数学建模_对概率模型中随机存储策略的重新梳理

*这是数模建模中概率模型这章的一个例子,初看的时候觉得运用的是非常简单的概率知

识与优化求极值的问题,但是不知是我的理解能力有限或是数学水平有限,在看这个例子

的建模时非常费劲.*

先给出原文

J(u)为平均费用

这里直接的J(u)是关于每周初需要补货量的函数,书中对U求导得到一个等式进而求出S.

但是仔细想想觉得对U求导不是很直观也不好理解,就一周的期望费用,在S是可变量,X也是

随机变量时,将J设为补货量的函数有些不直观也没有必要(对于我这种渣渣来说不直观),不如直接设为

我们要求是S的函数J(S),也更符合平时优化问题求极值是通过对该变量求导等于零,进而求

改值.同时第二步再求s时,我觉得非常绕,给出的步骤没有几步,但是要想清楚需要绕很久,还容易

把自己绕进去.

下面是自己的梳理

条件分别是x<s,x>s

未知的参数是S,s,我们需要通过使得J最小从而得到这两个参数的值令J(S)对S求导,

可以得到和上面那种一样的结果.但是在理解上可以将J理解为S,s,x共同作用的函数曲线

,上面一步是找到了一个S使得该曲线比S取其他任意一个值时都要小.

下一步要确定s,那继续从使这个函数图像每一点都取值最小出发,因为上面确定的函数

部分是x<s的部分,J(S)在x<s部分的函数表达式为

但是该函数表达式可以在0<x<S内画出图像的,只是实际上我们只截取(0,s)之间的部分.

此时s还是未知的,(s,S)部分的图像表达式为

而这个函数在(0,S)之间也可以画出完整的函数,可知他们都是下凸函数,

这两个函数曲线在(0,S)之间存在一个交点c,在(0,c)时J1<=J2,在(c,S)时

J2<=J1,交点c就是所求的s点.