6.5 异步电动机的动态数学模型和坐标变换
本节提要
异步电动机动态数学模型的性质
三相异步电动机的多变量非线性数学模型
坐标变换和变换矩阵
三相异步电动机在两相坐标系上的数学模型
三相异步电动机在两相坐标系上的状态方程
一、异步电动机动态数学模型的性质
2. 交流电机数学模型的性质
（1）异步电机变压变频调速时需要进行电压（或电流）和频率的协调控制，有电压（电流）和频率两种独立的输入变量。在输出变量中，除转速外，磁通也得算一个独立的输出变量。因为电机只有一个三相输入电源，磁通的建立和转速的变化是同时进行的，为了获得良好的动态性能，也希望对磁通施加某种控制，使它在动态过程中尽量保持恒定，才能产生较大的动态转矩。
多变量、强耦合的模型结构
由于这些原因，异步电机是一个多变量（多输入多输出）系统，而电压（电流）、频率、磁通、转速之间又互相都有影响，所以是强耦合的多变量系统，可以先用图来定性地表示。
图6-43 异步电机的多变量、强耦合模型结构
模型的非线性
（2）在异步电机中，电流乘磁通产生转矩，转速乘磁通得到感应电动势，由于它们都是同时变化的，在数学模型中就含有两个变量的乘积项。这样一来，即使不考虑磁饱和等因素，数学模型也是非线性的。
模型的高阶性
（3）三相异步电机定子有三个绕组，转子也可等效为三个绕组，每个绕组产生磁通时都有自己的电磁惯性，再算上运动系统的机电惯性，和转速与转角的积分关系，即使不考虑变频装置的滞后因素，也是一个八阶系统。
总起来说，异步电机的动态数学模型是一个高阶、非线性、强耦合的多变量系统。
二、三相异步电动机的多变量非线性数学模型
假设条件：
（1）忽略空间谐波，设三相绕组对称，在空间互差120°电角度，所产生的磁动势沿气隙周围按正弦规律分布；
（2）忽略磁路饱和，各绕组的自感和互感都是恒定的；
（3）忽略铁心损耗；
（4）不考虑频率变化和温度变化对绕组电阻的影响。
1. 电压方程
三相定子绕组的电压平衡方程为：
电压方程（续）
与此相应，三相转子绕组折算到定子侧后的电压方程为：
电压方程的矩阵形式
将电压方程写成矩阵形式，并以微分算子 p 代替微分符号 d /dt
或写成（6-67b）
2. 磁链方程
每个绕组的磁链是它本身的自感磁链和其它绕组对它的互感磁链之和，因此，六个绕组的磁链可表达为：
或写成（6-68b）
电感矩阵
式中，L 是6×6电感矩阵，其中对角线元素 LAA， LBB， LCC，Laa，Lbb，Lcc 是各有关绕组的自感，其余各项则是绕组间的互感。
实际上，与电机绕组交链的磁通主要只有两类：一类是穿过气隙的相间互感磁通，另一类是只与一相绕组交链而不穿过气隙的漏磁通，前者是主要的。
电感的种类和计算
定子漏感 Lls ——定子各相漏磁通所对应的电感，由于绕组的对称性，各相漏感值均相等；
转子漏感 Lk ——转子各相漏磁通所对应的电感。
定子互感 Lms——与定子一相绕组交链的最大互感磁通；
转子互感 Lmr——与转子一相绕组交链的最大互感磁通。
由于折算后定、转子绕组匝数相等，且各绕组间互感磁通都通过气隙，磁阻相同，故可认为：
自感表达式
对于每一相绕组来说，它所交链的磁通是互感磁通与漏感磁通之和，因此，定子各相自感为：
转子各相自感为：
互感表达式
两相绕组之间只有互感。互感又分为两类：
（1）定子三相彼此之间和转子三相彼此之间位置都是固定的，故互感为常值；
（2）定子任一相与转子任一相之间的位置是变化的，互感是角位移的函数
第一类固定位置绕组的互感
三相绕组轴线彼此在空间的相位差是±120°，在假定气隙磁通为正弦分布的条件下，互感值应为，
于是，
第二类变化位置绕组的互感
定、转子绕组间的互感，由于相互间位置的变化（见图6-44），可分别表示为：
当定、转子两相绕组轴线一致时，两者之间的互感值最大，就是每相最大互感 Lms 。
磁链方程
将式（6-69）~式（6-75）都代入式（6-68a），即得完整的磁链方程，显然这个矩阵方程是比较复杂的，为了方便起见，可以将它写成分块矩阵的形式
式中
值得注意的是，和两个分块矩阵互为转置，且均与转子位置有关，它们的元素都是变参数，这是系统非线性的一个根源。为了把变参数转换成常参数须利用坐标变换，后面将详细讨论这个问题。
电压方程的展开形式
如果把磁链方程（6-68b）代入电压方程（6-67b）中，即得展开后的电压方程：
式中，项属于电磁感应电动势中的脉变电动势（或称变压器电动势），
项属于电磁感应电动势中与转速成正比的旋转电动势。
3. 转矩方程
根据机电能量转换原理，在多绕组电机中，在线性电感的条件下，磁场的储能和磁共能为：
而电磁转矩等于机械角位移变化时磁共能的变化率（电流约束为常值），且机械角位移
，于是
转矩方程的矩阵形式
将式（6-81）代入式（6-82），并考虑到电感的分块矩阵关系式（6-77）~（6-79），得：
又由于
代入式（6-83）得：
该方程适用变压变频器供电含有电流谐波三相异步电动机
转矩方程的三相坐标系形式
以式（6-79）代入式（6-84）并展开后，舍去负号，意即电磁转矩的正方向为使 q 减小的方向，则
4. 电力拖动系统运动方程
在一般情况下，电力拖动系统的运动方程式是
TL ——负载阻转矩；
J ——机组的转动惯量；
D ——与转速成正比的阻转矩阻尼系数；
K ——扭转弹性转矩系数。
运动方程的简化形式
对于恒转矩负载，D = 0 ， K = 0 ，则
5. 三相异步电机的数学模型
将式（6-76），式（6-80），式（6-85）和式（6-87）综合起来，再加上，便构成在恒转矩负载下三相异步电机的多变量非线性数学模型，用结构图表示出来如下图所示：
异步电机的多变量非线性动态结构图
三、坐标变换和变换矩阵
上节中虽已推导出异步电机的动态数学模型，但是，要分析和求解这组非线性方程显然是十分困难的。在实际应用中必须设法予以简化，简化的基本方法是坐标变换。
1. 交流电机的物理模型
直流电机物理模型简单（励磁绕组d轴上，电枢绕组在q轴上），如果能将交流电机的物理模型（见下图）等效地变换成类似直流电机的模式，分析和控制就可以大大简化。坐标变换正是按照这条思路进行的。在这里，不同电机模型彼此等效的原则是：在不同坐标下所产生的磁动势完全一致。
（1）交流电机绕组的等效物理模型
（2）等效的两相交流电机绕组
（3）旋转的直流绕组与等效直流电机模型
再看图c中的两个匝数相等且互相垂直的绕组 M 和 T，其中分别通以直流电流和，产生合成磁动势 F ，其位置相对于绕组来说是固定的。
如果让包含两个绕组在内的整个铁心以同步转速旋转，则磁动势 F 自然也随之旋转起来，成为旋转磁动势。
把这个旋转磁动势的大小和转速也控制成与图 a 和图 b 中的磁动势一样，那么这套旋转的直
流绕组也就和前面两套固定的交流绕组都等效了。当观察者也站到铁心上和绕组一起旋转时，在他看来，M 和 T 是两个通以直流而相互垂直的静止绕组。
如果控制磁通的位置在 M 轴上，就和直流电机物理模型没有本质上的区别了。这时，绕组M 相当于励磁绕组，T 相当于伪静止的电枢绕组。
等效的概念
由此可见，以产生同样的旋转磁动势为准则，图a的三相交流绕
组、图b的两相交流绕组和图c中整体旋转的直流绕组彼此等效。或者说，在三相坐标系下的
，在两相坐标系下的和在旋转两相坐标系下的直流是等效的，它们能产生相同的旋转磁动势。
现在的问题是，如何求出与和之间准确的等效关系，这就是坐标变换的任务。
2. 三相--两相变换（3/2变换）
现在先考虑上述的第一种坐标变换——在三相静止绕组A、B、C和两相静止绕组之间的变换，或称三相静止坐标系和两相静止坐标系间的变换，简称 3/2 变换。
三相和两相坐标系与绕组磁动势的空间矢量 :
设磁动势波形是正弦分布的，当三相总磁动势与二相总磁动势相等时，两套绕组瞬时磁动势在
轴上的投影都应相等，
写成矩阵形式，得:
考虑变换前后总功率不变，在此前提下，可以证明匝数比应为:
为求两项到三项的变换阵将三项到两项的变换阵增广成可逆的方阵，物理意义在两项系统上人为加入零轴磁动势并定义
满足功率不变的条件
可以求得如下关系：
这表明保持坐标变换前后的功率不变，又要维持磁链相同，变换前后两项绕组每相匝数应为
原三项绕组匝数的倍于此同时利用上述关系得三项/两项变换方阵：
如要从两相坐标系变换到三相坐标系2/3变换可求反变换：
N3 /N2 值代入式（6-89），得：
3. 两相—两相旋转变换（2s/2r变换）
从上图等效的交流电机绕组和直流电机绕组物理模型的图 b 和图 c 中从两相静止坐标系到两相旋转坐标系 M、T 变换称作两相—两相旋转变换，简称 2s/2r 变换，其中 s 表示静止，r 表示旋转。
把两个坐标系画在一起，即得下图。
两相静止和旋转坐标系与磁动势（电流）空间矢量
2s/2r变换公式
两相旋转—两相静止坐标系的变换矩阵
写成矩阵形式，得：
式中
是两相旋转坐标系变换到两相静止坐标系的变换阵。
对式（6-96）两边都左乘以变换阵的逆矩阵，即得：
两相静止—两相旋转坐标系的变换矩阵
则两相静止坐标系变换到两相旋转坐标系的变换阵是：
电压和磁链的旋转变换阵也与电流（磁动势）旋转变换阵相同。
四、三相异步电动机在两相坐标系上的数学模型
前已指出，异步电机的数学模型比较复杂，坐标变换的目的就是要简化数学模型。第6.6.2节的异步电机数学模型是建立在三相静止的ABC坐标系上的，如果把它变换到两相坐标系上，由于两相坐标轴互相垂直，两相绕组之间没有磁的耦合，仅此一点，就会使数学模型简单了许多。
1.异步电机在两相任意旋转坐标系（dq坐标系）上的数学模型
两相坐标系可以是静止的，也可以是旋转的，其中以任意转速旋转的坐标系为最一般的情况，有了这种情况下的数学模型，要求出某一具体两相坐标系上的模型就比较容易了。
变换关系
设两相坐标轴与三相坐标轴的夹角为，而为坐标系相对于定子的角转速，为坐标系相对于转子的角转速。
变换过程
具体的变换运算比较复杂，
根据式（6-98）另0轴为假想轴d轴和A轴夹角为θ可得：
写成矩阵形式：
合并以上两个方程式得三相静止ABC坐标系到两项旋转dq0坐标系的变换式
（1）磁链方程
利用变换将定子的三项磁链和转子的三项磁链变换到dqo坐标系中去，定子磁链的变换阵是
其中d轴与A轴的夹角为，转子磁链的变换阵是是旋转三相坐标系变换到不同转速的旋转两相坐标系。其中 d 轴与α轴的夹角为。
则磁链的变换式为：
把定子和转子的磁链表达成电感阵和电流向量乘积，在用和的反变换阵把电流变换到dq0坐标上：
磁链的零轴分量为
它们各自独立对dq轴磁链没有影响，可以不考虑则可以简化。
控制有关。
代入参数计算，并去掉零轴分量则dq坐标系磁链方程为
或写成
式中
—— dq坐标系定子与转子同轴等效绕组间的互感；
—— dq坐标系定子等效两相绕组的自感；
——dq坐标系转子等效两相绕组的自感。
异步电机在两相旋转坐标系dq上的物理模型
图6-50 异步电动机在两相旋转坐标系dq上的物理模型（2）电压方程
利用上式A得定子电压变换的关系为
先讨论A相的关系
同理
在ABC坐标系下A相的电压方程，
代入得
为dq0旋转坐标系对于定子的角速度
由于为任意值因此下式三式成立
同理转子电压方程为
式中为dq0旋转坐标系相对于转子的角速度
同理利用B相和C相的电压方程求出的结果与上面一致。（2）电压方程
上面的方程整理有定子和转子的电压方程
令
旋转电动势向量
则式（6-106a）变成
这就是异步电机非线性动态电压方程式。与第6.6.2节中ABC坐标系方程不同的是：此处电感矩阵 L 变成 4 4 常参数线性矩阵，而整个电压方程也降低为4维方程。
（3）转矩和运动方程
dq坐标系上的转矩方程为
运动方程与坐标变换无关，仍为
其中——电机转子角速度。
阶数下降，但非线性、强耦合、多变量性质未变。
异步电机在dq坐标系上的动态等效电路
2. 异步电机在坐标系上的数学模型
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 下面是一个线路网，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。 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 decision process）和连续时间决策过程（continuous-time decision process）；根据过程的演变是确定的还是随机的，分为确定性决策过程（deterministic decision process）和随
第二章自动控制系统的数学模型 教学目的： （1）建立动态模拟的概念，能编写系统的微分方程。 （2）掌握传递函数的概念及求法。 （3）通过本课学习掌握电路或系统动态结构图的求法，并能应用各环节的传递函数，求系统的动态结构图。 （4）通过本课学习掌握电路或自动控制系统动态结构图的求法，并对系统结构图进行变换。 （5）掌握信号流图的概念，会用梅逊公式求系统闭环传递函数。 （6）通过本次课学习，使学生加深对以前所学的知识的理解，培养学生分析问题的能力 教学要求： （1）正确理解数学模型的特点； （2）了解动态微分方程建立的一般步骤和方法； （3）牢固掌握传递函数的定义和性质，掌握典型环节及传递函数； （4）掌握系统结构图的建立、等效变换及其系统开环、闭环传递函数的求取，并对重要的传递函数如：控制输入下的闭环传递函数、扰动输入 下的闭环传递函数、误差传递函数，能够熟练的掌握； （5）掌握运用梅逊公式求闭环传递函数的方法； （6）掌握结构图和信号流图的定义和组成方法，熟练掌握等效变换代数法则，简化图形结构，掌握从其它不同形式的数学模型求取系统传递函 数的方法。 教学重点： 有源网络和无源网络微分方程的编写；有源网络和无源网络求传递函数；传递函数的概念及求法；由各环节的传递函数，求系统的动态结构图；由各环节的传递函数对系统的动态结构图进行变换；梅逊增益公式的应用。 教学难点：举典型例题说明微分方程建立的方法；求高阶系统响应；求复杂系统的动态结构图；对复杂系统的动态结构图进行变换；求第K条前向通道特记式 的余子式 。 k 教学方法：讲授 本章学时：10学时 主要内容： 2.0 引言 2.1 动态微分方程的建立 2.2 线性系统的传递函数 2.3 典型环节及其传递函数 2.4系统的结构图 2.5 信号流图及梅逊公式
-56- 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 -57- decision process）和连续时间决策过程（continuous-time decision process）；根据过程的演变是确定的还是随机的，分为确定性决策过程（deterministic decision process）和随 机性决策过程（stochastic decision process），其中应用最广的是确定性多阶段决策过程。§2 基本概念、基本方程和计算方法 2.1 动态规划的基本概念和基本方程 一个多阶段决策过程最优化问题的动态规划模型通常包含以下要素。 2.1.1 阶段
动态规划的原理及应用 动态规划是运筹学的一个分支，是求解多阶段决策过程的最优化数学方法。20世纪50年代初美国数学家R.E.Bellman等人在研究多阶段决策过程的优化问题时，提出了著名的最优化原理，把多阶段过程转化为一系列单阶段问题，逐个求解，创立了解决这类问题的新方法——动态规划。 动态规划主要用于以时间划分阶段的动态过程优化问题，但一些与时间无关的静态规划如线性规划或非线性规划，人为引进时间因素后，把它们看成多阶段过程，也可用动态规划求解。 1．动态规划的基本理论 一．动态规划的术语 在研究现实的系统时，我们必须将系统具体的术语抽象为数学统一的术语。在此先简要介绍动态规划中的常用术语。 级：我们把系统顺序地向前发展划分为若干个阶段，称这些阶段为“级”。在离散动态规划中，“级”顺序的用自然整数编号，即1，2，…，n. 状态（λ）：用来描述、刻画级的特征。状态可以是单变量，也可以时向量。在此，我们假设研究的状态具有“无记忆性”，即当前与未来的收益仅决定于当前的状态，并不依赖于过去的状态和决策的历史。 状态空间（Λ）：由全部系统可能存在的状态变量所组成。
决策：在每一级，当状态给定后，往往可以做出不同的决定，从而确定下一级的状态，这种决定称为决策。描述决策的变量称为决策变量。对每个状态λ∈Λ，有一非空集X(λ)称为λ的决策集。决策变量x(λ)∈X（λ）。 变换：若过程在状态λ，选择决策x(λ)，可确定一个状态集T（λ，x(λ)）,过程将从λ移动到其中某个状态.T(λ,x(λ))称为变换函数，它确定过程从一个状态到另一个状态的演变。T（λ,x(λ)）可分为两种类型，即确定型和不确定型。确定型的T（λ,x(λ)）只含有一个元。不确定型指我们不能确切知道决策的结果，但作为某已知概率分布支配的变换结果，在每级状态和决策是确定的。这时，集函数T（λ,x(λ)）将包含多个元素。当T（λ,x(λ)）=0 时，过程终止。 策略：顺序排列的决策集，记为v。所有可能的策略集构成策略空间Γ。 收益：评价给定策略的目标函数r(λ，v)，它依赖于状态和策略。总收益是集收益s(λ,v)的某个组合（通常为集收益之和）。若T（λ,x(λ)）=0，则r(λ1，v1)= s(λ1,v1)；若T（λ,x(λ)）= λ2，则r(λ1，v)= s(λ1,v1)+ r(λ1，v2)。 二．序贯决策过程 动态规划的寻优过程可以有正序、逆序两种方式。当初始状态给定时，用逆序方式比较好，当终止状态给定时，用正序方式较好。 采用分级的序贯决策方法，把一个含有n个变量的问题转化为求解n个单变量问题。为了应用最优化原理，必须满足分级条件，即目标函数可分性和状态可分性。 目标函数可分性：
-1- 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A、B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A、B、C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1 x 台甲机床和2 x 乙机床时总利润最大，则1 2 x , x 应满足 （目标函数）1 2 max z = 4x + 3x (1) s.t.（约束条件） ?? ? ?? ? ? ≥ ≤ + ≤ + ≤ , 0 7 8 2 10 1 2 2 1 2 1 2 x x x x x x x （2） 这里变量1 2 x , x 称之为决策变量，（1）式被称为问题的目标函数，（2）中的几个不等式是问题的约束条件，记为s.t.(即subject to)。由于上面的目标函数及约束条件均为线性
数学建模8-动态规划和目标规划 一、动态规划 1.动态规划是求解决策过程最优化的数学方法，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。 2.基本概念、基本方程： （1）阶段 （2）状态 （3）决策 （4）策略 （5）状态转移方程： （6）指标函数和最优值函数： （7）最优策略和最优轨线 （8）递归方程： 3．计算方法和逆序解法（此处较为抽象，理解较为困难，建议结合例子去看）
4．动态规划与静态规划的关系：一些静态规划只需要引入阶段变量、状态、决策等就可以用动态规划方法求解（详见书中例4） 5．若干典型问题的动态规划模型： （1）最短路线问题： （2）生产计划问题:状态定义为每阶段开始时的储存量x k，决策为每个阶段的产量，记每个阶段的需求量（已知量）为d k，则状态转移方程为 （3）资源分配问题：详见例5
状态转移方程： 最优值函数： 自有终端条件： （4）具体应用实例：详见例6、例7。 二、目标规划 1．实际问题中，衡量方案优劣要考虑多个目标，有主要的，有主要的，也有次要的；有最大值的，也有最小值的；有定量的，也有定性的；有相互补充的，也有相互对立的，这时可用目标规划解决。其求解思路有加权系数法、优先等级法、有效解法等。 2．基本概念： （1）正负偏差变量： （2）绝对（刚性）约束和目标约束 ，次位赋（3）优先因子（优先等级）与权系数：凡要求第一位达到的目标赋予优先因子P 1……以此类推。 予P 2 （4）目标规划的目标函数： （5）一般数学模型：
第二章控制系统的数学模型 控制系统的数学模型 本章主要内容： 引言 微分方程模型 传递函数模型 脉冲响应模型 方框图模型 信号流图模型 频域特性模型 数学模型的实验测定方法（辨识） 2.0 引言 主要解决的问题： 什么是数学模型 为什么要建立系统的数学模型 对系统数学模型的基本要求 2.0.1 什么是数学模型 控制系统的数学模型是描述系统内部各物理量（或变量）之间关系的数学表达式或图形表达式或数字表达式。 亦：描述能系统性能的数学表达式（或数字、图像表达式） 控制系统的数学模型按系统运动特性分为：静态模型
动态模型 静态模型：在稳态时（系统达到一平衡状态）描述系统各变量间关系的数学模型。 动态模型：在动态过程中描述系统各变量间关系的数学模型。 关系：静态模型是t时系统的动态模型。 控制系统的数学模型可以有多种形式，建立系统数学模型的方法可以不同，不同的模型形式适用于不同的分析方法。 2.0.2 为什么要建立控制系统的数学模型 控制系统的数学模型是由具体的物理问题、工程问题从定性的认识上升到定量的精确认识的关键！（这一点非常重要，数学的意义就在于此） 一方面，数学自身的理论是严密精确和较完善的，在工程问题的分析和设计中总是希望借助于这些成熟的理论。事实上凡是与数学关系密切的学科发展也是快的，因为它有严谨和完整的理论支持；另一方面，数学本身也只有给它提供实际应用的场合，它才具有生命力。“1”本身是没有意义的，只有给它赋予了单位（物理单位）才有意义。 建立系统数学模型的方法很多，主要有两类： 机理建模白箱实验建模（数据建模）黑箱或灰箱 系统辨识 2.0.3 对系统数学模型的基本要求 亦：什么样的数学表达式能用于一个工程系统的描述。 理论上，没有一个数学表达式能够准确（绝对准确）地描述一个系统，因为，理论上任何一个系统都是非线性的、时变的和分布参数的，都存在随机因素，系统越复杂，情况也越复杂。 而实际工程中，为了简化问题，常常对一些对系统运动过程影响不大的因素忽略，抓住主要问题进行建模，进行定量分析，也就是说建立系统的数学模型应该在模型的准确度和复杂度上进行折中的考虑。因此在具体的系统建模时往往考虑以下因素：
7.5 常用坐标系之间的关系与转换 一、大地坐标系和空间大地直角坐标系及其关系 大地坐标系用大地纬度企丈地经度L 和丈地髙H 来表示点的位置°这种坐标系是经 典大地测量甬:両用座标紊7屜据地图投影的理论,大地坐标系可以通过一定的投影转 化为投影平面上的直角坐标系，为地形测图和工程测量提供控制基础。同时，这种坐标系 还是研究地球形状和大小的 种有用坐标系°所以大地坐标系在大地测量中始终有着重要 的作用. 空间大地直角坐标系是-种以地球质心为原点购亘墮?坐标系，一般用X 、化Z 表 示点BSSTSTT 逐碇SS 範菇飞両H 绕禎扭转冻其轨道平面随时通过 地球质心。对它们的跟踪观测也以地球质心为坐标原点，所以空间大地直角坐标系是卫星 大地测量中一种常用的基本坐标系。现今，利用卫星大地测量的手段*可以迅速地测定点 的空间大地直角坐拯，广泛应用于导航定位等空间技术。同时经过数学变换，还可求岀点 的大地坐标I 用以加强和扩展地面大地网，进行岛屿和洲际联测，使传统的大地测量方法 发生了深刻的变化，所以空间大地宜角坐标系对现今大地测量的发展’具有重要的意义。 、大地坐标系和空间大地直角坐标系的转换 如图7- 23所示’尸点的位置用空间 大地 直角坐标〔X, Y, Z)表示，其相应 的大地坐 标为(E, L)a 将该图与图？一5 加以比较可见，图7-5中的子午椭圆平面 相 当于图7-23中的OJVP 平面.其中 PPz=Z.相 当于图7-5中的j7；OP 3相当 丫于图7-5中的 仏两平面的经度乙可视为 相同，等于"叽 于是可以直接写岀 X=jrcQsi f Y=jrsinL, Z=y 将式(7-21).式(7-20)分别代入上式, 井考虑 式(7-26)得 X=Ncos^cosZr ” Y =NcQsBsinL > (7—78) Z=N (1—护〉sin^ ； 上式表明了 2种基本坐标系之间的关系。 BB 7-23
数学建模常用的十种解题方法 摘要 当需要从定量的角度分析和研究一个实际问题时，人们就要在深入调查研究、了解对象信息、作出简化假设、分析内在规律等工作的基础上，用数学的符号和语言，把它表述为数学式子，也就是数学模型，然后用通过计算得到的模型结果来解释实际问题，并接受实际的检验。这个建立数学模型的全过程就称为数学建模。数学建模的十种常用方法有蒙特卡罗算法；数据拟合、参数估计、插值等数据处理算法；解决线性规划、整数规划、多元规划、二次规划等规划类问题的数学规划算法；图论算法；动态规划、回溯搜索、分治算法、分支定界等计算机算法；最优化理论的三大非经典算法：模拟退火法、神经网络、遗传算法；网格算法和穷举法；一些连续离散化方法；数值分析算法；图象处理算法。 关键词：数学建模；蒙特卡罗算法；数据处理算法；数学规划算法；图论算法 一、蒙特卡罗算法 蒙特卡罗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，同时可以通过模拟可以来检验自己模型的正确性，是比赛时必用的方法。在工程、通讯、金融等技术问题中, 实验数据很难获取, 或实验数据的获取需耗费很多的人力、物力, 对此, 用计算机随机模拟就是最简单、经济、实用的方法; 此外, 对一些复杂的计算问题, 如非线性议程组求解、最优化、积分微分方程及一些偏微分方程的解⑿, 蒙特卡罗方法也是非常有效的。 一般情况下, 蒙特卜罗算法在二重积分中用均匀随机数计算积分比较简单, 但精度不太理想。通过方差分析, 论证了利用有利随机数, 可以使积分计算的精度达到最优。本文给出算例, 并用MA TA LA B 实现。 1蒙特卡罗计算重积分的最简算法-------均匀随机数法 二重积分的蒙特卡罗方法(均匀随机数) 实际计算中常常要遇到如()dxdy y x f D ??,的二重积分, 也常常发现许多时候被积函数的原函数很难求出, 或者原函数根本就不是初等函数, 对于这样的重积分, 可以设计一种蒙特卡罗的方法计算。 定理 1 )1( 设式()y x f ,区域 D 上的有界函数, 用均匀随机数计算()??D dxdy y x f ,的方法: (l) 取一个包含D 的矩形区域Ω,a ≦x ≦b, c ≦y ≦d , 其面积A =(b 一a) (d 一c) ; ()j i y x ,,i=1,…,n 在Ω上的均匀分布随机数列,不妨设()j i y x ,, j=1，…k 为落在D 中的k 个随机数, 则n 充分大时, 有
应用一图论算法 图论在计算机处理问题中占有重要地位，现实中的很多问题最终都可以转化成图论问题，或者要借助图结构来存储和处理。但是怎么把一图存入计算机就要涉及到数学建模的知识。 比如下面一图： 如果要求出从节点v1到节点v5的所有路径，就可以借助计算机来很轻松的解决。但前提条件是，必须要把图以一种计算机可以理解的形式存进去，即要把它抽象为数学问题。 在此，我们需要定义一些关于图的概念，以便更好的描述问题。 边与顶点的关系有如下几种典型情况： 简单图：无自回环，无重边的图。
无向图：边没有指向， 1212 e. i i i i i ψ（）={v,v}=v v此时称边e i与顶点12 i i v,v关联，称 顶点 1 i v与顶点 2 i v邻接。 有向图:边有指向， 1212 e. i i i i i ψ u u u u u r （）=（v,v）=v v 下面是具体涉及到图如何存储的问题： 1.图G(V,E)的关联矩阵x R=(r) ij n m ，若G(V,E)为无向图， 1 2 i j ij i j j i j j v e r v e e v e e ? ? =? ? ? 与不关联 与关联,为非自回环 与关联,为自回环 若G(V,E)为有向图， 1 2 i j ij i j i j v e r v e v e ? ? =? ? ? 与不关联 是的起点 是的终点 因此该图可以用关联矩阵表示出来，如下所示 1100000 1010100 0101001 0011010 0000111 R ?? ? ? ? = ? ? ? ?? 这样，我们就可以以矩阵的形式将图存入计算机
1．某公司打算向它的三个营业区增设6个销售店，每个营业区至少增设1个。各营业区每年增加的利润与增设的销售店个数有关，具体关系如表1所示。试规划各营业区应增设销售店的个数，以使公司总利润增加额最大。 ： 个销售店，C 区增设1个销售店.最大利润为490万元。 贝尔曼（Bellman ）最优化原理：在最优策略的任意一阶段上，无论过去的状态和决策如何，对过去决策所形成的当前状态而言，余下的诸决策必须构成最优子策略。 2.某公司拟将500万元的资本投入所属的甲、乙、丙三个工厂进行技术改造，各工厂获得投资后年利润将有相应的增长，增长额如表所示。试确定500万元资 解：将问题按工厂分为三个阶段3,2,1=k ，设状态变量k （3,2,1=k ）代表从第k 个工厂到第3个工厂的投资额，决策变量k x 代表第k 个工厂的投资额。于是有状态转移率k k k x S S -=+1、允许决策集合}0|{)(k k k k k S x x S D ≤≤=和递推关系式： )}()({max )(10k k k k k S x k k x S f x g S f k k -+=+≤≤ )1,2,3(=k
0)(44=S f 当3=k 时： )}({max }0)({max )(330330333333x g x g S f S x S x ≤≤≤≤=+= 于是有表2-1，表中*3x 表示第三个阶段的最优决策。 当2=k 时： )}()({max )(2232202222x S f x g S f S x -+=≤≤ 于是有表7-3。 当1=k 时： )}()({max )(1121101111x S f x g S f S x -+=≤≤ 于是有表2-3。 然后按计算表格的顺序反推算，可知最优分配方案有两个：（1）甲工厂投资200万元，乙工厂投资200万元，丙工厂投资100万元；（2）甲工厂没有投资，乙工厂投资200万元，丙工厂投资300万元。按最优分配方案分配投资（资源），年利润将增长210万元。
一、线性规划 1.简介 1.1适用情况 用现有资源来安排生产，以取得最大经济效益的问题。如： （1）资源的合理利用 （2）投资的风险与利用问题 （3）合理下料问题 （4）合理配料问题 （5）运 输 问 题 （6）作物布局问题 （7）多周期生产平滑模型 （8）公交车调度安排 1.2建立线性规划的条件 （1）要求解问题的目标函数能用数值指标来反映，且为线性函数； （2）要求达到的目标是在一定条件下实现的，这些约束可用线性等式或不等式描述。 1.3线性规划模型的构成 决策变量、目标函数、约束条件。 2、一般线性规划问题 数学标准形式： 目标函数： 1 max == ∑ n j j j z c x 约束条件：1 ,1,2,...,,..0,1,2,...,.=?==???≥=?∑n ij j i j j a x b i m s t x j n matlab 标准形式：
min , ,.,.?≤?? ?=??≤≤? T s t Aeq beq lb ub f x A x b x x 3、可以转化为线性规划的问题 例：求解下列数学规划问题 1234123412341234min ||2||3||4||,2,..31,123. 2=+++? ?--+≤-?-+-≤-???--+≤-? z x x x x x x x x s t x x x x x x x x 解：作変量変换1||||,,1,2,3,4,22 +-= ==i i i i i x x x x u v i 并把新变量重新排序成一维变量[]1414,,,,,??==???? L L T u y u u v v v ，则可把模型转化为线性规划模型 []min , ,,..0.???-≤???????≥? T c y u A A b s t v y 其中：[]1,2,3,4,1,2,3,4;=T c 12,1,;2??=---??? ?T b 111111131 - - ?? ??= - -???? -1 -1 3??A 。 利用matlab 计算得最优解：12342,0,=-===x x x x 最优值z=2。 程序如下： 略
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
概述 (1) 1课程设计任务与要求 (2) 2异步电动机动态数学模型 (3) 2.1三相异步电动机的多变量非线性数学模型 (4) 2.2 坐标变换 (6) 2.2.1坐标变换的基本思路 (6) 2.2.2三相-两相变换（3/2变换） (6) 2.2.3 静止两相-旋转正交变换（2s/2r变换） (8) 2.3状态方程 (9) 3模型实现 (11) 3.1AC Motor模块 (11) 3.2坐标变换模块 (12) 3.3仿真原理图 (15) 4仿真结果及分析 (17) 5结论 (20) 参考文献 (21)
异步电动机又称感应电动机，是由气隙旋转磁场与转子绕组感应电流相互作用产生电磁转矩，从而实现机电能量转换为机械能量的一种交流电机。异步电动机按照转子结构分为两种形式：有鼠笼式、绕线式异步电动机。 异步电动机的转子绕组不需与其他电源相连，其定子电流直接取自交流电力系统；与其他电机相比，异步电动机的结构简单，制造、使用、维护方便，运行可靠性高。但它的转速与其旋转磁场的同步转速有固定的转差率，因而调速性能较差，在要求有较宽广的平滑调速范围的使用场合（如传动轧机、卷扬机、大型机床等），不如直流电动机经济、方便。因此，在需要高动态性能的调速系统或伺服系统，异步电动机就不能完全适应了。要实现高动态性能的系统，必须首先认真研究异步电机的动态数学模型。 系统建模与仿真一直是各领域研究、分析和设计各种复杂系统的有力工具。建模可以超越理想的去模拟复杂的现实物理系统；而仿真则可以对照比较各种控制策略和方案，优化并确定系统参数。长期以来，仿真领域的研究重点是放在仿真模型建立这一环节上，即在系统模型建立以后，设计一种算法，以使系统模型为计算机所接受，然后再将其编制成计算机程序，并在计算机上运行。显然，为达到理想的目的，在这一过程中编制与修改仿真程序十分耗费时间和精力，这也大大阻碍了仿真技术的发展和应用。 近年来逐渐被大家认识的Matlab软件则很好的解决了系统建模和仿真的问题。异步电机的动态数学模型是一个高阶、非线性、强耦合的多变量系统。本次设计就是借助于Matlab软件的Simulink组件来建立异步电动机的动态数学模型，再按照定子磁链定向的方法来仿真分析异步电动机的运行特性。
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
随机库存的分配 摘要 卖方管理库存（VMI，Vendor-Managed Inventory）是现代物流中一个比较新的管理思想，它是指货物的提供者根据所有客户的当前库存量决定在一定时间内对他们的货物分配量。基于VMI思想，设计出当供货方的供应能力有限、客户需求随机情况下的分配方案，能够应用到实际的物流管理信息系统中，具有实际意义。 针对此问题，在客户需求量服从同一指数分布的前提条件下，首先通过MATLAB软件编写程序，得到50个客户的随机需求量和初始库存量，然后从车辆配载能力出发，以客户的库存费用最小为目标函数，以供货总量和每辆车的承载能力为约束条件，建立非线性随机规划模型，通过lingo软件求解模型，得到所有客户库存费用最小时的分配方案，同时得到最小库存费用为699.5543。 关键词：随即需求库存分配随机规划
一、问题重述 考虑由一个供货方和n个客户组成的配送网络，配送活动的组织基于VMI 思想。假设供货方的供应能力有限(意味着某些客户可能得不到供应)，可供应的货物总量为A；拥有车辆数为K，车辆k的载重量为b k(k∈K)。每个客户的需求量是随机的，但需求的分布函数F i已知(假设F i是严格增函数，并假设不同客户的需求是相互独立的，且服从相同分布)，周期初的初始库存为βi，h+i为单位货物的保管费，h-i为单位货物的缺货损失费。令q i(w i)表示客户i在得到配送量w 时的库存费用函数。令y ik表示车辆k是否服务客户i，是取1，否取0。 i 当y ik(i=1，…，n；k=0，…，K)的取值确定后，也就意味着确定了对所有客户的一个划分，如令Y k表示车辆k服务的客户集合，其应满足Y k={i∶y ik=1}。 请写出库存分配问题的模型，并带入适当规模的数据进行计算，分析其计算结果，得出结论。 二、问题分析 本问题讨论的是当供货方的供应能力不足、客户需求随机情况下的库存分配问题。客户的需求量是随机的，但需求的分布函数F i已知(假设F i是严格增函数，并假设不同客户的需求是相互独立的，且服从相同分布)，在处理问题时，可以将需求量当作服从相同参数的同一指数分布，通过MATLAB软件来产生指数分布的随机数作为客户需求量，要使得所有客户的库存费用最小，需要构造与配送量、库存费、保管费等有关的目标函数，将有限的车辆数和每辆车的承载能力以及供货方的总供应量作为约束条件，建立模型，通过lingo软件求解得到具体的配送方案。 三、模型假设 1.假设客户的随即需求量服从参数为0.5的指数分布； 2.假设每个客户的初始库存量在0.1~1.5吨之间随即取值； 3.假设所有客户的库存保管费和缺货损失费相同； 4.假设供货方的总供应量为所有客户随即需求量之和的0.8倍； 5.假设不考虑运货车辆的运费。 四、符号说明
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2 1,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，（2）中的几个不等式 是问题的约束条件，记为s.t.(即subject to)。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 beq x Aeq =? ub x lb ≤≤ 其中c 和x 为n 维列向量，A 、Aeq 为适当维数的矩阵，b 、beq 为适当维数的列向 量。 例如线性规划 b Ax x c x T ≥ that such max
§6 动态规划模型举例 以上讨论的优化问题属于静态的，即不必考虑时间的变化，建立的模型——线性规划、非线性规划、整数规划等，都属于静态规划。多阶段决策属于动态优化问题，即在每个阶段（通常以时间或空间为标志）根据过程的演变情况确定一个决策，使全过程的某个指标达到最优。例如： （1）化工生产过程中包含一系列的过程设备，如反应器、蒸馏塔、吸收器等，前一设备的输出为后一设备的输入。因此，应该如何控制生产过程中各个设备的输入和输出，使总产量最大。 （2）发射一枚导弹去击中运动的目标，由于目标的行动是不断改变的，因此应当如何根据目标运动的情况，不断地决定导弹飞行的方向和速度，使之最快地命中目标。 （3）汽车刚买来时故障少、耗油低，出车时间长，处理价值和经济效益高。随着使用时间的增加则变得故障多，油耗高，维修费用增加，经济效益差。使用时间俞长，处理价值也俞低。另外，每次更新都要付出更新费用。因此，应当如何决定它每年的使用时间，使总的效益最佳。 动态规划模型是解决这类问题的有力工具，下面介绍相关的基本概念及其数学描述。 （1）阶段 整个问题的解决可分为若干个相互联系的阶段依次进行。通常按时间或空间划分阶段，描述阶段的变量称为阶段变量，记为k 。 （2）状态 状态表示每个阶段开始时所处的自然状况或客观条件，它描述了研究过程的状况。各阶段的状态通常用状态变量描述。常用k x 表示第k 阶段的状态变量。n 个阶段的决策过程有1+n 个状态。用动态规划方法解决多阶段决策问题时，要求整个过程具有无后效性。即：如果某阶段的状态给定，则此阶段以后过程的发展不受以前状态的影响，未来状态只依赖于当前状态。 （3）决策 某一阶段的状态确定后，可以作出各种选择从而演变到下一阶段某一状态，这种选择手段称为决策。描述决策的变量称为决策变量。决策变量限制的取值范围称为允许决策集合。用)(k k x u 表示第k 阶段处于状态k x 时的决策变量，它是k x 的函数，用)(k k x D 表示k x 的允许决策集合。 （4）策略 一个由每个阶段的决策按顺序排列组成的集合称为策略。由第k 阶段的状态k x 开始到终止状态的后部子过程的策略记为)}(,),(),({)(11n n k k k k k k x u x u x u x p Λ++=。在实际问题中，可供选择的策略有一定范围，称为允许策略集合。其中达到最优效果的策略称为最优策略。 （5）状态转移方程 如果第k 个阶段状态变量为k x ，作出的决策为k u ，那么第1+k 阶段的状态变量1+k x 也被完全确定。用状态转移方程表示这种演变规律，写作(1k k T x =+k x ，)k u （6）最优值函数 指标函数是系统执行某一策略所产生结果的数量表示，是用来衡量策略优劣的数量指标，它定义在全过程和所有后部子过程上。指标函数的最优值称为最优值函数。 下面的方程在动态规划逆序求解中起着本质的作用。
有限制的运输问题：6个发点6个收点，其供应量、接收量和运费如下表1（”-”表示某个 设：发点i向收点j的货物供应量为xij. 目标函数： MinZ=20x11+15x12+16x13+5x14+4x15+7x16+17x21+15x22+33x23+12x24+8x25+6x26+9x31 +12x32+18x33+16x34+30x35+13x36+12x41+8x42+11x43+27x44+19x45+14x46+7x52+10x53+ 21x54+10x55+32x56+6x64+11x65+13x66 供应限制：x11+x12+x13+x14+x15+x16=20 x21+x22+x23+x24+x25x+26=30 x31+x32+x33+x34+x35+x36=50 x41+x42+x43+x44+x45+x46=40 x52+x53+x54+x55+x56=30 x64+x65+x66=30 需求限制：x11+x21+x31+x41=30 x12+x22+x32+x42+x52=50 x13+x23+x33+x43+x53=40 x14+x24+x34+x44+x54+x64=30 x15+x25+x35+x45+x55+x65=30 x16+x26+x36+x46+x56+x66=20 LINGO代码: min=20*x11+15*x12+16*x13+5*x14+4*x15+7*x16+17*x21+15*x22+33*x23+12*x24+8*x25+ 6*x26+9*x31+12*x32+18*x33+16*x34+30*x35+13*x36+12*x41+8*x42+11*x43+27*x44+19* x45+14*x46+7*x52+10*x53+21*x54+10*x55+32*x56+6*x64+11*x65+13*x66; x11+x12+x13+x14+x15+x16=20; x21+x22+x23+x24+x25+x26=30; x31+x32+x33+x34+x35+x36=50; x41+x42+x43+x44+x45+x46=40; x52+x53+x54+x55+x56=30; x64+x65+x66=30; x11+x21+x31+x41=30;