下载文档原格式
数学建模第二讲简单的优化模型数学建模是利用数学方法对实际问题进行建模、分析和求解的过程。
在实际问题中，常常需要针对一些指标进行优化，以达到最优的效果。
本讲将介绍一些简单的优化模型。
一、线性规划模型线性规划是一种重要的数学优化方法，广泛应用于工程、经济、管理等领域。
其数学模型可以表示为：\begin{aligned}&\text{max} \quad c^Tx \\&\text{s.t.} \quad Ax \leq b, \quad x \geq 0\end{aligned}\]其中，$x$为决策变量，$c$为目标函数系数，$A$为约束条件系数矩阵，$b$为约束条件右端向量。
线性规划模型指的是目标函数和约束条件都是线性的情况。
通过线性规划模型，可以求解出使得目标函数取得最大（或最小）值时的决策变量取值。
二、非线性规划模型非线性规划模型指的是目标函数或约束条件中存在非线性部分的情况。
非线性规划模型相对于线性规划模型更为复杂，但在实际问题中更为常见。
对于非线性规划问题，通常采用数值优化方法进行求解，如梯度下降法、牛顿法等。
这些方法通过迭代的方式逐步靠近最优解。
三、整数规划模型整数规划模型是指决策变量必须为整数的规划模型。
整数规划在实际问题中应用广泛，如物流配送问题、工程调度问题等。
整数规划模型通常难以求解，因为整数规划问题是一个NP难问题。
针对整数规划问题，常用的求解方法有枚举法、分支定界法、遗传算法等。
四、动态规划模型动态规划模型是指将问题划分为子问题，并通过求解子问题最优解来求解原问题最优解的方法。
动态规划通常用于求解具有重叠子问题和最优子结构性质的问题。
动态规划模型具有递推性质，通过递归或迭代的方式求解子问题的最优解，并保存中间结果，以提高求解效率。
五、模拟退火模型模拟退火是一种用来求解组合优化问题的随机优化算法。
模拟退火算法基于固体退火过程的模拟，通过温度的控制和随机跳出来避免陷入局部最优解。
数学建模知到章节测试答案智慧树2023年最新山东师范大学第一章测试1.人类研究原型的目的主要有（）。
参考答案:优化;预测;评价;控制2.概念模型指的是以图示、文字、符号等组成的流程图形式对事物的结构和机理进行描述的模型。
（）参考答案:对3.数学建模的全过程包括（）。
参考答案:模型应用;模型检验;模型求解;模型建立4.下面（）不是按问题特性对模型的分类。
参考答案:交通模型5.椅子放稳问题中，如果椅子是长方形的，则不能在不平的地面上放稳。
（）参考答案:错第二章测试1.山崖高度的估计模型中，测量时间中需要考虑的时间包括（）。
参考答案:物体下落的时间;声音返回的时间;人体的反应时间2.落体运动模型当阻力趋于零时变为自由落体模型。
（）参考答案:对3.安全行车距离与（）有关。
参考答案:车辆速度;车辆品牌;驾驶员水平4.人体反应时间的确定一般使用测试估计法进行。
（）参考答案:对5.当车速为80-120千米/小时时，简便的安全距离判断策略是（）。
参考答案:等于车速1.存贮模型的建模关键是（）。
参考答案:一个周期内存贮量的确定2.下面对简单的优化模型的描述（）是正确的。
参考答案:没有约束条件的优化模型3.商品生产费用因为数值太小，所以不需要考虑。
（）参考答案:错4.同等条件下，允许缺货时的生产周期比不允许缺货时的生产周期（）。
参考答案:偏大5.开始灭火后，火灾蔓延的速度会（）。
参考答案:变小1.如果工人工作每小时的影子价格是2元，则雇佣工人每小时的最高工资可以是3元。
（）参考答案:错2.下面关于线性规划的描述正确的是（）。
参考答案:可行域是凸多边形;最优解可以在可行域内部取得;目标函数是线性的;约束条件是线性的3.在牛奶加工模型中，牛奶资源约束是紧约束。
（）参考答案:对4.在牛奶加工模型中，A1的价格由24元增长到25元，应该生产计划。
（）参考答案:错5.求整数规划时，最优解应该采用（）获得。
参考答案:使用整数规划求解方法重新求解1.人口过多会带来（）。
P104页，复习题题目：考虑以下“食谱问题"：某学校为学生提供营养套餐，希望以最小的费用来满足学生对基本营养的需求按照营养学家的建设，一个人一天要对蛋白质，维生素A和钙的需求如下：50g蛋白质、4000IU维生素A和1000mg的钙，我们只考虑以不食物构成的食谱：苹果，香蕉，胡萝卜，枣汁和鸡蛋，其营养含量见下表。
制定食谱，确定每种食物的用量，以最小费用满足营养学家建议的营养需求，并考虑：（1）对维生素A的需求增加一个单位时是否需要改变食谱？成本增加多少？如果对蛋白质的需求增加1g呢？如果对钙的需求增加1mg呢？（2）胡萝卜的价格增加Ⅰ角时，是否需要改变食谱？成本增加多少？问题分析：（1）此优化问题的目标是使花费最小.（2）所做的决策是选择各种食物的用量，即用多少苹果，香蕉，胡萝卜，枣汁，鸡蛋来制定食谱。
（3）决策所受限制条件：最少应摄入的蛋白质、维生素和钙的含量（4）设置决策变量：用x1表示苹果的个数、x2表示香蕉的个数、x3表示胡萝卜的个数、x4表示枣汁的杯数量、x5表示鸡蛋的个数（5）x1个苹果花费10·x1角x2个香蕉花费15·x2角x3个胡萝卜花费5·x3角x4杯枣汁花费60·x4角x5个鸡蛋花费8·x5角目标函数为总花费金额：z=10·x1+15·x2+5·x3+60·x4+8·x5 (角)（6）约束条件为：最少摄入蛋白质的含量：0.3x1+1.2x2+0.7x3+3.5x4+5.5x5≥50最少摄入维生素A的含量：73x1+96x2+20253x3+890x4+279x5≥4000最少摄入钙的含量：10x1+15x2+5x3+60x4+8x5≥1000非负约束：x 1,x 2,x 3,x 4,x 5≥0优化模型：minz =10x 1+15x 2+5x 3+60x 4+8x 5s.t. 0.3x 1+1.2x 2+0.7x 3+3.5x 4+5.5x 5≥5073x 1+96x 2+20253x 3+890x 4+279x 5≥4000 9.6x 1+7x 2+19x 3+57x 4+22x 5≥1000 x 1,x 2,x 3,x 4,x 5≥0由线性规划模型的定义，容易得到线性规划的性质：1. 比例性 每个决策变量的对目标函数的“贡献”与该决策变量的取值成正比；每个决策变量对每个约束条件右端项的“贡献”，与该决策变量的取值成正比.2. 可加性 各个决策变量对目标函数的“贡献”，与其他决策变量的取值无关；各个决策变量对每个约束条件右端项的“贡献”，与其他决策变量的取值无关.3. 连续性 每个决策变量的取值是连续的. 考察本题，实际上隐含下面的假设 ：1.购买苹果、香蕉、胡萝卜、枣汁、鸡蛋每个（杯）的花费是与各自的用量无关的常数；苹果、香蕉、胡萝卜、枣汁、鸡蛋每个（杯）所包含的蛋白质、维生素、钙的含量是与各自的用量无关的常数.（线性规划性质1—比例性）2.购买苹果、香蕉、胡萝卜、枣汁、鸡蛋每个（杯）的花费是与它们相互间用量无关的常数；苹果、香蕉、胡萝卜、枣汁、鸡蛋每个（杯）所包含的蛋白质、维生素A 、钙的含量是与它们相互间的用量无关的常数. （线性规划性质2—可加性）3. 购买苹果、香蕉、胡萝卜、枣汁、鸡蛋的数量都是实数. (线性规划性质3—连续性) 模型求解：（决策变量是5维的，不适用图解法求解模型）软件求解：线性规划模型：min z=10x1+15x2+5x3+60x4+8x5s.t. 0.3x1+1.2x2+0.7x3+3.5x4+5.5x5≥5073x1+96x2+20253x3+890x4+279x5≥40009.6x1+7x2+19x3+57x4+22x5≥1000x1,x2,x3,x4,x5≥0模型全局最优解：(Global optimal solution)x1=0x2=0x3=49.38272x4=0x5=2.805836z的最优值为269.3603角用LINGO 软件求解，得到如下输出：结果分析：1. 3个约束条件的右端项可视为3种资源：蛋白质含量、维生素A 含量、钙含量.LINGO 的输出项Row Slack or Surplus ，给出了3种资源在最优解下的剩余.2.目标函数可视为“支出（成本）”，紧约束的“资源”增加1单位时，“支出”的增加由LINGO 的输出项 Dual Price 给出。
实验03 简单的优化模型（2学时）
（第3章简单的优化模型）
1. 生猪的出售时机p63~65
目标函数（生猪出售纯利润，元）：
Q(t) = ( 8 – g t )( 80 + rt ) – 4t–640
其中，t≥0为第几天出售，g为每天价格降低值（常数，元/公斤），r为每天生猪体重增加值（常数，公斤）。
求t使Q(t)最大。
1.1（求解）模型求解p63
(1) 图解法
绘制目标函数
Q(t) = ( 8 – g t )( 80 + rt ) – 4t–640
的图形（0 ≤t≤ 20）。
其中，g=0.1, r=2。
从图形上可看出曲线Q(t)的最大值。
(2) 代数法
对目标函数
Q(t) = ( 8 – g t )( 80 + rt ) – 4t–640
用MATLAB求t使Q(t)最大。
其中，r, g是待定参数。
（先对Q(t)进行符号函数求导，对导函数进行符号代数方程求解）
然后将代入g=0.1, r=2，计算最大值时的t和Q(t)。
要求：
①编写程序绘制题(1)图形。
②编程求解题(2).
③对照教材p63相关内容。
相关的MATLAB函数见提示。
★要求①的程序和运行结果：
程序：
t=0:1:30;
g=0.1;r=2;
Q=(8-g.*t).*(80+r.*t)-4.*t-640;
plot(t,Q)
图形：
★要求②的程序和运行结果：
程序：
syms g t r ;
Q=(8-g.*t).*(80+r.*t)-4.*t-640;
q=diff(Q,t);
q=solve(q);
g=0.1;r=2;
tm=eval(q)
Q=(8-g.*tm).*(80+r.*tm)-4.*tm-640
运行结果：
1.2（编程）模型解的的敏感性分析p63~64
对1.1中(2)所求得的符号表达式t(r,g)，分别对g和r进行敏感性分析。
(1) 取g=0.1，对t(r)在r=1.5:0.1:3上求r与t的关系数据，绘制r与t的关系图形（见教材p65）。
(2) 取r=2，对t(g)在g=0.06:0.01:0.15上求g与t的关系数据，绘制g与t 的关系图形（见教材p65）。
要求：分别编写(1)和(2)的程序，调试运行。
★给出(1)的程序及运行结果：
程序：
syms g t r ;
Q=(8-g.*t).*(80+r.*t)-4.*t-640;
q=diff(Q,t);
q=solve(q);
g=0.1;r=1.5:0.1:3;
t=eval(q);
plot(r,t)
[r;t]
数值结果：
图形结果：
★给出(2)的程序及运行结果：程序：
syms g t r;
Q=(8-g.*t).*(80+r.*t)-4.*t-640; q=diff(Q,t);
q=solve(q);
r=2;g=0.06:0.01:0.15;
t=eval(q);
plot(g,t)
[g;t]
数值结果：
图形结果：
2.（编程）冰山运输模型求解p77~81
按函数调用顺序。
(1) 每立方米水所需费用
)
,(),(),(000V u W V u S V u Y = u 为船速，V 0为冰山的初始体积。
(2) 冰山运抵目的地后可获得水的体积
3
030133.4(,)(,)34T t V W u V r t u ππ=⎫=⎪⎪⎭∑ 400T u
=为冰山抵达目的地所需天数。
(3) 第t 天冰山球面半径融化速率：
3100015610(104)06(,)10000.2(10.4),6.u .u t,t u r t u u t u -⎧⨯+≤≤⎪⎪=⎨⎪+>⎪⎩
(4) 运送冰山费用
0011400()151(,)7.2(6)3lg (,)T t t k f V S u V u u r k u u u ==⎛⎫⎫=++- ⎪⎪⎪ ⎪⎭⎝⎭
∑∑ 400T u
=为冰山抵达目的地所需天数。
(5) 船的日租金
⎪⎩
⎪⎨⎧≤<≤<⨯⨯≤=7
06655
001010,0.8100105,2.6105,0.4)(V V V V f
参照教材p81的表4，求不同V 0，u 下每立方米水的费用。
下面是不完整的MATLAB 程序：
要求：
①编写所要求的程序。
②运行。
注：第一个函数为主函数，没有输入参数，可直接执行
③结果与教材p81表4比较。
★完整的程序：
end
★程序运行结果：
附1：实验提示
第1.1题
MATLAB函数：@,fplot,syms,sym,diff,solve,eval
附2：第3章简单的优化模型3.2 生猪的出售时机
3.7 冰山运输。
