2023华数杯数学建模c题b题a题思路模型代码分析

目录

2023华数杯最新 赛题思路（赛题出来以后第一时间在，发布请看文末名片）

下面给大家分析以前的题目

最新思路发布见此文末名片

---

2023华数杯最新 赛题思路
（赛题出来以后第一时间在，发布请看文末名片）

下面给大家分析以前的题目

1 描述
某大学数学系人力资源安排问题是一个整数规划的最优化问题，通过具体分析数学系现有的技术力量和各方面的约束条件，在问题一的求解中，可以列出一天最大直接收益的整数规划，求得最大的直接收益是42860元；而在问题二的求解中，由于教授一个星期只能工作四天，副教授一个星期只能工作五天，在这样的约束条件下，列出一个星期里最大直接收益的整数规划模型，求得其最大直接收益是198720元。

2 问题概括
数学系的教师资源有限，现有四个项目来源于四个不同的客户，工作的难易程度不一，各项目对有关技术人员的报酬不同。所以：

1.在满足工作要求的情况下，如何分配数学系现有的技术力量，使得其一天的直接收益最大？

2.在教授与副教授工作时间受到约束的条件下，如何分配数学系现有的技术力量，使得其在一个星期里的直接收益最大？

3 建模过程
3.1 边界说明
1.不同技术力量的人每天被安排工作的几率是相等的，且相同职称的个人去什么地方工作是随机的；

2.客户除了支付规定的工资额外，在工作期间里，还要支付所有相关的花费（如餐费，车费等）；

3.当天工作当天完成．

3.2 符号约定

模型评价与推广
本模型通过合理的假设，充分考虑各方面的限制条件，得出的人员安排和直接收益

都是本模型的最优解与最优值，对武汉大学数学系的人力资源安排有一定的指导作用。但从模型假设中，我们可以知道对数

学系现有的技术力量的安排是随机的，在相同工作时段里，可能会出现部分人工作次数较多，而部分人较少的不公平情况。

所以在满足工作需求的情况下，分配工作时应该要人为地尽量使得每个人的工作次数不要相差太远，或者相等。

此模型通过对人力资源的调配，从量化的角度得出数学系的最大直接收益。利用此模型的方法可以求出所有类似本模型的线性规划模型。但是，本模型只是单目标的规划，可以在此基础上，增加目标要求。如在数学系的直接收益尽可能大的基础上，使得客户所花费的资金最少，等等。从而建立多目标规划模型。解决更为复杂的实际问题
 

f=[-1000;-800;-550;-450;-1500;-800;-650;-550;-1300;-900;-650;-350;-1000;-800;-650;-450];
A=zeros(9,16);
for i=1:1
   for j=1:16
      A(i,j)=1; 
   end
end
for i=2:5
   for j=i-1:4:11+i
      A(i,j)=1;
   end
end
i0=0;
for i=6:9
   for j=i0+1:(i-5 )*4
      A(i,j)=1;
   end
   i0=j;
end
b=[64;17;20;15;18;12;25;17;10];
Aeq=zeros(1,16);
Aeq(1,3)=1;
beq=[2];
LB=[1;2;2;1;2;2;2;2;2;2;2;1;1;3;1;0];
UB=[3;5;2;2;inf;inf;inf;8;inf;inf;inf;inf;inf;inf;inf;0];
[x,fval]=linprog(f,A,b,Aeq,beq,LB,UB)



f=[-1000;-1000;-1000;-1000;-1000;-1000;-1000;-1500;-1500;-1500;-1500;-1500;-1500;-1500;-1250;-1250;-1250;-1250;-1250;-1250;-1250;-950;-950;-950;-950;-950;-950;-950;-800;-800;-800;-800;-800;-800;-800;-800;-800;-800;-800;-800;-800;-800;-850;-850;-850;-850;-850;-850;-850;-750;-750;-750;-750;-750;-750;-750;-600;-600;-600;-600;-600;-600;-600;-700;-700;-700;-700;-700;-700;-700;-650;-650;-650;-650;-650;-650;-650;-650;-650;-650;-650;-650;-650;-650;-500;-500;-500;-500;-500;-500;-500;-600;-600;-600;-600;-600;-600;-600;-350;-350;-350;-350;-350;-350;-350;-450;-450;-450;-450;-450;-450;-450];
A=zeros(60,112);
for i=1;1
   for j=1:112
      A(i,j)=1;
   end 
end
i0=0;
for i=2:4
   for j=i0+1:(i-1)*28
      A(i,j)=1;
   end
   i0=j;
end
for i=5:32
   for j=(i-4):28:80+i
      A(i,j)=1;
   end
end
for i=33:39
   for j= i-32:7:(i-11)
      A(i,j)=1;
   end
end
j0=j;
for i=40:46
   for j=j0+(i-39):7:(i-18)+j0
      A(i,j)=1;
   end
end
j0=j;
for i=47:53
   for j=j0+(i-46):7:j0+(i-25)
      A(i,j)=1;
   end
end
j0=j;
for i=54:60
   for j=j0+(i-53):7:j0+(i-32)
      A(i,j)=1;
   end
end
b=[362;48;125;119;17;17;17;17;17;17;17;20;20;20;20;20;20;20;15;15;15;15;15;15;15;18;18;18;18;18;18;18;12;12;12;12;12;12;12;25;25;25;25;25;25;25;17;17;17;17;17;17;17;10;10;10;10;10;10;10];
UB=[3;3;3;3;3;3;3;5;5;5;5;5;5;5;3;3;3;3;3;3;3;2;2;2;2;2;2;2;+inf;+inf;+inf;+inf;+inf;+inf;+inf;+inf;+inf;+inf;+inf;+inf;+inf;+inf;+inf;+inf;+inf;+inf;+inf;+inf;+inf;8;8;8;8;8;8;8;+inf;+inf;+inf;+inf;+inf;+inf;+inf;+inf;+inf;+inf;+inf;+inf;+inf;+inf;+inf;+inf;+inf;+inf;+inf;+inf;+inf;+inf;+inf;+inf;+inf;+inf;+inf;+inf;+inf;+inf;+inf;+inf;+inf;+inf;+inf;+inf;+inf;+inf;+inf;+inf;+inf;+inf;+inf;+inf;+inf;+inf;+inf;+inf;+inf;0;0;0;0;0;0;0];
LB=[1;1;1;1;1;1;1;2;2;2;2;2;2;2;1;1;1;1;1;1;1;1;1;1;1;1;1;1;2;2;2;2;2;2;2;2;2;2;2;2;2;2;2;2;2;2;2;2;2;2;2;2;2;2;2;2;2;2;2;2;2;2;2;2;2;2;2;2;2;2;2;2;2;2;2;2;2;1;1;1;1;1;1;1;1;1;1;1;1;1;1;3;3;3;3;3;3;3;1;1;1;1;1;1;1;0;0;0;0;0;0;0];
Aeq=zeros(7,112);
for i=1:7
   Aeq(i,i+14)=1;
end
beq=[2;2;2;2;2;2;2];
[x,fval]=linprog(f,A,b,Aeq,beq,LB,UB)

最新思路发布见此文末名片