题目 如何利用EXC E L求解线性规划 问题及其灵敏度分析 第 8 组 姓名学号 乐俊松 090960125 孙然 090960122 徐正超 090960121 崔凯 090960120王炜垚 090960118 蔡淼 090960117南京航空航天大学（贸易经济）系 2011年（5）月（3）日
摘要 线性规划是运筹学的重要组成部分，在工业、军事、经济计划等领域有着广泛的应用，但其手工求解方法的计算步骤繁琐复杂。本文以实际生产计划投资组合最优化问题为例详细介绍了Excel软件的”规划求解”和“solvertable”功能辅助求解线性规划模型的具体步骤，并对其进行了灵敏度分析。
目录 引言 (4) 软件的使用步骤 (4) 结果分析 (9) 结论与展望 (10) 参考文献 (11)
1. 引言 对于整个运筹学来说，线性规划(Linear Programming)是形成最早、最成熟的一个分支，是优化理论最基础的部分，也是运筹学最核心的内容之一。它是应用分析、量化的方法，在一定的约束条件下，对管理系统中的有限资源进行统筹规划，为决策者提供最优方案，以便产生最大的经济和社会效益。因此，将线性规划方法用于企业的产、销、研等过程成为了现代科学管理的重要手段之一。[1] Excel中的线性规划求解和solvertable功能并不作为命令直接显示在菜单中，因此，使用前需首先加载该模块。具体操作过程为：在Excel的菜单栏中选择“工具／加载宏”，然后在弹出的对话框中选择“规划求解”和“solvertable”，并用鼠标左键单击“确定”。加载成功后，在菜单栏中选择“工具／规划求解”，便会弹出“规划求解参数”对话框。在开始求解之前，需先在对话框中设置好各种参数，包括目标单元格、问题类型(求最大值还是最小值)、可变单元格以及约束条件等。 2 软件的使用步骤 “规划求解”可以解决数学、财务、金融、经济、统计等诸多实 际问题，在此我们只举一个简单的应用实例，说明其具体的操作 方法。 某人有一笔资金可用于长期投资,可供选择的投资机会包括购买国库券、公司债券、投资房地产、购买股票或银行保值储蓄等。投资者希望投资组合的平均年限不超过5年，平均的期望收益率不低于13%，风险系数不超过4，收益的增长潜力不低于10%。问在满足上述要求的前提下投资者该如何选择投资组合使平均年收益率最高？（不同的投资方式的具体参数如下表。）
回归模型结果分析 为了提高回归模型的准确性，上文中我们分别按月份、颜色比、退偏振比三种情况进行回归建模，从以上的分析结果看来，按月份划分建立的回归模型反演效果较好。为了更好地对不同情况下得到的回归模型及反演结果进行对比，我们把相同情况下得到的所有反演结果表示在一张图上，并与相应的太阳光度计观测值进行对比分析。 （a）
（b） （c）
图4.1 图4.1中（a）、（b）、（c）三幅图为分别按月份、颜色比和退偏振比建立回归模型后得出的所有颗粒物体积浓度的反演结果与相应太阳光度计观测值的对比分析图。图（a）数据的样本容量为250，图（b）和图（c）的样本容量为150，虽然图（a）样本容量多，但是与图（b）和图（c）相比，图（a）中数据更为集中，大部分数据的反演结果与太阳光度计观测值接近，出现误差的数据少且误差小，图（c）的反演结果略优于图（b），总体来说按月份建立的颗粒物体积浓度的回归模型最准确，而按颜色比建立的回归模型准确性较差。 （a）
（b） （c）图4.2
图4.2中(a)、（b）、（c）三幅图为分别按月份、颜色比和退偏振比建立回归模型后得出的所有有效粒子半径的反演结果与相应太阳光度计观测值的对比分析图。图（a）样本容量较多且数据比较集中，但有一部分数据反演结果明显偏小，严重影响了回归模型的准确性，图（b）数据较离散，部分数据误差大，线性相关系数较小，图（c）个别数据误差大，虽然数据集中程度没有图（a）好。但是数据横纵坐标的差异比其他两幅图小。在确定最优样本容量时，我们发现随着样本容量的增加，线性相关系数减小，所以在无法统一样本容量且线性相关系数差异不大的情况下无法确定在哪种情况下建立的回归模型最准确。所以在建立有效粒子半径的回归模型时，我们可以按月份建立回归模型，也可以按退偏振比建立回归模型。
为了确定模型中主要因素，我们对该模型采用 Sobol 法进行灵敏度分析判断其全局敏感性。 Sobol 法是最具有代表性的全局敏感性分析方法，它基于模型分解思想，分别得到参数 1,2 次及更高次的敏感度。通常 1次敏感度即可反映了参数的主要影响。 Sobol 法 Sobol 法核心是把模型分解为单个参数及参数之间相互组合的函数。假设模型为 Y f(x)(x x-i ,x 2,...x m ), x i 服从［0,1］均匀分布，且f 2(x)可积，模型可分解为： n f(x) f(0) f i (X i ) f j (x) ... f i,2”..,n (X i ,X 2,...X k ) i 1 i j 则模型总的方差也可分解为单个参数和每个参数项目组合的影响： n n n D =刀 D i + 刀刀(D ij + D 1 ,2, , n ) i =1 i =1 j =1 i 半j 对该式归一化，并设: 可获得模型单个参数及参数之间相互作用的敏感度 S 由式(2)可得： n n n 1 = ^S i + M^S j + + S,2, ,n i=1 i = 1 j=1 i 有 S l,2, ,n 式中，si 称之为1次敏感度；Sij 为2次敏感度，依此类推； 为n 次敏感度，总共 2n -1 有 项。第i 个参数总敏感度 STJ 定义为： S j S (i) 它表示所有包含第i 个参数的敏感度。 模型中4个输入参数分别为推力，角度， 比冲，月球引力常量。因为月球引力常量和比 冲为物理恒定值，不会产生干扰。所以这里我们对角度，推力进行敏感性分析。 设角度初值为150°，推力为4500N 时，做出高度变化图像如图所示。 S t ,i 2 , ,i D i 1,i 2 , ,i D
咨询QQ：3025393450 有问题百度搜索“”就可以了 欢迎登陆官网：https://www.doczj.com/doc/b316696390.html,/datablog R语言时变参数VAR随机模型数据分析报告 来源：大数据部落 摘要 时变参数VAR随机模型是一种新的计量经济学方法，用于在具有随机波动率和相关状态转移的时变参数向量自回归（VAR）的大模型空间中执行随机模型规范搜索（SMSS）。这是由于过度拟合的关注以及这些高度参数化模型中通常不精确的推断所致。对于每个VAR系数，这种新方法自动确定它是恒定的还是随时间变化的。此外，它可用于将不受限制的时变参数VAR收缩到固定VAR因此，提供了一种简单的方法（概率地）在时变参数模型中施加平稳性。我们通过局部应用证明了该方法的有效性，我们在非常低的利率期间调查结构性冲击对政府支出对美国税收和国内生产总值（GDP）的动态影响。 引言 向量自回归（VAR）广泛用于宏观经济学中的建模和预测。特别是，VAR已被用于理解宏观经济变量之间的相互作用，通常通过估计脉冲响应函数来表征各种结构性冲击对关键经济变量的影响。 状态空间模型
咨询QQ：3025393450 有问题百度搜索“”就可以了 欢迎登陆官网：https://www.doczj.com/doc/b316696390.html,/datablog 允许时间序列模型中的时变系数的流行方法是通过状态空间规范。具体而言，假设? 是? 对因变量的观测的×1向量，X 是? ×上解释变量的观测矩阵，β是状 态的×1向量。然后可以将通用状态空间模型编写为（1） （2） 这种一般的状态空间框架涵盖了宏观经济学中广泛使用的各种时变参数（TVP）回归模型，并已成为分析宏观经济数据的标准框架。然而，最近的研究引起了人们的担忧，过度拟合可能是这些高度参数化模型的问题。此外，这些高维模型通常给出不精确的估计，使任何形式的推理更加困难。受这些问题的影响，研究人员可能希望有一个更简约的规范，以减少过度参数化的潜在问题，同时保持状态空间框架的灵活性，允许系数的时间变化。例如，人们可能希望拥有一个具有时不变系数的默认模型，但是当有强有力的时间变化证据时，这些系数中的每一个都可以转换为随时间变化的。通过这种方式，人们可以保持简洁的规范，从而实现更精确的估计，同时最大限度地降低模型错误指定的风险。 结果 我们实施了Gibbs采样器，以获得VECM模型中参数的25,000个后抽取。 BKK采用类似的“标准化”系列的方法，只影响先前的规范，只要在后验计算中适当考虑转换即可。或者，可以使用原始系列并使用训练样本来指定先验，虽然这在操作上更加复杂。值得注意的是，我们在SMSS和TVP-SVECM规范中应用了相同的标准化。 我们的算法实现也使用了三个广义Gibbs步骤算法的稳定性，通过跟踪所有抽样变量的低效率因素和复制模拟运行多次验证。 SMSS产生的IRF与对角线转换协方差的比较，具有完全转换协方差的SMSS和基准TVP-SVECM在2000Q1的支出减少1％之后的20个季度。
灵敏度分析 简介： 研究与分析一个系统（或模型）的状态或输出变化对系统参数或周围条件变化的敏感程度的方法。在最优化方法中经常利用灵敏度分析来研究原始数据不准确或发生变化时最优解的稳定性。通过灵敏度分析还可以决定哪些参数对系统或模型有较大的影响。因此，灵敏度分析几乎在所有的运筹学方法中以及在对各种方案进行评价时都是很重要的。 用途： 主要用于模型检验和推广。简单来说就是改变模型原有的假设条件之后，所得到的结果会发生多大的变化。 举例（建模五步法）： 一头猪重200磅，每天增重5磅，饲养每天需花费45美分。猪的市场价格为每磅65美分，但每天下降1美分，求出售猪的最佳时间。 建立数学模型的五个步骤： 1.提出问题 2.选择建模方法 3.推到模型的数学表达式 4.求解模型 5.回答问题 第一步：提出问题 将问题用数学语言表达。例子中包含以下变量：猪的重量w（磅），从现在到出售猪期间经历的时间t（天），t天内饲养猪的花费C（美元），猪的市场价格p（美元/磅），出售生猪所获得的收益R（美元），我们最终要获得的净收益P（美元）。还有一些其他量，如猪的初始重量200磅。 （建议先写显而易见的部分） 猪从200磅按每天5磅增加 （w磅）=（200磅）+（5磅/天）*（t天） 饲养每天花费45美分 （C美元）=（0.45美元/天）*（t天） 价格65美分按每天1美分下降 （p美元/磅）=（0.65美元/磅）-（0.01美元/磅）*（t天） 生猪收益 （R美元）=（p美元/磅）*（w磅） 净利润 （P美元）=（R美元）-（C美元） 用数学语言总结和表达如下： 参数设定： t=时间（天）
w=猪的重量（磅） p=猪的价格（美元/磅） C=饲养t天的花费（美元） R=出售猪的收益（美元） P=净收益（美元） 假设： w=200+5t C=0.45t p=0.65-0.01t R=p*w P=R-C t>=0 目标：求P的最大值 第二步：选择建模方法 本例采用单变量最优化问题或极大—极小化问题 第三步：推导模型的数学表达式子 P=R-C （1） R=p*w （2） C=0.45t （3） 得到R=p*w-0.45t p=0.65-0.01t （4） w=200+5t （5） 得到P=（0.65-0.01t)(200+5t)-0.45t 令y=P是需最大化的目标变量，x=t是自变量，现在我们将问题转化为集合S={x:x>=0}上求函数的最大值： y=f（x）=（0.65-0.01x)(200+5x)-0.45x （1-1） 第四步：求解模型 用第二步中确定的数学方法解出步骤三。例子中，要求（1-1）式中定义的y=f （x）在区间x>=0上求最大值。下图给出了（1-1）的图像和导数（应用几何画板绘制）。在x=8为全局极大值点，此时f（8）=133.20。因此（8，133.20）为f在整个实轴上的全局极大值点，同时也是区间x>=0上的最大值点。 第五步：回答问题 根据第四步，8天后出售生猪的净收益最大，可以获得净收益133.20美元。只要第一步中的假设成立，这一结果正确。
淮北师范大学 2011届学士学位论文 线性规划灵敏度分析 学院、专业数学科学学院数学与应用数学 研究方向运筹学 学生姓名陈红 学号20071101008 指导教师姓名张发明 指导教师职称副教授 2011年4月10日
线性规划的灵敏度分析 陈 红 （淮北师范大学数学科学学院，淮北，235000） 摘 要 本文主要从价值系数j c 的变化，技术系数ij a 的变化，右端常数i b 的变化以及增加新的约束条件和增加一个新变量的灵敏度这几个方面来进行研究；资源条件是线性规划灵敏度分析中的主要应用内容，而对于资源条件b 的一个重要应用是：“影子价格问题”的实际应用，最后简述了线性规划在经济及管理问题上的典型应用和从求解例题的图解法揭示了最优解的一些重要特征。 关键词 单纯形法，灵敏度分析，最优解，资源条件，价值系数
Sensitivity Analysis of Linear Programming Chen Hong (School of Mathematical Science,Huaibei Normal University ,Huaibei,235000) Abstract This thesis is mainly from the variety of the cost coefficient …j c ?, the variety of technology coefficient …ij a ?, the variety of the resources condition…i b ?and increase the new restraint and new variable to analytical linear programming of sensitivity analysis.This thesis is mainly based on the simplex method and dual simplex method of linear programming to system analytical the influence of the variety upon the optical solution of the coefficient of the simplex table.Linear programming of sensitivity analysis in physically of application is mainly about application of the variety of resources c ondition…i b ?in the economic management …shadow price problem?. Keywords simplex method, sensitivity analysis, optimum solution ， resources condition ，cost coefficient
第三节 变参数模型 前面几章讨论的回归问题都是在模型中的参数不变的前提下进行的，但是通过本章的讨论，可以看出引入了虚拟变量后，回归模型中的参数不在是固定不变的，而是二是可以变化的，但是模型中参数的变化又不是连续的额，而是离散的，下面我们介绍的变参数模型就是虚拟变量模型的推广，它认为回归模型的截距或斜率会随着样本观察值的改变而改变。变参数模型可以分为截距变参数模型和截距、斜率同时变动的模型。 一、 截距变动模型 设线性回归方程为 122t t t t k kt t Y X X u βββ=++++Y t=1,2,,T (7.40) 式中， X 为解释变量，Y 为被解释变量。 观察到截距项1t β和前边的虚拟变量模型的截距项有所不同，下边多了一个 下标t 。这也就是说，虽然回归模型斜率在整个样本时期保持不变，但是截距项 1t β是随着时间的变化而变化的。如果1t β的变化是非随机的，而且这种变化完全 由外生变量决定的，那么式（7.40）就是一个非随机变量参数模型。为了讨论方便，把(7.40) 定义为下面的式子： 101t t Z βαα=+ (7.41) 式中，0α和1α为要求的参数，也可以称为“超参数”，t Z 只用来解释变动情况的外生变量。将式（7.41）代入式（7.40）中，整理得到 0122t t t k kt t Y Z X X u ααββ=+++++ (7.42) 可用最小二乘法对式（7.42）中的超参数和其他参数一并进行估计。如果Z 为虚拟变量，那么式中（7.42）就是一个虚拟变量模型，而且是一个截距项变动斜率不变的模型。因此，虚拟变量模型是参数模型的一种特殊形式。 二、 截距和斜率同时变动模型 如果模型中的斜率和截距同时变动，只需在式（7.42）的基础上进行改进，将2β换2t β为，且假定有如下关系式： 201t t b bW β=+ (7.43) 将式（7.43）代入式（7.42）则有 01021233t t t t t t k k t t Y a a Z b X b W X X X u ββ=+++++++ (7.44) 以上模型知识假定1t β和2t β存在系统变化，实际上还有很多参数都可能存在这种变化，甚至可能存在1t β和2t β等系数有可能不是线性的，也就是超参数本身
数学建模对偶问题和灵敏度分析
对偶问题 例题1：某养鸡场所用的混合饲料由n 种天然饲料配合而成。要求在这批配合饲料中必须含有m 种不同的营养成分，且第i 种营养成分的含量不低于bi 。已知第i 种营养成分在每单位第j 种天然饲料中的含量为a ij ，每单位第j 天然饲料的价格为c j 。试问，应如何对这n 种饲料配方，使这批饲料的费用最小? 解 设x j 为第j 种天然饲料的用量。 显然，a ij x j 即为所用第j 种天然饲料中第i 种营养成分的含量，1n ij j j a x =∑为这批混 合饲料中第i 种营养成分的总含量；它不应低于bi 。于是，我们得下列线性规划模型(1—1)： 1 min n j j j f c x ==∑ 1 1,,..01,,n ij j i j j a x b i m s t x j n =?≥=???≥=? ∑ 现设想有一个饲料加工厂欲把这m 种营养成分分别制成m 种营养丸。 设第i 种营养丸的价格为ui(i ＝1，…，m)。则养鸡场采购一个单位的第j 种天然饲料，就相当于对这m 种营养丸分别采购数量a 1j ，…a mj ，所化费用为1m ij i i a u =∑养 鸡场自然希望在用营养丸代替天然饲料时，在价格上能相对地比较便宜，故而饲料加工厂为了能与天然饲料供应者竞争，在制订价格时必然满足下述条件： 1 1, ,m ij i j i a u c j n =≤=∑ 另一方面，养鸡场如果全部采购营养丸来代替天然饲料进行配料，则第i 种营养丸就需采购bi 个单位，所化费用为b i u i ，总费用为z=∑b i u i
为了确定模型中主要因素，我们对该模型采用Sobol 法进行灵敏度分析判断其全局敏感性。Sobol 法是最具有代表性的全局敏感性分析方法，它基于模型分解思想，分别得到参数1,2次及更高次的敏感度。通常1次敏感度即可反映了参数的主要影响。 Sobol 法 Sobol 法核心是把模型分解为单个参数及参数之间相互组合的函数。假设模型为),...,)((21m x x x x x f Y ==,i x 服从[0,1]均匀分布，且(x)f 2可积，模型可分解为： )(...)()()(n ,...,2,11k 21j i ij i n i i ,...x x ,x f x f x f f(0)x f ++++=∑∑<= 则模型总的方差也可分解为单个参数和每个参数项目组合的影响： ∑∑ ∑1=≠1=,,2,11=)+(+=n i n j i j n ij n i i D D D D 对该式归一化，并设： D D S n n i i i i i i ,,,,,,2121= 可获得模型单个参数及参数之间相互作用的敏感度S 由式（2）可得： ∑∑ ∑1=,,2,1≠1=1=+++=1n i n n j i j ij n i i S S S 式中，si 称之为1次敏感度；Sij 为2次敏感度，依此类推； n S ,,2,1 为n 次敏感度，总共有1 -2n 项。第i 个参数总敏感度STJ 定义为： ∑=) (i Tj S S 它表示所有包含第i 个参数的敏感度。 模型中4个输入参数分别为推力，角度，比冲，月球引力常量。因为月球引力常量和比冲为物理恒定值，不会产生干扰。所以这里我们对角度，推力进行敏感性分析。 设角度初值为o 150，推力为4500N 时，做出高度变化图像如图所示。
1.1模型参数代码 可参考manual中各个章节的command命令及说明，注意单位。用prop 赋值。 1.1.1各向同性弹性模型
16 ttable 塑性拉应变-抗拉强度的表号 下列参数可以显示、绘图和通过fish访问 1 es_plastic 塑性切应变 2 et_plastic 塑性拉应变 3 ff_count 检测切应变反向的数 4 ff_cvd 体应变，εvd 经典粘弹性模型的材料参数（Classical Viscoelastic （Maxwell Substance）–MODEL mechanical viscous） 1 bulk 弹性体积模量，K 2 shear 弹性剪切模量，G 3 viscosity 动力粘度，η 粘弹性模型的材料参数（Burgers Model –MODEL mechanical burgers） 1 bulk 弹性体积模量，K 2 kshear Kelvin弹性剪切模量，G K 3 kviscosity Kelvin动力粘度，ηK 4 mkshear Maxwell切边模量，G M 5 mviscosity Maxwell动力粘度，ηM 二分幂律模型的材料参数（Power Law –MODEL mechanical power） 1 a_1 常数，A1 2 a_2 常数，A2 3 bulk 弹性体积模量，K 4 n_1 指数，n1 5 n_2 指数，n2 6 rs_1 参考应力，σ1ref 7 rs_2 参考应力，σ2ref 8 shear 弹性剪切模量，G 蠕变模型材料参数（WIPP Model –MODEL mechanical wipp） 1 act_energy 活化能，Q 2 a_wipp 常数，A 3 b_wipp 常数，B 4 bulk 弹性体积模量，K 5 d_wipp 常数，D 6 e_dot_star 临界稳定状态蠕变率， 7 gas_c 气体常数，R 8 n_wipp 指数，n 9 shear 弹性剪切模量，G 10 temp 温度，T 下列参数可以显示、绘图和通过fish访问
线性规划模型的应用与灵敏度分析 第一章线性规划问题 1.线性规划简介及发展 线性规划（Linear Programming）是运筹学中研究最早、发展最快、应用广泛、方法成熟的一个重要分支，它是辅助人们进行科学管理的一种数学方法，研究线性约束条件下线性目标函数的极值问题的数学理论和方法，英文缩写为LP。它是运筹学的一个重要分支，广泛应用于军事作战、经济分析、经营管理和工程技术等方面，为合理利用有限的人力、物力、财力等资源做出的最优决策，提供科学的依据。 线性规划及其通用解法——单纯形法是由美国G.B.Dantzig在1947年研究空军军事规划提出来的。法国数学家傅里叶和瓦莱－普森分别于1832和1911年独立地提出线性规划的想法，但未引起注意。1939年苏联数学家康托罗维奇在《生产组织与计划中的数学方法》一书中提出线性规划问题，也未引起重视[1]。1947年美国数学家丹齐克提出线性规划的一般数学模型和求解线性规划问题的通用方法──单纯形法，为这门学科奠定了基础。1947年美国数学家诺伊曼提出对偶理论,开创了线性规划的许多新的研究领域，扩大了它的应用范围和解题能力[2]。1951年美国经济学家库普曼斯把线性规划应用到经济领域，为此与康托罗维奇一起获1975年诺贝尔经济学奖。50年代后对线性规划进行大量的理论研究，并涌现出一大批新的算法。例如，1954年莱姆基提出对偶单纯形法，1954年加斯和萨迪等人解决了线性规划的灵敏度分析和参数规划问题，1956年塔克提出互补松弛定理，1960年丹齐克和沃尔夫提出分解算法等。线性规划的研究成果还直接推动了其他数学规划问题包括整数规划、随机规划和非线性规划的算法研究[3]。由于数字电子计算机的发展，出现了许多线性规划软件，如MPSX，OPHEIE，UMPIRE等，可以很方便地求解几千个变量的线性规划问题。1979年苏联数学家提出解线性规划问题的椭球算法，并证明它是多项式时间算法。1984年美国贝尔电话实验室的印度数学家N.卡马卡提出解线性规划问题的新的多项式时间算法。用这种方法求解线性规划问题在变量个数为5000时只要单纯形法所用时间的1/50。现已形成线性规划多项式算法理论。50年代后线性规划的应用范围不断扩大。建立线性规
实验一 线性规划问题及灵敏度分析 实验目的：了解WinQSB 软件在Windows 环境下的文件管理操作，熟悉软件界面内容， 掌握操作命令。用WinQSB 软件求解线性规划，掌握winQSB 软件写对偶规划，灵敏度分析和 参数分析的操作方法。 实验每组人数及学时：组人数1人，学时数：4学时 实验环境：装有WinQSB 软件的个人电脑 实验类型：验证性 实验内容： 一、 用WinQSB 软件求解线性规划的方法： 操作步骤： 1.将WinQSB 文件复制到本地硬盘；在WinQSB 文件夹中双击setup.exe 。 2.指定安装WinQSB 软件的目标目录（默认为C:\ WinQSB ）。 3. 安装过程需输入用户名和单位名称（任意输入），安装完毕之后，WinQSB 菜单自动 生成在系统程序中。 4.熟悉WinQSB 软件子菜单内容及其功能，掌握操作命令。 5．求解线性规划。启动程序 开始→程序→WinQSB→Linear and Integer Programming 。 6．学习例题 点击 Problem→lp.lpp, 点击菜单栏Solve and Analyze 或点击工具栏中 的图标用单纯形法求解，观赏一下软件用单纯形法迭代步骤。用图解法求解，显示可行域， 点击菜单栏Option →Change XY Ranges and Colors，改变X1、X2的取值区域（坐标轴的 比例），单击颜色区域改变背景、可行域等8种颜色，满足你的个性选择。 下面结合例题介绍WinQSB 软件求解线性规划的操作步骤及应用。 用WinQSB 软件求解下列线性规划问题： 1234 max 657Z x x x x =+++ s.t. 12341 2341231234 312342692608521507300 01020,,0,x x x x x x x x x x x x x x x x x x x x +++≤??-+-≥??++=?-≥??-≥?≤≤??≥?无约束 解：应用WinQSB 软件求解线性规划问题不必化为标准型，如果是可以线性化的模型则先 线性化，对于有界变量及无约束变量可以不用转化，只需要修改系统的变量类型即可，对于 不等式约束可以在输入数据时直接输入不等式符号。 （1）启动线性规划（LP ）和整数规划（ILP ）程序 点击开始→程序→WinQSB →Linear and Integer Programming ，显示线性规划和整数规 划工作界面（注意菜单栏、工具栏和格式栏随主窗口内容变化而变化）。这一程序解决线性 规划（LP ）以及整数线性规划（ILP ）问题。
2011c题O奖论文 题目概要： 11325队的解答： 通过建立三个微分方程，来预测石油、天然气、电的数量变化。经济模型
主要通过现值原理来确定使用车的成本。 8882队：Logistic回归方程预测三个国家的汽车总量的变化情况；然后建立优 化模型（如下）来描述在各方面获得最大的利益，接着用图片表示了每个国家三种车辆数量的变化情况。 对电动汽车和混合动力汽车建立电子需求模型（形式如下） 非高峰充电，政府可以鼓励。 最小电力成本模型：
确定发电站数量模型： 9089队：首先巴斯扩散模型预测电动汽车的销售情况。 然后利用蚁群优化来简化上面的模型，得到预测结果。 10607队： 生命周期成本模型分析经济影响。灵敏度分析通过调整参数的值。
高斯烟羽模型分析环境影响，用来模拟和预测汽车尾气的排放。然后其他的环境影响就是通过找到的有利的数据进行分析，如下所示的噪音污染。 引入外部和内部影响模型（主要形式都是微分方程），然后在此基础上建立诺顿模型模拟电动汽车的数量和变化趋势（考虑EV和CV两种车） 接着估计可以保存的石油量： 最后通过AHP分析得到不同类型发电方法的权重。
2012B题O奖论文 题目概要 模型方法 元胞自动机模拟 灵敏度或者稳定性分析 一般通过微小地改变某些已经设定好的参数的值来分析结果的变化情况，如果结果前后变化不大，那么模型具有低敏感性，满足要求。反之则不稳定。 2013B题O奖论文 题目概要
模型方法 21185队：给出五个小问题和解决方案：一，预测了中国未来13年水的供给和需求；二，建立模型解决中国水资源在时间和空间上的不均匀分布；三，增加区域水资源总量的方法；四，区域水污染处理和节水；五，水成本分析。 模型一：灰色预测模型：先得到水的消耗和人口之间的关联度，工业生产总值和农业产出的关系，然后得到2025年的水需求量 模型二：变异系数、最小生成树（得出最佳的水资源转移计划） 模型三：描述每个城市的水资源要求的净化程度，得到一个植物的构建方案 模型四：基于以上四种成本战略的成本效益分析，首先用AHP各方面（经济、物理、环境）影响的权重， 模型五：一个基于神经网络的合理的战略评价模型。 主要步骤叙述:先提出用线性拟合对未来的水需求量进行预测，然后说由于数据的缺乏，导致预测结果不理想，然后用灰色预测模型。 2014B题O奖论文 题目概要 教练评价 模型方法 26160队：首先用层次分析法筛选因素，通过灰色关联和模糊综合评价两种方法对教练进行评价，最后发现灰色模型有轻微的优势。然后对模型进行改进，增加时间的影响 灵敏度分析 灰色关联系数的敏感度分析：通过调整关联系数的计算公式中贝塔参数的值，原值为0.5，然后分别对取值为0.1,0.3,0.5，0.7,0.9的模型结果进行分析，结论是贝塔取值0.5以上时模型更加稳定。