建模报告-数学规划模型.ppt
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 建模 报告 数学 规划 模型
- 资源描述:
-
单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,Machine Learning Center,*,数学规划模型,奶制品的生产与销售,自来水输送与货机装运,汽车生产与原油采购,接力队选拔和选课策略,Machine Learning Center,数学规划模型,实际问题中,的优化模型,x,决策变量,f,(,x,),目标函数,g,i,(,x,),0,约束条件,多元函数条件极值,决策变量个数,n,和,约束条件个数,m,较大,最优解在可行域,的边界上取得,数学规划,线性规划,非线性规划,整数规划,重点在模型的建立和结果的分析,Machine Learning Center,1,桶牛奶,3,公斤,A,1,12,小时,8,小时,4,公斤,A,2,或,获利,24元/,公斤,获利,16元/,公斤,50,桶牛奶,时间,480,小时,至多加工,100,公斤,A,1,制订生产计划,使每天获利最大,35,元可买到,1,桶牛奶,买吗?若买,每天最多买多少,?,可聘用临时工人,付出的工资最多是每小时几元,?,A,1,的获利增加到,30元/,公斤,应否改变生产计划?,每天:,奶制品的生产与销售,Machine Learning Center,1,桶牛奶,3,公斤,A,1,12,小时,8,小时,4,公斤,A,2,或,获利,24元/,公斤,获利,16元/,公斤,x,1,桶牛奶生产,A,1,x,2,桶牛奶生产,A,2,获利,243,x,1,获利,164,x,2,原料供应,劳动时间,加工能力,决策变量,目标函数,每天获利,约束条件,非负约束,线性规划模型,(,LP),时间,480,小时,至多加工,100,公斤,A,1,50,桶牛奶,每天,Machine Learning Center,模型求解,图解法,x,1,x,2,0,A,B,C,D,l,1,l,2,l,3,l,4,l,5,约束条件,目标函数,Z,=0,Z,=2400,Z,=3360,z,=,c,(,常数,),等值线,c,在,B,(20,30),点得到最优解,目标函数和约束条件是线性函数,可行域为直线段围成的凸多边形,目标函数的等值线为直线,最优解一定在凸多边形的某个顶点取得。,Machine Learning Center,模型求解,软件实现,LINDO 6.1,max 72x1+64x2,st,2)x1+x250,3)12x1+8x2480,4)3x1100,end,OBJECTIVE FUNCTION VALUE,1)3360.000,VARIABLE VALUE,REDUCED COST,X1 20.000000,0.000000,X2 30.000000,0.000000,ROW SLACK OR SURPLUS DUAL PRICES,2)0.000000 48.000000,3)0.000000 2.000000,4)40.000000 0.000000,NO.ITERATIONS=2,DO RANGE(SENSITIVITY)ANALYSIS?,No,20,桶牛奶生产,A,1,30,桶生产,A,2,,,利润,3360,元。,Machine Learning Center,结果解释,OBJECTIVE FUNCTION VALUE,1)3360.000,VARIABLE VALUE REDUCED COST,X1 20.000000 0.000000,X2 30.000000 0.000000,ROW,SLACK OR SURPLUS,DUAL PRICES,2)0.000000,48.000000,3)0.000000,2.000000,4)40.000000,0.000000,NO.ITERATIONS=2,原料无剩余,时间无剩余,加工能力剩余,40,max 72x1+64x2,st,2)x1+x250,3)12x1+8x2480,4)3x1100,end,三种资源,“资源”剩余为零的约束为紧约束(有效约束),Machine Learning Center,OBJECTIVE FUNCTION VALUE,1)3360.000,VARIABLE VALUE REDUCED COST,X1 20.000000 0.000000,X2 30.000000 0.000000,ROW SLACK OR SURPLUS,DUAL PRICES,2),0.000000,48.000000,3),0.000000,2.000000,4),40.000000,0.000000,NO.ITERATIONS=2,最优解下“资源”增加,1,单位时“效益”的增量,原料增加,1,单位,利润增长,48,时间增加,1,单位,利润增长,2,加工能力增长不影响利润,影子价格,35,元可买到,1,桶牛奶,要买吗?,35 48,应该买!,聘用临时工人付出的工资最多每小时几元?,2,元!,结果解释,Machine Learning Center,RANGES IN WHICH THE BASIS IS UNCHANGED:,OBJ COEFFICIENT RANGES,VARIABLE CURRENT ALLOWABLE ALLOWABLE,COEF INCREASE DECREASE,X1 72.000000 24.000000 8.000000,X2 64.000000 8.000000 16.000000,RIGHTHAND SIDE RANGES,ROW CURRENT ALLOWABLE ALLOWABLE,RHS INCREASE DECREASE,2 50.000000 10.000000 6.666667,3 480.000000 53.333332 80.000000,4 100.000000 INFINITY 40.000000,最,优解不变时目标函数系数允许变化范围,(约束条件不变),DO RANGE(SENSITIVITY)ANALYSIS?,Yes,x,1,系数范围,(64,96),x,2,系数范围,(48,72),A,1,获利增加到,30元/,千克,应否改变生产计划,x,1,系数由,24,3=72,增加,为,30,3=90,,在,允许范围内,不变!,Machine Learning Center,RANGES IN WHICH THE BASIS IS UNCHANGED:,OBJ COEFFICIENT RANGES,VARIABLE CURRENT ALLOWABLE ALLOWABLE,COEF INCREASE DECREASE,X1 72.000000 24.000000 8.000000,X2 64.000000 8.000000 16.000000,RIGHTHAND SIDE RANGES,ROW CURRENT ALLOWABLE ALLOWABLE,RHS INCREASE DECREASE,2 50.000000 10.000000 6.666667,3 480.000000 53.333332 80.000000,4 100.000000 INFINITY 40.000000,影子价格有意义时约束右端的允许变化范围,原料最多增加,10,时间最多增加,53,35,元可买到,1,桶牛奶,每天最多买多少?,最多买,10桶!,(,目标函数不变,),结果解释,Machine Learning Center,例2,奶制品的生产销售计划,1,桶牛奶,3,千克,A,1,12,小时,8,小时,4,公斤,A,2,或,获利,24元/,公斤,获利,16元/,公斤,0.8,千克,B,1,2,小时,3元,1,千克,获利,44元/,千克,0.75,千克,B,2,2,小时,3元,1,千克,获利,32元/,千克,制订生产计划,使每天净利润最大,30,元可增加,1,桶牛奶,,3,元可增加,1,小时时间,应否投资?现投资,150,元,可赚回多少?,50,桶牛奶,480,小时,至多,100,公斤,A,1,B,1,,B,2,的获利经常有,10%,的波动,对计划有无影响?,Machine Learning Center,获利,32元/,千克,1,桶牛奶,3,千克,A,1,12,小时,8,小时,4,千克,A,2,或,获利,24元/,千克,获利,16元/,kg,0.8,千克,B,1,2,小时,3元,1,千克,获利,44元/,千克,0.75,千克,B,2,2,小时,3元,1,千克,出售,x,1,千克,A,1,x,2,千克,A,2,,,x,3,千克,B,1,x,4,千克,B,2,原料供应,劳动时间,加工能力,决策变量,目标函数,利润,约束条件,非负约束,x,5,千克,A,1,加工,B,1,,,x,6,千克,A,2,加工,B,2,附加约束,Machine Learning Center,模型求解,软件实现,OBJECTIVE FUNCTION VALUE,1)3460.800,VARIABLE VALUE REDUCED COST,X1,0.000000 1.680000,X2,168.000000 0.000000,X3,19.200001 0.000000,X4,0.000000,0.000000,X5,24.000000,0.000000,X6,0.000000 1.520000,ROW SLACK OR SURPLUS DUAL PRICES,2)0.000000,3.160000,3)0.000000,3.260000,4)76.000000,0.000000,5)0.000000,44.000000,6)0.000000,32.000000,NO.ITERATIONS=2,DO RANGE(SENSITIVITY)ANALYSIS?,No,Machine Learning Center,OBJECTIVE FUNCTION VALUE,1)3460.800,VARIABLE VALUE,REDUCED COST,X1,0.000000,1.680000,X2 168.000000,0.000000,X3,19.200001,0.000000,X4,0.000000,0.000000,X5 24.000000,0.000000,X6,0.000000,1.520000,ROW SLACK OR SURPLUS DUAL PRICES,2)0.000000,3.160000,3)0.000000,3.260000,4)76.000000,0.000000,5)0.000000,44.000000,6)0.000000,32.000000,NO.ITERATIONS=2,结果解释,每天销售,168,千克,A,2,和19.2,千克,B,1,,,利润,3460.8,(元),8,桶牛奶加工成,A,1,,42,桶牛奶加工成,A,2,,,将得到的,24,千克,A,1,全部加工成,B,1,除,加工能力外均为紧约束,Machine Learning Center,结果解释,OBJECTIVE FUNCTION VALUE,1)3460.800,VARIABLE VALUE REDUCED COST,X1,0.000000 1.680000,X2,168.000000 0.000000,X3,19.200001 0.000000,X4,0.000000 0.000000,X5,24.000000 0.000000,X6,0.000000 1.520000,ROW SLACK OR SURPLUS,DUAL PRICES,2)0.000000,3.160000,3)0.000000,3.260000,4)76.000000,0.000000,5)0.000000,44.000000,6)0.000000,32.000000,增加,1,桶牛奶使利润增长,3.16,12=37.92,增加,1,小时时间使利润增长,3.26,投资,150,元增加,5,桶牛奶,可赚回,189.6,元。(大于增加时间的利润增长),Machine Learning Center,结果解释,RANGES IN WHICH THE BASIS IS UNCHANGED:,OBJ COEFFICIENT RANGES,VARIABLE CURRENT ALLOWABLE ALLOWABLE,COEF INCREASE DECREASE,X1 24.000000 1.680000 INFINITY,X2 16.000000 8.150000 2.100000,X3 44.000000 19.750002 3.166667,X4 32.000000 2.026667 INFINITY,X5 -3.000000 15.800000 2.533334,X6 -3.000000 1.520000 INFINITY,DO RANGE(SENSITIVITY)ANALYSIS?,Yes,B,1,获利下降,10%,,超出,X3,系数允许范围,B,2,获利上升,10%,,超出,X4,系数允许范围,波动对计划有影响,生产计划应重新制订:如将,x,3,的系数改为,39.6,计算,会发现结果有很大变化。,Machine Learning Center,自来水输送与货机装运,生产、生活物资从若干供应点运送到一些需求点,怎样安排输送方案使运费最小,或利润最大;,运输问题,各种类型的货物装箱,由于受体积、重量等限制,如何搭配装载,使获利最高,或装箱数量最少。,Machine Learning Center,其他费用,:,450,元,/,千吨,应如何分配水库供水量,公司才能获利最多?,若水库供水量都提高一倍,公司利润可增加到多少?,元/,千吨,甲,乙,丙,丁,A,160,130,220,170,B,140,130,190,150,C,190,200,230,/,引水管理费,例1,自来水输送,收入:,900,元,/,千吨,支出,A:50,B:60,C:50,甲:,30;,50,乙:,70;,70,丙:,10;,20,丁:,10;,40,水库供水量,(,千吨,),基本用水量,(,千吨,),额外用水量,(,千吨,),(以天计),Machine Learning Center,总,供水量:,160,确定送水方案,使利润最大,问题分析,A:50,B:60,C:50,甲:,30;,50,乙:,70;,70,丙:,10;,20,丁:,10;,40,总需求量:,120+,180,=300,总收入,900,160,=144,000(元),收入:,900,元,/,千吨,其他费用,:,450,元,/,千吨,支出,:,引水管理费,其他,支出,450,160,=72,000(元),使引水管理费最小,总需求量,(300),每个水库最大供水量都提高一倍,利润,=,收入,(900),其它费用,(,450),引水管理费,利润,(元/,千吨,),甲,乙,丙,丁,A,290,320,230,280,B,310,320,260,300,C,260,250,220,/,供应限制,B,C,类似处理,问题讨论,确定送水方案,使利润最大,需求约束可以不变,Machine Learning Center,模型求解,OBJECTIVE FUNCTION VALUE,1)88700.00,VARIABLE VALUE REDUCED COST,X11 0.000000 20.000000,X12 100.000000 0.000000,X13 0.000000 40.000000,X14 0.000000 20.000000,X21,30.000000,0.000000,X22,40.000000,0.000000,X23,0.000000 10.000000,X24,50.000000,0.000000,X31,50.000000,0.000000,X32 0.000000 20.000000,X33,30.000000,0.000000,这类问题一般称为,“运输问题”,(,Transportation Problem),总利润,88700,(元),A(100),B(,120,),C(,100,),甲(30;,50),乙(70;,70),丙(10;,20),丁(10;,40),40,100,50,30,50,30,Machine Learning Center,如何,装运,使本次飞行获利最大?,三个货舱,最大,载,重,(吨),最大容积,(米,3,),例2,货机装运,重量(吨),空间,(米,3,/,吨),利润(元,/,吨),货物,1,18,480,3100,货物,2,15,650,3800,货物,3,23,580,3500,货物,4,12,390,2850,三个货舱中实际载重必须与其最大,载,重成比例,前仓:,10;,6800,中仓:,16;,8700,后仓:,8;,5300,飞机平衡,Machine Learning Center,决策变量,x,ij,-,第,i,种货物装入第,j,个货舱的重量,(,吨),i,=1,2,3,4,j,=1,2,3(,分别代表前、中、后仓,),模型假设,每种货物可以分割到任意小;,货机装运,每种货物可以在一个或多个货舱中任意分布;,多种货物可以混装,并保证不留空隙;,模型建立,Machine Learning Center,货舱容积,目标函数,(,利润,),约束条件,货机装运,模型建立,货舱重量,10;,6800,16;,8700,8;,5300,x,ij,-,第,i,种货物装入第,j,个货舱的重量,Machine Learning Center,约束条件,平衡要求,货物供应,货机装运,模型建立,10;,6800,16;,8700,8;,5300,x,ij,-,第,i,种货物装入第,j,个货舱的重量,Machine Learning Center,OBJECTIVE FUNCTION VALUE,1)121515.8,VARIABLE VALUE REDUCED COST,X11 0.000000 400.000000,X12 0.000000 57.894737,X13 0.000000 400.000000,X21 10.000000 0.000000,X22 0.000000 239.473679,X23 5.000000 0.000000,X31 0.000000 0.000000,X32,12.947369,0.000000,X33,3.000000,0.000000,X41 0.000000 650.000000,X42 3.052632,0.000000,X43 0.000000 650.000000,货物,2,:前仓,10,后仓,5,;,货物,3,:,中仓,13,后仓,3,;,货物,4,:,中仓,3,。,货机装运,模型求解,最大利润约,121516,元,货物,供应点,货舱,需求点,平衡要求,运输问题,运输问题的扩展,Machine Learning Center,如果生产某一类型汽车,则至少要生产,80,辆,那么最优的生产计划应作何改变?,例1,汽车厂生产计划,汽车厂生产三种类型的汽车,已知各类型每辆车对钢材、劳动时间的需求,利润及工厂每月的现有量。,小型 中型 大型,现有量,钢材(吨),1.5 3 5 600,劳动时间(小时),280 250 400 60000,利润(万元),2 3 4,制订月生产计划,使工厂的利润最大。,汽车生产与原油采购,Machine Learning Center,设每月生产小、中、大型汽车的数量分别为,x,1,x,2,x,3,汽车厂生产计划,模型建立,小型 中型 大型 现有量,钢材,1.5 3 5 600,时间,280 250 400 60000,利润,2 3 4,线性规划模型,(,LP),Machine Learning Center,模型求解,3,),模型中增加条件:,x,1,x,2,x,3,均为整数,重新求解。,OBJECTIVE FUNCTION VALUE,1)632.2581,VARIABLE VALUE REDUCED COST,X1 64.516129,0.000000,X2 167.741928,0.000000,X3 0.000000 0.946237,ROW SLACK OR SURPLUS DUAL PRICES,2)0.000000 0.731183,3)0.000000 0.003226,结果为小数,怎么办?,1,)舍去小数:取,x,1,=64,,x,2,=167,,算出目标函数值,z,=629,,与,LP,最优值,632.2581,相差不大。,2,)试探:如取,x,1,=65,,x,2,=167;,x,1,=64,,x,2,=168,等,计算函数值,z,,,通过比较可能得到更优的解。,但必须检验它们是否满足约束条件。,Machine Learning Center,IP,可用,LINDO,直接求解,整数规划,(,IP,),“,gin 3,”,表示“前,3,个变量为整数”,等价于:,gin x1,gin x2,gin x3,IP,的最优解,x,1,=64,,,x,2,=168,,,x,3,=0,,,最优值,z,=632,max 2x1+3x2+4x3,st,1.5x1+3x2+5x3600,280 x1+250 x2+400 x360000,end,gin 3,OBJECTIVE FUNCTION VALUE,1)632.0000,VARIABLE VALUE REDUCED COST,X1 64.000000 -2.000000,X2 168.000000 -3.000000,X3 0.000000 -4.000000,模型求解,IP,结果输出,Machine Learning Center,其中,3,个,子模型应,去掉,然后逐一求解,比较目标函数值,再加上整数约束,得最优解:,方法,1,:分解为,8个,LP,子模型,汽车厂生产计划,若生产某类汽车,则至少生产,80,辆,求生产计划。,x,1,x,2,x,3,=0,或,80,x,1,=80,,,x,2,=150,,,x,3,=0,,,最优值,z,=610,Machine Learning Center,LINDO,中对0-1,变量的限定:,int,y1,int,y2,int,y3,方法,2,:,引入,0-1,变量,化为整数规划,M,为大的正数,可取,1000,OBJECTIVE FUNCTION VALUE,1)610.0000,VARIABLE VALUE REDUCED COST,X1 80.000000,-2.000000,X2 150.000000,-3.000000,X3 0.000000,-4.000000,Y1 1.000000 0.000000,Y2 1.000000 0.000000,Y3 0.000000 0.000000,x,1,=0,或,80,x,2,=0,或,80,x,3,=0,或,80,最优解同前,汽车厂生产计划,Machine Learning Center,NLP,虽然可用现成的数学软件求解,(如,LINGO,MATLAB,),,但是其结果常依赖于初值的选择。,方法,3,:,化为非线性规划,非线性规划(,Non-Linear Programming,,,简记,NLP,),实践表明,本例仅当初值非常接近上面方法算出的最优解时,才能得到正确的结果。,x,1,=0,或,80,x,2,=0,或,80,x,3,=0,或,80,汽车厂生产计划,Machine Learning Center,应如何安排原油的采购和加工,?,例2,原油采购与加工,市场上可买到不超过,1500,吨的原油,A,:,购买量不超过,500,吨时的单价为,10000,元/,吨;,购买量超过,500,吨但不超过,1000,吨时,超过,500,吨的 部分,8000,元/,吨;,购买量超过,1000,吨时,超过,1000,吨的部分,6000,元/,吨。,售价,4800元/,吨,售价,5600元/吨,库存,500,吨,库存,1000,吨,汽油甲,(,A,50%),原油,A,原油,B,汽油乙,(,A,60%),Machine Learning Center,决策变量,目标函数,问题分析,利润:销售汽油的收入,-,购买原油,A,的支出,难点:原油,A,的购价与购买量的关系较复杂,甲(A,50%),A,B,乙(A,60%),购买,x,x,11,x,12,x,21,x,22,4.8,千元,/,吨,5.6,千元,/吨,原油,A,的购买量,原油,A,B,生产,汽油,甲,乙的数量,c,(,x,),购买原油,A,的支出,利润,(,千元,),c,(,x,),如何表述?,原油采购与加工,Machine Learning Center,原油供应,约束条件,x,500,吨单价为,10,千,元,/,吨;,500,吨,x,1000,吨,超过,500,吨的,8,千,元,/,吨;,1000,吨,x,1500,吨,超过,1000,吨的,6,千,元,/,吨。,目标函数,购买,x,A,B,x,11,x,12,x,21,x,22,库存,500,吨,库存,1000,吨,原油采购与加工,Machine Learning Center,目标函数中,c,(,x,),不是线性函数,是非线性规划;,对于用分段函数定义的,c,(,x,),,,一般的非线性规划软件也难以输入和求解;,想办法将模型化简,用现成的软件求解。,汽油含原油,A,的比例限制,约束条件,甲(A,50%),A,B,乙(A,60%),x,11,x,12,x,21,x,22,原油采购与加工,Machine Learning Center,x,1,x,2,x,3,以价格,10,8,6(,千元,/,吨),采购,A,的吨数,目标函数,只有当以,10,千元,/,吨的价格购买,x,1,=500,(,吨),时,才能以,8,千元,/,吨的价格购买,x,2,方法,1,非线性规划模型,,可以用,LINGO,求解,模型求解,x,=,x,1,+x,2,+x,3,c,(,x,)=10,x,1,+8,x,2,+6,x,3,500,吨,x,1000,吨,超过,500,吨的,8,千,元,/吨,增加约束,Machine Learning Center,LINGO,求解,Model:,Max=4.8*x11+4.8*x21+5.6*x12+5.6*x22-10*x1-8*x2-6*x3;,x11+x12 x+500;,x21+x22 0;,2*x12-3*x22 0;,x=x1+x2+x3;,(x1-500)*x2=0;,(x2-500)*x3=0;,x1 500;,x2 500;,x3 0;,x11 0;,x12 0;,x21 0;,x22 0;,x1 0;,x2 0;,x3 0;,end,Objective value:4800.000,Variable Value Reduced Cost,X11 500.0000,0.0000000E+00,X21 500.0000,0.0000000E+00,X12 0.0000000E+00 0.0000000E+00,X22 0.0000000E+00 0.0000000E+00,X1 0.1021405E-13 10.00000,X2 0.0000000E+00 8.000000,X3 0.0000000E+00 6.000000,X 0.0000000E+00 0.0000000E+00,LINGO,得到的是局部最优解,还能得到更好的解吗?,用库存的,500,吨原油,A,、,500,吨原油,B,生产汽油甲,不购买新的原油,A,,,利润为,4,800,千,元。,模型求解,方法,1,Machine Learning Center,y,1,y,2,y,3,=1,以价格,10,8,6(,千元,/,吨),采购,A,增加约束,方法,2,0-1,线性规划模型,,可用,LINDO,求解,y,1,y,2,y,3,=0,或,1,OBJECTIVE FUNCTION VALUE,1)5000.000,VARIABLE VALUE REDUCED COST,Y1 1.000000 0.000000,Y2 1.000000 2200.000000,Y3 1.000000 1200.000000,X11 0.000000 0.800000,X21 0.000000 0.800000,X12 1500.000000 0.000000,X22 1000.000000 0.000000,X1,500.000000,0.000000,X2,500.000000,0.000000,X3 0.000000 0.400000,X,1000.000000,0.000000,购买,1000,吨原油,A,,,与库存的,500,吨原油,A,和,1000,吨原油,B,一起,生产汽油乙,利润为,5,000,千元,。,x,1,x,2,x,3,以价格,10,8,6(,千元,/,吨),采购,A,的吨数,y,=0,x,=0,x,0,y,=1,优于方法,1,的结果,模型求解,Machine Learning Center,b,1,b,2,b,3,b,4,方法,3,b,1,x,b,2,,,x,=,z,1,b,1,+,z,2,b,2,,,z,1,+,z,2,=1,,,z,1,z,2,0,c,(,x,)=,z,1,c,(,b,1,)+,z,2,c,(,b,2,).,c,(,x,),x,12000,9000,5000,0,500,1000,1500,b,2,x,b,3,,,x,=,z,2,b,2,+,z,3,b,3,,,z,2,+,z,3,=1,,,z,2,z,3,0,c,(,x,)=,z,2,c,(,b,2,)+,z,3,c,(,b,3,).,b,3,x,b,4,,,x,=,z,3,b,3,+,z,4,b,4,,,z,3,+,z,4,=1,,,z,3,z,4,0,c,(,x,)=,z,3,c,(,b,3,)+,z,4,c,(,b,4,).,直接处理分段线性函数,c,(,x,),模型求解,Machine Learning Center,IP,模型,,LINDO,求解,得到的结果与方法,2,相同,.,处理分段线性函数,方法,3,更具一般性,b,k,x,b,k,+1,y,k,=1,否则,y,k,=0,方法,3,b,k,x,b,k,+1,x,=,z,k,b,k,+,z,k,+1,b,k,+1,z,k,+,z,k,+1,=1,,,z,k,z,k,+1,0,c,(,x,)=,z,k,c,(,b,k,)+,z,k,+1,c,(,b,k,+1,).,c,(,x,),x,12000,9000,5000,0,500,1000,1500,b,1,b,2,b,3,b,4,为了表示,x,所在区间,引入,0-1,变量,y,k,:,模型求解,Machine Learning Center,分派问题,接力队选拔和选课策略,若干项任务分给一些候选人来完成,每人的专长不同,完成每项任务取得的效益或需要的资源就不同,如何分派任务使获得的总效益最大,或付出的总资源最少。,若干种策略供选择,不同的策略得到的收益或付出的成本不同,各个策略之间有相互制约关系,如何在满足一定条件下作出决择,使得收益最大或成本最小。,Machine Learning Center,丁的蛙泳成绩退步到,115”2,;,戊的自由泳成绩进步到,57”5,组成接力队的方案是否应该调整,?,如何选拔队员组成,4,100,米混合泳接力队,?,例1,混合泳接力队的选拔,甲,乙,丙,丁,戊,蝶泳,106”8,57”2,118”,110”,107”4,仰泳,115”6,106”,107”8,114”2,111”,蛙泳,127”,106”4,124”6,109”6,123”8,自由泳,58”6,53”,59”4,57”2,102”4,5,名候选人的,百米成绩,穷举法,:,组成接力队的方案共有,5!=120,种,。,Machine Learning Center,目标函数,若选择队员,i,参加泳姿,j,的比赛,记,x,ij,=1,否则记,x,ij,=0,0-1,规划模型,c,ij,(,秒),队员,i,第,j,种泳姿的百米成绩,约束条件,每人最多入选泳姿之一,c,ij,i,=1,i,=2,i,=3,i,=4,i,=5,j,=1,66.8,57.2,78,70,67.4,j,=2,75.6,66,67.8,74.2,71,j,=3,87,66.4,84.6,69.6,83.8,j,=4,58.6,53,59.4,57.2,62.4,每种泳姿有且只有,1,人,混合泳接力队的选拔,Machine Learning Center,模型求解,最优解:,x,14,=,x,21,=,x,32,=,x,43,=1,其它变量为,0;,成绩为,253.2,(秒),=413”2,MIN 66.8x11+75.6x12+87x13+58.6x14,+,+67.4x51+71 x52+83.8x53+62.4x54,SUBJECT TO,x11+x12+x13+x14=1,x41+x42+x43+x44=1,x11+x21+x31+x41+x51=1,x14+x24+x34+x44+x54=1,END,INT 20,输入,LINDO,求解,甲,乙,丙,丁,戊,蝶泳,106”8,57”2,118”,110”,107”4,仰泳,115”6,106”,107”8,114”2,111”,蛙泳,127”,106”4,124”6,109”6,123”8,自由泳,58”6,53”,59”4,57”2,102”4,甲,自由泳、乙,蝶泳、丙,仰泳、丁,蛙泳,.,Machine Learning Center,丁蛙泳,c,43,=,69.6,75.2,,,戊自由泳,c,54,=,62.4,57.5,方案是否调整?,敏感性分析?,乙,蝶泳、丙,仰泳、丁,蛙泳、戊,自由泳,IP,规划一般没有与,LP,规划相类似的理论,,LINDO,输出的敏感性分析结果通常是没有意义的。,最优解:,x,21,=,x,32,=,x,43,=,x,51,=1,成绩为,417”7,c,43,c,54,的新数据重新输入模型,用,LINDO,求解,指派,(,Assignment,),问题,:,每项任务有且只有一人承担,每人只能承担一项,,效益不同,怎样分派使总效益最大,.,模型讨论,甲,自由泳、乙,蝶泳、丙,仰泳、丁,蛙泳,.,原,方案,Machine Learning Center,为了选修课程门数最少,应学习哪些课程?,例2,选课策略,要求至少选两门数学课、三门运筹学课和两门计算机课,课号,课名,学分,所属类别,先修课要求,1,微积分,5,数学,2,线性代数,4,数学,3,最优化方法,4,数学;运筹学,微积分;线性代数,4,数据结构,3,数学;计算机,计算机编程,5,应用统计,4,数学;运筹学,微积分;线性代数,6,计算机模拟,3,计算机;运筹学,计算机编程,7,计算机编程,2,计算机,8,预测理论,2,运筹学,应用统计,9,数学实验,3,运筹学;计算机,微积分;线性代数,选修课程最少,且学分尽量多,应学习哪些课程?,Machine Learning Center,0-1,规划模型,决策变量,目标函数,x,i,=1,选修课号,i,的课程(,x,i,=0,不选),选修课程总数最少,约束,条件,最少,2,门数学课,,3,门运筹学课,,2,门计算机课。,课号,课名,所属类别,1,微积分,数学,2,线性代数,数学,3,最优化方法,数学;运筹学,4,数据结构,数学;计算机,5,应用统计,数学;运筹学,6,计算机模拟,计算机;运筹学,7,计算机编程,计算机,8,预测理论,运筹学,9,数学实验,运筹学;计算机,Machine Learning Center,先修课程要求,最优解:,x,1,=,x,2,=,x,3,=,x,6,=,x,7,=,x,9,=1,其它为,0;6,门课程,总学分,21,0-1,规展开阅读全文

咨信网声明:本文档由用户上传并分享,仅供学习交流、研究之用,未经授权,严禁复制、发行、汇编、翻译或网络传播等,侵权必究。
咨信网小贴示:
1、浏览或下载可查看了解,请点击【咨信网告知】。
2、下载文件中如有侵权或不适当内容,将立即纠正。
3、如果因为网速或其他原因下载失败请重新下载,重复下载[60天内]不扣币。
4、开具发票登录电脑端申请,请点击【索取发票】。
咨信网客服组:【微信客服】
1、浏览或下载可查看了解,请点击【咨信网告知】。
2、下载文件中如有侵权或不适当内容,将立即纠正。
3、如果因为网速或其他原因下载失败请重新下载,重复下载[60天内]不扣币。
4、开具发票登录电脑端申请,请点击【索取发票】。
咨信网客服组:【微信客服】


建模报告-数学规划模型.ppt
















自信AI助手














微信客服
客服QQ
发送邮件
意见反馈



链接地址:https://www.zixin.com.cn/doc/14775749.html