数建---优化建模

优化建模

一、最优化模型

例题1：

• 小明同学，烧一壶水要8分钟，灌开水要1分钟，取牛奶 和报纸要5分钟，整理书包要6分钟，为了尽快做完这些事，怎样 安排才能使时间最少？最少需要几分钟？
• 如果没有优化处理：5 + 6 + 8 + 1 = 20 min
• 优化处理（如果烧开必须马上灌水）: 8 + 1 + 5 = 14 分钟
• 优化处理（如果烧开不需马上灌水）: 5 + 6 + 1 = 12 min

例题2：

• 有一天晚上，有四个人需要通过架在山谷间的危桥，任 意时刻最多只能有两个人在桥上，过桥需要一盏闪光灯，这些人 只有一盏闪光灯。如果单独过桥他们分别需要1，2，5，10分钟， 如果两人同时过桥则所需时间是较慢者所需的时间。18分钟后， 沿山谷滚滚而下的山洪将把这座桥冲毁。这四个人能及时过桥吗？
• 一般优化处理：2 + 1 + 5 + 1 + 10 = 19 min
• 最优化处理：2 + 1 + 10 + 2 + 2 = 17 min （ 即 1，2 先去，1回，3，4 去，2 回，1，2 在去）

最优化方法： 是值在一系列客观或主观限制条件下，寻求合理分配有限资源使所关注的某个或多个指标达到最大（或者最小）的数学理论和方法，是 运筹学 里一个十分重要的分支。

最优化模型的一般形式：

• 三个要素：
  • 决策变量 decision bariable 关键
  • 目标函数 objective function 求最优解
  • 约束条件 constraints
• 

最优化模型的分类：

• 按约束
  • 无约束优化 （微积分中的求导问题）
  • 约束优化
• 按变量
  • 连续优化
  • 组合优化
• 按求解
  • 目标规划
  • 动态规划
  • 多层规划
  • 网络优化……
• 按参数
  • 确定性规划
  • 随机规划
• 按目标
  • 单目标规划
  • 多目标规划
• 图示：
  

最优化模型的求解：

无需搜索最优解的问题可以使用 LINGO 软件

需要搜索最优解的问题可以使用 MATLAS 软件（不方便建立最优化模型的问题）

二、运输问题

模型：

• 

• 

• 

• 

• 

-

-

例题1:

求解：

• 程序（LINGO）

  model:
  title 运输问题；
  stes:
  s1/1..3/a; !定义产地;
  s2/1..4/:b;!定义销地;
  ss(s1,s2):x,c; !定义运量和单价;
  endsets
  data:
  c = 
  3 11 3 10
  1 9 2 8
  7 4 10 5 ! 单价
  a = 7 4 9; ！产地限量
  b = 3 6 5 6; ! 销地需求量
  enddata
  min = @sum(ss:c*x);
  !产地上限的约束
  @for(s1(i):
  @sum(s2(j):x(i,j)) < a(i)
  );
  !销地下限的约束
  @for(s2(j)
  @sum(s1(i):x(i,j)) > b(j)
  );
  end
  

• 结果：

转运问题：

求解：

• 由于问题中所有产地、中间转运站、销地都可以看作产地， 又可看作销地。因此把整个问题当作有11个产地和11个销地的扩大 的运输问题。
• 所有中间转运站的产量等于销量。由于运费最少时不可能出现 一批物资来回倒运的现象，所以每个转运站的转运数不超过20吨。 可以规定T1，T2，T3，T4的产量和销量均为20吨。
• 扩大的运输问题中原来的产地与销地因为也有转运站的作用， 所以原来产量与销量的数字上加20吨，即三个厂每天糖果产量改成 27，24，29吨，销量均为20吨；四个销售点的每天销量改为23， 26，25，26吨
• 

例题3：

求解：

三、下料问题

下料问题： 生产中通过切割、剪裁、冲压等手段，将原材料加工成所需大小按照工艺要求，确定下料方案，使所用材料最省，或利润更大。

例一：

求解：

一般下料问题的最优解法：

• 决策变量 𝑥𝑖~ 按第i 种模式切割的原料钢管根数 (𝑖 = 1,2, ⋯ , 7)
• 目标函数两种标准：
  • 1.原料钢管剩余总量最小 𝑚𝑖𝑛 𝑍1 = 3𝑥1 +𝑥2 +3𝑥3 + 𝑥4 + 𝑥5 +𝑥6 +3𝑥7
  • 2.所有原料钢管总根数最少 𝑚𝑖𝑛 𝑍2 = 𝑥1 +𝑥2 +𝑥3 + 𝑥4 + 𝑥5 +𝑥6 +𝑥7
    

# LINGO 程序
model:
Title 钢管下料;
Min = 3*x1+x2+3*x3+3*x4+x5+x6+3*x7;
4*x1+3*x2+2*x3+x4+x5>50;
x2+2*x4+x5+3*x6 > 20;
x3+x5+2*x7 > 15;
@gin(x1);
@gin(x2);
@gin(x3);
@gin(x4);
@gin(x5);
@gin(x6);
@gin(x7);
end

例二:

求解：

• 现有4种需求：4米50根，5米10根，6米20根，8 米15根，由搜索算法确定有16种合理切割模式。
• 决策变量： xi ~按第i 种模式切割的原料钢管根数(i=1,2,3) r1i , r2i , r3i , r4i ~ 第i 种切割模式下，每根原料钢管 生产4米、5米、6米和8米长的钢管的数量
• 目标函数（总根数）: 𝒎𝒊𝒏 𝒙𝟏 + 𝒙𝟐 + 𝒙𝟑
• 约束条件：
  • 满足需求：
    • 𝒓𝟏𝟏 𝒙𝟏 + 𝒓𝟏𝟐 𝒙𝟐 + 𝒓𝟏𝟑 𝒙𝟑 ≥ 𝟓𝟎
    • 𝒓𝟐𝟏 𝒙𝟏 + 𝒓𝟐𝟐 𝒙𝟐 + 𝒓𝟐𝟑 𝒙𝟑 ≥ 𝟏𝟎
    • 𝒓𝟑𝟏 𝒙𝟏 + 𝒓𝟑𝟐 𝒙𝟐 + 𝒓𝟑𝟑 𝒙𝟑 ≥ 𝟐𝟎
    • 𝒓𝟒𝟏 𝒙𝟏 + 𝒓𝟒𝟐 𝒙𝟐 + 𝒓𝟒𝟑 𝒙𝟑 ≥ 𝟏𝟓
  • 模式合理：
    • 𝟏𝟔 ≤ 𝟒 𝒓𝟏𝟏 + 𝟓 𝒓𝟐𝟏 + 𝟔 𝒓𝟑𝟏 + 𝟖 𝒓𝟒𝟏 ≤ 𝟏𝟗
    • 𝟏𝟔 ≤ 𝟒 𝒓𝟏𝟐 + 𝟓 𝒓𝟐𝟐 + 𝟔 𝒓𝟑𝟐 + 𝟖 𝒓𝟒𝟐 ≤ 𝟏𝟗
    • 𝟏𝟔 ≤ 𝟒 𝒓𝟏𝟑 + 𝟓 𝒓𝟐𝟑 + 𝟔 𝒓𝟑𝟑 + 𝟖 𝒓𝟒𝟑 ≤ 𝟏𝟗

例三：

• 题目：单一原材料的长度为 3000 mm, 需要完成一项有53种不 同长度零件的下料任务（下料方式一千万种）. 具体数据见表一，在每个切割点处由 于锯缝所产生的损耗为5 mm. 据估计，该企业每天最大下料能 力是100块 ，要求在4天内完成的零件标号为： 为:5,7,9,12,15,18,20,25, 28,36,48; 要求不迟于6天完成的零件 标为：4,11,24,29,32,38,40,46,5
• 

求解：

• 法1： 先下料最长的零件，直至下完，再下料次长的零件，尽量利用余料。。。。
• 法2： 从零件的所有下料方式中挑选1种下料，完成部分零件的下料任务，再从剩余零件的所有下料方式中挑选一种下料。。。
• 法3： 将零件分成n 组，每组分别搜索所有的下料方式，利用线性规划模型求最优解，可改变组数，以及每组的零件种类，得到多种情况下的最优解，在综合取最优。
• 法4： 以上方法组合使用。

四、指派问题

**例题：**有一份中文说明书，需译成英、日、德、俄 四种文字。分别记作E、J、G、R。现有甲、乙、丙、丁四 人。他们将中文说明书翻译成不同语种的说明书所需时间 如表所示。问应指派何人去完成何工作，使所需总时间最 少?

求解：

法一： 矩阵覆盖法

• step 1： 求等价分配矩阵（每行每列减最小元素）
• step 2 ： 求独立零元，画上框。（非 同行同列的零）
• step 3： 最优判别：达到n个独立零元。停，
• step 4： 求覆盖线：
  • 1 ）封锁没有画框零元的行，封锁就打√
  • 2 ）在封锁行中未画框零元的列 也封锁
  • 3）在封锁列中画框零元的行也封锁
  • 4）未封锁行与封锁列画上覆盖线
• step 5： 调节分配矩阵：在未覆盖元中选取最小元 k, 未覆盖行减 k ，覆盖列加 k 。转 step 2
  
  

例题:选拔队员 某班准备从5名游泳员中选择４人组成接 力队，参加学校的4 × 100 m混合泳接力比赛，5名队员4种 泳姿的百米平均成绩如表，问如何选拔队员。

求解：（LINGO 求解）

model:
stes:
s1/1..4/:;
s2/1..5/:;
ss(s1,s2):c,x;
endsets
data:
c = 
66 57 78 70 77
65 61 74 64 71
87 66 69 69 84
59 53 59 57 62
;
enddata
min = @sum(ss:c*x);
@for(s1(i):@sum(s2(j):x(i,j)) = 1);
@for(s2(j):@sum(s1(j):x(i,j)) < 1);
@for(ss:@bin(x));

五、目标规划

目标规划与线性规划的区别

线性规划存在局限性

例题：

某企业生产甲、乙两种产品，需要用到A,B,C三种设备， 关于产品的盈利与使用设备的工时及限制如下表所示。

设甲、乙产品的产量分别为x1, x2 ,建立线性规划模型：

𝑚𝑎𝑥 𝑧 = 200𝑥1 + 300𝑥2
𝑠.𝑡. 2𝑥1 + 2𝑥2 ≤ 12
          4𝑥1 ≤ 16
          5𝑥2 ≤ 15
       𝑥1, 𝑥2 ≥ 0
        
用Lingo软件求解,得到最优解 𝑥1 = 3, 𝑥2 = 3, 𝑧∗ = 150

在例一中，企业的经营目标不仅仅要考虑利润，还要考虑多个方面：

• 力求是利润指标不低于 1500 元
• 考虑到市场需求，甲、乙 两种产品的产量比应尽量保持 1 : 2
• 设备A为贵重设备，严格禁止超时使用
• 设备C 可以适当加班，但要控制
• 设备B 既要求充分利用又尽可能不加班，在重要性上，设备B是设备C的3倍

目标规划模型

• 1.设置偏差变量

  d+ ---- 超出目标的差值，称为正偏差变量

  d- ---- 未达到目标的差值，称为负偏差变量

  约定如下：

  • 当实际值超过目标值时，有 d - = 0，d+ > 0
  • 当实际值未达到目标值时，有 d+ = 0 ，d- > 0
  • 当实际值与 目标值一致时，有 d+ = d- = 0

• 2.统一处理目标与约束

  在目标规划中，约束可分为两类，一类是对资源有严格限制的，称为 刚性约束 ；另一类是可以不严格限制的，连同原线性规划的目标，构成 柔性约束。

  设备A禁止超时使用 ： 2𝑥1 + 2𝑥2 ≤ 12 （刚性约束）

  希望利润不低于1500元 ： min { d-} and 𝟐𝟎𝟎𝒙𝟏 + 𝟑𝟎𝟎𝒙𝟐 +𝒅− − 𝒅+ = 1500

  甲乙两种产品的产量尽量保持1：2的比例 ：

  • min { d- + d+}
  • 𝟐𝒙𝟏 − 𝒙𝟐 +𝒅− − 𝒅+ = 0

  设备C可以适当加班，但要控制：

  • min{d+}
  • 𝟓𝒙𝟏 +𝒅− − 𝒅+ = 𝟏5

  设备B既要求充分利用，又尽可能不加班

  • min{d- + d+}
  • 𝟒𝒙𝟏 + 𝒅− − 𝒅+ = 𝟏6

  总结如下：

  • 如果希望不等式保持大于等于，则极小化负偏差
  • 如果希望不等式保持小于等于，则极小化正偏差
  • 如果希望保持等式，则同时极小化正、负偏差

• 3.目标的优先级与权系数

  • 第一个层次：是目标分成不同的 优先级，在计算目标规划时，必须先优化高优先的目标，然后再优化低优先级的目标。通常以 P1 ,P2 ,…表示不同的因子，并规定 Pk >> Pk+1
  • 第二个层次： 是目标处于同一优先级，但两个目标的 权重 不一样，因此两目标同时优化，用权系数的大小来表示目标重要性的差别。

• 4.目标规划的一般模型
  

求解目标规划的序贯式算法

• step 1：求解第一级单目标问题
• step 2：将第一级目标等于其最优目标值添加到约束中，求解第二级目标
• step 3：将第二级目标等于其最优值添加到约束中，求解第三级目标。

本例求得目标规划的最优解为x *=(2,4),最优利润为1600

六、装箱问题

例一：

美国1988年数学竞赛B题 有7种规格的包装箱要装到两辆铁路 平板车上。包装箱的高和宽是一样的，但厚度（t,以厘米计）及重量 （g，以千克计）是不同的。下表给出来了每种包装箱的厚度，重量 以及数量。每辆平板车有10.2 m长的地方可以用来装包装箱（像面 包片那样），载重为40 t。由于当地货运的限制，对C5，C6，C7类 的包装箱的总数有一个特别的限制：这类箱子所占的空间（厚度） 不能超过302.7 cm。试把包装箱装到平板车上去使得浪费的空间最小。

求解：

例二： 选择装箱问题

某厂拟用集装箱托运甲乙两种货物，每箱的体积、重量、 可获利润以及托运所受限制如表5-1所示。问两种货物各托运 多少箱，可使获得利润为最大?

例题3

文件保存问题 在出发去度假之前，你希望将你的一些最重 要的文件备份到软盘上。每个空白软盘的容量是 1.44 MB。你需 要备份的16个文件的大小分别为：46 KB，55 KB，62 KB，87 KB， 108 KB，114 KB，137 KB，164 KB，253 KB，364 KB，372 KB， 388 KB，406 KB，432 KB，461 KB，851 KB。假定你无法使用压 缩软件，但软盘数量足够，那么应如何将这些文件分配到每一 张软盘上才能使使用的软盘数目最少？

七、生产计划问题

例：

生产计划问题 某公司生产某产品,最大生产能力为 10000单位,每单位存储费2元,预定的销售量与单位成本如下:

求一生产计划, 使 1)满足需求; 2)不超过生产能力;3)成本(生产成本与存储费之和)最低。

解 假定1月初无库存,4月底卖完,当月生产的不库存,库 存量无限制

模型 I：

model：
title 生产计划程序1;
Sets:
yuefen/1..4/:c,x,e,d;
endsets
data:
c = 70 71 80 76;
d = 6000 7000 12000 6000;
e = 2 2 2 2;
a = 10000;
enddata
min = @sum(yuefen:c*x) + @sum(yuefen(j) | j#1t#4:
@sum(yuefen(i) | i#le#j:
x-d) * e(j+1));
@for(yuefen(j) | j#lt#4:@sum(yuefen(i)
>@sum(yuefen(i) | i#le#j:d));
@sum(yuefen:x) = @sum(yuefen:d);
@for(yuefen:x<a);
end

模型II

model：
title 生产计划程序2；
Sets:
yuefen/1..4/:c,x,e,d,s;
endsets
data:
c = 70 71 80 86;
d = 6000 7000 12000 6000;
e = 2 2 2 2;
a = 10000;
enddata
min = @sum(yuefen:c*x+e*s);
@for(yuefen(i)|i#lt#4:
s(i+1) = s(i) + x(i) - d(i));
s(4) + x(4) - d(4) = 0;
s(1) = 0;
@for(yuefen:x<a);
End

模型三


建模如下：

model:
title 生产计划程序3;
sets:
yuefen/1..4/:a,d,xx;
!定义上三角矩阵;
link(yuefen,yuefen) |&2#ge# &1 : c,x;
endsets
data:
c = 70 72 74 76
       71 73 75
           80 82
              76 ;
              
d = 6000 7000 12000 6000;
a = 10000 10000 1000 10000;
enddata
min=@sum(link:c*x);
@for(yuefen(i):
@sum(yuefen(j)|j#ge#i:
x(i,j)) < a(i););
@for(yuefen(j):
@sum(yuefen(i)|j#ge#i:
x(i,j)) > d(j););
!得到每个月的生产量;
@for(yuefen(i) :
xx = @sum(yuefen(j) | j#ge#i: 
x(i,j)));
End

八、非线性规划

例题：

料场的建立与运输 建筑工地的位置(用平面坐标a, b表示， 距离单位：公里)及水泥日用量d(吨)，下表给出。有两个临时料场 位于P(5,1),Q(2, 7),日储量各有20吨。

（1）从A,B两料场分别向各工地运送多少吨水泥，使总的吨公 里数最小。

（2）如果新建两个料场，两个新的料场应建在何处，节省的 吨公里数有多大？

求解：

model：
Title 第二小问;
sets:
demand/1..6/:a,b,d;
supply/1..2/:x,y,e;
link(supply,demand):c;,
endsets
data:
a = 1.25,8.75,0.5,5.75,3,7.25;
b = 1.25,0.75,4.75,5,6.5,7.75;
d = 3,5,4,7,6,11;
e = 20,20;
enddata
! 初始段：对集合属性定义初值（迭代算法的迭代初值）；
init:
!初始点;
x,y = 5,1,2,7;
endinit
min = @sum(link(i,j):c(i,j)*((x(i)-a(j)) ^ 2 + (y(i)-b(j))^2 (1/2) );
@for(demand(j):@sum(supply(i):c(i,j)) = d(j) ; ) ;
@for(supply(i): @sum(deamnd(j):c(i,j)) <= e(i););
@for(supply: @bnd(0.5,x,8.75);
@bnd(0.75,Y,7.75) ;);
END !比@free(x);@free(y);要好，可减少计算工作量

例题二：

饮酒驾车CUMCM2004C

请你参考下面给出的数据 （或自己收集资料）建立饮酒后血液中酒精含量的数学模型，并讨 论以下问题：

1. 对大李碰到的情况做出解释；
2. 2.。。。

参考数据

1. 。。。
2. 体重约 70 kg的某人在短时间内喝下2瓶啤酒后，隔一定时 间测量他的血液中酒精含量（毫克／百毫升），得到数据如下：
   

求解：

分析：把人体内酒精的吸收，代谢，排除过程分成两个“室”， 胃是第一个室，血液为第二室，酒精先进入胃，然后被吸收进入血 液，由循环到达体液内，再通过代谢，分解及排泄，出汗，呼气等 方式排除。

假设胃里的酒精被吸收进入血液的速度与胃中的酒量x(t)成正比， 比例常数为 k1，血液中的酒被排除的速度与血液的酒量y(t)成正比， 比例系数为 k2，G0为短时间内喝入胃的酒精总量， 则可以建立微分方程：

# LINGO 程序
model:
sets:
BAC/R1..R23/:T,Y;
endsets
data:
T = 0.25 0.5 0.75 1 1.5 2 2.5 3 3.5 4 4.5 5 6 7 8 9 10 11 12 13 14  15 16;
Y = 30 68 75 82 82 77 68 68 58 51 50 41 38 35 28 25 18 15 12 10 7 7 4;
enddata
min = @sum(BAC:(A1*(@EXP(-A2*T)-@EXP(-A3*T))-Y)^2);
end

九、多目标规划

例子：

第29届奥运会明年8月将在北京举行，大部分人将会乘坐公共交通 工具到现场观看奥运比赛，这些年来，城市的公交系统有了很大发展， 北京市的公交线路已达800条以上，使得公众的出行更加通畅、便利， 但同时也面临多条线路的选择问题。请你们解决如下问题：

1、仅考虑公汽线路，给出任意两公汽站点之间线路选择问题的 一般数学模型与算法。 （其它略） 花费最小，时间最短，转车次数最小，堵车程度弱。。

数学模型：

求解方法：

• 加权法：

• 极大极小（min-max）法

• 偏差函数法

• 测度法（去掉量纲）

• 约束法

• 分层序列法

• 费效比函数
  

十、敏感性分析

对目标函数系数的敏感性分析

例题：例1 生产计划问题

某工厂计划安排生产Ⅰ，Ⅱ两种产品， 已知每种单位产品的利润，生产单位产品所需设备台时及A,B 两种原材料的消耗，现有原材料和设备台时的定额如表所示， 问： １）怎么安排生产使得工厂获利最大？

２）产品Ⅰ的单位利润降低到1.8万元，要不要改变生产计划， 如果降低到1万元呢？

3）原材料A的市场价为1元/kg，要不要购买？买多少？

求解：

model
title 生产计划问题；
[maxf]max = 2*x1+3*x2;
[TIME]x1+2*x2<8;
[A]4*x1<16;
[B]4*x2<12;
end

• 1. 怎么安排生产使得工厂获利最大？

• 2）产品 I 的单位利润降到1.8万元，要不要改变生产计划，如果降到1万元呢？
  
  

  • 对偶最优解即 影子价格，或者 对偶价格。
  • 经济含义： 在资源得到最优配置时，该资源投入量每增加一个单位所带来总收益的增加量。
  • 影子价格不是价格，适用于和市场价格对比的一个量
  • 如果影子价格高于市场价格，可购买原材料用于生产，可增加利润；
  • 如果影子价格低于市场价格，出售原材料可获得更大的利润

• 3）原材料A 的市场价为 1元/kg 要不要购买？买多少？