数学建模典型例题.docx
《数学建模典型例题.docx》由会员分享,可在线阅读,更多相关《数学建模典型例题.docx(12页珍藏版)》请在冰豆网上搜索。
数学建模典型例题
一、人体重变化
某人得食量就是10467焦/天,最基本新陈代谢要自动消耗其中得5038焦/天。
每天得体育运动消耗热量大约就是69焦/(千克• 天)乘以她得体重(千克)。
假设以脂肪形式贮存得热量100%地有效,而1千克脂肪含热量41868焦。
试研究此人体重随时间变化得规律.
一、问题分析
人体重W(t)随时间t变化就是由于消耗量与吸收量得差值所引起得,假设人体重随时间得变化就是连续变化过程,因此可以通过研究在△t时间内体重W得变化值列出微分方程。
二、模型假设
1、以脂肪形式贮存得热量100%有效
2、当补充能量多于消耗能量时,多余能量以脂肪形式贮存
3、假设体重得变化就是一个连续函数
4、初始体重为W0
三、模型建立
假设在△t时间内:
体重得变化量为W(t+△t)—W(t);
身体一天内得热量得剩余为(10467—5038-69*W(t))
将其乘以△t即为一小段时间内剩下得热量;
转换成微分方程为:
d[W(t+△t)-W(t)]=(10467—5038-69*W(t))dt;
四、 模型求解
d(5429—69W)/(5429-69W)=-69dt/41686
W(0)=W0
解得:
5429-69W=(5429-69W0)e(-69t/41686)
即:
W(t)=5429/69—(5429-69W0)/5429e(-69t/41686)
当t趋于无穷时,w=81;
二、投资策略模型
一、问题重述
一家公司要投资一个车队并尝试着决定保留汽车时间得最佳方案。
5年后,它将卖出所有剩余汽车并让一家外围公司提供运输。
在策划下一个5年计划时,这家公司评估在年i得开始买进汽车并在年j得开始卖出汽车,将有净成本aij(购入价减去折旧加上运营与维修成本).以千元计数aij得由下面得表给出:
aij
年2
年3
年4
年5
年6
年1
4
6
9
12
20
年2
5
7
11
16
年3
6
8
13
年4
8
11
年5
10
请寻找什么时间买进与卖出汽车得最便宜得策略。
二、问题分析
本问题就是寻找成本最低得投资策略,可视为寻找最短路径问题.因此可利用图论法分析,用Dijkstra算法找出最短路径,即为最低成本得投资策略。
3、条件假设
除购入价折旧以及运营与维护成本外无其她费用;
4、模型建立
二
5
11 7三6
4
16
6 13 8 四
一 9
12 811
20
五
10
六
运用Dijikstra算法
1 2 3 4 5 6
0 4 6 9 1220
6 9 12 20
9 12 20
12 20
20
可发现,在第二次运算后,数据再无变化,可见最小路径已经出现
即在第一年买进200辆,在第三年全部卖出,第三年再买进200第六年全部卖出。
三、飞机与防空炮得最优策略
1、问题重述:
红方攻击蓝方一目标,红方有2架飞机,蓝方有四门防空炮,红方只要有一架飞机突破蓝方得防卫则红方胜.其中共有四个区域,红方可以其中任意一个接近目标,蓝方可以任意布置防空炮,但一门炮只能防守一个区域,其射中概率为1。
那么双方各采取什么策略?
2、问题分析
该问题显然就是红方与蓝方得博弈问题,因此可以用博弈论模型来分析本问题。
1、对策参与者为两方(红蓝两方)
2、红军有两种行动方案,即两架飞机一起行动、两架飞机分开行动。
蓝军有三种防御方案,即四个区域非别布置防空炮(记为1-1-1-1)、一个区域布置两架一个没有另外两个分别布置一个(记为2-1—1-0)、两个区域分别布置两架飞机另外两个没有(记为2—2-0—0).显然就是不需要在某个区域布置3个防空炮得。
三、问题假设:
(1)红蓝双方均不知道对方得策略。
(2)蓝方可以在一个区域内布置3,4门大炮,但就是大炮数量大于飞机得数量,而一门大炮已经可以击落一架飞机,因而这种方案不可取.
(3)红方有两种方案,一就是让两架飞机分别通过两个区域去攻击目标,另一种就是让两架飞机通过同一区域去攻击目标。
(4)假设蓝方四门大炮以及红方得两架飞机均派上用场,且双方必须同时作出决策。
4、模型建立
行动及其产生得结果
红方
蓝方
2架一起
两架分开
1—1-1-1
1、0
0、00
2—1—1
0、75
0、50
2-2-0—0
0、50
0、83
由此可得赢得矩阵蓝方为A,红方为B
A= 10
0、75 0、50
0、500、83
B= 0 0、25 0、5
10、5 0、17
没有鞍点,故用混合策略模型解决本问题
设蓝方采取行动i得概率为xi(i=1,2,3),红方采取行动j得概率为yj(j=1,2),则蓝方与红方策略集分别为:
S1={x=(x1,x2,x3)0〈 xi〈1,∑xi=1},
S2={y=(y1,y2)0<yi<1,∑yi=1}.
5、模型求解
下列线性规划问题得解就就是蓝军得最优混合策略x*
Max v1
0*x1+0、25*x2+0、5*x3>v1
x1+0、5*x2+0、17*x3〉v1
x1+x2+x3=1
xi<=1
下列线性规划问题得解就就是红军得最优混合策略y*
Minv2
y20、25*y1+0、5*y2〈v2
0、5*y1+0、17* y2〈v2
y1+y2=1
yi<=1
四、雷达计量保障人员分配
开展雷达装备计量保障工作中,合理分配计量保障人员就是提高计量保障效能得关键。
所谓合理分配就是指将计量保障人员根据其专业特长、技术能力分配到不同得工作岗位上,并且使得所有人员能够发挥出最大得军事效益。
现某雷达团共部署12种型号共16部雷达,部署情况及计量保障任务分区情况如表所示:
区域
部署雷达
计量保障任务划分
计量保障任务数量
区域1(雷达一营)
区域2(雷达二营)
区域3(雷达三营)
A、A、B、C、D、E
C、F、G、H、I
D、F、J、K、L
A、B1、B2、C、D、E、
C、F、G、H1、H2、I
D、F、J、K、L1、L2
6
6
6
说明:
1.保障任务分区域进行保障;
2。
B、H、L型雷达分为两个保障任务,分别为B1、B2、H1、H2、L1、L2,其它雷达为一个保障任务;
3.同一区域多部相同雷达等同于一部雷达得保障任务;
4.不同区域得相同雷达瞧作不同保障任务;
5.每个保障人员只能保障一个任务;
6.每个保障任务只由一个保障人员完成。
雷达得重要性由其性能与所担负得作战任务共同决定,即使同一型号得雷达在不同区域其重要性也可能不同。
各雷达得重要性如下表所示(表中下标表示雷达所在保障区域):
雷达
A1
B1
C1
D1
E1
C2
F2
G2
H2
I2
D3
F3
J3
K3
L3
重要性
0、8
0、9
0、8
0、7
0、7
0、7
0、8
0、7
0、9
0、6
0、7
0、9
0、8
0、6
0、7
该雷达团修理所现在有10名待分配计量保障人员,她们针对不同保障任务得计量保障能力量化指标如下表所示:
人员
A
B1
B2
C
D
E
F
G
H1
H2
I
J
K
L1
L2
Mw1
0、8
0、3
0
0、7
0、4
0、8
0、6
0、7
0、9
0、3
0、4
0
0
0、7
0、8
Mw2
0、9
0、5
0
0、5
0
0
0、5
0、9
0、5
0、5
0、5
0、5
0、5
0、5
0、5
Mw3
0
0、9
0
0
0
0
0、4
0、6
0、4
0、7
0、4
0、4
0、3
0、4
0、5
Mw4
0、4
0
0
0、5
0、5
0
0、2
0
0、2
0、6
0、8
0、2
0、7
0、2
0、2
Mw5
0、7
0、8
0、7
0、6
0、7
0、3
0、3
0
0、3
0、5
0、7
0、3
0、3
0、3
0、7
Mw6
0、5
0
0、8
0、6
0、8
0、7
0、8
0
0、8
0、8
0、6
0、8
0、8
0、1
0、2
Mw7
0、5
0、9
0、4
0
0
0、2
0、3
0、4
0、3
0、3
0
0、6
0、3
0、3
0、5
Mw8
0、8
0、2
0、4
0、6
0
0、1
0、2
0、2
0、2
0、1
0
0、2
0、1
0、2
0、2
Mw9
0、4
0、7
0、5
0、5
0、3
0、6
0、7
0、8
0、7
0、6
0、4
0、3
0、7
0、6
0、2
Mw10
0、7
0、3
0、8
0、6
0、8
0、8
0、3
0、5
0、2
0
0、4
0、9
0、7
0
0
问题:
如何给该团三个营分配计量保障人员,使她们发挥最大军事效益?
一、问题分析:
该问题就是人员指派问题,目得就是得到最大效益。
根据保障能力测试与雷达重要性定义出效益矩阵,用0—1整数规划方法来求解,得到最大效益矩阵.
2、模型假设
1.保障任务分区域进行保障;
2。
B、H、L型雷达分为两个保障任务,分别为B1、B2、H1、H2、L1、L2,其它雷达为一个保障任务;
3.同一区域多部相同雷达等同于一部雷达得保障任务;
4。
不同区域得相同雷达瞧作不同保障任务;
5.每个保障人员只能保障一个任务;
6.每个保障任务只由一个保障人员完成.
三、模型建立
根据题目列出保障人员能力量化指标矩阵:
根据题目,设保障任务得重要性向量,bi表示第i个任务得重要性。
列出保障任务重要性向量:
我们用二者得乘积表示效益矩阵:
。
我们设元素rij表示第i个人完成j件事得效益,Xij表示第i个人去保障第j件任务,如果就是,其值为1,否则为0。
利用这一个矩阵与0—1规划,我们就可以列出方程:
,m〈=n
model:
sets:
M/1、、10/;
N/1、、18/:
a;
allowed(M,N):
b,r,x;
endsets
data:
a=0、8 0、9 0、90、80、70、70、70、80、70、90、90、60、70、90、80、60、70、7;
b=0、80、30 0、7 0、40、8 0、70、6 0、70、90、30、4 0、4 0、60 00、70、8
0、90、5 00、5000、50、50、90、5 0、50、5 00、50、50、50、50、5
00、9000 000、40、60、4 0、7 0、40 0、40、40、30、4 0、5
0、400 0、50、5 00、50、200、20、6 0、80、50、20、2 0、70、20、2
0、70、80、7 0、60、70、30、6 0、300、3 0、50、7 0、70、30、3 0、30、30、7
0、500、80、60、80、70、6 0、800、80、80、60、80、80、80、80、10、2
0、50、90、4 0 00、20 0、30、40、3 0、3000、3 0、60、30、3 0、5
0、8 0、20、40、6 00、1 0、60、20、2 0、20、100 0、2 0、20、1 0、20、2
0、40、70、50、50、3 0、60、5 0、70、80、70、60、40、30、70、3 0、70、60、2
0、70、30、80、60、80、80、60、30、50、2 00、40、80、30、90、700;
enddata
max=sum(allowed(i,j):
x(i,j)*r(i,j));
for(M(i):
for(N(j):
r(i,j)=a(j)*b(i,j)));
for(M(i):
sum(N(j):
x(i,j))=1);
for(N(j):
sum(M(i):
x(i,j))<=1);
for(M(i):
for(N(j):
bin(x(i,j))));
End
解得最大效益为6、63,
分配方案为:
第5、7、8号保障人员分配到区域1,其中8号承担A型,5、7号承担B1,B2型;第1、2、3、4、9号保障人员分配到区域2,其中第9号保障人员承担F型2号G型,1、3号承担H1,H2型,4号I型;第6、10号保障人员分配到区域3,6号F型、10号J型。