Matlab课设大作业

我要吃小脆筒

已于 2024-06-09 19:23:21 修改

阅读量2.1k

点赞数 26

分类专栏： matlab报告文章标签：课程设计数学建模 matlab

于 2024-06-09 19:21:43 首次发布

本文链接：https://blog.csdn.net/miibp/article/details/139564859

版权

matlab报告专栏收录该内容

2 篇文章 0 订阅

订阅专栏

一、问题

1、史教授讲授三个班的计算机课程，需要在期末考试中审阅120份考卷，史教授有2个研究生助手，小德和小华审阅期末考卷，所有试卷必须在3天内审阅完毕并公布分数，在这段时间内，小德有12h，小华有10h审阅试卷，小德每审阅一份试卷平均需要7.2min, 小华每审阅一份试卷平均需要12min, 但小德审阅的试卷有10%需要史教授重审，小华审阅的试卷有6%需要重审，那么每个研究生助手分配多少份试卷，可以使史教授重审量最少？

（1）构建规划模型；

（2）求解该规划模型；

（3）如果史教授可以让小德或小华多工作1h，应该选择谁？这1h会有怎样的影响？

2、某工厂有4名操作工可以被指派到4台机器上工作，下表显示了每名工人在每台机器上生产一件产品所需的时间，请制定最优指派方案，并计算总时间的最小值。

操作工	机器A	机器B	机器C	机器D
1	10	12	9	11
2	5	10	7	8
3	12	14	13	11
4	8	15	11	9

3、某企业经营两种商品，第一种商品每吨售价30元，第二种商品每吨售价450元。每售出一吨第一种商品所需要的营业时间平均是0.5h，每售出一吨第二种商品所需要的营业时间平均是（2+0.25

$x_2$ ）h，其中 $x_2$ 是第二种物品售出的数量，已知该企业在这段时间内的总营业时间是800h, 试确定使其营业额最大的营业计划。

4、以x(t)表示时刻t的人口，下面是阻滞增长（Logistic）模型：

试解释模型中涉及的所有变量、参数，并简洁表述该模型的建模思想，什么时候人口增长速度最快。

5、新型冠状病毒肺炎的防控

2019年底，新型冠状病毒肺炎（Corona Virus Disease 2019，COVID-19）疫情突然爆发，世界各国人民的生命健康和经济发展受到极大的影响和威胁。虽然各国都出台了一系列的疫情防控措施，但由于国情和民众认同不同等多种因素的影响，导致防控效果有较大的差异。

“群防群控”是控制病毒传播的有效措施，会在短时间内切断病毒的传播途径，但会以经济停滞和人民失业为代价。而欧美某些国家遵循“群体免疫”的策略，通过适当措施“缓和”病毒传播的速度，而不采用封城的措施。采用何种策略需要充分考量病毒本身的传播特征。

请结合全球新型冠状病毒肺炎疫情数据，建立数学模型解决下述问题：选取合理的评价指标，建立数学模型对世界范围内主要国家抗击疫情的效果进行综合评价。

二、解决方案

问题一

（1）构建规划模型；

决策变量：设小德批阅x1份试卷，小华批阅x2份试卷

目标函数：小德重审0.1*x1份，小华重审0.06*x2份

总共重审min=0.1*x1+0.06*x2份

约束条件： x1+x2>=120

0.12*x1<=12；

0.2*x2<=10；

0.12*x1+0.2*x2<=72；

x1，x2>=0；

（2）求解该规划模型；

min=0.1*x1+0.06*x2;

x1+x2>=120;

0.12*x1<=12;

0.2*x2<=10;

7.2*x1+12*x2<=4320;

x1>0;

x2>0;

end

由敏感度分析，最佳应是小德70份，小华50份

答：这一小时应该增加在小华上面，会减少0.2h的重审时间。

问题二

（1）模型建立

Cij~操作工i指派到j机器上工作所用的时间

操作工	j=1	j=2	j=3	j=4
i=1	10	12	9	11
i=2	5	10	7	8
i=3	12	14	13	11
i=4	8	15	11	9

若选择操作工i在j机器上工作，则ci=0表示不在i机器工作，ci=1表示在i机器工作；

（2）LINGO代码

MODEL:
sets:
person/1..4/;
machine/1..4/;
link(person, machine): c, x;
endsets
data:
c=  10, 12, 9, 11,
    5, 10, 7, 8,
12,14,13,11,
8,15,11,9;
enddata
min=@sum(link: c*x);
@for(person(i): @sum(machine (j):x(i,j))<=1;);
@for(machine (i):@sum(person(j):x(j,i))=1;);
@for(link: @bin(x));
END

得x13=x21=x32=x44=1,其他变量为0

操作工1~C,2~A,3~B,4~D

总时间为37

问题三

（1）模型建立

设第一种商品出售吨数为x1，第一种商品出售吨数为x2

第一种商品时间为t1，第一种商品时间为t2，

max=30*x1+450*x2;

0.5*x1+2*x2+0.25*x2*x2=800;

x1>0;

x2>0;

（2）LINGO代码

max=30*x1+450*x2;
t1=0.5*x1;
t2=2*x2+0.25*x2^2;
t1+t2=800;
x1>0;
x2>0;
end

X1=1495t,x2=11t时其营业额最大。

问题四

（1）解释

r（x）为人口年增长率，是关于x的线性函数

（2）建模思想

人数增长到一定数量后增长率会因为资源环境等因素而下降，且其产生的阻滞作用随人口增加而变大，所以r为x的减函数

问题五

参考数据百度疫情实时大数据报告https://voice.baidu.com/act/newpneumonia/newpneumonia/

国家	新增	累计	治愈	死亡
中国	56632	3947734	296512	20102
美国	50007	88244870	84040477	1038900
印度	9796	43334657	42725055	524903
巴西	51925	31824220	30492176	669436
法国	101957	30276632	29396235	149162
德国	122597	27334463	26306700	140357
英国	52855	22525358	22095052	179706
俄罗斯	2500	18406485	17832604	380643
韩国	9283	18298341	18129388	24474
意大利	16905	17959329	17191557	167842
土耳其	0	15085742	14986340	98996
西班牙	0	12613634	12130469	107604
越南	748	10738909	9617180	43083
阿根廷	28039	9341492	9108218	129016
日本	15376	9176092	8992743	31063
澳大利亚	31562	7887810	7664642	9507

设其中新增为x1，累计为x2，治疗x3，死亡x4，数据导入

（1）R型聚类分析

可以看出某些指标之间可能存在较强的相关性。为了验证想法，用matlab计算4个指标之间的相关系数

matlab代码：

clc, clear
a=load('yq.txt');
b=zscore(a); 
r=corrcoef(b) 
%d=tril(1-r); d=nonzeros(d)'; 
d=pdist(b','correlation'); 
z=linkage(d,'average'); 
h=dendrogram(z); 
set(h,'Color','k','LineWidth',1.3)  
T=cluster(z,'maxclust',3)  
for i=1:3
    tm=find(T==i);  
    tm=reshape(tm,1,length(tm)); 
    fprintf('第%d类的有%s\n',i,int2str(tm)); 
end

由聚类图看出，累计人数、治愈人数和死亡人数首先被分到了一起，说明具有较大的相关性。将其分为3类，则可以从x1新增X2累计X4死亡三个指标进行分析

（2）Q类型分析

matlab代码：

clc,clear
load yq.txt   %把原始数据保存在纯文本文件gj.txt中
yq(:,3)=[]; %删除数据矩阵的第3列～第6列,即使用变量1,2,7,8,9,10
yq=zscore(yq); %数据标准化
y=pdist(yq); %求对象间的欧氏距离,每行是一个对象
z=linkage(y,'average');  %按类平均法聚类
h=dendrogram(z);  %画聚类图
set(h,'Color','k','LineWidth',1.3)  %把聚类图线的颜色改成黑色，线宽加粗
for k=3:5
    fprintf('划分成%d类的结果如下：\n',k)
    T=cluster(z,'maxclust',k);  %把样本点划分成k类
    for i=1:k
      tm=find(T==i);  %求第i类的对象
      tm=reshape(tm,1,length(tm)); %变成行向量
      fprintf('第%d类的有%s\n',i,int2str(tm)); %显示分类结果
    end
    if k==5
        break
    end
    fprintf('**********************************\n');
end

划分成3类的结果如下：

第1类的有5 6

第2类的有1 3 4 7 8 9 10 11 12 13 14 15 16

第3类的有2

**********************************

划分成4类的结果如下：

第1类的有1 7 8 9 10 11 12 13 14 15 16

第2类的有3 4

第3类的有5 6

第4类的有2

**********************************

划分成5类的结果如下：

第1类的有3

第2类的有4

第3类的有1 7 8 9 10 11 12 13 14 15 16

第4类的有5 6

第5类的有2

由此可以看出美国的防疫与其他国家大不相同，其主要表现为累计人数和死亡人数大不相同

（3）主成分分析

matlab代码：

clc,clear
load yq.txt   %把原始数据保存在纯文本文件gj.txt中
gj=zscore(yq); %数据标准化
r=corrcoef(yq);  %计算相关系数矩阵
%下面利用相关系数矩阵进行主成分分析，vec1的列为r的特征向量，即主成分的系数
[vec1,lamda,rate]=pcacov(r) %lamda为r的特征值，rate为各个主成分的贡献率
contr=cumsum(rate) %计算累积贡献率
f=repmat(sign(sum(vec1)),size(vec1,1),1);%构造与vec1同维数的元素为±1的矩阵
vec2=vec1.*f  %修改特征向量的正负号，使得每个特征向量的分量和为正
num=4;  %num为选取的主成分的个数
df=yq*vec2(:,1:num);  %计算各个主成分的得分
tf=df*rate(1:num)/100; %计算综合得分
[stf,ind]=sort(tf,'descend');  %把得分按照从高到低的次序排列
tf=tf',stf=stf', ind=ind'

运行出结果后对参数估计，可以选择一部分重要再丢掉一部分。

注：matlab代码和txt要放在一个文件夹下