最佳捕鱼策略
摘要
渔业作为一种再生资源产业，在可持续发展的时代主题下，保证其持续稳产是形势所趋。本文利用微分方程和非线性规划理论，探讨在可持续收获的条件下，如何通过调整捕捞强度系数，实现捕鱼量的最大化。
针对问题一，首先推导出鱼群产卵、自然死亡、年龄随时间变化等诸因素与各年龄组鱼群数量的数学表达式，结合可持续捕捞，形成一组约束条件，以年捕获量最大作为目标函数，建立非线性规划模型。
用Lingo 编程求解得到：当捕捞强度系数k 取17.36时，年捕获量最大，为3.88×1011克。然后利用Matlab 画出了在保证可持续捕获的前提下，年度捕获量随捕捞强度系数k 变化的图象，并经过多次计算，验证了结果的准确性和稳定性。
针对问题二，在问题一模型的基础之上，修改约束条件。首先采用每年的捕
捞努力量固定，但各年彼此之间的捕捞努力量不尽相同的方式，然后采用每年的捕捞努力量都保持不变的方式，并将两个模型比较得出采用模型二收益更大。
鉴于此问是多元非线性规划问题，且数据较大，为了得到全局最优解，我们采用Matlab 进行求解，最终得到结果为：
1k
2k
3k
4k
5k
GG
13.88
15.88
18.36
33.09
5.52
121.7210?
得到最大的捕获量为1.72?1012克，从而制定出最佳捕鱼策略。
此外，在模型的推广中，改变模型一的假设，在认为4龄鱼一年后仍为4龄鱼的基础上，对问题一进行了改进，得出的结果虽相差甚微，但是思路更具逻辑性。
关键词：微分方程 多元非线性规划 马尔萨斯人口增长模型
一、 问题重述
为了保护人类赖以生存的自然环境，可再生资源（如渔业，林业资源）的开发必须适度。一种合理、简化的策略是，在实现可持续收获的前提下，追求最大产量或最佳效益。
考虑对鳀鱼的最优捕捞策略，该种鱼的基本信息如表1所示；
表1. 鳀鱼的基本信息
1龄鱼 2龄鱼 3龄鱼 4龄鱼 平均重量 5.07
11.55
17.86
22.99
自然死亡率 0.8
产卵量 0
0.5545×105
1.109×105
这种鱼为季节性集中产卵繁殖，产卵和孵化期为每年的最后4个月，卵孵化并成活为1龄鱼，成活率（1龄鱼条数与产卵量n 之比）为1.22ⅹ1011/（1.22ⅹ1011 + n ）.
渔业管理部门规定，每年只允许在产卵孵化期前的8个月进行捕捞作业。如果每年投入的捕捞能力（如渔船数，下网次数等）固定不变，这时单位时间捕捞量将与各年龄组鱼群条数成正比，比例系数不妨称捕捞强度系数。通常使用13mm 网眼的拉网，这种网只能捕捞3龄鱼和4龄鱼，其两个捕捞强度系数之比为0.42∶1。渔业上称这种方式为固定努力量捕捞。
1．分析如何实现可持续捕捞并且在此前提下得到最高的年收获量
2．某渔业公司承包这种鱼的捕捞业务5年，合同要求5年后鱼群的生产能力不能受到太大破坏。已知承包时各年龄组鱼群的数量分别为：122，29.7，10.1，3.29（×109条），如果仍用固定努力量的捕捞方式，该公司应采取怎样的策略才能使总收获量最高。
二、 问题分析
由题设条件得出各年龄组鱼群的转化规律如1所示：
产卵 捕获
9-12月 1-8月
图1.各年龄组鱼群的转化规律
由上图可知，3、4龄鱼在第m 年产的卵所孵化成活的在第年初全部为1龄鱼；第m 年末的i （i = 1，2,）龄鱼在第1m +年初全部变为第1i +龄鱼；为了建
1龄鱼 4龄鱼 3龄鱼
2龄鱼 死亡 收获
模的简便和易于求解，不妨设4龄鱼在第1m +年初全部死亡。
对于问题一，我们可以列出一组微分方程，求出各年龄组鱼群上一年与今年之间的相互关系，作为一组约束条件，以年捕获量最大作为目标函数，建立非线性规划模型。
对于问题二，考虑五年的最优捕鱼策略，对初始的鱼群数量进行分析，发现即使不捕捞也不可能恢复到原来的鱼群数量，只能尽量减小对鱼群的生产能力的破坏。利用各个年龄组鱼群数量之间的递推关系，根据初始鱼群数量，递推出五年后鱼群的数量，从而计算得到五年内的总收获量。鱼群的生产能力不造成太大的破坏可以理解为五年后鱼群数量不少于初始鱼群的一定比例，根据种群增长规律，选择一个既能保证增长速度，又能保证种群数量优势的比例，即70％。
由此，该问题变为一个多变量约束非线性优化问题，由于模型较为复杂，采用智能算法进行优化较为快速。
三、 模型假设
1) 渔场是非开放式渔场，不与其他水域发生关系，从而构成独立的生态群
落；
2) 鱼群产卵在九月初短时间内完成，产卵鱼的自然死亡发生在此之后； 3) 1—3年龄组的鱼群都在翌年年初进入下一个年龄组，而原先的4龄鱼鱼
群由于捕捞或者自然死亡等原因全部消失；
4) 捕捞上来的鱼全为活鱼，即死亡的与被捕捞的鱼分开计算； 5) 3，4龄鱼的平均产卵量掩盖了性别差异
四、 符号说明
符号
意义
()i x t i 龄鱼在一年中某时刻t 的数量（1,2,3,4i =） ()i x m i 龄鱼鱼群在第m 年年初的条数 r
鱼群的自然死亡率 a 鱼群的自然死亡率
k （m k ） 4龄鱼的捕捞强度系数（4龄鱼第m 年的捕捞强度系数） n （m n ）
一年内总产卵量（第m 年的总产卵量）
i f （im f ） i 龄鱼的产卵量（i 龄鱼第m 年的产卵量） i q （im q ）
i 龄鱼的年收获量（i 龄鱼在第m 年的收获量）
i w
i 龄鱼每条鱼的平均重量 G
年度总捕获量（重量） GG 承包期5年的总捕捞量
五、 模型的建立与求解
5.1问题一
5.1.1模型的建立 模型一
（1）首先找到各个年龄组鱼群在一年内的数量变化规律。 由于1、2龄鱼不会被捕捞，因此它们在全年内所以只受自然死亡率的影响，即满足以下关系：
11()
()()dx t r x t dt =-
22()
()()dx t r x t dt
=- 对于3龄鱼和4龄鱼，它们在产卵开始前经过了捕捞期间的自然死亡和被捕捞的双重淘汰，在1~8月它们数量变化的关系为：
33()
(0.42)()dx t r k x t dt =--
44()
()()dx t r k x t dt
=--
在9~12月，3龄鱼和4龄鱼数量变化的关系则为：
33()
()()dx t r x t dt
=-
44()
()()dx t r x t dt
=- 根据上述微分方程，在8个月的捕捞期过后，3龄鱼的数量为2(0.42)*
3
3()r k x m e --，
4龄鱼的数量为2
()3
4()r k x m e
--?
。由此前的假设，可知第1m +年年初1龄鱼的数量
应该为第m 年3龄鱼和4龄鱼产下的卵中成活下来的数量之和，即
11
1111.22101) 1.2210x m n n
?+=?
?+（ （1） 其中，若记3龄鱼鱼群产下的卵数量为3f ，4龄鱼产下的卵数量为4f ，那么
34n f f =+
且
2
(0.42
)*3
33()0.5r k f x m e
a --=?
2()3
44()r k f x m e
a --?
=?
同时，第1m +年年初i 龄鱼的数量为第m 年年底1i -龄鱼的数量。其中2龄鱼的数量为
0.8
2(1(1)()x m x m e
-+= （2）
3龄鱼的数量为
0.8
32(1)()x m x m e -+= （3）
4龄鱼的数量为
2
(0.80.42)
3
43(1)()k x m x m e
--?+= （4）
（2）考虑可持续发展
要达到可持续发展的目的，即为每一年各个年龄组鱼的数量都相等，就必须有
(1)()i i x m x m += 1,2,3,4i = （5）
（3）目标函数即年收获量的表达式 3龄鱼的捕捞条数
2(0.42)3330
0.42()r k t
q kx m e
dt --=
?
2
(0.42)33
0.42()(1)0.80.42r k kx m e k
--?=
-+ （6） 4龄鱼的捕捞条数
2()3440
()r k t
q kx m e
dt --=
?
2
()43
()(1)0.8r k kx m e k
--?=
-+ （7） 因此年捕捞量（重量）为
3344G w q w q =+ （8）
将（6）、（7）式带入（8）式即可得到目标函数。 综上，以（8）为目标函数，以（1）、（2）、（3）、（4）、（5）为约束条件，建立一个非线性规划模型为
max Z G =
()()()()()()()?????????=+=+=++???=+??? ???----3242.08.0348
.02
38
.01211
1111111022.11022.11..k e
m x m x e m x m x e m x m x n n m x t s 其中，2
2(0.42)*
()3
3
3434()0.5()r k r k n f f x m e
a x m e
a ----?
=+=?+?
5.1.2模型的求解
用Lingo11.0软件对以上模型求解（源码见附录1），输出结果如下：
Local optimal solution found.
Objective value: 0.3887076E+12 Extended solver steps: 5 Total solver iterations: 209
Variable Value Reduced Cost K 17.36293 0.000000 N 0.6078058E+13 0.000000
Row Slack or Surplus Dual Price 1 0.3887076E+12 1.000000
2 0.000000 0.1258410E-02
即120.3887076E ,36293.17+==f k
可知当k 取17.36时，年捕获量最大，为3.88×1011克。
为了更好的描述捕捞强度系数k 与年捕获量之间的对应变化关系，我们在Matlab 中编写程序，得到在可持续捕捞的前提下，年捕获量随捕捞强度系数k 变化的图象
0510********
123
4x 1011
捕捞强度系数 k
年捕捞量 G vs 捕捞强度系数 k
年捕捞量 G
k ＝ 17.36G = 3.88e11
图2 可持续捕捞下的年捕捞量与捕捞强度系数的关系图
由图可知，年捕捞量G 关于捕捞强度系数的关系为单峰函数，当捕捞强度系数k=17.36时，年最大捕捞量G=3.88×1012克。当捕捞强度系数为0时，捕捞量为0，符合实际；而当k 趋于很大的时候，即过渡捕捞，鱼群一定不能维持可持续发展状态，所以捕捞强度系数k 有极限，利用Lingo 求得k 最大为31.39，即为图中曲线与横轴的右交点。另外由于曲线靠近中间的斜率较小，在k=17.36附近对应的年捕捞量相对变化不大，实际最优捕鱼策略只需维持在k ＝17.36的附近。
5.2问题二
5.2.1模型的建立 模型二
在问题二中，需要考虑五年的捕捞策略，对于每一年都采用固定努力量捕捞，但各年捕捞强度系数都可以不同，由不可对鱼群造成太大破坏，定义五年后各鱼群数量不少于初始鱼群的70％，即
(6)(1)70%i i x x ≥?
利用递推公式(1) (2) (3) (4)，根据初始鱼群数量，得到之后每年的鱼群数量。由年捕捞量G 式（8），将5年的年捕捞量累加得到总捕捞量，即为目标函数
5
5
33441
1
max()m m m i GG w q w q ===+∑∑
11111
0.82(10.8322
(0.80.42)
343 1.22101) 1.2210(1)()..(1)()(1)()(6)(1)70%m m m
k i i x m n n x m x m e s t x m x m e x m x m e
x x ----???+=???+?
?+=??
+=???+=?
>=????
（ 其中，2
2(0.42)*
()3
3
3434()0.5()m m r k r k m m m n f f x m e
a x m e
a ----?
=+=?+?
这是一个复杂的多变量非线性优化问题，应用pattern search 模式搜索算法可以快速进行模型的求解。因为该算法用于计算最小值，所以目标函数的负值作为算法的评价函数，求得最优解，下图为算法迭代过程，算法迭代40次后快速收敛到最优值。
020406080
100120140160180200
-1.8
-1.6
-1.4-1.2-1-0.8-0.6x 10
12
Iteration
F u n c t i o n v a l u e
Best Function Value: -1723046430433.591
图3 算法迭代过程
求得最后结果为 =1.72×1012克，具体如下表：
表2 模型二的计算结果
1k 2k 3k 4k 5k
GG
13.88
15.88 18.36 33.09 5.52
121.7210?
为了获得最大的总收获量，五年中各年的捕捞强度系数分别为13.88 ,15.88,18.36,33.09,5.52，在开始的三年要维持一定的捕捞强度，为之后的捕捞提供更多的储备，在第4年应有比较大的捕捞强度，以达到最大的收获量，第
五年则应减少捕捞。
模型三：
然后我们采用5年的捕捞努力量不变的捕捞方式。
只需令模型二中的m k k =（=1,2,3,4,5,），编制程序计算得结果为
表3 模型三的结果
k GG 5.60
1.49×1012
最后结果为GG =1.49?1012克
比较模型二与模型三，分别绘制4龄鱼数量变化图：
0510
15
024681012x 10
9
051015
2
4681012x 10
9
模型二 ：捕捞强度K 不同，五年后各鱼群数目不少于初始数目的70％，图为4龄鱼数量的变化趋势，第9年恢复平衡
模型三：捕捞强度K 五年都相同，五年后各鱼群数目不少于初始数目的70％，图为4龄鱼数量的变化趋势，第7年恢复平衡
图4.4龄鱼数量变化
由图可知，从鱼群恢复的角度来看，五年的捕捞强度系数相同时鱼群更快恢复。
显然，此种情况下得到的捕捞总量与每年捕捞努力量不同的情况向比较要少的多，此方法不可取。那么可知，该公司要想获得最大的总收获量，应该采取5年内的固定努力捕捞量互不相同的策略，其具体情况如表2所示。
六．模型的评价
本文采用了非线性规划的思想建立模型，通过求解有约束的非线性最大值问题，求的最优解。文在建模过程中对鱼的产卵孵化过程进行了适当合理的简化，建模简单、清晰，具有一定的普遍意义。 （1）模型的优点
问题一，在实现可持续不老的前提下，采用固定努力量捕捞，确定捕捞策略以得到最大捕捞总量。用微积分的方式分析各年各年龄鱼的数量关系，并建立了非线性规划的模型，运用Lingo 和Matlab 两种软件分别求解，得到的结果误差很
小，确保了结果的正确性
问题二，在文章主体部分，采用了每年的捕捞努力量固定，但是各年之间不一定相同的方法建模，运用软件进行多元搜索，得到最优解，并在进一步讨论中计算了各年之间捕捞努力量相同的总捕捞量，与原结果进行对比。而且在各种模型下，承包期结束后，我们对鱼的恢复情况进行了模拟，证明了模型的可行性。（2）模型的缺点与发展方向
本模型对于产卵、孵化的简化使得计算结果稍微偏离实际。
未考虑自然资源的影响，使得结果与实际有所偏离。
七．模型的推广与改进
7.1改进一
在以上模型，我们假设的是这种鱼只活到4龄，以后它就死掉了。但是有实际情况仍可以假设上一年存活下来的4龄鱼仍是4龄鱼，这对模型没有太大的差别，只是我们所做的假设的分析计算稍有变化。
相比模型一，只有4龄鱼的数量发生了变化。
目标函数：G
z max
=
约束条件：
()
()()
()()
()()
?
?
?
?
?
?
?
?
?
+
=
+
=
+
=
+
+
?
?
?
=
+
+
-
?
?
?
?
?
?
-
-
-
-
)8.0
3
2
(
4
3
2
42
.0
8.0
3
4
8.0
2
3
8.0
1
2
11
11
1
)
(
1
1
1
10
22
.1
10
22
.1
1
..
k
k
e
m
x
e
m
x
m
x
e
m
x
m
x
e
m
x
m
x
n
n
m
x
t s
用lingo软件进行求解，算法见附录2：lingo2算法
直接运行得:
Local optimal solution found at iteration: 92
Objective value: 0.3887076E+12
Variable Value Reduced Cost
K 17.36292 -1.034723
N 0.6078067E+13 0.000000
Row Slack or Surplus Dual Price
1 0.3887076E+1
2 1.000000
2 0.000000 0.1258406E-02
可知k17.36292,f0.3887076E+12
==
而模型一中算得出的结果为即12
0.3887076E
,
36293
.
17+
=
=f
k，这两个结果
相差甚小。
相比这两个模型，推广后的模型在逻辑方面更加符合实际，但是两模型的计
算结果相同，所以使用模型一计算更为简便。
7.2改进二
在模型二中，我们单纯的以捕捞总量代表收获量，并未考虑到经济因素，以
及捕鱼的成本。为了是模型更具可靠性，可以根据实际情况引入此种鱼的价格、
市场需求量等因素，合理改变各年的捕捞强度，以得到最大的经济效益。
参考文献
[1]韩春生, 杨黎明, 苟林. 最优捕鱼策略[J]. 杭州电子工业学院学报, 1997, 4: 003.
[2]杨丽霞, 杨桂山, 苑韶峰. 数学模型在人口预测中的应用——以江苏省为例[J]. 长江流域资源与环境, 2006, 15(3): 287-291.
[3]王文波. 数学建模及其基础知识详解[M]. 2006.
附录：
附录1：模型一的求解
max=17.86*0.42*k/(0.8+0.42*k)*1.22*10^11/(1.22*10^11+n)*n*@exp(-1.6)*
(1-@exp(-2/3*(0.8+0.42*k)))+22.99*k/(0.8+k)*1.22*10^11/(1.22*10^11+n)
*n*@exp(-0.28*k-2.4) *(1-@exp(-2/3*(0.8+k)));
n=1.22*10^11*(1.109*10^5*(0.5*@exp(-0.28*k-6.4/3)+@exp(-(0.28+2/3)*k-
8.8/3))-1);
附录2：模型改进的求解
lingo算法：
max=17.86*0.42*k/(0.8+0.42*k)*1.22*10^11/(1.22*10^11+n)*n*@exp(-1.6)*
(1-@exp(-2/3*(0.8+0.42*k)))+22.99*k/(0.8+k)*1.22*10^11/(1.22*10^11+n)
*n*@exp(-0.28*k-2.4)/(1-@exp(-2/3*k-0.8))*(1-@exp(-2/3*(0.8+k)));
n=1.22*10^11*(1.109*10^5*(0.5*@exp(-0.28*k-6.4/3)+@exp(-(0.28+2/3)*k-
8.8/3)/(1-@exp(-2/3*k-0.8)))-1);
学校选址问题 摘 要 本文针对某地新开发的20个小区建设配套小学问题建立了0-1规划模型和优化模型。为问题一和问题二的求解，提供了理论依据。 模型一： 首先：根据目标要求，要建立最少学校的方案列出了目标函数： ∑==16 1i i x s 然后：根据每个小区至少能被一所学校所覆盖，列出了20个约束条件; 最后：由列出的目标函数和约束函数，用matlab 进行编程求解，从而得到，在每个小区至少被一所学校所覆盖时，建立学校最少的个数是四所，并且一共有22种方案。 模型二： 首先：从建校个数最少开始考虑建校总费用，在整个费用里面，主要是固定费用，由此在问题一以求解的条件下，进行初步筛选，得到方案1,4,8的固定成本最少。 然后：在初步得出成本费用最少时，对每个这三个方案进一步的求解，求出这三个方案的具体的总费用，并记下这三套方案中的最小费用。 其次：对这三套方案进行调整，调整的原则是：在保证每个小区有学校覆盖的条件下，用多个固定成本费用低的备选校址替换固定成本费用高的备选校址。在替换后，进行具体求解。 再次：比较各种方案的计算结果，从而的出了如下结论： 选用10,11,13,15,16号备选校址的选址方案，花费最少，最少花费为13378000元。 最后：对该模型做了灵敏度分析，模型的评价和推广。 关键字：最少建校个数 最小花费 固定成本 规模成本 灵敏度分析
1. 问题重述 1.1问题背景： 某地新开发的20个小区内需要建设配套的小学，以方便小区内居民的的孩子上学。但是为了节省开支，建造的学校要求尽量的少，为此，设备选定的16个校址提供参考，各校址覆盖的小区情况如表1所示： 表1-1备选校址表 备选校址 1 2 3 4 5 6 7 8 覆盖小区 1,2,3, 4,6 2,3,5,8, 11,20 3,5,11,20 1,4,6,7, 12 1,4,7,8,9,11,13, 14 5,8,9,10 11,16,20 10,11,1516,19, 20 6,7,12, 13,17, 18 备选校址 9 10 11 12 13 14 15 16 覆盖小区 7,9,13, 14,15, 17,18, 19 9,10,14,15,16, 18,19 1,2,4,6, 7 5,10,11, 16,20, 12,13，14,17, 18 9,10,14, 15 2,3,,5, 11,20 2,3,4,5,8 1.2 问题提出： 问题一、求学校个数最少的建校方案，并用数学软件求解（说明你所使用的软件并写出输入指令）。 问题二、设每建一所小学的成本由固定成本和规模成本两部分组成，固定成本由学校所在地域以及基本规模学校基础设施成本构成，规模成本指学校规模超过基本规模时额外的建设成本，它与该学校学生数有关，同时与学校所处地域有关。设第i 个备选校址的建校成本i c 可表示为 ?? ???-??+=， 否则， 若学生人数超过学生人数0600 )600(50 1002000i i i c βα 其中i α和i β由表1-2给出： 表1-2 学校建设成本参数表（单位：百万元） 备选校址 1 2 3 4 5 6 7 8 i α 5 5 5 5 5 5 5 3.5 i β 0.15 0.15 0.15 0.15 0.15 0.15 0.15 0.1 备选校址 9 10 11 12 13 14 15 16 i α 3.5 3.5 3.5 3.5 2 2 2 2 i β 0.1 0.1 0.1 0.1 0.05 0.05 0.05 0.05 考虑到每一小区的学龄儿童数会随住户的迁移和时间发生变化,当前的精确数据并不能作为我们确定学校规模的唯一标准，于是我们根据小区规模大小用统计方法给出每个小区的学龄儿童数的估计值，见表1-3： 表1-3.各小区1到6年级学龄儿童数平均值（样本均值） 小区 1 2 3 4 5 6 7 8 9 10 学龄儿童数 120 180 230 120 150 180 180 150 100 160
厂址选择问题最优化论文 目录 摘要 (3) 1 问题重述 (4) 2 模型假设 (4) 3 模型的分析与建立 (4) 3.1模型分析与建立 (4) 4 模型的求解及结果分析 (6) 4.1问题的求解 (6) 4.2求解结果的分析 (7) 5模型优缺点分析 (7) 参考文献 (8) 附录 (8)
厂址选择问题 摘要 优化理论是一门实践性很强的学科，广泛应用于生产管理、军事指挥和科学试验等各种领域，Matlab优化工具箱提供了对各种优化问题的一个完整的解决方案。在应用于生产管理中时，为了使总的消费费用最小，常常需要解决一些厂址的选择问题。 对于该问题的厂址建设及规模分配，根据题意给出的一系列数据，可以建立数学模型，运用线性规划问题给出目标函数及约束条件，然后根据模型中的约束条件知，其中有等式约束和不等式约束，所以选用常用约束最优化方法中的外点罚函数来求解，因为外点罚函数是通过一系列惩罚因子{M k ，k=0，1，2， }， 求F(X,M k )的极小点来逼近原约束问题的最优点，当M k 趋于无穷大时，F(X,M k ) 的极小值点就是原问题的最优点X*。其中目标函数为F(X,M K )=f(X)+M K a(X)，其 中 )) ( ( )] ( [ )] ( [ 1 2 1 2x g u x g x h i l i i m j j∑ ∑ = = + 给定终止限ε。根据外点罚的步骤及流 程图，编写出源程序，然后根据任意选取的初始点，并且罚因子及递增系数应取适当较大的值，从D外迭代点逼近D内最优解。 最后，根据外点罚函数的流程图，运用Matlab软件编写程序，求出最优解，即最优方案，使费用最小，并且也在规定的规模中。 关键字：Matlab 外点罚函数罚因子
机场选址问题 摘要 针对机场选址问题，文章共建立了三个模型用以解决该类问题。为了计算出任意两城市之间的距离，我们利用公式（1）将利用题目中所给的大地坐标得出了任意两点之间的距离，见附录2。 对于问题1，我们主要利用0-1变量法，从而对问题进行了简化。我们设了第i个 y以及第i个城市是否是以第j个支线机场为最近机场的()j i x,。城市是否建支线机场的 i 然后将任意两点之间的距离与该城市的总人数之积，再乘以0-1变量()j i x,，最后得出每一个所有城市到最近机场的距离与该城市人口的乘积，然后利用LINGO进行编写程序，进行最优化求解，最后得出的结果见表1和表2，各大城市以及支线机场的分布见图2。 对于问题2，该问题是属于多目标规划的问题，目标一是居民距离最近机场的距离最短，目标二是每个机场覆盖人口数尽可能相等。我们在第一题的基础上，又假设了一些正、负偏差变量，对多个目标函数设立优先级，把目标函数转化为约束条件，进而求得满足题目要求的结果。 对于问题3，我们分析到影响客流量的因素是GDP跟居民人数，所以通过所搜集的资料分析我们给予这两个因素以不同的权重。然后同样采取问题2中所给的反求机场覆盖的方法，求的各个机场所覆盖的客流量，再让其在平均客流量水平上下浮动。通过LINGO程序的运行得到的六个机场的坐标见表6，六个机场的分布见图7。 针对论文的实际情况，对论文的优缺点做了评价，文章最后还给出了其他的改进方向，以用于指导实际应用。 关键词：选址问题；多目标规划；LINGO；0-1变量法；加权
1．问题的重述 近年来，随着我国经济社会的迅猛发展，公共交通基础设施日趋需要进一步完善与提高。支线机场作为我国交通运输体系的有机组成部分，对促进欠发达地区经济社会的发展具有基础性的作用。现某区域有30个城市，本区域计划在未来的五年里拟建6个支线机场。 任务1，确定6个支线机场的所在城市，建立居民到最近机场之间的平均距离最小的数学模型。 任务2，在任务一基础上，确定6个支线机场的所在城市，建立使得每个支线机场所覆盖的居民人数尽可能均衡的数学模型。 任务3，在任务一基础上，根据近一年每个城市的GDP 情况，确定6个支线机场的所在城市，建立使得每个支线机场的客流量尽量均衡的数学模型。 2．问题的分析 2．1 问题1 题目要求是建立居民到最近机场之间的平均距离最小的数学模型，该问题其实就是利用的0-1变量建立的模型。首先我们设两个0-1变量，一个是控制某个城市是否为支线机场的i y ，一个是控制某个城市的最近机场是哪一个的ij x 。针对于上述两个0-1变量，我们分别设立了约束条件。同时又为了满足问题所要求的使局面平均距离最小，我们将某一个城市到离它最近的机场的距离与该城市的人口乘积作为目标函数，在LINGO 软件中，通过设立一约束条件，最后将目标函数进行最优化求解。 2．2 问题2 该问题可以归结为多元目标线性规划的问题，所以我们在第一问的基础上又增加了一个目标函数，最后利用加权的方法将两个目标函数转化成了一个目标函数，将另一个目标函数作为约束条件。同时我们又引入了正负偏差变量，通过控制该变量达到覆盖居民人数均衡以及居民到城市之间的平均距离尽量小。 2．3 问题3 该问题要求的是客流量尽量均衡，经过分析可以知道，城市的GDP 越高，说明该城市经济越繁荣，货币流通越快，从而反映出客流量越大。另一方面城市越大、人口越多，也在一定程度上反映出了该城市客流量越大。基于上述两点，我们对GDP 跟城市人口分别给予了不同的权重来反映其对客流量的影响大小。按照第二问的方法，我们依然利用多元目标线性规划的只是进行求解。通过LINGO 编写程序，最中求得可行解。
理学院 最优化理论与应用 课程设计 学号：XXXXXXX 专业：应用数学 学生姓名：XXXXXX 任课教师：XXXXXX教授 2015年10月
第一部分 在最优化理论与应用这门课中，我对求指派问题及指派问题的一个很好的解法匈牙利算法的应用比较感应趣。下面做出来讨论。 国内外的研究情况：“匈牙利算法”最早是由匈牙利数学家尼格（D.Koning ）用来求矩阵中0元素个数的一种方法 ] 3[，由此他证明了“矩阵中独立0元素的最 多个数等于能覆盖所有0元素的最小直线数”。1955年由库恩（W.W.Kuhn ）在求解著名的指派问题时引用了这一结论 ] 4[，并对具体算法做了改进，任然称为“匈 牙利算法”。解指派问题的匈牙利算法是从这样一个明显事实出发的：如果效率矩阵的所有元素 ≥ij a ，而其中存在一组位于不同行不同列的零元素，而只要令 对应于这些零元素位置的1 =ij x ，其余的 =ij x ，则z= ∑∑n i n j ij ij x a 就是问题的最 优解。 第二部分 结合我的基础知识对匈牙利算法的分析与展望 一．基础知识运用 企业员工指派问题的模型建立与求解 1.标准指派问题（当m=n 时，即为每个人都被指派一项任务） 假定某企业有甲乙丙丁戊五个员工，需要在一定的生产技术组织条件下，A ，B,C,D,E 五项任务，每个员工完成每项工作所需要耗费的工作时间如下： 求出：员工与任务之间应如何分配，才能保证完成工作任务的时间最短？最短时间为多少？ 模型建立 设用C>0表示指派第i 个人去完成第j 项任务所用费时间，定义决策变量 , {j i ,1j i ,0项任务 个人去完成第当指派第项任务个人去完成第当不指派第=ij χ则指派问题的数学模型为：
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
学校选址问题 摘要 本文为解决学校选址问题，建立了相应的数学模型。 针对模型一 首先，根据已知信息，对题目中给出的数据进行处理分析。在保证每个小区,学生至少有一个校址可供选择的情况下，运用整数规划中的0-1规划法，列出建校方案的目标函数与其约束条件，通过LINGO软件，使用计算机搜索算法进行求解。得出建立校址的最少数目为4个。再运用MATLAB软件编程，运行得到当建校的个数为4个时，学 首先，对文中给出的学校建设成本参数表和各校区1到6年级学龄儿童的平均值（样本均值）进行分析，可知20个小区估计共有4320个学龄儿童，当每个学校的平均人数都小于600时，至少需要建设8个学校；其次，模型一得到最少的建校数目为4个，运用MATLAB软件编程，依次列出学校个数为4、5、6、7、8时的最优建校方案，分别算出其最优建校方案下的总成本；最后，通过对比得出，最低的建校总成本为1650万，即选取校址10、11、13、14、15、16建设学校。 最后，我们不但对模型进行了灵敏度分析，，保证了模型的有效可行。 关键词：MATLAB灵敏度 0-1规划总成本选址 1 问题重述
当代教育的普及，使得学校的建设已成为不得不认真考虑的问题。 1.1已知信息 1、某地新开发的20个小区需要建设配套的小学，备选的校址共有16个，各校址覆盖的小区情况如表1所示： 2、在问题二中，每建一所小学的成本由固定成本和规模成本两部分组成，固定成本由学校所在地域以及基本规模学校基础设施成本构成，规模成本指学校规模超过基本规模时额外的建设成本，它与该学校学生数有关，同时与学校所处地域有关。设第i 个备选校址的建校成本i c 可表示为 （单元：元）学生人数)600-(50100200010? ?? ???+=i i i c βα，若学生人数超过600人，其中 i α和i β由表2给出： 并且考虑到每一小区的学龄儿童数会随住户的迁移和时间发生变化，当前的精确数据并不能作为我们确定学校规模的唯一标准，于是我们根据小区规模大小用统计方法给出每个小区的学龄儿童数的估计值，见表3： 1.2提出问题 1、要求建立数学模型并利用数学软件求解出学校个数最少的建校方案。 2、求出总成本最低的建校方案。 2 问题假设与符号说明
优化理论与方法
全局及个性化web服务组合可信度的动态规划评估方法 摘要：随着Internet的快速发展,web服务作为一种软件构造形式其应用越来越广泛。单个web服务无法满足日益复杂的用户需求,web服务组合有效地解决了这个问题。然而,随着功能相似的web服务实例的不断出现,如何选择可信的web服务组合成为了人们关注的热点。服务选择依赖于web服务组合的评估结果,因此,本文主要从web服务组合着手,对其可信性进行研究,提供一种可信web服务组合评估方法。：针对web服务组合的全局及个性化问题,提出了基于全局的个性化web服务组合可信评估方法。从全局角度动态地调整评估模型;同时引入用户业务关注度来描述原子web服务对服务组合可信性的影响程度;结合前文的度量及评估方法,构建一个全局的个性化服务组合可信评估模型;并分析了模型的相关应用,给出了改进的动态规划模型。 关键字：web服务组合可信评价；全局个性化；动态规划； 0.引言 随着软件系统规模的日趋复杂，运行环境的不断开放，软件的可信性要求日益增加，可信软件成为了研究的热点。据《中国互联网发展状况统计报告》统计显示，截至2014年12月底，我国网民数量突破8亿，全年新增网民5580万。互联网普及率较上年底提升4个百分点，达到38。3%。因此，随着Internet 的广泛应用和网络技术的快速发展，面向服务的软件体系结构（SOA）作为一种新型的网络化软件应用模式已经被工业界和学术界广为接受。同时，网民对互联网电子商务类应用稳步发展，网络购物、网上支付、网上银行和在线旅游预订等应用的用户规模全面增长。因而，对web服务的可信性要求更高。单个web服务的功能有限，往往难以满足复杂的业务需求，只有通过对已有web服务进行组合，才能真正发挥其潜力。在现有的web服务基础上，通过服务组装或者Mashup方式生成新web服务作为一种新型的软件构造方式，已成为近年的研究热点之一。web服务组合并不是多个原子web服务的简单累加，各原子web服务之间有着较强的联系。因此对web服务组合的可信需求更高。目前大量的研究工作着重于如何实现原子web服务间的有效组合，对服务组合的可信评估研究较少。如今，随着web服务资源快速发展，出现了大量功能相同或相似的web服务，对web服务组合而言，选择可信的web服务变得越来越难。在大量的功能相似的原子web服务中，如何选出一组可信的web服务组合，成为了人们关注的热点问题。本文将从web服务组合着手，对其可信性进行研究，旨在提供一种可信web服务组合评估方法，为web服务组合的选择提供依据。web服务组合的可信度主要包括以下三个部分： 1）基于领域本体的web服务可信度量模型。 2）基于偏好推荐的原子web服务可信评估方法。 3）基于全局的个性化web服务组合可信评估方法。 研究思路： 本文主要研究基于全局的个性化web服务组合的可信评估方法，其研究思路可以大致如下：基于领域本体的web服务可信度和基于偏好推荐的原子web 服务可信评估方法。针对web服务组合的四种基本组合结构模式，主要研究如
所谓的光辉岁月，并不是以后，闪耀的日子，而是无人问津时，你对梦想的偏执。 最优化方法 题目：斐波那契法分析与实现 院系：信息与计算科学学院 专业：统计学 姓名学号：小熊熊 11071050137 指导教师：大胖胖 日期： 2014 年 01 月 10 日
摘要 科学的数学化是当代科学发展的一个主要趋势，最优化理论与算法是一个重要的数学分支，它所研究的问题是讨论在众多的方案中什么样的方案最优以及怎样找出最优方案. 一维搜索是指寻求一元函数在某个区间上的最优点的方法.这类方法不仅有实用价值，而且大量多维最优化方法都依赖于一系列的一维最优化.本文就斐波那契法的一维搜索进行了详细的分析，并且成功的用 MATLAB 实现了斐波那契法求解单峰函数的极小值问题. 斐波那契法的一维搜索过程是建立在一个被称为斐波那契数列的基础上进行的，斐波那契法成功地实现了单峰函数极值范围的缩减.从理论上来说，斐波那契法的精度比黄金分割法要高.但由于斐波那契法要事先知道计算函数值的次数，故相比之下，黄金分割法更为简单一点，它不需要事先知道计算次数，并且当n 7 时，黄金分割法的收敛速率与斐波那契法越来越接近.因此，在实际应用中，常常采用黄金分割法. 斐波那契法也是一种区间收缩算法，和黄金分割法不同的是：黄金分割法每次收缩只改变搜索区间的一个端点，即它是单向收缩法. 而斐波那契法同时改变搜索区间的两个端点，是一种双向收缩法. 关键字：一维搜索斐波那契法单峰函数黄金分割法MATLAB
Abstract Mathematical sciences is a major trend in contemporary scientific development, optimization theory and algorithms is an important branch of mathematics, the problems it was discussed in numerous research programs in the best of what programs and how to find the optimal solution . One-dimensional search is the best method of seeking functions of one variable on the merits of a certain interval. Such methods not only have practical value, but also a large number of multi-dimensional optimization methods rely on a series of one-dimensional optimization article on Fibonacci the one-dimensional search method carried out a detailed analysis, and successful in MATLAB Fibonacci method for solving unimodal function minimization problem. Fibonacci method of one-dimensional search process is based on the Fibonacci sequence is called a Fibonacci conducted on, Fibonacci method successfully achieved a unimodal function extreme range reduction. Theory , Fibonacci method accuracy is higher than the golden section method, but the number of times due to the Fibonacci method to calculate function values to know in advance, so the contrast, the golden section method is more simply, it does not need to know in advance the number of calculations and at that time, the rate of convergence of golden section and the Fibonacci method getting closer, so in practical applications, often using the golden section method. Fibonacci method is also a range contraction algorithm, and the golden section method the difference is: golden section each contraction only one endpoint to change the search range that it is unidirectional shrinkage law Fibonacci search method while changing the two endpoints of the range, is a two-way contraction method. Key words: one-dimensional search Fibonacci method unimodal function Golden Section function MATLAB
物流预选址问题 (2) 摘要 .............................................................................................. 错误！未定义书签。 一、问题重述 (3) 二、问题的分析 (3) 2.1 问题一：分析确定合理的模型确定工厂选址和建造规模 (4) 2.2 问题二：建立合理的仓库选址和建造规模模型 (4) 2.3 问题三：工厂向中心仓库供货的最佳方案问题 (5) 2.4 问题四：根据一组数据对自己的模型进行评价 (5) 三、模型假设与符号说明 (5) 3.1条件假设 (5) 3．2模型的符号说明 (5) 四、模型的建立与求解 (6) 4.1 问题一：分析确定合理的模型为两个工厂合理选址并确定建造规模 (6) 4.1.1模型的建立 (7) 4.2 问题二：建立合理模型确定中心仓库的位置及建造规模 (10) 4.2.1 基于重心法选址模型 (10) 4.2.2 基于多元线性回归法确定中心仓库的建造规模 (12) 4.3 问题三：工厂向中心仓库供货方案 (13)
4.4 问题四：选用一组数据进行计算 (14) 五、模型评价 (21) 5.1模型的优缺点 (21) 5.1.1 模型的优点 (21) 5.1.2 模型的缺点 (21) 六参考文献 (21) 物流预选址问题 摘要 在物流网络中，工厂对中心仓库和城市进行供货，起到生产者的作用，而中心仓库连接着工厂和城市，是两者之间的桥梁，在物流系统中有着举足轻重的作用，因此搞好工厂和中心仓库的选址将对物流系统作用的发挥乃至物流经济效益的提高产生重要的影响。 本论文在综述工厂和中心仓库选址问题研究现状的基础上，对二者选址的模型和算法进行了研究。对于问题一二，通过合理的分析，我们采用了重心法选址模型找到了工厂和中心仓库的大致位置并给出了确定工厂和中心仓库建造规模的参数和公式，通过用
题目：非线性最小二乘法问题的一种解法--高斯-牛顿法 学生姓名：聂倩云 学号：113113001039 学院：理学院 专业名称：应用数学
非线性最小二乘法问题的一种解法--高斯-牛顿法 目录 前言 (1) 1. 拟牛顿法及相关讨论 (1) 2.牛顿法 (1) 3.拟牛顿法 (2) 3.1DFP公式 (2) 3.2BFGS公式 (4) 3.3限域拟牛顿法 (6) 4.针对二次非凸性函数的若干变形 (6) 参考文献： (7)
非线性最小二乘法问题一种解法--高斯-牛顿法 学生：聂倩云 学号：113113001039 摘 要：非线性最小二乘法问题在工程技术、测绘等各个领域有着非常广泛的应用，我们考虑无约束非线性最小二乘问题的一种常见的解法：高斯-牛顿法。求解无约束优化问题的基本方法是牛顿法，本文从这点出发，介绍此方法步骤，探讨此方法的收敛性，讨论它的收敛速度，并给出高斯-牛顿法的一种修正：阻尼高斯牛顿法。 关键词：非线性最小二乘；高斯-牛顿法；收敛性；收敛速度 前言 非线性最小二乘问题结构特殊，不仅可以用一般的最优化问题求解的方法，还可以对一般的无约束优化问题求解方法进行改造，得到一些特殊的求解方法。而这些方法基本思想就是形成对目标函数的海森矩阵不同的近似。 1.非线性最小二乘法问题概述 非线性最小二乘法模型为 ()()[]()()()22 12 12121m in x r x r x r x r x f T m i i ===∑= 其一阶、二阶导数分别为 ()()()x r x A x g = ()()()()()()()x S x M x r x r x A x A x G m i i i T +=?+=∑=12 其中()()()()()T m x r x r x r x r ,,,21 =称为在点x 处的残向量，()x r i 为非线性函 数，且 ()()()[]x r x r x A m ??=,,1 ，其中()()() T x A x A x M =称为高斯-牛顿 矩阵，为()x G 中的线性项，()x S 为()x G 中的非线性项。 2.高斯-牛顿法 高斯-牛顿法主要思想是省略非线性项()x S 从而形成对海森矩阵的近似。
基于单纯形法的最优化方法的毕业设计论 文 Revised on November 25, 2020
摘要： 最优化方法普遍的应用于工业、农业、商业、交通运输、国防、通信、建设、等各个方面与我们的生活息息相关；最优化方法主要用来解决最优计划、最优决策、最优设计、最优分配等最优化问题。本文主要研究的内容是通过单纯形方法对最优化问题的解决进行归纳总结，分析最优化问题所涉及的原理和方法，使用软件对最优化问题进行实践仿真测试，并将最优化问题推广应用到生活当中去。 关键词: 最优化单纯形方法仿真 Abstract Optimization method is widely used in industry, agriculture, commerce, transportation, defense, communications, construction, and other aspects of our lives; the optimization method is used to solve the optimal planning, optimal decision-making, optimal design, optimal allocation optimization problem. The main research content of this paper is summarized by the simplex method to solve the optimization problem, the principle and method of optimization analysis of the problems involved in the use of software simulation test of practical optimization problems, and promote the use of the optimization problem to life. Keywords : optimization Simplex method Simulation
最优化方法课程大作业论文最优化方法与控制工程 学生姓名：熊柳 学生学号：201422000182 专业名称：控制工程
这学期按照培养方案，我学习了最优化方法这门课程。顾名思义，从课程名字就可知道这是一门关于对一项工程或是任务设计具体方案使其尽可能达到最高效率的课程。上课后，老师逐渐讲解一些最优化方法的基本思想和算法，开始对最优化方法有了更深的认识。最优化方法其实也是数学的一个分支学科，但最优化方法不同于其他分支，更偏向于具体的工程应用，实用性很强。 通过课堂学习以及查资料，我了解到最优化方法的一些相关知识，最优化方法，也叫做运筹学方法，是近几十年形成的，它主要运用数学的方法研究各种系统的优化途径及方案，为决策者提供科学决策的依据。最优化方法的目的在于针对所研究的系统，求得一个合理运用人力、物力和财力的最佳方案，发挥和提高系统的效能及效益，最终达到系统的最优目标。 最优化方法中具体的思想和算法大多数是以本科中学过的高数和线性代数中的知识为基础的，然后再接以现代的计算机编程技术来进行操作，例如C语言和Matlab，这样可以大大提高解决问题的效率和精准性，尤其对于石油院校的研究领域中的一些问题都是规模很大的工程问题，仅仅依靠人力基本无法计算，必须通过计算机来进行解决。老师开始给我们讲解一些最基础的最优化方法知识，例如：凸集和凸函数、范数等；然后介绍了最优化方法的研究对象、特点，以及最优化方法模型的建立和模型的分析、求解、应用，例如：线性规划问题、求极值、无约束最优化问题、等式约束最优化问题、不等式约束最优化问题等。用最优化方法解决实际问题，一般可经过下列步骤： ①提出最优化问题，收集有关数据和资料； ②建立最优化问题的数学模型（最优化模型一般包括变量、约束条件和目标函数三要素），确定变量,列出目标函数和约束条件； ③分析模型，选择合适的最优化方法； ④求解，一般通过编制程序，用计算机求最优解； ⑤最优解的检验和实施。 在学习了最优化方法导论之后，发现它在我所学的专业领域有极为重要的应用。它在我所学习的专业控制工程中发展成为了一门专门的学科——最优控制。 最优控制（optimal control ）是现代控制理论的核心，它研究的主要问题是：在满足一定约束条件下，寻求最优控制策略，使得性能指标取极大值或极小值。使一个系统的性能指标实现最优化可概括为：对一个受控的动力学系统或运动过程，从一类允许的控制方案中找出一个最优的控制方案，使系统的运动在由某个初始状态转移到指定的目标状态的同时，其性能指标值为最优。 最优控制问题，就是在给定条件下，对给定系统确定一种控制规律，使该系统能在规定的性能指标下具有最优值。也就是说最优控制就是要寻找容许的控制规律是动态系统从初始状态转移到某种要求的终端状态，且保证所规定的性能指
《最优化方法课程设计》——关于存贮论的 操作实践 存贮论(inventory theory)又称库存理论，是运筹学中发展较早的分支。现代化的生产和经营活动都离不开存贮，为了使生产和经营活动有条不紊地进行，一般的工商企业总需要一定数量的贮备物资来支持。在企业的生产经营或人们的日常生活中，通常需要把一定数量的物质，用品或食品暂时储存起来，以备将来使用和消费，这就是所谓的存贮现象。存贮的存在主要基于社会经济现象的不确定性。 一、存贮论的基本理论 存贮系统是由存贮、补充和需求三个基本要素所构成的资源动态系统，其基本形态如图所示。 以下就上述结构图的三个环节分别加以说明： 1．存贮（inventory） 企业的生产经营活动总是要消耗一定的资源，由于资源供给与需求在时间和空间上的矛盾，使企业贮存—定数量的资源成为必然，这些为满足后续生产经营需要而贮存下来的资源就称为存贮。 2．补充（replenishment） 补充即存贮的输入。由于后续生产经营活动的不断进行，原来建立起来的存贮逐步减少，为确保生产经营活动不间断，存贮必须得到及时的补充。补充的办法可以是企业外采购，也可以是企业内生产。若是企业外采购，从订货到货物进入“存贮”往往需要一定的时间，这一滞后时间称为采购时间。从另一个角度看，为了使存贮在某一时刻能得到补充，由于滞后时间的存在必须提前订货，那么这段提前的时间称为提前期。存贮论主要解决的问题就是“存贮系统多长时间补充一次和每次补充的数量是多少？”，对于这一问题的回答便构成了所谓的存贮策略。 3．需求（demand）
需求即存贮的输出，它反映生产经营活动对资源的需要，即从存贮中提取的资源量。需求可以是间断式的，也可以是连续式的。 存贮系统所发生的费用包括存贮费用、采购费用和缺货费用。存贮费用（holding cost ）是指贮存资源占用资本应付的利息，以及使用仓库、保管物、保管人力、货物损坏变质等支出的费用。采购费用（order cost ）是指每次采购所需要的手续费、电信费、差旅费等，它的大小与采购次数有关而与每次采购的数量无关。存贮系统所发生的费用除存贮费用和采购费用之外，有时还会涉及缺货费用，缺货费用（stock-out cost ）是指当存贮供不应求时所引起的损失，如机会损失、停工待料损失，以及不能履行合同而缴纳的罚款等。 确定性存贮模型 在讨论确定性模型前，首先对一些常用符号的含义作必要的说明。 C ：单位时间平均运营费用（或称单位时间平均总费用）， R ：单位时间物品需求量（或称需求速度）， P ：单位时间物品生产量（或称生产速度）， K ：物品单价（外部订购）或单位物品成本费用（内部生产）， Q ：订货量（外部订购）或生产量（内部生产）， C1：单位物品单位时间保管费用（简称单位保管费用）， C2：单位物品单位时间缺货损失（简称单位缺货损失）， C3：订购费用（外部订购）或生产准备费用（内部生产）， 以上定货量（生产量）Q 和订购费用（生产准备费用）C3，都是对应于一次 订购（一次生产）而言的。 模型1，不允许缺货，且一次到货。 建立模型前，需要作一些假设： ① 缺货损失无穷大（即不允许缺货）， ② 当存贮量降至零时，可以瞬间得到补充（即一次到货）， ③ 需求是连续和均匀的，需求速度R 是固定的常数， ④ 每次订货量（生产量）Q 不变，订购费用（生产准备费用）C3不变。 存贮状态的变化情况可用图7—4表示： 易知：平均保管费用=平均存贮量×单位保管费用111122QC RtC = =， 平均订购费用3C t =， 平均物品成本费用QK RK t t ?= ==订购量单价。 由此可以推得模型1的单位时间平均运营费用函数：
物流预选址问题 (2) 摘要............................................................................................................. 错误!未定义书签。 一、问题重述 (2) 二、问题的分析 (3) 2.1 问题一：分析确定合理的模型确定工厂选址和建造规模 (3) 2.2 问题二：建立合理的仓库选址和建造规模模型 (3) 2.3 问题三：工厂向中心仓库供货的最佳方案问题 (3) 2.4 问题四：根据一组数据对自己的模型进行评价 (4) 三、模型假设与符号说明 (4) 3.1条件假设 (4) 3．2模型的符号说明 (4) 四、模型的建立与求解 (5) 4.1 问题一：分析确定合理的模型为两个工厂合理选址并确定建造规模 (5) 4.1.1模型的建立 (5) 4.2 问题二：建立合理模型确定中心仓库的位置及建造规模 (7) 4.2.1 基于重心法选址模型 (8) 4.2.2 基于多元线性回归法确定中心仓库的建造规模 (10) 4.3 问题三：工厂向中心仓库供货方案 (10) 4.4 问题四：选用一组数据进行计算 (11) 五、模型评价 (16) 5.1模型的优缺点 (16) 5.1.1 模型的优点 (16) 5.1.2 模型的缺点 (16) 六参考文献 (16)
物流预选址问题 摘要 在物流网络中，工厂对中心仓库和城市进行供货，起到生产者的作用，而中心仓库连接着工厂和城市，是两者之间的桥梁，在物流系统中有着举足轻重的作用，因此搞好工厂和中心仓库的选址将对物流系统作用的发挥乃至物流经济效益的提高产生重要的影响。 本论文在综述工厂和中心仓库选址问题研究现状的基础上，对二者选址的模型和算法进行了研究。对于问题一二，通过合理的分析，我们采用了重心法选址模型找到了工厂和中心仓库的大致位置并给出了确定工厂和中心仓库建造规模的参数和公式，通过用数据进行实例化分析，我们确定了工厂和中心仓库位置和建造规模。对于问题三我们运用LINGO软件简单的解决了工厂对中心仓库的供货情况。问题四我们选用了一组数据通过求解多元线性规划对问题进行了实例化分析。为中心仓库的选址问题做了合理说明。最后我们对模型进行了评价和分析。 关键词：物流网络重心法选址模型多元线性规划 一、问题重述 某公司是生产某种商品的省知名厂家。该公司根据需要,计划在本省建设两个生产工厂和若干个中心仓库向全省所有城市供货。根据市场调研,全省有m个城市，每个城市单位时间需要该公司的物资量是已知的，有关运费的信息也是确定的，工厂和中心仓库
弹性约束下的线性规划之最优化方法 摘要：线性规划方法是解决最优化问题的有效方法之一，有着极其广泛的应用，在管理学的应用过程中也时常穿插着关于最优化的问题。本文将在古典的线性规划方法的基础上，引入弹性约束一词，以弹性约束下的线性规划类型为对象建立新的数学模型，在解决具体的管理学案例的过程中，寻求其最优化方法，同时为管理决策提供依据。 关键词：线性规划；最优化；单纯形法；弹性约束；保证率 前言 在生产过程、科学实验以及日常生活中，人们总希望用最少的人力、物力、财力和时间去办更多的事，活得最大的效益，在管理学中被看作是生产者的利润最大化和消费者的效用最大化，如果从数学的角度来看就被看作是“最优化问题”。在最优化的研究生教学中我们所说的最优化问题一般是在某些特定的“约束条件”下寻找某个“目标函数”的最大(或最小)值，其解法称为最优化方法。线性规划方法是最优化方法中的一个重要部分。但是，经典的线性规划方法，常将目标函数和约束条件都视为确定的。然而，在实际问题中不论目标函数还是约束条件都具有不同形式的不确定性。本文重点引入新的名词弹性约束，以弹性约束下的线性规划类型为对象建立新的数学模型，从而寻求其最优化方法。 1、问题的提出 某工厂生产甲、乙、丙、丁共4种产品，需用到A,B,C共3种原料，每种产品需要使用的各种原料的数量及其可能获得的利润如表1所示。又A,B两种原料供应量有限，单位生产周期内只能提供一定的数量，而C种原料一经开包使用就必须用足一定量后方可停止使用，且不能单独使用。现有关数据均见下表。问应如何安排生产，方能使该厂所获利润达到最大值? 表1：加工产品所需原料及可能获得的利润