电力生产最小成本
摘要
本文是需解决发电机厂每天在不同时间段用电需求量不同的情况下，根据给定不同型号不同数量的发电机，合理分配各台发电机在不同时间段的开启和关闭以及运行时的输出功率，既使得一天内总发电成本最小，又使发电机组在一天中各个时段的总输出功率达到用电需求的问题，为解决这个问题，采用了单目标非线性规划方法，建立了所求问题的最优化模型，借助Lingo软件对模型进行求解，得到每日最小发电总成本，以此制定发电机组的启停计划。
问题一：为了使发电厂一天总的发电成本最低，同时还要考虑到不同时间段开机数量不同对启动成本的相互影响，将七个时间段的成本统一考虑，其中，启动成本与发电机开启数量有关，要让成本少，应在满足相应约束条件下尽量减少开机数量，尽量让上一阶段的发电机下一阶段依然工作，边际成本与开启发电机台数、输出功率、最小功率、时长有关，固定成本与开启发电机台数、时长有关，选取相应的约束条件对目标函数进行约束，从而给出优化模型，运用非线性规划的方法，利用Lingo编程求解，得到发电厂每天最小发电总成本为：1427179
元。具体的发电机使用方案见附录一中表一、表二。
问题二：根据题目的要求，在任何时刻，正在工作的发电机组必须留出20%的发电能力余量，以防用电量突然上升，在建模时将每台发电机的实际输出功率降至80%，所以可以按照问题一建立的模型，将其约束条件中每个时间段的实际输出功率改为功率的80%但同时要满足用电量，同样利用Lingo编程求解，得到发电厂每天最小发电总成本为：1444670元。具体的发电机使用方案见附录一中表三、表四。
在得到上述两个问题的结果后，对结果的正确性性进行检验，并且对所得结果进行分析，给出自己的评价，并且对所建模型的合理性进行判断，以及对模型做了适当的推广。
,
关键词：单目标非线性规划发电机的合理搭配电力生产最优解%
$
1问题重述
1.1问题背景
为了满足人们的用电需求，有四种类型的发电机可供发电厂选择，发电厂需将不同型号的发电机合理搭配，在使每天发电功率满足人们用电需求的同时，又使发电厂的发电成本最小。在此将用户每日的用电情况主要分为7个阶段，每个阶段的用电需求各不相同，为了能够高效低成本完成每天发电计划，就必须使得每阶段的供需平衡，否则就会影响电力系统的安全运行。为了能够实现这样的平衡状态，就需要电力部门对发电机组进行合理的启停计划，在满足每日用电需求的前提下，追求发电成本的最小化。
在不考虑其它成本因素的前提下，假定所有发电机组的发电成本都是由三部分组成：固定成本和边际成本以及启动成本。需要考虑的约束有：发电机组使用数量范围约束和发电机组输出功率范围约束以及每日电力需求约束。
因此，在不同时段开启哪些型号发电机，使发电厂每天的发电总成本最小是一个有现实意义的问题。
1.2已知条件
为满足每日电力需求（单位为兆瓦（MW）），可以选用四种不同类型的发电机。每日电力需求如下表1。
表1：每日用电需求（兆瓦）
每种发电机都有一个最大发电能力，当接入电网时，其输出功率不应低于某一最小输出功率。所有发电机都存在一个启动成本，以及工作于最小功率状态时的固定的每小时成本，并且如果功率高于最小功率，则超出部分的功率每兆瓦每小时还存在一个成本，即边际成本。这些数据均列于表2中。
表2：发电机情况
只有在每个时段开始时才允许启动或关闭发电机。与启动发电机不同，关闭发电机不需要付出任何代价。
1.3需要解决的问题
问题（1）在每个时段应分别使用哪些发电机才能使每天的总成本最小，最小总成本为多少？
问题（2）如果在任何时刻，正在工作的发电机组必须留出20%的发电能力余量，以防用电量突然上升。那么每个时段又应分别使用哪些发电机才能使每天的总成本最小，此时最小总成本又为多少？
2模型假设与符号说明
2.1模型假设
假设1：每台发电机在同一时间段内按照预订功率稳定运行，并且输出功率恒定不变。
假设2：发电机在工作过程中不考虑其电能的损失，即实际输出电能全部转化为用户需求。
假设3：在第一时间段开机前，所有的机组都处于关闭状态。
假设4：发电机运行中不出现故障。
假设5：发电机一经启动便开始正常运行，即，忽略启动延迟时间。
2.2符号说明
3问题分析
多机组启停优化问题是在满足约束条件的前提下，优化确定每个阶段机组的启停，求出机组的最佳运行方案，实现每日发电总成本最小。
3.1问题一的分析
为解决问题一，需建立每日发电成本的目标函数和约束条件的数学表达式。因为总成本是由各个时间段的总固定成本、总边际成本和总启动成本构成，因此就可以根据已知的数据，求出相应的成本表达式。其中最为复杂的是启动成本表达式的建立，因为启动机组需要相应的启动费用，而关闭机组则不需要费用，这
样上一阶段的电机运行情况将直接影响下一阶段的启动成本，进而影响总成本，因此在考虑电机的启动成本时应该把下一阶段电机的运行状况和上一阶段的运行状况联系起来，故在此需要对全天的7个时间段的发电机的开启情况进行统一、合理的安排，不可只考虑某一个时间段。
3.2问题二的分析
在第二问中总成本仍由三部分成本组成，不过此时的约束条件发生了改变，此时增加了如果在任何时刻，正在工作的发电机组必须留出20%的发电能力余量，以防用电量突然上升的约束条件。在求解过程中，仍可以使用第一问所建立的模型，不过要将第一问的约束条件改变，因为要正在工作的机组要留出20%的发电余量，所以每台发电机的输出功率就应该将实际输出功率减少20%，即将每日的用电需求提高25%，然后再对模型进行求解。 总之，机组组合问题是一个多变量、多约束的混合非线性规划问题，因此在求解时需要对各个时段每一台用于发电的发电机所需要的各项成本进行求和计算，在此我们采用Lingo 软件对其进行求解，得到发电厂每日最小发电总成本。
4模型建立与求解
4.1问题一模型的建立及求解
4.1.1确定目标函数
由题目给出的条件及模型的假设知：发电厂每日发电总成本仅由发电机组的固定成本、边际成本和启动成本构成。 （1）每天四种型号发电机固定成本：
∑∑===4
17
1i j i j j i G T x G
（2）每天四种型号发电机边际成本：
()
i j j i i j i j i B T x M a B ∑∑==-=4
17
1
（3）每天四种型号发电机总启动成本：
()()
[()]
i i j i j i i j j i j i Q x x x x Q }2/{417
1
1-==--+-=∑∑
目标函数为：
Min W=G+B+Q 4.1.2确定约束条件
（1）因为ij x 是第i 种型号的发电机在第j 时间段内运行的台数，所以ij x 不大于本型号发电机的台数，即：
???
??
??≤≤≤≤≤≤≤≤4
0805
01004321j j j j x x x x
（2）由于ij a 代表的是第i 种型号在第j 个时间段的输出功率，所以ij a 介于最小输出功率与最大输出功率之间，即：
??
?
??
??≤≤≤≤≤≤≤≤3500
1800200012001500
100018008004321j j j j a a a a
（3）发电机每小时的输出功率应大于或等于电力需求，即： ()∑∑==≤4
17
1i j ij ij j x a N
4.1.3问题一的模型
综上所述，得到问题一的多变量最优化模型： Min W=∑∑==4
17
1
i j i j j i G T x +()
i j j i i j i j i B T x M a ∑∑==-4
17
1
+
{()()
[()]
i i j i j i i j j i j
i Q x x x x
}2/417
1
1-==--+-∑∑
?????
???
?
???
??
??
???
≤≤≤≤≤≤≤≤≤≤≤≤≤≤≤≤≤∑∑==41714321432135001800200012001500100018008004
0805010
0..i j ij ij j j j j j j j j j x a N a a a a x x x x t s
4.1.4模型一的求解
由上述分析可知，该问题为多变量非线性规划问题，应用LINGO 程序进行编程计算，最终得出每时段各型号发电机的使用数量及其各自的功率。由各型号发电机使用数量及各自功率可求出各时段内的最小成本及一天的最小总成本，得到发电厂每天最小发电总成本为：1427179元。具体的数据见表：
各个时间段不同型号发电机的开启台数
台数 时
间段
型号
0~6
6~9
9~12
12~14
14~18
18~22
22~24
1 0 7 7 9 9 1 6
2 0 5 4 4 0 4 5 3
2
各个时间段不同型号发动机的开启功率
(第j个时间段i型号的开启数目为0时，讨论其功率没有意义，故用“—”表示)从表格可以看出，在该模型的运行下,发电供需可以保持平衡，且符合经济
效益，既使得发电机能产生最低功率满足用户需求，也使得成本最低，并且一些次要因素所影响的概率很小，因此当每个时间段开启发电机台数和相应的功率如上表时，可以认为该模型所得方案是最优方案。
4.2问题二模型的建立及求解
4.2.1确定目标函数
由题目给出的条件及模型的假设知：发电厂每日发电总成本仅由发电机组的固定成本、边际成本和启动成本构成。 （1）每天四种型号发电机固定成本：
∑∑===4
17
1i j i j j i G T x G
（2）每天四种型号发电机边际成本：
()
i j j i i j i j i B T x M a B ∑∑==-=4
17
1
（3）每天四种型号发电机总启动成本：
{()()
[()]
i i j i j i i j j i j i Q x x x x Q }2/4
17
1
1-==--+-=∑∑
目标函数为：
Min W=G+B+Q
4.2.2确定约束条件
（1）因为ij x 是第i 种型号的发电机在第j 时间段内运行的台数，所以ij x 不大于本型号发电机的台数，即：
???
??
??≤≤≤≤≤≤≤≤4
0805
01004321j j j j x x x x
（2）由于ij a 代表的是第i 种型号在第j 个时间段的输出功率，但发电机组要留20%的发电余量，所以实际输出功率0.8ij a 应大于最小输出功率，功率ij a 应介于最小输出功率与最大输出功率之间，即：
???
??
?
?≤≤≥≤≤≥≤≤≥≤≤≥3500
1800,18008.020001200,12008.015001000,10008.01800800,8000.8a 44332211j j j j j j
j j
a a
a a a a a
（3）因为正在工作的发电机组必须留出20%的发电能力余量，以防用电量突
然上升。所以发电厂发电功率的百分之八十应大于人们的用电需求本，即： 8.0)(4
17
1*≤∑∑==i j ij ij j x a N
4.2.3问题二的模型
综上所述，得到问题一的多变量最优化模型：
Min W=∑∑==4
17
1i j i
j
j
i G T x +()i
j j
i i j i
j
i B T x M a ∑∑==-4
17
1
+
{()()
[()]
i
i j i j i i j j i j
i Q x x x x }2/417
1
1-==--+-∑∑
?????
???
?
???
??
??
???
≤≤≤≥≤≤≥≤≤≥≤≤≥≤≤≤≤≤≤≤≤∑∑==41714433221143218.0)(35001800,18008.020001200,12008.015001000,10008.01800800,8000.84
0805010
0..i j ij ij j
j j j j j j j j j j j j x a N a a a a a a a a x x x x t s
4.2.4模型二的求解
由上述分析可知，该问题为多变量非线性规划问题，应用LINGO 程序进行
编程计算，最终得出每时段各型号发电机的使用数量及其各自的功率。由各型号发电机使用数量及各自功率可求出各时段内的最小成本及一天的最小总成本，得到发电厂每天最小发电总成本为：1444670.元。具体的数据见表：
表三：各个时间段不同型号发电机的开启台数
表四：各个时间段不同型号发动机的开启功率
(第j个时间段i型号的开启数目为0时，讨论其功率没有意义，故用“—”表示)
从表格可以看出，在该模型的运行下,发电功率可以保持供需平衡，且符合经济效益，既使得发电机能产生最低功率满足用户需求，也使得成本最低，并且一些次要因素所影响的概率很小，因此当每个时间段开启发电机台数喝相应的功率如上表时，可以认为该模型所得方案是最优方案。
5结果分析
5.1问题一的结果分析
将问题一机组启动计划最优化方案转化为图示1以便于直接观察：
图1
图2
对图1和图2进行观察可知：型号1发电机虽然有10台数目最多，由于其启动成本高，并没有全部使用，并且开启数量不变，可以很好的节约总成本。由于型号2发电机各成本都较低，故其使用频率相当高，全部投入使用，并且全为满功率工作。型号3发电机边际成本、启动成本较低，故投入使用数较多且为满功率工作。而型号4发电机虽然固定成本与边际成本都最高，其启动成本最低，故使用数量在不同时段有明显波动，且输出高功率。所以增配型号2和3发电机数量，适当减少型号4发电机的数量，可以降低固定成本。
5.2问题二的结果分析
将问题二机组启动计划最优化方案转化为图示3以便于直接观察：
图3
图4
由图3可清晰看出各型号电机在不同时段的使用情况。其中，型号1的发电机组在除第一、七时不使用，其余时段的使用数量在8台左右，以减少开启成本；型号2的发电机组在每天的各个时段的使用数量均维持在5台；型号3的发电机组在每天的各个时段的使用数量均维持在4台及以下；型号4的发电机组在每天的各个时段的使用数量处于0—4台之间。
6模型的评价与改进
6.1 模型的优点
（1）将一天所有时段作为整体，考虑到各个时段间启动发电机对成本的影响，构建了不同时段发电机组的启动成本计算公式，该公式可以很好的计算不同时段发电机组的启动成本。
(2)建立该模型时，约束条件考虑较全面，所得的模较合理。
（3）提供了一种求解多变量，多约束整数非线性规划的组合优化问题的思路，此方法思路清晰明了，构思新颖，方便易行。
6.2 模型的缺点
根据题目的要求，以及其他条件的限制和约束，对模型进行了一些合理的假设，虽然求出的结果在所要求的误差范围之内，但是假设还是会对所求结果有一定的影响。对于这些方面还需要做进一步的探讨和改进。
7模型的应用和推广
7.1模型的应用
(1)由所得的结果可知发电厂对每种型号的发电机利用率是不同的，所以发电厂在选购不同型号的发电机时可以参考所得结果，合理选购，使得每台发电机都被使用，减少发电厂费用的支出。
(2)根据不同时段的用电需求，可以看出在0－6和22—24时间段是用电低谷，此时人们大多在休息，而在12－14时间段是用电高峰期，这也使符合人们的生活规律。夏季中午温度较高，需要各种电器设备来降温消暑，所以用电增加，针对用电高峰期，给出以下建议，如：尽量的使用功率小的空调，适当的提高空调温度，从而节约能源，减少用电压力。
7.2 模型推广
此模型不仅适用于电力生产问题，也可以应用于其他的行业，即在有限的资源条件下，合理的分配资源得到相应的要求，同时使得消耗最小。此模型具有很好的应用价值，可以作进一步的推广和研究。
8参考文献
[1] 宋来忠,王志明.数学建模与实验.北京：科学出版社，2005.
[2] 王正东.数学软件与数学实验.北京：科学出版社，2010.
[3] 赵静，但琦，数学建模与数学实验.北京：高等教育出版社，2008.
[4] 吴礼斌，李柏年.数学实验与建模.北京：国防工业出版社，2007.
[5] 谢金星.优化建模与LINDO/LINGO软件.北京：清华大学出版社，2005.
附录一
问题一中发电机的使用方案：
表一：各个时间段不同型号的发电机开启台数
表二：各个时间段不同型号发电机开启的功率
问题二中发电机的使用方案：
表三：各个时间段不同型号发电机的开启台数
表四：各个时间段不同型号发动机的开启功率
附录二
模型一求解程序：
sets:
shijianduan/1..7/:n,t,d;
xinghao/1..4/:m,w,k,a,b,z;
link(xinghao,shijianduan):x,c;
endsets
数学建模竞赛简介 数学建模就是建立、求解数学模型的过程和方法，首先要通过分析主要矛盾，对各种实际问题进行抽象简化，并按照有关规律建立起变量，参数间的明确关系，即明确的数学模型，然后求出该数学问题的解，并通过一定的手段来验证解的正确性。 数学建模竞赛于1985年起源于美国，起初竞赛题目通常由工业部门、军事部门提出，然后由数学工作者简化或修正。1989年我国大学生开始参加美国大学生数学建模竞赛，1990年我国开始创办我国自己的大学生数学建模竞赛。1993年国家教委（现教育部）高教司正式发文，要求在全国普通高等学校中开展数学建模竞赛。从1994年开始，大学生数学建模竞赛成为教育部高教司和中国工业的应用数学学会共同主办，每年一届的，面向全国高等院校全体大学生的一项课外科技竞赛活动。2010年全国共有30省(市、自治区)九百多所院校一万多个队三万多名大学生参赛，成为目前全国高等学校中规模最大的课外科技活动。数学建模竞赛是教育主管部门主办的大学生三大竞赛之一。 现在的竞赛题目来源于更广泛的领域，都是各行各业的实际问题经过适当简化，提炼出来的极富挑战性的问题，每次两道题，学生任选一题，可以使用计算机、软件包，可以参阅任何资料(含上网参阅任何资料)。竞赛以三人组成的队为单位，三人之间通力合作，在三天三夜内完成一篇论文。不给论文评分，而是按论文的水平为四档：全国一等奖、全国二等奖、赛区一等奖，赛区二等奖，成功参赛奖。我校于2001年开始参加这项竞赛活动。多次获全国一等奖、二等奖、湖北赛区一等奖、二等奖。 数学建模竞赛活动培养了学生的创造力、应变能力、团队精神和拼搏精神，适应了21世纪经济发展和人才培养的挑战。不少参加过全国大学生数学建模竞赛的同学都深有感触，他们说：“参加这次活动是我们大学四年中最值得庆幸的一件事，我们真正体会这几年内学到了什么，自己能干什么。”“那不寻常的三天在我们记忆中留下了永恒的一瞬，真是一次参赛，终身受益。”团队精神贯穿在数学建模竞赛的全过程，它往往是成败的关键。有些参赛队员说：“竞赛使我们三个人认识到协作的重要性，也学会了如何协作，在建模的三天中，我们真正做到了心往一处想，劲往一处使，每个人心中想的就是如何充分发挥自己的才华，在短暂的时间内做出一份尽量完善的答卷。三天中计算机没停过，我们轮流睡觉、轮流工作、轮流吃饭，可以说是抓住了每一滴可以抓住的时间。”“在这不眠的三天中，我们真正明白了团结就是力量这个人生真谛，而这些收获，将会伴随我们一生，对我们今后的学习，工作产生巨大的影响。”
电力生产问题 为满足每日电力需求（单位为兆瓦（MW）），可以选用四种不同类型的发电机。每日电力需求如下表1。 所有发电机都存在一个启动成本，以及工作于最小功率状态时的固定的每小时成本，并且如果功率高于最小功率，则超出部分的功率每兆瓦每小时还存在一个成本，即边际成本。这些数据均列于表2中。 （ 只有在每个时段开始时才允许启动或关闭发电机。与启动发电机不同，关闭发电机不需要付出任何代价。 问题（1）在每个时段应分别使用哪些发电机才能使每天的总成本最小，最小总成本为多少？ 问题（2）如果在任何时刻，正在工作的发电机组必须留出20%的发电能力余量，以防用电量突然上升。那么每个时段又应分别使用哪些发电机才能使每天的总成本最小，此时最小总成本又为多少？ 电力生产问题的数学模型 摘要 本文解决的是电力生产问题，在发电机的发电量能满足每日的电力需求的条件下，为了使每日的总成本达到最低，我们建立了一个最优化模型。 对于问题一：由已知条件可知有固定成本、边际成本、启用成本，据此，我们确定了三个指标：即固定总成本、边际总成本、启动总成本。总成本即为这三项总成本之和。每天分为七个时段，发电机共有四种型号，方案结果应该包括每个时段每种型号平均功率及该时段该型号发电机的数量，一共有56个未知数，为减少未知数，并将非线性约束条件转化为线性约束条件，将整数规划转化为非整数规划，我们以每个时段每种型号的几个发电机发出的总功率为变量，并列出相应的约束条件，然后通过LINGO求出个时段各种型号发电机的总功率，再采用分支定界法求出最小总成本为
146.9210万元。再根据总功率利用Matlab软件计算出总功率所对应的该型号发电机的数量（见表一）。 对于问题二：题目要求在任何时刻，正在工作的发电机组必须留出20%的发电能力余量，以防用电量突然上升。其他条件与问题一相同，因此，只需增加一个约束条件，即发电机机组所能发出的最大总功率乘以80%后大于用电需求。为锻炼编程技术，故在第二问改用Matlab软件编程来求解，将所要求的7个时段4种型号的发电机的平均功率一共28个未知数用X1，X2,，，，X28表示，将其对应的发电机数量用X29，X30，，，X56表示，并利用矩阵列出约束条件和目标函数，然后编程并运行求解，得到的发电机数量有的不为整数，然后采用分支定界法，得到调整后的结果，最小总成本为157.5426万元。 ! 关键词：线性规划、总功率、使用数量、总成本 1.问题重述 1.1问题背景 为满足每日电力需求（单位为兆瓦（MW）），可以选用四种不同类型的发电机。每日电力需求如下表1。 所有发电机都存在一个启动成本，以及工作于最小功率状态时的固定的每小时成本，并且如果功率高于最小功率，则超出部分的功率每兆瓦每小时还存在一个成本，即边际成本。这些数据均列于表2中。 任何代价。 1.2需要解决的问题 问题（1）在每个时段应分别使用哪些发电机才能使每天的总成本最小，最小总成本为多少？ 问题（2）如果在任何时刻，正在工作的发电机组必须留出20%的发电能力余量，以防用电量突然上升。那么每个时段又应分别使用哪些发电机才能使每天的总成本最小，此时最小总成本又为多少？ 2.模型假设 假设1：调整发电机功率没有成本 :
数学建模之电力的生产问 题 Prepared on 22 November 2020
电力生产最小成本 摘要 本文是需解决发电机厂每天在不同时间段用电需求量不同的情况下，根据给定不同型号不同数量的发电机，合理分配各台发电机在不同时间段的开启和关闭以及运行时的输出功率，既使得一天内总发电成本最小，又使发电机组在一天中各个时段的总输出功率达到用电需求的问题，为解决这个问题，采用了单目标非线性规划方法，建立了所求问题的最优化模型，借助Lingo软件对模型进行求解，得到每日最小发电总成本，以此制定发电机组的启停计划。 问题一：为了使发电厂一天总的发电成本最低，同时还要考虑到不同时间段开机数量不同对启动成本的相互影响，将七个时间段的成本统一考虑，其中，启动成本与发电机开启数量有关，要让成本少，应在满足相应约束条件下尽量减少开机数量，尽量让上一阶段的发电机下一阶段依然工作，边际成本与开启发电机台数、输出功率、最小功率、时长有关，固定成本与开启发电机台数、时长有关，选取相应的约束条件对目标函数进行约束，从而给出优化模型，运用非线性规划的方法，利用Lingo编程求解，得到发电厂每天最小发电总成本为：1427179 元。具体的发电机使用方案见附录一中表一、表二。 问题二：根据题目的要求，在任何时刻，正在工作的发电机组必须留出20%的发电能力余量，以防用电量突然上升，在建模时将每台发电机的实际输出功率降至80%，所以可以按照问题一建立的模型，将其约束条件中每个时间段的实际输出功率改为功率的80%但同时要满足用电量，同样利用Lingo编程求解，得到发电厂每天最小发电总成本为：1444670元。具体的发电机使用方案见附录一中表三、表四。 在得到上述两个问题的结果后，对结果的正确性性进行检验，并且对所得结果进行分析，给出自己的评价，并且对所建模型的合理性进行判断，以及对模型做了适当的推广。 关键词：单目标非线性规划发电机的合理搭配电力生产最优解
201数学建模生产计划 摘要 本文主要研究足球生产计划的规划问题。 对于问题一足球总成本包括生产成本与储存成本，又由于足球各月的生产成本、储存成本率及需求量已知，故各月足球的生产量对总成本起决定因素。在此建立总成本与足球生产量之间的关系，运用Matlab求出了总成本的最优解。 对于问题二储存成本率的大小影响了储存成本的高低，要使总成本最低，在储存成本率变化的情况下必须不断调整足球各月生产量，我们在Matlab中运用散点法，取了501个点，进而对图形进行线性拟合，得出储存成本率减小时各月足球生产量的变化情况。 对于问题三考虑到储存容量不能用储存成本率直接由函数表达，因此在Matlab 采用散点法结合表格分析法对501个点进行分析可得到储存成本率为0.39%时，储存容量达到最大。 关键词：最优解散点法线性拟合表格分析法 问题的重述 皮革公司在6个月的规划中根据市场调查预计足球需求量分别是10,000、15,000、30,000、35,000、25,000和10,000，在满足需求量的情况下使总成本最低，其包括生产成本及库存成本。根据预测，今后六个月的足球的生产单位成本分别是$12.50、$12.55、$12.70、$12.80、$12.85和$12.95，而每一个足球在每个月中的持有成本是该月生产成本的5%。目前公司的存货是5,000，每个月足球最大产量为30,000，而公司在扣掉需求后，月底的库存量最多只能储存10,000个足球。 问题一、建立数学模型，并求出按时满足需求量的条件下，使生产总成本和储存成本最小化的生产计划。 问题二、如若储存成本率降低，生产计划会怎样变化？ 问题三、储存成本率是多少时？储存容量达到极限。 问题的分析 问题一要求在足球的需求量一定的情况下，使生产总成本和储存成本最小。又足球的生产成本和储存成本率已知，故只需要建立生产总成本和储存成本与各月足球的生产量之间的优化模型，运用Matlab即可求出足球生产总成本和储存成本的最优化组合。
实验名称：第十一章最短路问题 一、实验内容与要求 掌握Dijkstra算法和Floyd算法，并运用这两种算法求一些最短路径的问题。 二、实验软件 MATLAB7.0 三、实验内容 1、在一个城市交通系统中取出一段如图所示，其入口为顶点v1，出口为顶点v8，每条弧段旁的数字表示通过该路段所需时间，每次转弯需要附加时间为3，求v1到v8的最短时间路径。 V1 1 V2 3 V3 1 V5 6 V6 V4 2 V7 4 V8
程序： function y=bijiaodaxiao(f1,f2,f3,f4) v12=1;v23=3;v24=2;v35=1;v47=2;v57=2;v56=6;v68=3;v78=4; turn=3; f1=v12+v23+v35+v56+turn+v68; f2=v12+v23+v35+turn+v57+turn+v78; f3=v12+turn+v24+turn+v47+v78; f4=v12+turn+v24+v47+turn+v57+turn+v56+turn+v68; min=f1; if f2 f4 实验结果： v1到v8的最短时间路径为15，路径为1-2-4-7-8. 2、求如图所示中每一结点到其他结点的最短路。V110 V3V59 V6 floy.m中的程序： function[D,R]=floyd(a) n=size(a,1); D=a for i=1:n for j=1:n R(i,j)=j; end end R for k=1:n for i=1:n for j=1:n if D(i,k)+D(k,j) 电力生产问题 摘要 本文解决的是电力生产中发电机的安排问题，在满足每日各时间段电力需求的条件下，安排各型号发电机来供电，以期获得最小的成本。为解决此问题，我们建立了两个最优化模型。 针对问题一：建立了非线性单目标最优化模型。从已知条件、目标函数、约束条件三方面进行综合分析可知，每天的总成本由总固定成本、总边际成本、总启动成本组成，确定总成本为目标函数，各时段各型号发电机工作数量及其总超出功率为主要变量，并列出相应约束条件。最后通过Lingo软件[2]求出最小成本为1540770元，并得出各时段各型号发电机的数量及其功率如下表（具体见表三）： 针对问题二：建立了线性单目标最优化模型。引入非负变量，即为各时段新增开的各型号的发电机台数，通过此变量线性表示出启动成本。以总成本为目标函数，在模型一的基础上，只需改变一个约束条件，即发电机组在任意时间段内所能发出的最大总功率的80%要大于等于该时段的用电需求。最后通过lingo软件求出最小成本为1885420元，并得出各时段各型号发电机的数量及其功率。 关键词：非线性最优化模型线性最优化模型最小生产成本 1 问题重述 1.1 问题背景 在电力生产过程中，为满足每日的电力需求并且使生产成本达到最小，因不同发电性能的发电机成本不同，故可以选用不同型号的发电机组合使用。 1.2 题目信息 题中给出了一天中七个时段的用电需求（见表一）及四种发电机的发电性能和相应成本（见表二）。其中，所有发电机都有一个最大发电能力，当接入电网时，其输出功率不应低于其最小输出功率，且所有发电机均存在一个启动成本，以及工作于其最小功率状态时固定的每小时成本，并且如果功率高于最小功率，则超出部分的功率每兆瓦每小时还存在一个成本，即边际成本。 问题（1）：在每个时段应分别使用哪些发电机才能使每天的总成本最小，最小总成本为多少？ 问题（2）：如果在任何时刻，正在工作的发电机组必须留出20%的发电能力余量，以防用电量突然上升。那么每个时段又应分别使用哪些发电机才能使每天的总成本最小，此时最小总成本又为多少？ 2 模型假设 假设1：不计发电机启动时所需时间； 假设2：各发电机均在24时关闭，即不考虑循环过程； 假设3：各发电机的输出功率在时段初调整好后，保持不变； 假设4：题目所列出的成本以外的成本消耗不计。 常见评价模型简介 评价类数学模型是全国数学建模竞赛中经常出现的一类模型，如2005年全国赛A题长江水质的评价问题，2008年B题高校学费标准评价体系问题等。主要介绍三种比较常用的评价模型：层次分析模型，模糊综合评价模型，灰色关联分析模型，以期帮助大家了解不同背景下不同评价方法的应用。 层次分析模型 层次分析法(AHP)是根据问题的性质和要求，将所包含的因素进行分类，一般按目标层、准则层和子准则层排列，构成一个层次结构，对同层次内诸因素采用两两比较的方法确定出相对于上一层目标的权重，这样层层分析下去，直到最后一层，给出所有因素相对于总目标而言，按重要性程度的一个排序。其主要特征是，它合理地将定性与定量决策结合起来，按照思维、心理的规律把决策过程层次化、数量化。 运用层次分析法进行决策，可以分为以下四个步骤： 步骤1 建立层次分析结构模型 深入分析实际问题，将有关因素自上而下分层(目标—准则或指标—方案或对象)，上层受下层影响，而层内各因素基本上相对独立。 步骤2构造成对比较阵 对于同一层次的各元素关于上一层次中某一准则的重要性进行两两比较，借助1~9尺度，构造比较矩阵； 步骤3计算权向量并作一致性检验 由判断矩阵计算被比较元素对于该准则的相对权重，并进行一致性检验，若通过，则最大特征根对应的特征向量做为权向量。 步骤4计算组合权向量(作组合一致性检验) 组合权向量可作为决策的定量依据 通过一个具体的例子介绍层次分析模型的应用。 例(选择旅游地决策问题)如何在桂林、黄山、北戴河3个目的地中按照景色、费用、居住条件、饮食、旅途条件等因素进行选择。 步骤1 建立系统的递阶层次结构 将决策问题分为3个层次：目标层O，准则层C，方案层P；每层有若干元素，各层元素间的关系用相连的直线表示。 电力生产问题数学模型 ————————————————————————————————作者：————————————————————————————————日期： 电力生产问题数学模型 摘要 本文研究电力生产问题中的最优化电力资源配置，属于求解优化电力配置下的最小成本问题。由于电力生产有非线性、多变量等特点，所以我们基于在每一时间段非线性局部最优的前提下，建立整体的单目标多变量的非线性最优化模型 。 因此对于研究的课题，我们建立了一个有约束条件的目标函数的最优化模型来求解。在该模型的基础上我们建立起解决问题所需模型。 解决问题(1)时，我们运用LINGO 工具求解所建立的数学模型，得到每个时段的台数和成本如下表：(详细数据见) 时段1 时段2 时段3 时段4 时段5 时段6 时段7 总成本/元 型号1 0 2 0 2 0 1 0 0 1750 750 1750 1000 1300 750 … … … … … … … … 型号4 0 3 3 3 3 3 3 0 2166.6 1800 3500 1800 1800 解决问题(2)时，我们从节约能源和成本的前提出发，让在工作的每一台发电机保留出20%的发电能力，而不是让其发出多于需求电量的20%白白浪费，因此我们将“每个时段的电力需求”这个约束条件由问题（1）中的j ij j D P m ≤≤改为 8.0?≤≤j ij j D P m 。得到每个时段的台数和成本如下表：(详细数据见) 时段1 时段2 时段3 时段4 时段5 时段6 时段7 总成本/元 型号1 0 5 0 8 1 5 0 0 1400 1400 1400 1400 1400 0 … … … … … … … … 型号4 3 3 3 3 3 3 3 1866.6 2466.6 2466.6 2400 2000 1800 1800 关键词：非线性 整体最优化 LIGNO 软件 时 段 型 号 时 段 型 号 第一题：生产计划安排 2）产品ABC的利润分别在什么范围内变动时，上述最优方案不变 3）如果劳动力数量不增，材料不足时可从市场购买，每单位元，问该厂要不要购进原材料扩大生产，以购多少为宜 4）如果生产一种新产品D，单件劳动力消耗8个单位，材料消耗2个单位，每件可获利3元，问该种产品是否值得生产 答： max3x1+x2+4x3! 利润最大值目标函数x1,x2,x3分别为甲乙丙的生产数量 st!限制条件 6x1+3x2+5x3<45! 劳动力的限制条件 3x1+4x2+5x3<30! 材料的限制条件 End！结束限制条件 得到以下结果 1.生产产品甲5件，丙3件，可以得到最大利润，27元 2.甲利润在—元之间变动，最优生产计划不变 3. max3x1+x2+4x3 st 6x1+3x2+5x3<45 end 可得到生产产品乙9件时利润最大，最大利润为36元，应该购入原材料扩大生产，购入15个单位 4. max3x1+x2+4x3+3x4 st 6x1+3x2+5x3+8x4<45 3x1+4x2+5x3+2x4<30 end ginx1 ginx2 ginx3 ginx4 利润没有增加，不值得生产 第二题：工程进度问题 某城市在未来的五年内将启动四个城市住房改造工程，每项工程有不同的开始时间，工程周期也不一样，下表提供了这些项目的基本数据。 工程1和工程4必须在规定的周期内全部完成，必要时，其余的二项工程可以在预算的限制内完成部分。然而，每个工程在他的规定时间内必须至少完成25%。每年底，工程完成的部分立刻入住，并且实现一定比例的收入。例如，如果工程1在第一年完成40%，在第三年完成剩下的60%，在五年计划范围内的相应收入是*50（第二年）+*50（第三年）+（+）*50（第四年）+（+）*50（第五年）=（4*+2*）*50（单位：万元）。试为工程确定最优的时间进度表，使得五年内的总收入达到最大。 答： 假设某年某工程的完成量为Xij, i表示工程的代号，i=1,2,3，j表示年数，j=1,2,3，如第一年工程1完成X11，工程3完成X31，到第二年工程已完成X12，工程3完成X32。 另有一个投入与完成的关系，即第一年的投入总费用的40%，该工程在年底就完成40%，工程1利润： 50*X11+50*(X11+X12)+50*(X11+X12+X13)+50*(X11+X12+X13) 工程2利润： 70*X22+70*(X22+X23)+70*(X22+X23+X24) 工程3利润： 20*X31+150*(X31+X32)+150*(X31+X32+X33)+150*(X31+X32+X33+X34) 工程4利润： 20*X43+20*（X43+X44） max(50*X11+50*(x11+x12)+50*(X11+X12+X13)+50*(X11+X12+X13))+(70*X22+70*(X22+X23) )+70*(X22+X23+X24)+(150*X31+150*(X31+X32)+150*(X31+X32+X33)+150*(X31+X32+X33+X34)) +(20*X43+20*(X43+X44)) st 5000*X11+15000*X31=3000 5000*X12+8000*X22+15000*X32=6000 5000*X13+8000*X23+15000*X33+1200*X43=7000 8000*X24+15000*X34+12000*X44=7000 8000*X25+15000*X35=7000 X11+X12+X13=1 X22+X23+X24+X25≥ X22+X23+X24+X25≤1 X31+X32+X33+X34+X35≥ X31+X32+X33+X34+X35≤1 X43+X44=1 全为大于零的数 数学建模简介 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作表述，也就是建立数学模型，然后用通过计算得到的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。 数学建模的广泛应用 数学建模的应用逐渐变的广泛，数学建模大量用于一般工程技术领域，用于代替传统工程设计中的现场实验、物理模拟等手段；在高新科技领域，成为必不可少的工具，无论是在通信、航天、微电子、自动化都是创新工艺、开发新 产品的必要手段；在新的科研领域在用数学方法研究 其中的定量关系时，数学建模就成为首要的、关键的 步骤和这些学科发展和应用的基础。 将计算机技术和数学建模进行紧密结合，使得原 本抽象的数学模型生动具体的呈现在研究者面前，使 得问题得到更好的解决。 数学建模的分支——数据挖掘 数据挖掘（Data Mining，DM）是目前人工智能和数 据库领域研究的热点问题，所谓数据挖掘是指从数据库 的大量数据中揭示出隐含的、先前未知的并有潜在价值 的信息的非平凡过程。数据挖掘是一种决策支持过程， 它主要基于人工智能、机器学习、模式识别、统计学、 数据库、可视化技术等，高度自动化地分析企业的数据， 做出归纳性的推理，从中挖掘出潜在的模式，帮助决策 者调整市场策略，减少风险，做出正确的决策。 数据挖掘是通过分析每个数据，从大量数据中寻找其规律的技术，主要有数据准备、规律寻找和规律表示3个步骤。数据准备是从相关的数据源中选取所需的数据并整合成用于数据挖掘的数据集；规律寻找是用某种方法将数据集所含的规律找出来；规律表示是尽可能以用户可理解的方式（如可视化）将找出的规律表示出来。 数据挖掘的任务有关联分析、聚类分析、分类分析、异常分析、特异群组分析和演变分析，等等。 B题人员安排问题 “PE公司”是一家从事电力工程技术的中美合资公司，现有41个专业技术人员，其结构和相应的工资水平分布如表1所示。 表1 公司的人员结构及工资情况 目前，公司承接有4个工程项目，其中2项是现场施工监理，分别在A地和B地，主要工作在现场完成；另外2项是工程设计，分别在C地和D地，主要工作在办公室完成。由于4 个项目来源于不同客户，并且工作的难易程度不一，因此，各项目的合同对有关技术人员的收费标准不同，具体情况如表2所示。 表2 不同项目和各种人员的收费标准 为了保证工程质量，各项目中必须保证专业人员结构符合客户的要求，具体情况如表3 所示： 表3：各项目对专业技术人员结构的要求 说明： ●表中“1～3”表示“大于等于1，小于等于3”，其他有“～”符号的同理； ●项目D，由于技术要求较高，人员配备必须是助理工程师以上，技术员不能参加； ●高级工程师相对稀缺，而且是质量保证的关键，因此，各项目客户对高级工程师的配备 有不能少于一定数目的限制。各项目对其他专业人员也有不同的限制或要求； ●各项目客户对总人数都有限制； ●由于C、D两项目是在办公室完成，所以每人每天有50元的管理费开支。 由于收费是按人工计算的，而且4个项目总共同时最多需要的人数是10+16+11+18=55，多于公司现有人数41。因此需解决的问题是：如何合理的分配现有的技术力量，使公司每天的直接收益最大？并写出相应的论证报告。 问题重述: 本问题是人事安排,在满足客户要求,和公司人员结构的前提下,公司获得最大利润问题,即: 4个项目总共同时最多需要的人数是10+16+11+18=55，多于公司现有人数41。因此需解决的问题是：如何合理的分配现有的技术力量，使公司每天的直接收益最大？ 要建立模型: 1,客户要求:不同工种的人数,见表3. 2,公司人员结构:见表1. 3,不同项目,和各种人员收费标准:见表2. 建立最佳收益模型f(x)max,并列出不同项目的人员结构. 模型假设: 假设四个项目同时开始,并且同时结束,所有人都工作.同等级别的人的能力一样. C 、D 项开支由公司支付。 符号说明 i ：用i ＝1,2,3,4分别表示高级工程师，工程师，助理工程师和技术员。 j ：用j ＝1,2,3,4分别表示项目A,B,C 和D 。 ij X ：公司分配第i 级别工作人员到第j 个项目上的人数。例如23X 表示公司 分配工程师到项目C 上的人数。 ij a ：第i 级别工作人员分配到第j 个项目上的收费。 ij b : 第i 级别工作人员分配到第j 个项目上时公司的开支（包括工资和管理 费）。 ij A : 表示到项目j 工作的第i 级别工作人员为公司贡献的纯利润收入。 j λ： 表示第j 个项目的总工时（即项目j 的总工作量）。 模型的建立： 总收益=总收入-总支出 公司每天的总收费为： ij i j ij X a ∑∑==414 1 ， 每天的总开支为：ij i j ij X b ∑∑==41 4 1 公司每天的直接收益为： ij i j ij ij X a X f ∑∑===4 14 1 )( － ij i j ij X b ∑∑==4 14 1 = ij i j ij ij X b a )(4 14 1 ∑∑==- （1） 由此可得，方程模型：Max ：ij i j ij ij ij X b a X f )()(414 1 ∑∑==-= 运输问题 摘要 本文主要研究的是货物运输的最短路径问题，利用图论中的Floyd算法、Kruskal算法，以及整数规划的方法建立相关问题的模型，通过matlab，lingo编程求解出最终结果。 关于问题一，是一个两客户间最短路程的问题，因此本文利用Floyd算法对其进行分析。考虑到计算的方便性，首先，我们将两客户之间的距离输入到网络权矩阵中；然后，逐步分析出两客户间的最短距离；最后，利用Matlab软件对其进行编程求解，运行得到结果：2-3-8-9-10总路程为85公里。 关于问题二，运输公司分别要对10个客户供货，必须访问每个客户，实际上是一个旅行商问题。首先，不考虑送货员返回提货点的情形，本文利用最小生成树问题中的Kruskal算法，结合题中所给的邻接矩阵，很快可以得到回路的最短路线： 1-5-7-6-3-4-8-9-10-2；然后利用问题一的Floyd算法编程，能求得从客户2到客户1（提货点）的最短路线是：2-1，路程为50公里。即最短路线为：1-5-7-6-3-4-8-9-10-2-1。但考虑到最小生成树法局限于顶点数较少的情形，不宜进一步推广，因此本文建立以路程最短为目标函数的整数规划模型；最后，利用LINGO软件对其进行编程求解，求解出的回路与Kruskal算法求出的回路一致。 关于问题三，是在每个客户所需固定货物量的情况下，使得行程之和最短。这样只要找出两条尽可能短的回路，并保证每条线路客户总需求量在50个单位以内即可。因此我们在问题二模型的基础上进行改进，以货车容量为限定条件，建立相应的规划模型并设计一个简单的寻路算法，对于模型求解出来的结果，本文利用Kruskal算法结合题中所给的邻接矩阵进行优化。得到优化结果为：第一辆车：1-5-2-3-4-8-9-1，第二辆车：1-7-6-9-10-1，总路程为280公里。 关于问题四，在问题一的基础上我们首先用Matlab软件编程确定提货点到每个客户点间的最短路线，然后结合一些限定条件建立一个目标模型，设计一个较好的解决方案进行求解可得到一种很理想的运输方案。根据matlab运行结果分析得出4条最优路线分别为：1-5-2，1-4-3-8，1-7-6，1-9-10。最短总路线为245公里，最小总费用为645。 关键词： Floyd算法 Kruskal算法整数规划旅行商问题 一、问题重述 某运输公司为10个客户配送货物，假定提货点就在客户1所在的位置，从第i个客户到第j个客户的路线距离（单位公里）用下面矩阵中的(,) i j(,1,,10) i j=位置上的数表示（其中∞表示两个客户之间无直接的路线到达）。 1、运送员在给第二个客户卸货完成的时候，临时接到新的调度通知，让他先给客户10送 货，已知送给客户10的货已在运送员的车上，请帮运送员设计一个到客户10的尽可能短的行使路线（假定上述矩阵中给出了所有可能的路线选择）。 2、现运输公司派了一辆大的货车为这10个客户配送货物，假定这辆货车一次能装满10个 客户所需要的全部货物，请问货车从提货点出发给10个客户配送完货物后再回到提货点所行使的尽可能短的行使路线？对所设计的算法进行分析。 3、现因资源紧张，运输公司没有大货车可以使用，改用两辆小的货车配送货物。每辆小 工厂资源规划问题 冉光明 2010070102019 信息与计算科学 指导老师：赵姣珍 目录 摘要 (1) 关键词 (1) 问题的提出 (2) 问题重述与分析 (3) 符号说明 (4) 模型假设 (4) 模型建立与求解 (5) 模型检验 (9) 模型推广 (10) 参考文献 (11) 附录 (12) 摘要：本问题是个优化问题。问题首先选择合适的决策变量即各种产品数，然后通过决策变量来表达约束条件和目标函数，再利用matlab或lingo编写程序，求得最优产品品种计划；最后通过优化模型对问题作以解释，得出当技术服务消耗33小时、劳动力消耗67小时、不消耗行政管理时，得到的是最优品种规划。 问题一回答：当技术服务消耗33小时、劳动力消耗67小时、不消耗行政管理时， 时，若使产品品产品III不值得生产。用matlab运算分析，当产品III的利润增加至25 3 种计划最优，此时需要消耗技术服务29h，劳动力消耗46h，行政管理消耗25h。 问题二回答：利用lingo得到当技术服务增加1h时，利润增加2.5元;劳动力增加1h，利润增加1元；行政管理的增减不会影响利润。 问题三回答：增加的决策变量，调整目标函数。当技术服务消耗33h，劳动力消耗17h，不消耗行政管理，新增量50h时，管理部门采取这样的决策得到最优的产品品种规划。 问题四回答：增加新的约束条件，此时当技术服务消耗32h，劳动力消耗58h，行政管理消耗10h时，得到最优产品品种规划。 本文对模型的求解给出在线性约束条件下的获利最多的产品品种规划。 关键词：线性规划；优化模型；最优品种规划 问题的提出 某工厂制造三种产品，生产这三种产品需要三种资源：技术服务、劳动力和行政管理。下表列出了三种单位产品对每种资源的需要量： 资源利润 技术服务劳动力行政管理 产品I 1 10 2 10 II 1 4 2 6 III 1 5 6 4 现有100h的技术服务、600h劳动力和300h的行政管理时间可使用，求最优产品品种规划。且回答下列问题： ⑴若产品III值得生产的话，它的利润是多少？假使将产品III的利润增加至25/3元，求获利最多的产品品种规划。 ⑵确定全部资源的影子价格。 ⑶制造部门提出建议，要生产一种新产品，该种产品需要技术服务1h、劳动力4h 和行政管理4h。销售部门预测这种产品售出时有8元的单位利润。管理部门应有怎样的决策？ ⑷假定该工厂至少生产10件产品III，试确定最优产品品种规划。 一、数学建模的意义 数学建模是一种数学的思考方法，是运用数学的语言和方法，通过抽象、简化建立能近似刻画并"解决"实际问题的一种强有力的数学手段。 数学建模就是用数学语言描述实际现象的过程。这里的实际现象既包涵具体的自然现象比如自由落体现象，也包涵抽象的现象比如顾客对某种商品所取的价值倾向。这里的描述不但包括外在形态，内在机制的描述，也包括预测，试验和解释实际现象等内容。 我们也可以这样直观地理解这个概念：数学建模是一个让纯粹数学家（指只懂数学不懂数学在实际中的应用的数学家）变成物理学家，生物学家，经济学家甚至心理学家等等的过程。 数学模型一般是实际事物的一种数学简化。它常常是以某种意义上接近实际事物的抽象形式存在的，但它和真实的事物有着本质的区别。要描述一个实际现象可以有很多种方式，比如录音，录像，比喻，传言等等。为了使描述更具科学性，逻辑性，客观性和可重复性，人们采用一种普遍认为比较严格的语言来描述各种现象，这种语言就是数学。使用数学语言描述的事物就称为数学模型。有时候我们需要做一些实验，但这些实验往往用抽象出来了的数学模型作为实际物体的代替而进行相应的实验，实验本身也是实际操作的一种理论替代。 应用数学去解决各类实际问题时，建立数学模型是十分关键的一步，同时也是十分困难的一步。建立教学模型的过程，是把错综复杂的实际问题简化、抽象为合理的数学结构的过程。要通过调查、收集数据资料，观察和研究实际对象的固有特征和内在规律，抓住问题的主要矛盾，建立起反映实际问题的数量关系，然后利用数学的理论和方法去分析和解决问题。这就需要深厚扎实的数学基础，敏锐的洞察力和想象力，对实际问题的浓厚兴趣和广博的知识面。数学建模是联系数学与实际问题的桥梁，是数学在各个领械广泛应用的媒介，是数学科学技术转化的主要途径，数学建模在科学技术发展中的重要作用越来越受到数学界和工程界的普遍重视，它已成为现代科技工作者必备的重要能力之。为了适应科学技术发展的需要和培养高质量、高层次科技人才，数学建模已经在大学教育中逐步开展，国内外越来越多的大学正在进行数学建模课程的教学和参加开放性的数学建模竞赛，将数学建模教学和竞赛作为高等院校的教学改革和培养高层次的科技人才的个重要方面，现在许多院校正在将数学建模与教学改革相结 基于最短路问题的研究及应用令狐采学 姓名：Fanmeng 学号： 指导老师： 摘要 最短路问题是图论中的一大问题，对最短路的研究在数学建模和实际生活中具有很重要的实际意义，介绍最短路问题的定义及这类问题的解决办法Dijkstra算法，并且能够在水渠修建实例运用到此数学建模的方法，为我们解决这类图论问题提供了基本思路与方法。 关键字数学建模最短路问题Dijkstra算法水渠修建。 目录 第一章．研究背景1 第二章．理论基础2 2.1 定义2 2.2 单源最短路问题Dijkstra求解:2 2.2.1 局限性2 2.2.2 Dijkstra算法求解步骤2 2.2.3 时间复杂度2 2.3 简单样例3 第三章．应用实例4 3.1 题目描述4 3.2 问题分析4 3.3符号说明4 3.4 模型假设5 3.5模型建立与求解5 3.5.1模型选用5 3.5.2模型应用及求解5 3.6模型评价5 第四章. 参考文献5 第五章．附录6 第一章．研究背景 在现实生活中中，我们经常会遇到图类问题，图是一种有顶点和边组成，顶点代表对象，在示意图中我们经常使用点或者原来表示，边表示的是两个对象之间的连接关系，在示意图中，我们使用连接两点G点直接按的下端来表示。顶点的集合是V，边的集合是E的图记为G[V,E] ,连接两点u和v的边用e(u,v)表示[1]。最短问题是图论中的基础问题，也是解决图类问题的有效办法之一，在数学建模中会经常遇到，通常会把一个实际问题抽象成一个图，然后来进行求的接任意两点之间的最短距离。因此掌握最短路问题具有很重要的意义。 第二章．理论基础 2.1 定义 最短路问题（short-path problem ）：若网络中的每条边都有一个数值（长度、成本、时间等），则找出两节点，（通常是源节点和目标节点）之间总权和最小的路径就是最短路问题。最短路问题是网络理论解决的典型问题之一，可用来解决管道铺设，线路安装，厂区布局和设备更新等实际问题[2]。 2.2 单源最短路问题Dijkstra 求解: 2.2.1局限性 Dijkstra 算法不能够处理带有负边的图，即图中任意两点之间的权值必须非负。 2.2.2Dijkstra 算法求解步骤 (1).先给图中的点进行编号，确定起点的编号。 (2).得到图的构成，写出写出图的矩阵 0000(,)(,) (,) (,) n n n n u u u u G u u u u = (3).根据要求求出发点S 到终点E 的最短距离，那么需要从当前没被访问过的结点集合 unvist={u | u {1,2,3...}}n ∈中找到一个距离已经标记的点的集合中vist={u | u {1,2,3...}}n ∈的最短距离，得到这个顶点； (4).利用这个顶点来松弛其它和它相连的顶点距离S 的值 (5).重复步骤(2)和(3)，直到再也没有点可以用来松弛其它点，这样我们就得到了由起点S 到其它任意点的最短距离。 2.2.3时间复杂度 时间复杂度达到 2 ()O N A题机组组合问题 当前的科学技术还不能有效地存储电力，所以电力生产和消费在任何时刻都要相等，否则就会威胁电力系统安全运行。又由于发电机组的物理特性限制，发电机组不能够随心所欲地发出需要的电力。为了能够实时平衡变化剧烈的电力负荷，电力部门往往需要根据预测的未来电力负荷安排发电机组起停计划，在满足电力系统安全运行条件下，追求发电成本最小。 在没有电力负荷损耗以及一个小时之内的电力负荷和发电机出力均不变的前提下，假定所有发电机组的发电成本都是由3部分组成，它们是启动成本（Startup Cost），空载成本（No load cost）和增量成本（Incremental Cost）。需要考虑的约束有： 1．负荷平衡约束：任何小时，电力负荷之和必须等于发电机发电出力之和。 2．系统备用约束：处于运行状态的发电机的最大发电能力减去其出力称为该发电机的备用容量，处于停运状态的发电机的备用容量为0。任何小时，发电机的备用容量之和必须大于系统备用要求。 3．输电线路传输容量约束：线路传输的电能必须在它的传输容量范围内。 4．发电机组出力范围约束：处于运行状态的发电机组的发电出力必须小于其最大发电能力（Pmax, MW）。 5．机组增出力约束（Ramp Up, MW/h）：发电机组在增加发电出力时，不能太快，有一个增加出力的速度上限，在一定时间内（通常是10分钟，为简单起见，本题取1个小时）不能超过额定范围。 6．机组降出力约束（Ramp Down, MW/h）：与机组增出力约束类似，发电机组在减少发电出力时也有一个减少出力的速度上限。 问题1：3母线系统 有一个3母线系统，其中有2台机组、1个负荷和3条输电线路，已知4个小时的负荷和系统备用要求。请求出这4个小时的最优机组组合计划。最终结果应该包括总成本、各小时各机组的状态、各小时各机组的发电出力和各小时各机组提供的备用。所有数据请见下面图及表格，“3BusData”目录中还有包含了本题所有表格数据的5个xml文件。 题目 赛程安排 摘要 赛程安排在体育活动中举足轻重，在很大程度上影响比赛的结果；本文主要针对最优赛程安排方案建立相应的数学模型，给出最优赛程的安排方案。 对于问题一，要给出一个各队每两场比赛中间都至少相隔一场的赛。因为参赛队伍只有5个，容易操作，所以可以利用排除-假设法可以得到一种满足条件的赛程安排，即,,,,,,,,,AB CD EA BC DE AC BD EC AD BE 。 对于问题二，考虑到各队每两场比赛中间至少相隔一场，我们用逆时针轮转法对比赛队伍进行排序，并根据这种方法，用Matlab 编出相应编程得出不同队伍比赛间隔的上限，再根据数据总结出规律，当N 为偶数时各队每两场比赛中间相隔的场次数的上限为22 N -场，用Matlab 软件验证其准确性。用同样的方 法可知，当N 为奇数时各队每两场比赛中间相隔的场次数的上限为 N 32 -（）。 对于问题三，在达到第二问上限的情况下，可通过轮换模型得到8,9N N ==的赛程安排。N 8=时一种赛程安排如下： (1,2),(3,5),(4,6),(8,7),(1,3),(4,2),(8,5),(7,6),(1,4),(8,3),(7,2),(6,5),(1,8),(7,4),(6,3),(5,2),(1,7),(6,8),(5,4),(2,3),(1,6),(5,7),(2,8),(3,4),(1,5),(2,6),(3,7),(4,8) 9N =时一种赛程安排如下： (1,2),(3,4),(5,6),(7,8),(1,9),(2,4),(3,6),(5,8),(7,9),(1,4),(2,6),(3,8),(5,9),(1,7),(4,6),(8,2),(9,3),(5,7),(1,6),(4,8),(2,9),(3,7),(1,5),(6,8),(4,9),(2,7),(3,5),(1,8),(6,9),(4,7),(2,5),(1,3),(8,9),(6,7),(4,5),(2,3). 对于问题四，我们可以用每个队的每两场比赛中间间隔的场次数之和SUM 来衡量赛程的公平性。当SUM 不同时，SUM 大的队伍对其比赛结果越有利。当SUM 相同时，用每次间隔场次的标准差来衡量赛程的公平性，其中标准差越小的队对其比赛的结果越有利。当SUM 相同且每次间隔场次的标准差也相同时，两个队比赛时，我们用双方已参加比赛的次数来衡量比赛赛程的优劣，其中在双方比赛时，已参加比赛次数越少，其比赛的结果越有利。 关键词：排除-假设法 逆时针轮转法 Matlab 标准差 《数学建模》课程简介 20053025 数学建模 4.5 Mathematical Modeling 4-1 预修要求：微积分、线性代数 面向对象：竺可桢学院工程高级班 内容简介： 本课程以物理、生态、环境、医学、管理、经济、信息技术等领域的一些典型实例为背景，阐述如何通过建立数学模型的方法来研究、解决实际问题的基本方法和技能。开设本课程的目的是，在传授知识的同时，通过典型建模实例的分析和参加建模实践活动，培养和增强学生自学能力、创新素质。参加数学建模课的学习，应自己动手解决一、二个实际问题，以求在实际参与中获取真知。 本课程包括一定学时的讨论班，学生可利用课外时间自己参与建模实践活动并自愿参加由指导教师组织的讨论班活动。选修本课程的本科生经双向选择还有机会参加全国大学生数学建模竞赛（每年约90人）和美国大学生数学建模竞赛（每年为21人）。 推荐教材或参考书： “数学建模”，杨启帆、谈之奕、何勇编著，浙江大学出版社出版，2006年7月 《数学建模》教学大纲 20053025 数学建模 4.5 Mathematical Modeling 4-1 预修要求：微积分、线性代数 面向对象：竺可桢学院工程高级班 一、教学目的与基本要求： 通过典型数学模型分析和课外建模实践，使学生基本掌握运用数学知识建立数学模型来研究科研问题或实际课题的基本技能与基本技巧，本课程教学除传授知识外还要求学生在实际建模中注意培养和提高自身的能力，以便提高自己的综合素质与实际本领。 二、主要内容及学时分配： 1.数学建模概论，3学时 2.初等模型，8学时：舰艇的汇合，双层玻璃的功效，崖高的估算，经验模型，参数 识别，量纲分析法建模，方桌问题、最短路径与最速方案等 3.微分方程建模，14学时：马尔萨斯模型和罗杰斯蒂克模型，为什么要用三级火箭发 射人造卫星，药物在体内的分布，传染病模型，捕食系统的P-P模型，双种群生态 系统研究等数学建模电力安排问题
数学建模常见评价模型简介
电力生产问题数学模型
数学建模 生产计划问题
数学建模简介
数学建模——人员安排问题
数学建模运输问题
数学建模(工厂资源规划问题)
数学建模的介绍
数学建模模最短路
数模A题：机组组合问题
赛程安排数学建模问题
数学建模课程简介
相关主题
文本预览