dN rN b d P b ab
-为渐进稳定的平衡点。 2、建立常微分方程组模型，重做以上问题。
记草和鹿在第t 年的数量分别记为()x x t =和()y y t =，其余的符号假设与（1）相同，建立常微分方程组模型为：
令(1)0x axy rx N N -
-=且0k bxy
dy N -+=，得到常微分方程组的临界点为0(0,0)P 、1(,0)P N 、2
()
(,)dN rN b d P b ab
-，以下运用数值解，方向场和特征线等技巧，用matlab 绘制常微分方程组的解曲线图，并加以分析。
为了消去方程中的参数t ，将两式相除，得到：
()dy Ndy bxy
dx rx N x axy
-+=-- 当将100头鹿放入密度为1000与密度为3000的草场中，初始值分别为
(0)1000x =，(0)100y =与(0)3000x =，(0)100y =.
利用matlab 实现上述过程的源程序与运行结果如下： 函数m 文件：
function dx=fun(t,x) dx=zeros(2,1);
dx(1)=x(1)**(1-x(1)/3000)*x(1)*x(2)/3000; dx(2)=*x(2)+*x(1)*x(2)/3000; 主程序：
[t1,x1]=ode45('fun',0:20,[1000 100]); [t1,x1]
subplot(2,2,1)
plot(t1,x1(:,1),'.-k',t1,x1(:,2),'.-k'),grid on
axis([0 20 0 3000])
title('草和鹿随时间的演变（x_0=1000）') gtext('草密度'),gtext('鹿数量') xlabel('第k 年'),ylabel('数量') subplot(2,2,2)
plot(x1(:,1),x1(:,2),'.-k'),grid on axis([1000 3000 0 800]) title('相平面图（x_0=1000）') xlabel('草密度'),ylabel('鹿数量') [t2,x2]=ode45('fun',0:20,[3000 100]); [t2,x2]
subplot(2,2,3)
plot(t2,x2(:,1),'.-k',t2,x2(:,2),'.-k'),grid on axis([0 20 0 3000])
title('草和鹿随时间的演变（x_0=3000）') gtext('草密度'),gtext('鹿数量') xlabel('第k 年'),ylabel('数量') subplot(2,2,4)
plot(x2(:,1),x2(:,2),'.-k'),grid on axis([1000 3000 0 800]) title('相平面图（x_0=3000）') xlabel('草密度'),ylabel('鹿数量') 所绘图像如下：
通过图像发现该常微分方程组的平衡点2()
(
,)dN rN b d P b ab
是渐进稳定的，而0(0,0)P 、1(,0)P N 不是渐进稳定的平衡点。
草与鹿群的数量演变过程如下表所示：
3、说明以上两个模型的解的联系和区别。
差分方程相当于取步长1h 时用欧拉方法计算微分方程组的数值解。
第一章引言 众所周知，21世纪是知识经济的时代，所谓知识经济是以现代科学技术为核心，建立在知识和信息的生产、存储、使用和消费之上的经济；是以智力资源为第一生产力要素的经济；是以高科技产业为支柱产业的经济。知识创新和技术创新是知识经济的基本要求和内在动力，培养高素质、复合型的创新人才是时代发展的需要。创新人才主要是指具有较强的创新精神、创新意识和创新能力，并能够将创新能力转化为创造性成果的高素质人才。培养创新人才，大学教育是关键，而大学的数学教育在整个大学教育，乃至在人才的培养中都起着重要的奠基作用。正如著名的数学家王梓坤院士所说：“今天的数学兼有科学和技术两种品质，数学科学是授人以能力的技术。”数学作为一门技术，现已经成为一门能够普遍实施的技术，也是未来所需要的高素质创新人才必须要具有的一门技术。随着知识经济发展的需要，创新人才的供需矛盾日趋突现，这也是全社会急呼教学改革的根本所在。因此，现代大学数学教育的思想核心就是在保证打捞学生基础的同时，力求培养学生的创新意识与创新能力、应用意识与应用能力。也就是大学数学教育应是基于传授知识、培养能力、提高素质于一体的教育理念之下的教学体系。数学建模活动是实现这一改革目标的有效途径，也正是数学建模活动为大学的数学教学改革打开了一个突破口，近几年的实践证明，这一改革方向是正确的，成效是显著的。 1.1 数学建模的作用和地位 我们培养人才的目的主要是为了服务于社会、应用于社会，促进社会的进步和发展。而社会实际中的问题是复杂多变的，量与量之间的关系并不明显，并不是套用某个数学公式或只用某个学科、某个领域的知识就可以圆满解决的，这就要求我们培养的人才应有较高的数学素质。即能够从众多的事物和现象中找出共同的、本质的东西，善于抓住问题的主要矛盾，从大量的数据和定量分析中寻找并发现规律，用数学的理论和数学的思维方法以及相关的知识去解决，从而为社会服务。基于此，我们认为定量分析和数学建模等数学素质是知识经济时代人才素质的一个重要方面，是培养创新能力的一个重要方法和途径。因此，开展数学建模活动将会在人才培养的过程中有着重要的地位和起着重要的作用。 1.1.1 数学建模的创新作用 数学科学在实际中的重要地位和作用已普遍地被人们所认识，它的生命力正在不断地增强，这主要是来源于它的应用地位。各行各业和各科学领域都在运用数学，或是建立在数学基础之上的，正像人们所说的“数学无处不在”已成为不可争辩的事实。特别是在生产实践中运用数学的过程就是一个创造性的过程，成功运用的核心就是创新。我们这里所说的创新是指科技创新，所谓的科技创新主要是指在科学拘束领域的新发明、新创造。即发明新事物、新思想、新知识和新规律；创造新理论、新方法和新成果；开拓新的应用领域、解决新的问题。大学是人才培养的基地，而创新人才的培养核心是创新思想、创新意识和创新能力的培养。传统的教学内容和教学方法显然不足以胜任这一重担，数学建模本身就是一个创造性的思维过程，从数学建模的教学内容、教学方法，以及数学建模竞赛活动的培训等都是围绕着一个培养创新人才的核心这个主题内容进行的，其内容取材于实际、方法结合于实际、结果应用于实际。总之，知识创新、方法创新、结果创新、应用创新无不在数学建模的过程中得到体现，这也正是数学建模的创新作用所在。 1.1.2 数学建模的综合作用 对于我们每一个教数学基础科的教师来说，在上第一堂课的时候，按惯例都会讲一下课
数学建模部分课后习题解答 中国地质大学 能源学院 华文静 1.在稳定的椅子问题中，如设椅子的四脚连线呈长方形，结论如何？ 解： 模型假设 （1） 椅子四条腿一样长，椅脚与地面接触处视为一点，四脚的连线呈长方形 （2） 地面高度是连续变化的，沿任何方向都不会出现间断（没有像台阶那样的情况）， 即从数学角度来看，地面是连续曲面。这个假设相当于给出了椅子能放稳的必要条件 （3） 椅子在任何位置至少有三只脚同时着地。为了保证这一点，要求对于椅脚的间 距和椅腿的长度而言，地面是相对平坦的。因为在地面上椅脚间距和椅腿长度的尺寸大小相当的范围内，如果出现深沟或凸峰（即使是连续变化的），此时三只脚是无法同时着地的。 模型建立 在上述假设下，解决问题的关键在于选择合适的变量，把椅子四只脚同时着地表示出来。首先，引入合适的变量来表示椅子位置的挪动。生活经验告诉我们，要把椅子通过挪动放稳，通常有拖动或转动椅子两种办法，也就是数学上所说的平移与旋转变换。然而，平移椅子后问题的条件没有发生本质变化，所以用平移的办法是不能解决问题的。于是可尝试将椅子就地旋转，并试图在旋转过程中找到一种椅子能放稳的情形。 注意到椅脚连线呈长方形，长方形是中心对称图形，绕它的对称中心旋转180度后，椅子仍在原地。把长方形绕它的对称中心旋转，这可以表示椅子位置的改变。于是，旋转角度θ这一变量就表示了椅子的位置。为此，在平面上建立直角坐标系来解决问题。 设椅脚连线为长方形ABCD,以对角线AC 所在的直线为x 轴，对称中心O 为原点，建立平面直角坐标系。椅子绕O 点沿逆时针方向旋转角度θ后，长方形ABCD 转至A1B1C1D1的位置，这样就可以用旋转角）0（πθθ≤≤表示出椅子绕点O 旋转θ后的位置。 其次，把椅脚是否着地用数学形式表示出来。当椅脚与地面的竖直距离为零时，椅脚就着地了，而当这个距离大于零时，椅脚不着地。由于椅子在不同的位置是θ的函数，因此，椅脚与地面的竖直距离也是θ的函数。 由于椅子有四只脚，因而椅脚与地面的竖直距离有四个，它们都是θ的函数，而由假设（3）可知，椅子在任何位置至少有三只脚同时着地，即这四个函数对于任意的θ，其函数值至少有三个同时为0。因此，只需引入两个距离函数即可。考虑到长方形ABCD 是对称中心图形，绕其对称中心O 沿逆时针方向旋转180度后，长方形位置不变，但A,C 和B,D 对换了。因此，记A ，B 两脚与地面竖直距离之和为)(θf ，C,D 两脚之和为 )(θg ，其中[]πθ，0∈，使得)()(00θθg f =成立。 模型求解 如果0)0()0(== g f ，那么结论成立。
·综 述· 辐射剂量数学模型在医学影像学的应用及研究进展＊ 刘 潇综述，曾勇明△审校 （重庆医科大学附属第一医院放射科 ４０００１６） 关键词：辐射剂量；医学影像学；数学模型；蒙特卡洛；仿真人体体模 ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１６７１－８３４８．２０１３．１４．０３３文献标识码：Ａ文章编号：１６７１－８３４８（２０１３）１４－１６５０－０３ 随着医学的不断发展，现代医学影像技术越来越多的应用于临床实践中，尤其是在ＣＴ、ＤＳＡ的临床应用呈逐年上升趋势，辐射剂量问题已引起全世界的关注。有效实施辐射剂量检测是保证医学影像学检查合理使用的基本要求。当前，临床上主要采用影像设备的剂量测试工具来获得辐射剂量数据，并评估患者的辐射剂量，但不能前瞻性的评价和预估某一放射学检查时的辐射水平。近年来，数学模型开始应用于医学影像学领域，对研究辐射剂量的科学实验带来便利。本文就辐射剂量数学模型的临床应用及进展综述如下。 １ 辐射剂量数学模型 为了使描述更具科学性、逻辑性、客观性和可重复性，人们采用一种普遍认为比较严格的语言来描述各种现象，这种语言就是数学。使用数学语言描述的事物就称为数学模型。数学建模是一种数学的思考方法，是运用数学的语言和方法，通过抽象、简化建立能近似刻画并“解决”实际问题的一种强有力的数学手段。数学建模是用数学语言描述实际现象的过程，不但包括外在形态，内在机制的描述，也包括预测，试验和解释实际现象等内容［１］。 以蒙特卡洛（Ｍｏｎｔｅ Ｃａｒｌｏ）为代表的数学模拟方法是一种通过设定随机过程，反复生成时间序列，计算参数估计量和统计量，进而研究其分布特征的方法。具体的，当系统中各个单元的可靠性特征量已知，但系统的可靠性过于复杂，难以建立可靠性预计的精确数学模型或模型太复杂而不便应用时，可用随机模拟法近似计算出系统可靠性的预计值；随着模拟次数的增多，其预计精度也逐渐增高。由于涉及时间序列的反复生成，蒙特卡洛模拟法是以高容量和高速度的计算机为前提条件的，因此，只是在近些年才得到广泛推广。蒙特卡洛模拟方法的原理是当问题或对象本身具有概率特征时，可以用计算机模拟的方法产生抽样结果，根据抽样计算统计量或者参数的值；随着模拟次数的增多，可以通过对各次统计量或参数的估计值求平均的方法得到稳定结论［２］。 在医学影像学中，基于蒙特卡洛模拟技术开发的软件的临床应用近年来有较大发展，如Ｉｍｐａｃｔ ＭＣ软件包（ＶＡＭＰ Ｇｍ－ｂＨ，Ｅｒｌａｎｇｅｎ，Ｇｅｒｍａｎｙ）功能独特，目前科研中，提供快速的三维剂量分布计算，该软件可以适用于多种任务，包括普通放射学、ＣＴ、Ｃ型臂（基于平板探测器）ＣＴ等。在科研中成功的剂量分布计算已经在３０多个专业领域的国际刊物也有极好的反馈［３］。还有一些通用的软件工具常在实验研究中应用，如用来模拟辐射ＣＴ剂量沉积的基于蒙特卡洛的软件ＭＣＮＰＸ ｅｘ－ｔｅｎｄｅｄ ｖ２．６，在洛杉矶洛斯阿拉莫斯国家实验室执行模拟［４］。国内应用较广的免费软件，如Ｇｅａｎｔ４［５－６］或ＭＣＮＰ ＥＧＳ４［７］，这些软件可执行辐射剂量估算。器官剂量估算软件ＰＣＸＭＣ（ＳＴＵＫ，Ｆｉｎｌａｎｄ）是基于蒙特卡洛计算方法，用于估算人体器官所受吸收剂量（ａｂｓｏｒｂｅｄｄｏｓｅ，ＡＤ）和全身有效剂量（ｅｆｆｅｃｔｉｖｅｄｏｓｅ，ＥＤ）的常用计算软件［８］。 ２ 数学模型在ＣＴ检查中的应用 在ＣＴ检查中减少辐射剂量是医学影像研究的热点问题，常用于评价ＣＴ检查的ＥＤ通过剂量长度乘积（ｄｏｓｅ ｌｅｎｇｔｈｐｒｏｄｕｃｔ，ＤＬＰ）乘以权重因子获得［９］，但与利用仿真体模检测辐射剂量的方法比较，其值不够准确［１０］。应用数学模型软件，模拟患者的辐射剂量，可避免不必要的重复照射。通过在软件中加入ＣＴ的扫描参数及患者的性别、体质量指数（ＢＭＩ）、心率等因素，因而更具个性化。辐射剂量数学模型在ＣＴ的应用已越来越受到重视。 有研究采用数学模型评估冠状动脉造影患者接受的辐射剂量，模型模拟固定管电流下ＥＤ，与常规心电门控管电流自动调制技术接受的剂量相比较。可以得到心电门控管电流自动调制技术（预设１００ｍＡｓ）的ＥＤ为（７．１±２．１）ｍＳｖ，而模拟固定管电流（１００ｍＡｓ）下肺组织的ＥＤ为（１２．５±５．３）ｍＳｖ；并证明应用心电门控管电流自动调制技术后辐射剂量减少了５２％［１１］。 Ｉｍｐａｃｔ ＭＣ软件生成的三维剂量分布是其特点，可涉及到器官剂量的估算和计算患者个体风险的ＥＤ水平。在对每个采集的参数和重建的容积数据的基础上，进行了蒙特卡洛模拟，以计算每个像素的沉积与光子相互作用方面的剂量。它可模拟现代ＣＴ系统的所有参数，比如蝶形过滤器、管电流调制、双源ＣＴ设置和动态Ｚ轴准直等。Ｉｍｐａｃｔ ＭＣ软件的可视仿真体模（ＮＶＩＤＩＡ ＧＰＵ）功能，模拟一个高精度的ＣＴ检查环境，因此Ｉｍｐａｃｔ ＭＣ是最快最全面的蒙特卡洛模拟软件包之一。为了确保最好的结果，Ｉｍｐａｃｔ ＭＣ已在三个不同的ＣＴ系统（西门子、ＧＥ、飞利浦公司产品）验证［１２］。 ＭＣＮＰＸ ｅｘｔｅｎｄｅｄ ｖ２．６软件能模拟以１ｋｅＶ的低能量辐射剂量为基准的剂量，这种软件可使用１２０ｋＶｐ、３００ｍＡ的条件下模拟全身ＣＴ扫描。针对普通患者，扫描范围可扩大，从头顶的底部到耻骨随意调节。利用蒙特卡洛技术模拟的人体数学模型，以现场调查（与临床应用相适应）所得的ＣＴ技术参数和几何条件为输入参数，从理论上估算了成人ＣＴ冠状动脉检查所接受各器官组织的吸收剂量［４］。一些免费软件（如Ｇｅａｎｔ４）缺乏灵活性，难以适应ＣＴ扫描技术的复杂多变，这些原因促进了开发以蒙特卡洛技术为仿真基础的应用于放射诊断的软件，尤其是与ＣＴ检查相关的应用软件［１３－１７］。 ３ 数学模型在介入治疗的应用 介入治疗是临床、医学与工程技术紧密结合，相互依存而发展起来的前沿学科，它具有微创、简便、安全等优点，为过去 ０ ５ ６ １重庆医学２０１３年５月第４２卷第１４期 ＊基金项目：重庆市卫生局科研基金资助项目（２０１０－２－０５５）。 作者简介：刘潇（１９８１～），技师，在读硕士研究生，主要从事医学影像技术研究。 △ 通讯作者，Ｔｅｌ：１３６０８３３８４８８；Ｅ－ｍａｉｌ：ｚｅｎｇ－ｙｍ＠ｖｉｐ．ｓｉｎａ．ｃｏｍ。
第4章数学规划模型 本章研究数学规划模型，其中包括：线性规划、整数规划、非线性规划、多目标规划与动态规划等内容． 线性规划模型 线性规划是运筹学的一个重要分支，随着计算机技术的发展，线性规划不仅在理论上已趋向成熟，而且在实际应用中也日益广泛与深入．本节将借助Lingo数学软件对线性规划模型进行求解． 4.1.1问题的提出 在生产管理和经营活动中经常提出一类问题，即如何合理地利用有限的人力、物力、财力等资源，以便得到最好的经济效果． 引例1 普通生产计划安排问题 某工厂在计划期内要安排生产Ⅰ、Ⅱ两种产品，已知生产单位产品所需的设备台时及A、B两种原材料的消耗，如表4-1所示．该工厂每生产一件产品Ⅰ可获利2元，每生产一件产品Ⅱ可获利3元，问应该如何安排计划使该工厂获利最多 表普通生产计划安排问题 ⅠⅡ 设备原材料A 原材料B 利润1 4 2 2 4 3 8台时 16kg 12kg 引例2 奶制品的生产计划问题 一奶品加工厂用牛奶生产A、B两种奶制品，1桶牛奶可以在甲类设备上用12小时加工成3公斤A，或者在乙类设备上用8小时加工成4公斤B，根据市场需求，生产的A、B全部能售出，且每公斤A获利24元，每公斤B获利16元．现在加工厂每天能得到50桶牛奶的供应，每天正式工人总的劳动时间为480小时，并且甲类设备每天最多能加工100公斤A，乙类设备的加工能力没有限制．试为该厂制定一个生产计划，使每天获利最大，并进一步讨论以下３个附加问题： ⑴若用35元可以买到1桶牛奶，应否做这项投资若投资，每天最多购买多少桶牛奶 ⑵若可以聘用临时工人以增加劳动时间，付给临时工人的工资最多是每小时几元 ⑶由于市场需求变化，每公斤A的获利增加到30元，应否改变生产计划 4.1.2模型建立 1.引例1普通生产计划安排问题的模型建立 对于引例1，可以设x、y分别表示在计划期内产品Ⅰ、Ⅱ的产量．若用z表示
第一章 1-1习题 1.设用原料A 生产甲、乙、丙的数量分别为131211,,x x x ，用原料B 生产甲、乙、丙的数量分别为232221,,x x x ，原料C 生产甲、乙、丙的数量分别为333231,,x x x ，则可以建立线性规划问题的数学模型： ?? ??? ??? ?? ?????=≥≤+--≤+--≥--≤+--≥--≤++≤++≤++++++++-+=) 3,2,1,(,00 5.05.05.004.0 6.06.00 15.015.085.008.02.02.006.06.04.012002500 2000..8.38.56.78.18.36.52.08.16.3max 33231332221232 22123121113121113332312322 21131211333231232221131211j i x x x x x x x x x x x x x x x x x x x x x x x x x t s x x x x x x x x x S ij LINDO 求解程序见程序XT1-1-1。 求解结果： 1200 ,22.1482,33.473,0,78.1017,66.1526322212312111======x x x x x x 0,0,0332313===x x x ，24640max =S （元） 。 2.设用设备,,,,,32121B B B A A 加工产品Ⅰ的数量分别为54321,,,,x x x x x ,设备121,,B A A 加工产品Ⅱ的数量分别为876,,x x x ,设备22,B A 加工产品Ⅲ的数量分别为109,x x ,则目标函数为: 976321)5.08.2())(35.02())(25.025.1(max x x x x x x S -++-+++-= 4000 7200700011478340008625010000129731260001053005 1048397261x x x x x x x x x x ?-+?-+?-++?-+? -整理后得到: ??? ??? ?=≥=-=-+=--++≤≤+≤+≤++≤+-+-++---+=)10,9,8,7,6,5,4,3,2,1(,00;0;0;40007;7000114;400086; 100001297;6000105..2304.19256.15.03692.115.135.04474.0375.07816.075.0max 10987654321510483972611098765 4321j x x x x x x x x x x x x x x x x x x x x x t s x x x x x x x x x x S j 整数 LINDO 求解的程序见程序XT1-1-2。 求解结果: 324,500,0,571,859,0,230,120010987654321==========x x x x x x x x x x 446.1155max =S 3.设自己生产甲、乙、丙的数量分别为312111,,x x x ,外协加工甲、乙、丙第数量分别为322212,,x x x （外协加工的铸造、机加工和装配的工时均不超过5000小时）,则
第一部分课后习题 1.学校共1000名学生，235人住在A宿舍，333人住在B宿舍，432人住在C宿舍。学 生们要组织一个10人的委员会，试用下列办法分配各宿舍的委员数： （1）按比例分配取整数的名额后，剩下的名额按惯例分给小数部分较大者。 （2）2.1节中的Q值方法。 （3）d’Hondt方法：将A，B，C各宿舍的人数用正整数n=1，2，3，…相除，其商数如下表： 将所得商数从大到小取前10个（10为席位数），在数字下标以横线，表中A，B，C行有横线的数分别为2，3，5，这就是3个宿舍分配的席位。你能解释这种方法的道理吗。 如果委员会从10人增至15人，用以上3种方法再分配名额。将3种方法两次分配的结果列表比较。 （4）你能提出其他的方法吗。用你的方法分配上面的名额。 2.在超市购物时你注意到大包装商品比小包装商品便宜这种现象了吗。比如洁银牙膏50g 装的每支1.50元，120g装的3.00元，二者单位重量的价格比是1.2：1。试用比例方法构造模型解释这个现象。 （1）分析商品价格C与商品重量w的关系。价格由生产成本、包装成本和其他成本等决定，这些成本中有的与重量w成正比，有的与表面积成正比，还有与w无关的因素。 （2）给出单位重量价格c与w的关系，画出它的简图，说明w越大c越小，但是随着w的增加c减少的程度变小。解释实际意义是什么。 3.一垂钓俱乐部鼓励垂钓者将调上的鱼放生，打算按照放生的鱼的重量给予奖励，俱乐部 只准备了一把软尺用于测量，请你设计按照测量的长度估计鱼的重量的方法。假定鱼池中只有一种鲈鱼，并且得到8条鱼的如下数据（胸围指鱼身的最大周长）： 先用机理分析建立模型，再用数据确定参数 4.用宽w的布条缠绕直径d的圆形管道，要求布条不重叠，问布条与管道轴线的夹角 应 多大（如图）。若知道管道长度，需用多长布条（可考虑两端的影响）。如果管道是其他形状呢。
数学建模与数学实验课程总结与练习内容总结 第一章 1.简述数学建模的一般步骤。 2.简述数学建模的分类方法。 3.简述数学模型与建模过程的特点。 第二章 4.抢渡长江模型的前3问。 5.补充的输油管道优化设计。 6.非线性方程（组）求近似根方法。 第三章 7.层次结构模型的构造。 8.成对比较矩阵的一致性分析。 第五章 9.曲线拟合法与最小二乘法。 10 分段插值法。 第六章 11 指数模型及LOGISTIC模型的求解与性质。 12.VOLTERRA模型在相平面上求解及周期平均值。 13 差分方程（组）的平衡点及稳定性。 14 一阶差分方程求解。 15 养老保险模型。
16 金融公司支付基金的流动。 17 LESLLIE 模型。 18 泛函极值的欧拉方法。 19 最短路问题的邻接矩阵。 20 最优化问题的一般数学描述。 21 马尔科夫过程的平衡点。 22 零件的预防性更换。 练习集锦 1. 在层次分析法建模中，我们介绍了成对比较矩阵概念，已知矩阵P 是成对比较矩阵 31/52a b P c d e f ?? ??=?????? ，（1）确定矩阵P 的未知元素。 （2）求 P 模最大特征值。 （3）分析矩阵P 的一致性是否可以接受（随机一致性指标ＲＩ取0.58）。 2. 在层次分析法建模中，我们介绍了成对比较矩阵概念，已知矩阵P 是三阶成对比较矩阵 322P ? ???=?????? ，（1）将矩阵P 元素补全。 （2）求P 模最 大特征值。 （3）分析矩阵P 的一致性是否可以接受。 3.考虑下表数据
(1)用曲改直的思想确定经验公式形式。 （2）用最小二乘法确定经验公式系数。 4.. 考虑微分方程 (0.2)0.0001(0.4)0.00001dx x xy dt dy y xy dt εε?=--????=-++?? （1）在像平面上解此微分方程组。（2）计算0ε=时的周期平均值。（3）计算0.1ε=时，y 的周期平均值占总量的周期平均值的比例增加了多少？ 5考虑种群增长模型 '()(1/1000),(0)200x t kx x x =-= （1）求种群量增长最快的时刻。（2）根据下表数据估计参数k 值。 6. 布均匀，若环保部门及时发现并从某时刻起切断污染源，并更新湖水（此处更新指用新鲜水替换污染水），设湖水更新速率是 3 (m r s 单位：）。 （1） 试建立湖中污染物浓度随时间下降的数学模型？ 求出污染物浓度降为控制前的5%所需要的时间。 7. 假如保险公司请你帮他们设计一个险种:35岁起保,每月交费400元,60岁开始领取养老金,每月养老金标准为３６００元，请估算该保险费月利率为多少（保留到小数点后５位）？ 8. 某校共有学生40000人，平时均在学生食堂就餐。该校共有,,A B C 3 个学生食堂。经过近一年的统计观测发现：A 食堂分别有10%，25%的学生经常去B ，C 食堂就餐，B 食堂经常分别有15%，25%的同学去
习题2作业讲评 1. 继续考虑 2.2节的“汽车刹车距离”案例，请问“两秒准则”和“一车长度准则”一样吗？“两秒准则”是否足够安全？对于安全车距，你有没有更好的建议？（“两秒准则”，即后车司机从前车经过某一标志开始，默数2秒之后到达同一标志，而不管车速如何. 刹车距离与车速的经验公式 20.750.082678d v v =+，速度单位为m/s ，距离单位为m ） 解答 （1）“两秒准则”表明前后车距与车速成正比例关系. 引入以下符号： D ～ 前后车距（m ）；v ～ 车速（m/s ）； 于是“两秒准则”的数学模型为22D K v v ==. 与“一车长度准则”相比是否一样，依赖于一车长度的选取. 比较2 0.750.082678d v v =+与2D v =，得： ()0.082678 1.25d D v v -=- 所以当15.12 m/s v <（约合54.43 km/h ）时，有d
v=(20:5:80).*0.44704; d2=[18,25,36,47,64,82,105,132,162,196,237,283,334 22,31,45,58,80,103,131,165,202,245,295,353,418 20,28,40.5,52.5,72,92.5,118,148.5,182,220.5,266,318,376]; d2=0.3048.*d2; k1=0.75; k2=0.082678; K2=2; d1=[v;v;v].*k1; d=d1+d2; plot([0,40],[0,K2*40],'k') hold on 51015 2025 303540 车速v （m/s ） 距离（m ） 图1
西南大学2014年春《数学建模》作业及答案(已整理) 第一次作业 1：[填空题] 名词解释: 1．原型 2．模型 3．数学模型 4．机理分析 5．测试分析 6．理想方法 7．计算机模拟 8．蛛网模型 9．群体决策 10．直觉 11．灵感 12．想象力 13．洞察力 14．类比法 15．思维模型 16．符号模型 17．直观模型 18．物理模型19．2倍周期收敛20．灵敏度分析21．TSP问题22．随机存储策略23．随机模型24．概率模型25．混合整数规划26．灰色预测 参考答案： 1．原型：原型指人们在现实世界里关心、研究或者从事生产、管理的实际对象。2．模型：指为某个特定目的将原形的某一部分信息简缩、提炼而构造的原型替代物。3．数学模型：是由数字、字母或其它数字符号组成的，描述现实对象数量规律的数学公式、图形或算法。4．机理分析：根据对客观事物特性的认识，找出反映内部机理的数量规律，建立的模型常有明显的物理意义或现实意义。5．测试分析：将研究对象看作一个"黑箱”系统，通过对系统输入、输出数据的测量和统计分析，按照一定的准则找出与数据拟合得最好的模型。6．理想方法：是从观察和经验中通过想象和逻辑思维，把对象简化、纯化，使其升华到理状态，以其更本质地揭示对象的固有规律。7．计算机模拟：根据实际系统或过程的特性，按照一定的数学规律用计算机程序语言模拟实际运行情况，并依据大量模拟结构对系统或过程进行定量分析。8．蛛网模型：用需求曲线和供应曲线分析市场经济稳定性的图示法在经济学中称为蛛网模型。9．群体决策：根据若干人对某些对象的决策结果，综合出这个群体的决策结果的过程称为群体决策。10．直觉：直觉是人们对新事物本质的极敏锐的领悟、理解或推断。11．灵感：灵感是指在人有意识或下意识思考过程中迸发出来的猜测、思路或判断。12．想象力：指人们在原有知识基础上，将新感知的形象与记忆中的形象相互比较、重新组合、加工、处理，创造出新形象，是一种形象思维活动。13．洞察力：指人们在充分占有资料的基础上，经过初步分析能迅速抓住主要矛盾，舍弃次要因素，简化问题的层次，对可以用那些方法解决面临的问题，以及不同方法的优劣作出判断。14．类比法：类比法注意到研究对象与以熟悉的另一对象具有某些共性，比较二者相似之处以获得对研究对象的新认识。15．思维模型：指人们对原形的反复认识，将获取的知识以经验的形式直接储存于人脑中，从而可以根据思维或直觉作出相应的决策。16．符号模型：是在一定约束条件或假设下借助于专门的符号、线条等，按一定形式组合起来描述原型。17．直观模型：指那些供展览用的实物模型以及玩具、照片等，通常是把原型的尺寸按比例缩小或放大，主要追求外观上的逼真。18．物理模型：主要指科技工作者为一定的目的根据相似原理构造的模型，它不仅可以显示原型的外形或某些特征，而且可以用来进行模拟实验，间接地研究原型的某些规律。19．2倍周期收敛：在离散模型中，如果一个数列存在两个收敛子列就称为2倍周期收敛。20．灵敏度分析：系数的每个变化都会改变线性规划问题，随之也会影响原来求得的最优解。为制定一个应付各种偶然情况的全能方法，必须研究以求得的最优解是怎样随输入系数的变化而变化的。这叫灵敏性分析。21．TSP问题：在加权图中寻求最佳推销员回路的问题可以转化为在一个完备加权图中寻求最佳哈密顿圈的问题，称为TSP问题。22．随机存储策略：商店在订购货物时采用的一种简单的策略，是制定一个下界s和一个上界S，当周末存货不小于s时就不定货；当存货少于s 时就订货，且定货量使得下周初的存量达到S，这种策略称为随机存储策略。23．随机模型：如果随机因素对研究对象的影响必须考虑，就应该建立随机性的数学模型，简称为随机模型。24．概
P59 4.学校共1002名学生，237人住在A 宿舍，333人住在B 宿舍，432人住在C 宿舍。学生要组织一个10人的委员会，使用Q 值法分配各宿舍的委员数。 解:设P 表示人数，N 表示要分配的总席位数。i 表示各个宿舍（分别取A,B,C ），i p 表示i 宿舍现有住宿人数，i n 表示i 宿舍分配到的委员席位。 首先，我们先按比例分配委员席位。 A 宿舍为:A n = 365.21002 10237=? B 宿舍为:B n =323.31002 10333=? C 宿舍为:C n =311.4100210432=? 现已分完9人，剩1人用Q 值法分配。 5.93613 22372 =?=A Q 7.92404 33332 =?=B Q 2.93315 44322 =?=C Q 经比较可得，最后一席位应分给A 宿舍。 所以，总的席位分配应为：A 宿舍3个席位，B 宿舍3个席位，C 宿舍4个席位。
商人们怎样安全过河
由上题可求：4个商人，4个随从安全过河的方案。 解：用最多乘两人的船，无法安全过河。所以需要改乘最多三人乘坐的船。 如图所示，图中实线表示为从开始的岸边到河对岸，虚线表示从河对岸回来。商人只需要按照图中的步骤走，即可安全渡河。总共需要9步。
P60 液体在水平等直径的管内流动，设两点的压强差ΔP 与下列变量有关：管径d,ρ,v,l,μ,管壁粗糙度Δ，试求ΔP 的表达式 解：物理量之间的关系写为为()?=?,,,,,μρ?l v d p 。 各个物理量的量纲分别为 []32-=?MT L p ，[]L d =，[]M L 3-=ρ，[]1-=LT v ，[]L l =，[]11--=MT L μ，Δ是一个无量纲量。 ???? ??????-----=?0310100011110010021113173A 其中0=Ay 解得 ()T y 00012111---=， ()T y 00101102--=， ()T y 01003103--=， ()T y 10000004= 所以 l v d 2111---=ρπ，μρπ112--=v ，p v ?=--313ρπ，?=4π 因为()0,,,,,,=??p l v d f μρ与()0,,,4321=ππππF 是等价的，所以ΔP 的表达式为： ()213,ππψρv p =?
数学建模章绍辉版作业集团标准化工作小组 #Q8QGGQT-GX8G08Q8-GNQGJ8-MHHGN#
第四章作业 第二题： 针对严重的交通情况，国家质量监督检验检疫局发布的国家标准，车辆驾驶人员血液中的酒精含量大于或等于20mg/100ml,小于80mg/100ml 为饮酒驾车，血液中的酒精含量大于或等于80mg/100ml 的为醉酒驾车。 下面分别考虑大李在很短时间内和较长时间内（如2个小时）喝了三瓶啤酒，多长时间内驾车就会违反新的国家标准。 1、 问题假设 大李在短时间内喝下三瓶啤酒后，酒精先从吸收室（肠胃）吸收进中心室（血液和体液），然后从中心室向体外排除，忽略喝酒的时间，根据生理学知识，假设 （1） 吸收室在初始时刻t=0时，酒精量立即为 32 D ;在任意时刻，酒精从吸收室吸收进中心室的速率（吸收室在单位时间内酒精含量的减少量）与吸收室的酒精含量成正比，比例系数为1k ； （2） 中心室的容积V 保持不变；在初始时刻t=0时，中心室的酒精含量为0； 在任意时刻，酒精从中心室向体外排除的速率（中心室在单位时间内酒精含量的减少量）与中心室的酒精含量成正比，比例系数为2k ； （3） 在大李适度饮酒没有酒精中毒的前提下，假设1k 和2k 都是常量，与饮酒量 无关。 2、 符号说明 酒精量是指纯酒精的质量，单位是毫克； 酒精含量是指纯酒精的浓度，单位是毫克/百毫升； ~t 时刻（小时）； ()~x t 在时刻t 吸收室（肠胃）内的酒精量（毫克）；
0~D 两瓶酒的酒精量（毫克）； (t)~c 在时刻t 吸收室（血液和体液）的酒精含量（毫克/百毫升）； 2()~c t 在时刻t 中心室（血液和体液）的酒精含量（毫克/百毫升）； ~V 中心室的容积（百毫升）； 1~k 酒精从吸收室吸收进中心室的速率系数（假设其为常数）； 2~k 酒精从中心室向体外排除的速率系数（假设其为常数）； 3~k 在短时间喝下三瓶酒的假设下是指短时间喝下的三瓶酒的酒精总量除以中心室体 积，即03/2D V ；而在较长时间内（2小时内）喝下三瓶酒的假设下就特指03/4D V . 3、 模型建立和求解 （1） 酒是在很短时间内喝的： 记喝酒时刻为0t =（小时），设(0)0c =，可用()2113 212 ()k t k t k k c t e e k k --= --来计算血液中的酒精含量，此时12k k 、为假设中所示的常数，而033155.792D k V ?? == ??? . 下面用MATLAB 程序画图展示血液中酒精含量随时间变化并且利用fzero 函数和fminbnd 函数来得到饮酒驾车醉酒驾车对应的时间段，以及血液中酒精含量最高的时刻。 MATLAB 程序如下： k1=;k2=;k3=; c=@(t)(k1.*k3)./(k1-k2).*(exp(-k2.*t)-exp(-k1.*t)); f=@(t)c(t)-20; g=@(t)c(t)-80; h=@(t)-c(t); t1(1)=fzero(f,1);t1(2)=fzero(f,12), t2(1)=fzero(g,1);t2(2)=fzero(g,12) [t3,c3]=fminbnd(h,0,24) fplot(c,[0,20],'k') hold on plot([0,20],[20,20],'k',[0,20],[80,80],'k') hold off
第四章动态规划 §1 引言 1.1 动态规划的发展及研究内容 动态规划（dynamic programming）是运筹学的一个分支，是求解决策过程（decision process）最优化的数学方法。20 世纪50 年代初R. E. Bellman 等人在研究多阶段决策过程(multistep decision process)的优化问题时，提出了著名的最优性原理（principle of optimality），把多阶段过程转化为一系列单阶段问题，逐个求解，创立了解决这类过程优化问题的新方法—动态规划。1957 年出版了他的名著《Dynamic Programming》，这是该领域的第一本著作。 动态规划问世以来，在经济管理、生产调度、工程技术和最优控制等方面得到了广泛的应用。例如最短路线、库存管理、资源分配、设备更新、排序、装载等问题，用动态规划方法比用其它方法求解更为方便。 虽然动态规划主要用于求解以时间划分阶段的动态过程的优化问题，但是一些与时间无关的静态规划（如线性规划、非线性规划），只要人为地引进时间因素，把它视为多阶段决策过程，也可以用动态规划方法方便地求解。 应指出，动态规划是求解某类问题的一种方法，是考察问题的一种途径，而不是一种特殊算法（如线性规划是一种算法）。因而，它不象线性规划那样有一个标准的数学表达式和明确定义的一组规则，而必须对具体问题进行具体分析处理。因此，在学习时，除了要对基本概念和方法正确理解外，应以丰富的想象力去建立模型，用创造性的技巧去求解。 例1 最短路线问题 图1 是一个线路网，连线上的数字表示两点之间的距离（或费用）。试寻求一条由A 到G距离最短（或费用最省）的路线。 图1 最短路线问题 例2 生产计划问题 工厂生产某种产品，每单位（千件）的成本为1（千元），每次开工的固定成本为3 （千元），工厂每季度的最大生产能力为6（千件）。经调查，市场对该产品的需求量第一、二、三、四季度分别为2，3，2，4（千件）。如果工厂在第一、二季度将全年的需求都生产出来，自然可以降低成本（少付固定成本费），但是对于第三、四季度才能上市的产品需付存储费，每季每千件的存储费为0.5（千元）。还规定年初和年末这种产品均无库存。试制定一个生产计划，即安排每个季度的产量，使一年的总费用（生产成本和存储费）最少。 1.2 决策过程的分类根据过程的时间变量是离散的还是连续的，分为离散时间 决策过程（discrete-time -56-
数学建模 第一章 线性规划 §1 线性规划 在人们的生产实践中，经常会遇到如何利用现有资源来安排生产，以取得最大经济效益的问题。此类问题构成了运筹学的一个重要分支—数学规划，而线性规划(Linear Programming 简记LP)则是数学规划的一个重要分支。自从1947年G. B. Dantzig 提出求解线性规划的单纯形方法以来，线性规划在理论上趋向成熟，在实用中日益广泛与深入。特别是在计算机能处理成千上万个约束条件和决策变量的线性规划问题之后，线性规划的适用领域更为广泛了，已成为现代管理中经常采用的基本方法之一。 1.1 线性规划的实例与定义 例1 某机床厂生产甲、乙两种机床，每台销售后的利润分别为4000元与3000元。生产甲机床需用B A 、机器加工，加工时间分别为每台2小时和1小时；生产乙机床需用C B A 、、三种机器加工，加工时间为每台各一小时。若每天可用于加工的机器时数分别为A 机器10小时、B 机器8小时和C 机器7小时，问该厂应生产甲、乙机床各几台，才能使总利润最大？ 上述问题的数学模型：设该厂生产1x 台甲机床和2x 乙机床时总利润最大，则21,x x 应满足 （目标函数） 2134m ax x x z += (1) s.t. （ 约 束 条 件 ） ?????? ?≥≤≤+≤+0 ,781022122 121x x x x x x x （2） 这里变量21,x x 称之为决策变量，（1）式被称为问题的目标函数，
精品文 （2）中的几个不等式是问题的约束条件，记为s.t.(即subject to)。上述即为一规划问题数学模型的三个要素。由于上面的目标函数及约束条件均为线性函数，故被称为线性规划问题。 总之，线性规划问题是在一组线性约束条件的限制下，求一线性目标函数最大或最小的问题。 在解决实际问题时，把问题归结成一个线性规划数学模型是很重要的一步，但往往也是困难的一步，模型建立得是否恰当，直接影响到求解。而选取适当的决策变量，是我们建立有效模型的关键之一。 1.2 线性规划的Matlab 标准形式 线性规划的目标函数可以是求最大值，也可以是求最小值，约束条件的不等号可以是小于号也可以是大于号。为了避免这种形式多样性带来的不便，Matlab 中规定线性规划的标准形式为 b Ax x c x T ≤ that such min 其中c 和x 为n 维列向量，b 为m 维列向量，A 为n m ?矩阵。 例如线性规划 b Ax x c x T ≥ that such max 的Matlab 标准型为 b Ax x c x T -≤-- that such min 1.3 线性规划问题的解的概念 一般线性规划问题的标准型为 ∑==n j j j x c z 1min (3) ∑==≤n j i j ij m i b x a 1,,2,1 s.t. (4) 可行解 满足约束条件（4）的解),,,(21n x x x x =，称为线性规
09级数模试题 1. 把四只脚的连线呈长方形的椅子往不平的地面上一放，通常只有三只脚着地，放不稳，然后稍微挪动几次，就可以使四只脚同时着地，放稳了。试作合理的假设并建立数学模型说明这个现象。（15分） 解：对于此题，如果不用任何假设很难证明，结果很 可能是否定的。 因此对这个问题我们假设： （1）地面为连续曲面 （2）长方形桌的四条腿长度相同 （3）相对于地面的弯曲程度而言，方桌的腿是足够长的 （4）方桌的腿只要有一点接触地面就算着地。 那么，总可以让桌子的三条腿是同时接触到地面。 现在，我们来证明：如果上述假设 条件成立，那么答案是肯定的。以长方 桌的中心为坐标原点作直角坐标系如图 所示，方桌的四条腿分别在A、B、C、D 处，A、、D的初始位置在与x轴平行，再 假设有一条在x轴上的线,则也与A、B，C、D平行。当方桌绕中心0旋转时，对角线与x轴的夹角记为θ。 容易看出，当四条腿尚未全部着地时，腿到地面的距离是不确定的。为消除这一不确定性，令() fθ为A、B离地距离之和，
()g θ为C 、D 离地距离之和，它们的值由θ唯一确定。由假设（1）， ()f θ,()g θ均为θ的连续函数。又由假设（3） ，三条腿总能同时着地， 故()f θ()g θ=0必成立（?θ）。不妨设(0)0f =(0)0g >（若(0)g 也为0，则初始时刻已四条腿着地，不必再旋转），于是问题归结为： 已知()f θ,()g θ均为θ的连续函数，(0)0f =,(0)0g >且对任意θ有00()()0f g θθ=，求证存在某一0θ，使00()()0f g θθ=。 证明：当θ=π时，与互换位置，故()0f π>，()0g π=。作()()()h f g θθθ=-，显然，()h θ也是θ的连续函数，(0)(0)(0)0h f g =-<而()()()0h f g πππ=->，由连续函数的取零值定理，存在0θ，00θπ<<，使得0()0h θ=，即00()()f g θθ=。又由于00()()0f g θθ=，故必有00()()0f g θθ==，证毕。 2.学校共1000名学生，235人住在A 宿舍，333人住在B 宿舍，432人住在C 宿舍。学生 们要组织一个10人的委员会，试用合理的方法分配各宿舍的委员数。（15分） 解：按各宿舍人数占总人数的比列分配各宿舍的委员数。设：A 宿舍的委员数为x 人，B 宿舍的委员数为y 人，C 宿舍的委员数为z 人。计算出人数小数点后面的小数部分最大的整数进1，其余取整数部分。 则 10； 10=235/1000；
数学建模课程实验报告 专题实验7 班级数财系1班学号2011040123 丛文 实验题目常微分方程数值解 实验目的 1．掌握用MATLAB求微分方程初值问题数值解的方法； 2．通过实例学习微分方程模型解决简化的实际问题； 3．了解欧拉方法和龙格库塔方法的基本思想。 实验容 (包括分 析过程、 方法、和 代码，结 果) 1. 用欧拉方法和龙格库塔方法求下列微分方程初值问题的数值 解，画出解的图形，对结果进行分析比较 解；M文件 function f=f(x,y) f=y+2*x; 程序； clc;clear; a=0;b=1; %求解区间 [x1,y_r]=ode45('f',[a b],1); %调用龙格库塔求解函数求解数值 解； %% 以下利用Euler方法求解 y(1)=1;N=100;h=(b-a)/N; x=a:h:b;
for i=1:N y(i+1)=y(i)+h*f(x(i),y(i)); end figure(1) plot(x1,y_r,'r*',x,y,'b+',x,3*exp(x)-2*x-2,'k-');%数值解与真解图 title('数值解与真解图'); legend('RK4','Euler','真解'); xlabel('x');ylabel('y'); figure(2)
plot(x1,abs(y_r-(3*exp(x1)-2*x1-2)),'k-');%龙格库塔方法的误差 title('龙格库塔方法的误差') xlabel('x');ylabel('Error'); figure(3) plot(x,abs(y-(3*exp(x)-2*x-2)),'r-')%Euler方法的误差 title('Euler方法的误差') xlabel('x');ylabel('Error');