数学建模-微积分模型
- 格式:doc
- 大小:984.00 KB
- 文档页数:18
数学学科教学微积分与数学建模微积分和数学建模是数学学科中的两个重要部分,它们在数学教学中起到了关键的作用。
微积分是研究变化以及极限的数学分支,而数学建模是利用数学方法解决实际问题的过程。
本文将探讨微积分和数学建模在数学学科教学中的应用和意义。
一、微积分在数学学科教学中的应用微积分是数学学科中的重要内容,它包括微分和积分两个部分,通过对函数的研究,能够帮助学生理解数学中的变化和极限概念。
在数学学科教学中,微积分可以应用于以下几个方面。
1.1 函数的导数与变化率函数的导数是微积分的重要概念之一,它表示了函数在某一点的变化率。
通过学习函数的导数,学生可以更好地理解函数的图像和性质,进一步探究函数的最值和变化趋势。
在教学中,可以通过练习和实例,引导学生发现函数的导数与函数图像之间的关系,培养他们的观察力和分析思维。
1.2 积分与面积问题积分是微积分的另一个重要概念,它可以用来求解曲线下面积和曲线长度等问题。
在数学学科教学中,可以通过具体的实例,如计算曲线下方的面积或曲线的弧长,让学生领会积分的几何意义和实际应用,培养他们的数学建模能力。
1.3 微分方程与实际问题微分方程是微积分的一个重要分支,它在解决实际问题中发挥着重要作用。
在数学学科教学中,可以通过引入实际问题,如物理、经济、生物等领域中的问题,让学生学习和掌握微分方程的建模和求解方法,提高他们的应用能力和创新思维。
二、数学建模在数学学科教学中的应用数学建模是指利用数学方法解决实际问题的过程,它将数学与实际问题相结合,培养学生的综合思维能力和解决问题的能力。
在数学学科教学中,数学建模可以应用于以下几个方面。
2.1 实际问题的抽象与模型建立数学建模在解决实际问题中的第一步是将实际问题抽象成数学模型。
在数学学科教学中,可以通过引入实际问题,让学生学习和掌握问题抽象的方法和建立模型的技巧,培养他们的问题分析和数学建模能力。
2.2 模型求解与结果分析数学建模的第二步是对建立的数学模型进行求解,并分析结果的合理性和可行性。
微积分的数学模型解析微积分,是数学的一个分支,它是构建现代科学的基础之一。
微积分是研究自然界各种现象的基础,几乎所有科学的研究都需要用到微积分的方法。
微积分的核心是求解导数和积分,通过导数和积分的作用,可以建立不同的数学模型,此时微积分就将不同的问题转化为数学问题,使问题的求解变得简单明了。
微积分的数学模型解析,虽然是微积分的一个难点,但是却是非常重要的。
在现实生活中,经常会遇到各种需要建立数学模型的问题,如经济、发展、生物、环境等,这些问题都需要微积分的数学模型进行分析和解决。
下面,就来详细探讨微积分的数学模型解析。
一、导数的数学模型解析导数是微积分中的一个重要概念,具有解决许多问题的力量。
导数包含了物理学、工程学、生物学、经济学等众多学科中的各种数学模型。
导数可以体现一个量随着另一个量的改变所带来的变化率。
导数的推导过程中涉及到极限,而极限则是微积分的核心概念之一。
在数学模型解析过程中,常常需要建立函数的导数模型。
假设函数f(x)表示某一变量随着另一变量的变化而发生变化的规律,那么f(x)的导数f'(x)就是一个新的变量随着原变量x的改变而发生变化的规律。
这里需要注意的是,导数f'(x)并不是函数的直接表示,而是函数变化的速度,也就是函数斜率的大小。
导数的数学模型解析,有助于解决许多现实生活中的问题。
例如,对于销售某种商品的商家,可以通过建立该商品的销售量与时间的导数模型,来分析该商品在不同时间下销售情况的变化趋势,并为制定销售策略提供支持。
二、积分的数学模型解析积分是微积分中的另一个核心概念,也有着非常重要的应用价值。
积分可以将一个函数曲线下的面积求出,因此,在物理学、化学、统计学、经济学等学科领域中,经常会用到积分的方法。
在数学模型解析过程中,建立函数的积分模型需要注意一些要点。
首先,需要选择合适的积分方法,例如,定积分、不定积分、面积积分等。
其次,需要确定积分区间,即对函数需要积分的范围进行明确。
数学建模微分方程模型在数学建模的旅程中,微分方程模型扮演了至关重要的角色。
它们在描述和解决各种实际问题中,从物理学到社会科学,都起到了关键的作用。
在本章中,我们将探讨微分方程模型的基本概念、类型和应用。
微分方程是一种方程,它包含未知函数的导数。
这种方程在描述变化率时非常有用,例如,描述物体的速度或加速度。
在形式上,微分方程可以表示为 y'(x) = f(x, y),其中 y'表示 y的导数,f是一个给定的函数。
根据方程的特点,微分方程可以划分为多种类型,如线性微分方程、非线性微分方程、常微分方程、偏微分方程等。
每种类型的方程都有其特定的求解方法和应用领域。
微分方程在众多领域中都有应用,如物理学、工程学、经济学等。
例如,牛顿第二定律就是一个微分方程,它描述了物体的加速度如何由作用力决定。
人口增长模型、传染病模型等也都依赖于微分方程。
建立微分方程模型通常需要以下步骤:确定模型的目标和变量;然后,根据问题背景和物理规律建立数学模型;通过数值计算或解析解法得出结果。
求解微分方程的方法主要有两种:数值方法和解析方法。
数值方法是通过计算机程序或软件进行数值计算得到近似解,而解析方法是通过求解方程得到精确解。
对于某些类型的微分方程,可能需要结合使用这两种方法。
建立微分方程模型后,我们需要对模型进行评估和检验,以确保其有效性和准确性。
这通常包括对模型的假设进行检验、对模型的预测结果进行验证以及对模型的参数进行估计和调整等。
随着科学技术的发展,微分方程模型的应用前景越来越广阔。
例如,在生物学中,微分方程被用来描述疾病的传播动态;在经济学中,微分方程被用来分析市场供需关系的变化;在工程学中,微分方程被用来模拟复杂系统的行为等。
未来,随着大数据和人工智能等技术的发展,微分方程模型将在更多领域得到应用和发展。
微分方程模型是数学建模中一个极其重要的部分。
通过学习和掌握微分方程的基本概念、类型、应用以及求解方法等,我们可以更好地理解和解决现实生活中的各种问题。
数学建模中的分数阶微积分理论研究随着科技的快速发展,人们对于各类实际问题的解决需求愈发迫切。
然而,一些现实问题并不容易使用传统的微积分方法进行建模和求解。
相比传统微积分,分数阶微积分理论能够更加准确地描述这些问题,其求解方法更加广泛和灵活。
因此,在数学建模中,应用分数阶微积分理论进行问题解决已经成为一种热门的研究方向。
传统微积分只考虑整数次导数的概念,而在分数阶微积分理论中,我们将这一概念扩展到了分数次导数。
不同于整数次导数,分数次导数的连续性和正则性条件要求更高。
分数阶微积分理论将实际问题更好地进行了描述,因为分数次导数既可以表示瞬时变化率,也可以表示涉及时间或空间的记忆效应。
分数阶微积分可以精确建模像非可扩散(即Fickian)和可扩散(即非Fickian)扩散的物理现象,以及像市场波动和药物代谢这样的生物或经济现象。
数学建模中的一个常见问题就是如何确定分数阶微积分中的分数阶导数。
这一问题最常用的解决方法包括基于矩估计的方法、基于小波变换的方法,以及基于权重求和的方法等。
根据问题的不同,我们可以选择合适的方法进行求解。
另外,由于分数阶微积分的性质复杂,解决方案不唯一,因此对不同方法的对比研究也是必要的。
值得一提的是,虽然分数阶微积分理论的应用范围非常广泛,但是其应用在实际问题中的难度和复杂度也较高。
例如,在金融领域,分数阶微积分理论可以被用于模拟股票价格的变化,但是实际问题往往涉及到更多的影响因素。
因此,需要不断地深入研究分数阶微积分理论,并结合实际问题进行验证和应用。
总的来说,分数阶微积分理论在数学建模中的应用已经成为一个热门领域。
通过应用分数阶微积分,我们可以更好地解决一些传统微积分无法解决的问题,并精确建模实际问题。
在未来,相信随着对分数阶微积分理论的更深入研究和应用,我们可以更好地解决和预测实际问题。
微积分在实际问题中的数学建模方法微积分是数学中重要的分支,它研究函数的变化率和积分的性质。
微积分为解决实际问题提供了强有力的数学工具和建模方法。
在实际问题中,微积分的数学建模方法可以帮助我们理解和分析问题,并通过数学计算得到解决方案。
微积分在实际问题中的数学建模方法包括函数建模、极限分析、导数分析、积分分析等。
下面将对每个方法进行详细介绍,并给出实际问题的例子以说明其应用。
函数建模是微积分中最基础的建模方法之一,它可以将实际问题转化为数学函数的形式。
通过观察问题的特征和规律,我们可以根据实际情况选择适当的函数模型,并确定模型的参数。
例如,在人口增长问题中,我们可以使用指数函数来建模人口的增长趋势,通过调整指数函数的系数来拟合实际数据,进而预测未来的人口变化。
极限分析是微积分中重要的思维工具之一,在实际问题中广泛应用。
通过对问题中的量进行极限分析,我们可以推导出问题的特性和规律。
例如,在力学中,我们可以利用极限分析来推导物体的速度和加速度之间的关系,进而解决运动问题。
在经济学中,极限分析可以帮助我们理解市场供需关系的演变过程,从而预测价格的变化趋势。
导数分析是微积分中常用的分析方法之一,它可以帮助我们理解函数的变化趋势和函数的局部特性。
通过求导数,我们可以得到函数的斜率和变化率,进而分析问题中的变化规律。
例如,在物理学中,通过对位移函数求导数,我们可以得到速度函数;再对速度函数求导数,我们可以得到加速度函数。
这种导数分析可以帮助我们理解物体运动的过程和规律。
积分分析是微积分中重要的计算方法之一,它可以帮助我们计算函数的面积、体积和曲线的长度等。
通过对问题中的量进行积分,我们可以得到问题的定量解决方法。
例如,在物理学中,通过对力的函数进行积分,我们可以计算出力对物体所做的功;再通过对功的函数进行积分,我们可以计算出物体的势能变化。
这种积分分析可以帮助我们计算物体的能量转换和储存情况。
综上所述,微积分在实际问题中的数学建模方法可以帮助我们理解问题、分析问题并得到解决方案。
微积分与数学模型(上册)任课教师:***小组成员张程1440610405王子尧1440610402李昊奇1440610403梅良玉1440610426方旭建1440610406李柏睿1440610428第1章 函数,极限与连续1.1 函数的基本概念准备知识(掌握集合与区间的相关知识)函数定义:设x 和y 是两个变量,D 是一个给定的数集。
如果对于任意x ∈D , 按照某一法则f ,变量y 都有确定的值和它对应,则称f 为定义在D 上的函数,数集D 称为函数的定义域,x 称为自变量,y 称为因变量。
与x 对应的y 的值记做f(x),称为函数f 在x 处的函数值。
D 上所有的数值对应的全体函数值的集合称为值域 函数特性:1:函数的有界性设f(x)在集合X 上有定义,若存在M>=0,使得对任意x 属于X 都有f(x 的绝 对值<=M, 则称函数f(x 在)X 上有界;否则,称函数f(x)在X 上无界。
2:函数的单调性 3:函数的奇偶性 4:函数的周期性 5:分段函数 6:复合函数1.2初等函数常值函数 如:y=C,C 为常数; 幂函数 如:y=x α,α∈R 为常数; 指数函数 如:y=a x ,a>0且a ≠1;对数函数 如:y=axlog ,a>0且a ≠1;三角函数 如:y=sinx,y=cosx,y=tanx ;反三角函数 如:y=arcsinx,y=arccosx,y=arctanx ;以及双曲函数1.3 极限的概念(1) .极限的直观定义:当x 接近于某个常数x 0但不等于x 0时,若f(x)趋向于常数A ,则 称A 为f(x)当x 趋向于x 0时的极限。
(2) .极限的精确定义:给定函数f(x)和常数A ,若对于∀ε>0(无论ε多么小),总彐δ>0,使得当0<|x-x 0|<ε,则称A 为f(x)当x 趋于x 0时的极限,记做limx x →f(x)=A.(3) 单侧极限和极限的关系:(定理)limx x →f(x)=A.成立的充要条件是左极限lim-→0xx f(x)和右极限lim+→0xx f(x)均存在且都等于A(4) (定理)limx x →f(x)=A 的充要条件是lim-→0xx f(x)=lim+→0xx f(x)=A1.4 极限的性质与运算性质:唯一性:若limx x →f(x)存在,则必唯一(1)局部有界性:若limx x →f(x)=A ,则存在M>0以及δ>0,使得当0<|x-x 0|<δ时,有 |f(x)|≤M(2)局部保号性:若imx x →f(x)=A ,且A>0(或A<0),则存在δ>0,使得当0<|x-x 0|<δ时,有f(x)>0(或f(x)<0) 运算 若lim f(x)=A,lim g(x)=B,则①. lim[f(x)±g(x)]存在,且lim[f(x)±g(x)]=lim f(x)±lim g(x)=A ±B; ②. lim f(x)·g(x)存在,且lim f(x)g(x)=lim f(x)·lim g(x)=AB; ③. 若B ≠0,则lim [f(x)/g(x)]存在,且 lim [f(x)/g(x)]=lim f(x)/lim g(x)=A/B 夹逼准则:若函数f(x),g(x),h(x)满足:(1)当x ∈U(x 0,δ)时,有g(x)≤f(x)≤h(x);(2) lim x →x0g(x)=A,lim x →x0h(x)=A, 则极限lim x →x0f(x)存在,且等于A 。
数学建模微积分模型例题
以下是一个简单的数学建模微积分例题:
题目:有一根细棒,其长度为10米,质量为1千克。
我们需要计算这根细棒的弯曲程度。
首先,我们需要理解什么是弯曲程度。
弯曲程度可以理解为细棒弯曲的弧长与其原长的比值。
因此,我们可以用以下数学模型表示细棒的弯曲程度:设细棒的原长为L 米,弯曲的弧长为s 米,则弯曲程度y = s / L。
接下来,我们需要考虑如何计算弯曲的弧长s。
由于细棒弯曲时形成的是一个圆弧,因此我们可以使用微积分的知识来求解。
设细棒在弯曲过程中形成的圆弧的半径为r 米,圆心角为θ度,则弧长s = r ×θ。
由于细棒的质量分布均匀,因此我们可以认为细棒在弯曲过程中形成的圆弧的半径r 是恒定的。
同时,我们知道细棒的总质量M = 1 千克,因此我们可以计算出细棒在弯曲过程中形成的圆心角θ。
设细棒在弯曲过程中形成的圆心角为θ度,则θ= M ×g / (r ×g)。
其中g 是重力加速度,g = 9.8 m/s^2。
将以上模型整合,我们可以得到以下微积分方程:
y = s / L = r ×θ/ L = (M ×g / (r ×g)) ×90°/ L
其中,y 是弯曲程度,s 是弯曲的弧长,L 是细棒的原长,r 是圆弧的半径,θ是圆心角。
这是一个简单的数学建模微积分例题,通过这个例题我们可以理解数学建模的基本思路和方法。
数学基础——微积分应用与数学建模在众多学科中,数学一直被当作是最为基础和重要的学科之一。
而其中的微积分更是被广泛地应用于科学、工业、商业、工程等各个领域中。
那么微积分是什么?它又有哪些应用?如何在数学建模中发挥作用呢?微积分是研究变化、极限和无限小量的一门数学分支。
它由微分学和积分学组成,其中微分是指用极限的方法研究函数的变化情况,而积分则是指用曲线下的面积来研究函数的性质和变化。
微积分在数学中的应用非常广泛,而其中最具代表性的应用形式是求导和积分。
求导可以用来研究函数的变化,比如函数的图像斜率,而积分可以用来计算函数在某一区间内的面积,比如在图形中计算面积、体积、长度等等。
除了数学以外,微积分还有许多实际的应用。
例如,在物理学中,微积分可以用来描述物理量如加速度、速度、质量等的函数关系与变化情况。
在工程学中,微积分可以用来优化设计,比如在设计机械结构时,可以通过优化曲线来实现材料的最大利用,从而达到更好的性能。
在商业中,微积分可以用来帮助决策,比如在制造业中,可以通过分析产品的总成本来选择最优的生产方式。
而在数学建模方面,微积分也有着非常重要的作用。
数学建模是将实际问题抽象为数学模型或方程,并通过数学方法来求解问题的一种学科。
微积分则是在数学建模中被广泛应用的数学工具之一。
例如,在模拟天气预报的模型中,微积分可以用来描述空气流动的变化,从而实现更精确的预报。
在流体力学建模中,微积分可以用来研究液体或气体在流动过程中的变化。
因此,无论是在实际生活中还是在学术领域中,微积分的应用都是非常广泛的。
通过深入了解微积分的基本原理和应用方法,不仅可以让我们更好地理解和解决实际问题,还可以帮助我们在数学建模方面发挥更大的创造力和想象力,为实际应用做出更多的贡献。
第四章 微积分模型今天人们不论从事什么活动都讲究高效益,即希望所采取的策略使某个或某些指标达到最优。
商店订货要使订货、存贮等费用最小,体育比赛运动员要创造最好的成绩,工程设计要追求最佳方案。
普遍存在的优化问题经常成为人们研究的对象,建立这类问题的模型,我们称为优化模型。
建立优化模型首先要确定所关心的优化指标的数量描述,然后构造包括这个指标及各种限制条件的模型,通过模型求解给出达到优化指标的所谓策略。
本章仅考虑定常情况(即所给的策略不随时间改变)。
4.1 不允许缺货模型某配送中心为所属的几个超市送配某种小电器,假设超市每天对这种小电器的需求量是稳定的,订货费与每个产品每天的存贮费都是常数。
如果超市对这种小家电的需求是不可缺货的,试制定最优的存贮策略(即多长时间订一次货,一次订多少货)。
如果日需求量价值100元,一次订货费用为5000元,每件电器每天的贮存费1元,请给出最优结果。
模型假设:(1)每天的需求量为常数r ; (2)每次的订货费用为c 1,每天每件产品的存贮费为c 2 ;(3)T 天订一次货,每次订Q 件,且当存贮量为0时,立即补充,补充是瞬时完成的; (4)为方便起见,将r ,Q 都视为连续量。
模型建立将存贮量表示为时间的函数(),0q t t =时,进货Q 件这类小电器,储存量(0),()q Q q t =以需求r 的速率递减,直到q (T )=0。
易见Q=rT (4.1)一个周期的存贮费用C 2=A c ds s q T20)(=⎰一个周期的总费用C =2221rT c c +每天平均费用2)(21rT c T c T c +=(4.2) 模型求解求T ,使)(T c 取最小值。
由0=dTdc,得 21212,2c r c Q rc c T ==(4.3)上式称为经济订货批量公式。
模型解释(1)订货费越高,需求量越大,则每次订货批量应越大,反之,每次订货量越小; (2)贮存费越高,则每次订货量越小,反之,每次订货量应越大。
模型应用 将100,1,500021===r c c 代入(4.3)式得 T =10天,Q =1000件,c =1000元。
4.2 允许缺货模型某配送中心为所属的几个超市送配某种小电器,假设超市每天对这种小电器的需求量是稳定的,订货费与每个产品每天的存贮费都是常数。
如果超市对这种小家电的需求是可以缺货的,试制定最优的存贮策略(即多长时间订一次货,一次订多少货)。
如果日需求为100元,一次订货费用为5000元,每件电器每天的贮存费1元,每件小家电每天的缺货费为0.1元,请给出最优结果。
与不允许缺货情况不同的是,对于允许缺货的情况,缺货时因失去销售机会而使利润减少,减少的利润可以看作为因缺货而付出的费用,称为缺货费。
于是这个模型的第(1)、(2)条假设与不允许缺货的模型相同,除此之外,增加假设(3)每隔T 天订货Q 件,允许缺货,每天每件小家电缺货费为c 3 。
缺货时存贮量q 看作负值,)(t q 的图形如图4.2,货物在1T t =时送完。
一个供货周期T 内的总费用包括:订货费1c ,存贮费⎰102)(T dt t q c ,缺货费dt t q c T T ⎰1|)(|3,借助图4.2可以得到 一个周期总费用为 213121)(2121T T r c QT c c C -++= 每天的平均费用 rTQ rT c rT Q c T c Q T C 2)(2),(23221-++= (4.4)利用微分法,令⎪⎪⎩⎪⎪⎨⎧=∂∂=∂∂00QCTC可以求出最优的Q T ,值为3232133221.2',.2'c c c c rc Q c c c rc c T +=+= (4.5) 记)1(332>+=c c c μ 通过与不允许缺货的模型相比较得到μμ/','Q Q T T == (4.6) 显然Q Q T T <>',',即允许缺货时订货周期可以长一些,每次可以少订一些货。
(4.6)式表明,缺货费3c 越大,μ值越小,','Q T 与Q T ,越接近,这与实际是相符的,因为3c 越大,意味着因缺货造成的损失越大,所以应该尽量避免缺货,当+∞→3c 时,1→μ,于是Q Q T T →→','。
这个结果是合理的,因为缺货费充分大,造成的缺货损失也充分大,所以不允许缺货。
将所给的数据代入(4.6)式得到 7.301,333',33'===c Q T 件天元。
4.3森林救火模型本节讨论森林救火问题。
森林失火了,消防站接到报警后派多少消防队员前去救火呢?队员派多了,森林的损失小,但是救火的开支增加了;队员派少了,森林的损失大,救火的开支相应减小。
所以需要综合考虑森林损失和救火队员开支之间的关系,以总费用最小来确定派出队员的多少。
从问题中可以看出,总费用包括两方面,烧毁森林的损失,派出救火队员的开支。
烧毁森林的损失费通常正比于烧毁森林的面积,而烧毁森林的面积与失火的时间、灭火的时间有关,灭火时间又取决于消防队员数量,队员越多灭火越快。
通常救火开支不仅与队员人数有关,而且与队员救火时间的长短也有关。
记失火时刻为0=t ,开始救火时刻为1t t =,火被熄灭的时刻为2t t =。
设t 时刻烧毁森林的面积为)(t B ,则造成损失的森林烧毁的面积为)(2t B 。
下面我们设法确定各项费用。
先确定)(t B 的形式,研究)('t B 比)(t B 更直接和方便。
)('t B 是单位时间烧毁森林的面积,取决于火势的强弱程度,称为火势蔓延程度。
在消防队员到达之前,即10t t ≤≤,火势越来越大,即)('t B 随t 的增加而增加;开始救火后,即21t t t ≤≤,如果消防队员救火能力充分强,火势会逐渐减小,即)('t B 逐渐减小,且当2t t =时,0)('=t B 。
救火开支可分两部分:一部分是灭火设备的消耗、灭火人员的开支等费用,这笔费用与队员人数及灭火所用的时间有关;另一部分是运送队员和设备等的一次性支出,只与队员人数有关。
模型假设需要对烧毁森林的损失费、救火费及火势蔓延程度的形式做出假设。
(1) 损失费与森林烧毁面积)(2t B 成正比,比例系数为1c ,1c 即烧毁单位面积森林的损失费,取决于森林的疏密程度)('t B和珍贵程度。
)2( 对于10t t ≤≤,火势蔓延程度)('t B 与时间t 成正比,比例系数β称为火势蔓延速度。
(注:对这个假设我们作一些说明,火势以着火点为中心,以均匀速度向四周呈圆形蔓延,所以蔓延的半径与时间成正比,因为烧毁森林的面积与过火区域的半径平方成正比,从而火势蔓延速度与时间成正比)。
(3) 派出消防队员x 名,开始救火以后,火势蔓延速度降为x λβ-,其中λ称为每个队员的平均救火速度,显然必须λβ/>x ,否则无法灭火。
(4)每个消防队员单位时间的费用为2c ,于是每个队员的救火费用为)(122t t c -,每个队员的一次性开支为3c 。
模型建立根据假设条件(2)、(3),火势蔓延程度在10t t ≤≤时线性增加,在21t t t ≤≤时线性减小,具体绘出其图形见图4.3。
记1t t =时,b t B =)('。
烧毁森林面积⎰=202)(')(tdt t B t B正好是图中三角形的面积,显然有 2221)(bt t B = 而且βλ-=-x bt t 12因此)(221)(212βλ-+=x b bt t B根据条件(1)、(4)得到,森林烧毁的损失费为)(21t B c ,救火费为x c t t x c 3122)(+-据此计算得到救火总费用为x c x bx c x b c bt c x C 322111)(221)(+-+-+=βλβλ (4.7) 问题归结为求x 使C (x )达到最小。
令0=dxdC得到最优的派出队员人数为 λβλβλ++=232122c b c b c x (4.8) 模型解释(4.8)式包含两项,后一项是能够将火灾扑灭的最低应派出的队员人数,前一项与相关的参数有关,它的含义是从优化的角度来看:当救火队员的灭火速度λ和救火费用系数3c 增大时,派出的队员数应该减少;当火势蔓延速度β、开始救火时的火势b 以及损失费用系数1c 增加时,派出的队员人数也应该增加。
这些结果与实际都是相符的。
实际应用这个模型时,321,,c c c 都是已知常数,λβ,由森林类型、消防人员素质等因素确定。
4.4消费者的选择本节利用无差别曲线的概念讨论消费者的选择问题。
如果一个消费者用一定数量的资金去购买两种商品,他应该怎样分配资金才会最满意呢?记购买甲乙两种商品的数量分别为21,q q ,当消费者占有它们时的满意程度,或者说给消费者带来的效用是21,q q 的函数,记作),(21q q U ,经济学中称之为效用函数。
c q q U =),(21的图形就是无差别曲线族,如图4.4所示。
类似于第二章中无差别曲线的作法,可以作出效用函数族,它们是一族单调下降、下凸、不相交的曲线。
在每一条曲线上,对于不同的点,效用函数值不变,即满意程度不变。
而随着曲线向右上方移动,),(21q q U 的值增加。
曲线下凸的具体形状则反映了消费者对甲乙两种商品的偏爱情况。
这里假设消费者的效用函数经完全确定了。
),(21q q U ,即无差别曲线族已设甲乙两种商品的单价分别为21,p p 元,消费者有资金s 元。
当消费者用这些钱买这两种商品时所作的选择,即分别用多少钱买甲和乙,最大,即达到最大应该使效用函数),(21q q U 达到的满意度。
经济学上称这种最优状态为消费者均衡。
当消费者购买两种商品量为21,q q 时,他用的钱分别为11q p 和22q p ,于是问题归结为在条件s q p q p =+2211 (4.9) 下求比例2211/q p q p ,使效用函数达到最大。
这是二元函数求条件极值问题,用乘子法不难得到最优解应满足2121/p p q Uq U =∂∂∂∂ (4.10)当效用函数),(21q q U 给定后,由(4.10)式即可确定最优比例2211/q p q p 。
上述问题也可用图形法求解。
约束条件(4.9)在图4.4中是一条直线,此直线必与无差别曲线族中的某一条相切(见图4.4中的Q 点),则21,q q 的最优值必在切点Q 处取得。
图解法的结果与(4.10)式是一致的。
因为在切点Q 处直线与曲线的斜率相同,直线的斜率为21/p p -,曲线的斜率为21/q Uq U ∂∂∂∂-,在Q 点,利用相切条件就得到(4.10)式。