2003全国大学生数学建模竞赛B题优秀论文(出题人亲作)
2003年全国大学生数学建模大赛论文
目录
SARS 疫情分析及走势预测 .......................................................................................................................... 1 目录......................................................................................................................................................... 2 摘要......................................................................................................................................................... 3 引言......................................................................................................................................................... 4 1．问题的提出....................................................................................................................................... 5 2. 概要分析............................................................................................................................................ 6 2.1 模型的概要分析 ...................................................................................................................... 6 2.2 符号系统.................................................................................................................................. 6 2.3 模型假设.................................................................................................................................. 7 3. 微分方程初步建模............................................................................................................................ 8 3.1 基于经典的 SIR 模型（模型 I）初步建立微分方程组........................................................ 8 3.3 利用估计出的日接触率和日治愈率预测 ............................................................................ 11 3.4 阻滞增长模型(模型Ⅱ)刻画自由传播阶段非典疫情.......................................................... 13 3.5 基于模型 I 和模型Ⅱ(模型Ⅲ)进行定量分析和比较 .......................................................... 14 4．对 SIR 模型的修正......................................................................................................................... 17 4.1 序列的平稳化 ........................................................................................................................ 17 4.2 模型辨识................................................................................................................................ 18 4.2.1 序列中心化 ................................................................................................................. 18 4.2.2 各统计量的估计 ......................................................................................................... 18 4.2.3 模型辨识 ..................................................................................................................... 19 4.3 参数估计................................................................................................................................. 19 4.4 AR 序列的预报....................................................................................................................... 20 4.5 预测精度的计算 .................................................................................................................... 22 5．模型的验证..................................................................................................................................... 23 6 模型的优缺点................................................................................................................................. 24 7 SARS 对入境旅游业的影响 .......................................................................................................... 25 7.1 模型的初步分析和假设 ........................................................................................................ 25 7.2 模型的建立和求解 ................................................................................................................ 25 7.2.1 基本符号： .................................................................................................................. 25 7.2.2 模型的建立和求解 ...................................................................................................... 26
高教社杯全国大学生数学建模竞赛B题论文
碎纸片的拼接复原摘要本文利用Manhattan距离，聚类分析，图像处理等方法解决了碎纸片的拼接复原问题。
由于碎纸机产生的碎纸片是边缘规则且等大的矩形，此时碎纸片拼接方法就不能利用碎片边缘的尖角特征等基于边界几何特征的拼接方法，而要利用碎片内的字迹断线或碎片内的文字位置搜索与之匹配的相邻碎纸片。
拼接碎片前利用数学软件MATLAB软件对碎片图像进行数据化处理，得到对应的像素矩阵，后设置阈值对像素矩阵进行二值化处理，得到相应的0-1矩阵。
下面分别对三个问题的解决方法和算法实现做简单的阐述：问题一，分别对附件1和附件2的碎片数据进行处理得到相应的0-1矩阵，依次计算某个0-1矩阵最右边一列组成向量与其他所有0-1矩阵的最左边向量的Manhattan距离，可以得到某个最小距离值、说明最小距离值对应的碎片是可与基准碎片拼接的，最终得到碎片拼接完整的图像。
问题二，同样对于附件3和附件4中的碎片数据进行处理得到相应的数值矩阵，并计算得到每个碎片顶部空白高度和文字高度，即指每行像素点都为255的行数、一行中存在像素点为非255的行数，根据空白高度和文字高度对碎片进行聚类分类，聚类阀值取3像素，得到11组像素矩阵，进而得到11类可能在同一行的碎片类。
其中对附件4中的英文的处理中，我们还采用水平像素投影累积的方法，进一步分类出可能在同一行的碎片类。
用问题一的方法，计算Manhattan 距离可以对每一类碎片按次序排列好，得到11行已经排列好的碎片，再应用曼哈顿距离在竖直方向上进行聚合得到完整的图像。
问题三，首先，对于附件5中的碎片数据我们采用正反相接，本文将b面最左边的一列像素拼接到a面最右边的一列像素的下面，构成360×1的向量，再把其他的碎片采用相同的办法得到360×1的向量，再用问题一的方法，计算出各碎片之间的Manhattan距离。
其次，根据每个碎片顶部的空白高度或者文字高度对碎片进行区间分类，得到22组矩阵，然后应用曼哈顿距离将得到的22组矩阵聚成两类，每类各包含两面的11组矩阵，最后利用Manhattan距离在竖直方向上进行聚合得到完整的图像。
全国大学生数学建模竞赛b题全国优秀论文
基于打车软件的出租车供求匹配度模型研究与分析摘要目前城市“出行难”、“打车难”的社会难题导致越来越多的线上打车软件出现在市场上。
“打车难”已成为社会热点。
以此为背景，本文将要解决分析的三个问题应运而生。
本文运用主成分分析、定性分析等分析方法以及部分经济学理论成功解决了这三个问题，得到了不同时空下衡量出租车资源供求匹配程度的指标与模型以及一个合适的补贴方案政策，并对现有的各公司出租车补贴政策进行了分析。
针对问题一，根据各大城市的宏观出租车数据，绘制柱形图进行重点数据的对比分析，首先确定适合进行分析研究的城市。
之后，根据该市不同地区、时间段的不同特点选择多个数据样本区，以数据样本区作为研究对象，进行多种数据（包括出租车分布、出租车需求量等）的采集整理。
接着，通过主成分分析法确定模型的目标函数、约束条件等。
最后运用spss软件工具对数据进行计算，求出匹配程度函数F与指标的关系式，并对结果进行分析。
针对问题二，在各公司出租车补贴政策部分已知的情况下，综合考虑出租车司机以及顾客两个方面的利益，分别就理想情况与实际情况进行全方位的分析。
在问题一的模型与数据结果基础上，首先分别从给司机和乘客补贴两个角度定性分析了补贴的效果。
重点就给司机进行补贴的方式进行讨论，定量分析了目前补贴方案的效果，得出了如果统一给每次成功的打车给予相同的补贴无法改善打车难易程度的结论，并对第三问模型的设计提供了启示，即需要对具有不同打车难易程度和需求量的区域采取分级的补贴政策。
针对问题三，在问题二的基础上我们设计了一种根据不同区域打车难易程度和需求量来确定补贴等级的方法。
设计了相应的量化指标，以极大化各区域打车难易程度降低的幅度之和作为目标，建立该问题的规划模型。
目的是通过优化求解该模型，使得通过求得的优化补贴方案，能够优化调度出租车资源，使得打车难区域得到缓解。
通过设计启发式原则和计算机模拟的方法进行求解，并以具体案例分析得到，本文方法相对统一的补贴方案而言的确可以一定程度缓解打车难的程度。
2003全国大学生数学建模竞赛B题优秀论文(出题人亲作)
2003高教社杯全国大学生数学建模竞赛B 题参考答案注意：以下答案是命题人给出的，仅供参考。
各评阅组应根据对题目的理解及学生的解答，自主地进行评阅。
问题分析：本题目与典型的运输问题明显有以下不同： 1． 运输矿石与岩石两种物资； 2． 产量大于销量的不平衡运输； 3． 在品位约束下矿石要搭配运输； 4． 产地、销地均有单位时间的流量限制； 5． 运输车辆每次都是满载，154吨/车次； 6． 铲位数多于铲车数意味着最优的选择不多于7个产地； 7． 最后求出各条路线上的派出车辆数及安排。
运输问题对应着线性规划，以上第1、2、3、4条可通过变量设计、调整约束条件实现；第5条使其变为整数线性规划；第6条用线性模型实现的一种办法，是从120710 C 个整数规划中取最优的即得到最佳物流；对第7条由最佳物流算出各条路线上的最少派出车辆数（整数），再给出具体安排即完成全部计算。
对于这个实际问题，要求快速算法，计算含50个变量的整数规划比较困难。
另外，这是一个二层规划，第二层是组合优化，如果求最优解计算量较大，现成的各种算法都无能为力。
于是问题变为找一个寻求近优解的近似解法，例如可用启发式方法求解。
调用120次整数规划可用三种方法避免：（1）先不考虑电铲数量约束运行整数线性规划，再对解中运量最少的几个铲位进行筛选；（2）在整数线性规划的铲车约束中调用sign 函数来实现；（3）增加10个0－1变量来标志各个铲位是否有产量。
这是一个多目标规划，第一问的目标有两层：第一层是总运量（吨公里）最小，第二层是出动卡车数最少，从而实现运输成本最小。
第二问的目标有：岩石产量最大；矿石产量最大；运量最小，三者的重要性应按此序。
合理的假设主要有：1. 卡车在一个班次中不应发生等待或熄火后再启动的情况；2. 在铲位或卸点处因两条路线（及以上）造成的冲突时，只要平均时间能完成任务即可，不进行排时讨论；3. 空载与重载的速度都是28km/h ，耗油相差却很大，因此总运量只考虑重载运量；4. 卡车可提前退出系统。
2003年数学建模B题 lindo应用
2003年数学建模B题论文露天矿生产的车辆安排问题摘要：露天开采的具有一定开采境界的采掘矿石的独立生产经营单位。
露天矿开采是把覆盖在矿体上部及其周围的浮土和围岩剥去，把废石运到排土场，从敞露的矿体上直接采掘矿石。
当矿体埋藏较浅或地表有露头时，应用露天开采比地下开采优越。
剥去上部岩土的工作称为剥离。
剥离岩土量与采出矿石量的比例称为剥采比，剥采比过大的露天矿，露天开采成本高，应改用地下开采的方法。
露天矿床开拓就是自地表挖掘一系列露天沟道至露天矿场地内各个矿体，建立地面与生产台阶（在开采过程中，逐步形成的阶梯状工作面）的运输联系，从而形成露天采场到选矿厂或碎矿厂、排土场或工业广场之间的运输系统，以保证剥采工作的正常进行。
根据露天矿的运输方式，分为铁路运输开拓，公路运输开拓，平硐溜井开拓，斜坡卷扬（提升）开拓及胶带运输开拓。
而本文通过对原有的对多目标规划模型进行线性和加权，使得多目标的规划问题转化为单目标非线性规划问题，另外在选定7个铲点的时候，通过对于数据的处理和论证，预先选定了5个铲点，而在剩下的5个铲点中搜索最优的2个铲点，大大简化了运算量。
而且搜索出的10组数据是很离散化的，涵盖了各种不同的情况，说明我们的搜索算法是可行的，是可以搜索出最优解的。
而且由于采用线性加权和算法，所以能比较好的反映出各个目标函数的重要程度。
另外，我们对于矿石的品位精度对于总运量和卡车数的影响进行了研究，得出的结果虽然比问题一的最优结果在运输成本上差很多，但是对于对矿石的品位精度有较高要求的时候（比如矿石的价格比较高），这种算法还是给出了最优解的。
通过在计算机上运行 LINGO程序，得到了第一问的最优解。
问题一所选用的铲点为1，2，3，4，8，9，10，共用了7辆铲车，13辆卡车，总运量为87964.8吨公里。
在得出最优解的同时，我们还大致排出了卡车的调度计划。
问题简述：露天矿里有若干个爆破生成的石料堆，每堆称为一个铲位，每个铲位已预先根据铁含量将石料分成矿石和岩石。
2003年全国大学生数学建模竞赛题目
全国大学生数学建模竞赛b题全国优秀论文
基于打车软件的出租车供求匹配度模型研究与分析摘要目前城市“出行难”、“打车难”的社会难题导致越来越多的线上打车软件出现在市场上。
“打车难”已成为社会热点。
以此为背景，本文将要解决分析的三个问题应运而生。
本文运用主成分分析、定性分析等分析方法以及部分经济学理论成功解决了这三个问题，得到了不同时空下衡量出租车资源供求匹配程度的指标与模型以及一个合适的补贴方案政策，并对现有的各公司出租车补贴政策进行了分析。
针对问题一，根据各大城市的宏观出租车数据，绘制柱形图进行重点数据的对比分析，首先确定适合进行分析研究的城市。
之后，根据该市不同地区、时间段的不同特点选择多个数据样本区，以数据样本区作为研究对象，进行多种数据（包括出租车分布、出租车需求量等）的采集整理。
接着，通过主成分分析法确定模型的目标函数、约束条件等。
最后运用spss软件工具对数据进行计算，求出匹配程度函数F与指标的关系式，并对结果进行分析。
针对问题二，在各公司出租车补贴政策部分已知的情况下，综合考虑出租车司机以及顾客两个方面的利益，分别就理想情况与实际情况进行全方位的分析。
在问题一的模型与数据结果基础上，首先分别从给司机和乘客补贴两个角度定性分析了补贴的效果。
重点就给司机进行补贴的方式进行讨论，定量分析了目前补贴方案的效果，得出了如果统一给每次成功的打车给予相同的补贴无法改善打车难易程度的结论，并对第三问模型的设计提供了启示，即需要对具有不同打车难易程度和需求量的区域采取分级的补贴政策。
针对问题三，在问题二的基础上我们设计了一种根据不同区域打车难易程度和需求量来确定补贴等级的方法。
设计了相应的量化指标，以极大化各区域打车难易程度降低的幅度之和作为目标，建立该问题的规划模型。
目的是通过优化求解该模型，使得通过求得的优化补贴方案，能够优化调度出租车资源，使得打车难区域得到缓解。
通过设计启发式原则和计算机模拟的方法进行求解，并以具体案例分析得到，本文方法相对统一的补贴方案而言的确可以一定程度缓解打车难的程度。
大学生数学建模竞赛B题优秀论文
关于高等教育学费标准的评价及建议摘要本文通过对近几年来学费变化的研究，综合分析影响学费变化的五个要素，引入了三个变因：学校属性、专业类型、地域差异对学费的影响，对其合理性进行了定量的分析和评价。
首先，我们基于层次分析法建立了模型一。
模型一以五个要素，即教育市场供求关系、全国家庭支付承受力、国家财政及相关社会捐助、个人收益率、教育成本为方案层。
对于教育市场的供求关系我们用灰色预测GM（1，1）模型预测出未来几年的招生人数，用蛛网模型求解稳定的价格点为3225.51 元；对于国家财政及相关社会捐助，我们用回归分析得出其效应关系。
模型一以效率和公平两个标准作为准则层，应用极差归一化思想，构造指标函数，综合建立成对比较矩阵。
我们定义学费合理化指数为目标层，经准则层，得出五个要素对学费合理化指数的组合权重向量。
考虑到成对比较矩阵仍有一定主观因素，我们用熵值取权法修正组合权重向量。
最后，拟合出最佳学费曲线及其波动区间，其中 2007 年的结论值为 3370.75 元。
模型一的突出优点是客观可信，美中不足的是结论为一个平均最优值，没有考虑其他变因的影响，使用的局限性较大。
然后，我们基于学校属性、专业类型、地域差异三个变因对结论的影响建立了模型二。
评价了这三个变因对五个要素的综合影响，修正了五个要素对学费合理化指数的影响，使得结论更趋于合理，应用范围更加广泛。
修正后通过若干数据的检验，得出平均最佳学费约为 3000 元。
基于这两个模型，以及对高校学费现状的了解，我们提出三点主要建议： 1.鼓励高校开拓资金来源渠道，学习国外筹款方式，如发行教育彩票等； 2.建议国家增加助学贷款发放力度，并能够分类别基于不同金额的贷款，并出台一些补贴政策弥补不同地区的差异； 3.大力扶持民办高等院校发展，实现高等教育大众化，这样不仅缓解高等院校招生压力，并且能够促进高校教育健康发展。
本文的特色在于基于翔实丰富的资料，根据五个要素及三个变因的分析，建立了一种合理的高校学费评价体系，其拥有适用性广，稳定性好，灵敏度高等特点，对三个变因，即学校属性、专业类型、地域差异进行了深入定量的分析，并根据模型结论给提出了我们的一些可行性建议。
全国大学生数学建模竞赛B题优秀论文
(１） 表示客流量随时间的变化值,R、ＲW、RG分别表示上海国际旅游入境人数本底值、外国游客入境人数本底值、港澳台游客入境人数本底值;
（2）R１表示20１0年1、2、3、4、11、１2月上海国际旅游入境实际人数，Ｒ2表示世博会期间上海国际旅游入境实际人数,RZ表示2０1０年上海国际旅游总入境实际人数;
最后,通过对模型结果的分析，量化评估上海世博会的影响力。从世博会对以上各个指标的贡献率可以看出：世博会极大地促进了旅游业的发展,并且对上海的财政收入做出了巨大的贡献。在分析所得结果的基础上,客观评价此模型，并指出其优点和缺点。
关键词：上海 世博会 影响力 本底趋势线 内插值
1.问题重述
201０年上海世博会是首次在中国举办的世界博览会。从１851年伦敦的“万国工业博览会”开始，世博会正日益成为各国人民交流历史文化、展示科技成果、体现合作精神、展望未来发展等的重要舞台。请你们选择感兴趣的某个侧面,建立数学模型，利用互联网数据,定量评估2010年上海世博会的影响力。
2.模型的假设与符号说明
２.1模型的假设
201０年上海世博会作为一场世界级的盛宴,要对其影响力进行定量评估,尚存在一些不确定因素。故为了研究方便，我们给出以下假设：
(1)假设世博会不受偶然事件严重冲击和干扰；
(２)假设旅游人数只受主要因素影响，其他一些因素可以忽略,比如天气等因素；
（３)假设世博会期间每月游览总人数波动不大，非世博会期间每月游览总人数波动也不大。
第二步,用Ｅxｃel的指数模型、乘幂模型和SＰＳＳ的指数-三角函数复合模型 、直线-逻辑线增长复合模型 、直线-三角函数复合模型 对各个指标进行拟合,确定有关参数，获得各个指标的趋势线模型和方程,并计算各年的本底值;
数学建模2003高教杯年b题matlab代码
数学建模是数学与现实问题结合的一门学科，旨在利用数学知识和方法解决实际生活和工程中的问题。
而2003年高教杯数学建模竞赛是我国高校数学建模领域的重要比赛之一，吸引了大量对数学研究和应用感兴趣的学生参与。
其中，B题是竞赛中的一道问题，下面我们将介绍这道题目并给出对应的Matlab代码。
一、B题题目概述B题的题目较为复杂，主要是关于某公司的生产调度问题。
具体来说，题目要求在考虑生产线上各机器时间限制的条件下，设计出最佳的生产调度方案，以最大化生产效率并确保各产品按时完成。
二、问题分析1. 我们需要建立数学模型来描述该生产调度问题。
可以考虑引入作业调度理论中的相关概念，如作业、机器、加工时间等。
2. 需要考虑问题的约束条件，例如各种产品的生产时间限制、各机器的最大工作时间等。
3. 需要确定优化目标，即在满足约束条件的前提下，如何设计出最佳的生产调度方案。
三、Matlab代码实现在解决这一问题时，可以使用Matlab编程来实现数学模型的构建和优化算法的求解。
以下是一个简单的Matlab代码示例，用于对B题中所描述的生产调度问题进行建模和求解。
```matlab假设产品数为n，机器数为mn = 10;m = 5;初始化生产时间矩阵，其中A(i, j)表示第i个产品在第j台机器上的加工时间A = rand(n, m);设定机器的最大工作时间，假设为100machine_time_limit = 100 * ones(1, m);构建优化模型cvx_beginvariables x(n, m) 定义决策变量x(i, j)，表示第i个产品在第j台机器上是否加工maximize(sum(sum(x))) 最大化生产效率subject tofor j = 1:msum(x(:, j).*A(:, j)) <= machine_time_limit(j) 确保每台机器的工作时间不超过限制endsum(x, 2) == ones(n, 1) 确保每个产品都按时完成x >= 0, x <= 1 约束x的取值范围为0到1cvx_end```以上代码利用了Matlab中的cvx工具箱，通过建立数学模型和求解优化问题，可以得到最佳的生产调度方案。
2003数学建模B题(国家一等奖)-参考
露天矿生产的车辆安排摘要：本文讨论了铁矿运输问题中，在满足卸点产量和品位要求的前提下，针对不同的原则建立一般的最优生产计划的模型。
用LINDO软件求解，速度很快，在实例求解的过程中，迭代次数分别为47次和45次。
与经典的线性规划方法相比，具有一定的优越性。
针对原则一：列出多目标规划模型。
然后将模型简化，分为两阶段求解。
第一阶段为单目标线性规划模型，用LINDO软件求解，得出运输路线及运输次数。
第二阶段采用MATLAB软件求解，用到第一阶段的结果，得出最优生产计划。
结果：需要13辆卡车；7辆电铲，电铲分布在铲点1，2，3，4，8，9，10；总运量为8.57万吨公里。
针对原则二：列出多目标规划模型。
然后分为三阶段来求解，前两阶段为单目标线性规划，第三阶段是分析的过程。
采用LINDO软件求解。
结果：需要20辆卡车；7辆电铲，电铲分布在铲点1，2，3，4，8，9，10；总产量为10.087万吨，其中矿石6.0022万吨，岩石4.0848万吨。
关键词：多目标规划模型化简分阶段求解快速算法一、问题的提出钢铁工业是国家工业的基础之一，铁矿的运输工程的重要性由此可见。
本题要求根据两个原则分别建立模型，在满足卸点的数量和品位的前提下，求解出最优生产计划。
原则一：总运量（吨公里）最小，同时出动最少的卡车，从而运输成本最小；原则二：利用现有车辆运输，获得最大的产量(岩石产量优先；在产量相同的情况下，取总运量最小的解)。
生产计划包括：出动几台电铲，分别在那些铲位上；出动几辆卡车，分别在那些路线上各运输多少次；在卡车不等待条件下满足产量和品位要求。
二、问题的假设1.铁矿的运输是周期性的，虽然本题只要求给出一个班次的生产计划，我们仍然把它放在一个周期性的运输过程当中来考虑，卡车完成本班次的运输任务以后仍回到出发点。
2在确定生产计划时，不考虑随机因素的影响，即装车与卸车的时间严格遵守题目所给的时间。
3运输成本不包括铲车的运行费用。
2003高教社杯全国大学生数学建模竞赛及其参考答案整理
2003高教社杯全国大学生数学建模竞赛参考答案补充说明（2003年10月4日）全国组委会在京部分委员应邀参加了北京赛区的阅卷工作，现将有关阅卷工作情况通报给你们，供你们参考。
各评阅组应根据对题目的理解及学生的解答，自主地进行评阅。
A题A题阅卷专家组进行了评分标准的讨论，大家达成的评分标准的共识大体如下：（以百分制打分）1．分数分布⑴摘要 5分⑵对附件1中的模型的评价 15分⑶学生自己建立的模型40分⑷对经济影响的建模25分⑸短文10分⑹机动分（或印象分）5分2．上述各项指标评分基本原则⑴对附件1中的模型的评价①对附件1中的模型的评价只限于一般性的议论，评差；②对附件1中的模型的缺点（不足）论述得比较清楚，评中；③把该模型实际上的假设说得比较清楚，评优。
⑵学生自己建立的模型估计大体上有两类建模方法，即基于机理的（例如：SIR模型，差分模型等）和统计建模（包括：时间序列，马尔柯夫链，神经网络等）。
在建模的过程中应注意分阶段考虑（在阅卷时应充分强调这一点），比如：潜伏期，隔离期，疑似病例，预测功能等。
直接的单变量回归拟合，评差；时间序列（自回归）等，评优。
⑶对经济影响的建模SARS对经济影响的预测，数据拟合，评中；联系到SARS情况，评优。
以上仅是北京赛区阅卷中对A题评判标准的大致共识。
同时，阅卷专家还强调，各位专家要在保证公平的基础上有自己的见解。
在评卷的过程中，希望各位专家能够注意有特色和创新亮点的论文。
在碰到有关专业性强的问题时建议找组内有关方面专家讨论。
组长要组织有关非共识（有争议）论文的讨论，以争取达到共识，不漏掉一份好论文。
B题1.对电铲能力约束的理解：可以认为只要在8小时中能装上车就能完成生产，即每个铲位产量可以达到96车（亦即原参考答案中第2页上的约束（2）可以取到等号）。
由于实际生产中各班次之间是连续的，可以认为这样假设有一定合理性。
当然，如果论文中通过分析说明铲位不能满负荷生产（即每个铲位产量可能达不到96车），也是可以的。
数学建模2003高教杯年b题matlab代码
数学建模2003高教杯年b题matlab代码
（最新版）
目录
一、数学建模竞赛简介
二、2003 年高教杯数学建模竞赛 B 题概述
三、Matlab 代码应用
四、结论
正文
一、数学建模竞赛简介
数学建模竞赛是一项面向全球高校大学生的竞技活动，旨在通过对现实问题进行抽象、建模和求解，培养学生的创新意识、团队协作精神和实际问题解决能力。
竞赛题目一般来源于工程、物理、经济、社会等多个领域，参赛选手需要运用自己所学的数学知识，对题目进行深入研究，并撰写论文说明模型建立和求解过程。
二、2003 年高教杯数学建模竞赛 B 题概述
2003 年高教杯全国大学生数学建模竞赛（大专组）的 B 题为“抢渡长江”，要求参赛选手建立一个合适的数学模型，对抢渡长江的过程进行优化。
题目中涉及到的问题包括船只的调度、航行速度的控制等，需要参赛选手充分考虑长江的实际情况，如长江的宽度、水流速度等。
三、Matlab 代码应用
在解决该问题时，可以使用 Matlab 编程语言进行建模和求解。
Matlab 是一种广泛应用于科学计算和工程设计的语言，具有强大的数值计算和数据分析功能。
在解决“抢渡长江”问题时，可以首先建立长江的简化模型，包括长江的宽度、水流速度等参数，然后运用 Matlab 中的优化算法，如遗传算法、粒子群算法等，对船只的调度和航行速度进行优化，
从而实现最短时间抢渡长江的目标。
四、结论
通过以上分析，我们可以得出结论：在 2003 年高教杯全国大学生数学建模竞赛（大专组）中，B 题“抢渡长江”可以通过运用 Matlab 编程语言进行建模和求解。
案例四2003高教社杯全国大学生数学建模竞赛题目B题露天矿生产
案例四：2003高教社杯全国大学生数学建模竞赛题目B题露天矿生产的车辆安排钢铁工业是国家工业的基础之一，铁矿是钢铁工业的主要原料基地。
许多现代化铁矿是露天开采的，它的生产主要是由电动铲车（以下简称电铲）装车、电动轮自卸卡车（以下简称卡车）运输来完成。
提高这些大型设备的利用率是增加露天矿经济效益的首要任务。
露天矿里有若干个爆破生成的石料堆，每堆称为一个铲位，每个铲位已预先根据铁含量将石料分成矿石和岩石。
一般来说，平均铁含量不低于25%的为矿石，否则为岩石。
每个铲位的矿石、岩石数量，以及矿石的平均铁含量（称为品位）都是已知的。
每个铲位至多能安置一台电铲，电铲的平均装车时间为5分钟。
卸货地点（以下简称卸点）有卸矿石的矿石漏、2个铁路倒装场（以下简称倒装场）和卸岩石的岩石漏、岩场等，每个卸点都有各自的产量要求。
从保护国家资源的角度及矿山的经济效益考虑，应该尽量把矿石按矿石卸点需要的铁含量（假设要求都为29.5%1%，称为品位限制）搭配起来送到卸点，搭配的量在一个班次（8小时）内满足品位限制即可。
从长远看，卸点可以移动，但一个班次内不变。
卡车的平均卸车时间为3分钟。
所用卡车载重量为154吨，平均时速28。
卡车的耗油量很大，每个班次每台车消耗近1吨柴油。
发动机点火时需要消耗相当多的电瓶能量，故一个班次中只在开始工作时点火一次。
卡车在等待时所耗费的能量也是相当可观的，原则上在安排时不应发生卡车等待的情况。
电铲和卸点都不能同时为两辆及两辆以上卡车服务。
卡车每次都是满载运输。
每个铲位到每个卸点的道路都是专用的宽60的双向车道，不会出现堵车现象，每段道路的里程都是已知的。
一个班次的生产计划应该包含以下内容：出动几台电铲，分别在哪些铲位上；出动几辆卡车，分别在哪些路线上各运输多少次（因为随机因素影响，装卸时间与运输时间都不精确，所以排时计划无效，只求出各条路线上的卡车数及安排即可）。
一个合格的计划要在卡车不等待条件下满足产量和质量（品位）要求，而一个好的计划还应该考虑下面两条原则之一：1.总运量（吨公里）最小，同时出动最少的卡车，从而运输成本最小；2.利用现有车辆运输，获得最大的产量（岩石产量优先；在产量相同的情况下，取总运量最小的解）。
2003年全国大学生数学建模竞赛优秀论文B关于露天矿生产的车辆安排的报告
关于露天矿生产的车辆安排的报告曾坤陈晨周朴（国防科技大学，湖南长沙410073）一、摘要露天矿生产的车辆安排问题是一个有约束的规划问题。
依据题目要求，本文将运输成本最小和产量最大两个优化目标的实现都转化为两阶段的求解过程：第一阶段应用线性规划模型，得到优化的线路流量规划；第二阶段利用计算机模拟，动态调度车辆实现目标的最优。
求解运输成本最小问题时，我们得到了以总运量最小为目标的优化流量，并给出所需卡车数量的上下限及理论估计值，提出卡车数量与总运量之间存在一定的正相关关系；本文还运用理论方法简要证明了同时满足产量要求、品质限制以及卡车不等待要求的车辆调度计划并不存在，且给出一实例加以验证，因此本文给出的生产计划允许卡车等待，但从仿真统计的等待时间看，等待时间相对一个班次是可以接受的。
求解产量最大问题时，我们利用卡车数量与总运量之间的正相关性，将总运量（吨公里）作为约束条件放入线性规划模型中求解，利用优选法得到分别以总产量和岩石产量为目标的流量规划，同样利用计算机仿真完成车辆的优化调度。
本文的主要结论：运输成本最小问题铲位选择：1,2,3,4,8,9,10；出动卡车：14辆；最小总运量：8.8205万吨公里；平均每车次的等待时间：9.2秒；车辆调用见模型建立与求解部分；产量最大问题铲位选择：1，2，3，7，8，9，10；出动卡车：20 辆：最大产量：8.7538万吨；最大岩石产量：4.9280 万吨；总运量（万吨公里）：11.6882；平均每车次的等待时间：33.5秒；车辆调用见模型建立与求解部分。
二、问题重述钢铁工业是国家工业的基础之一，铁矿是钢铁工业的主要原料基地。
许多现代化铁矿是露天开采的，它的生产主要是由电动铲车（以下简称电铲）装车、电动轮自卸卡车（以下简称卡车）运输来完成。
提高这些大型设备的利用率是增加露天矿经济效益的首要任务。
露天矿里有若干个爆破生成的石料堆，每堆称为一个铲位，每个铲位已预先根据铁含量将石料分成矿石和岩石。
2003年全国大学生数学建模竞赛B题
2003年全国大学生数学建模竞赛B题题目背景2003年全国大学生数学建模竞赛B题是一道经典的数学建模问题，要求参赛学生分析并解决特定情境下的数学问题。
此题主要考察参赛者在运用数学理论和方法进行问题建模和求解的能力。
题目描述一片开阔的广场上，有一只蚂蚁（记为A）和一只甲壳虫（记为B）。
蚂蚁与甲壳虫相距10米，蚂蚁以1 m/s 的速度匀速行进，而甲壳虫以2 m/s 的速度匀速行进且总是沿着蚂蚁相对于自己的方向行进。
蚂蚁视觉特别灵敏，当甲壳虫与蚂蚁之间的距离小于1 m 时，蚂蚁会立即发现并改变走方向，反之则继续直线行进。
我们假设这个广场是一个长宽都很大的矩形，而蚂蚁和甲壳虫从广场的西边向东边行进。
问题的目标是求出蚂蚁和甲壳虫之间的距离随时间的变化情况。
数学建模过程步骤一：建立坐标系首先，我们考虑建立一个合适的坐标系，以便描述蚂蚁和甲壳虫的位置。
假设广场的西边为原点O，建立x轴和y轴，其中x轴正方向向东，y轴正方向向北。
步骤二：分析蚂蚁的运动情况设蚂蚁的位置为P(x1, y1)，则蚂蚁的运动方程可以表示为：x1 = x0 + t y1 = y0 其中(x0, y0)为蚂蚁的初始位置，t为时间。
步骤三：分析甲壳虫的运动情况甲壳虫总是沿着蚂蚁相对于自己的方向行进，即甲壳虫的速度和方向完全由蚂蚁的运动方向决定。
假设蚂蚁的速度为v，则甲壳虫的速度为2v，方向与蚂蚁相同。
设甲壳虫的位置为Q(x2, y2)，则甲壳虫的运动方程可以表示为： x2 = x1 + 2vt y2 = y1步骤四：计算蚂蚁和甲壳虫之间的距离根据上述运动方程，我们可以计算出蚂蚁和甲壳虫的位置，进而计算它们之间的距离。
设蚂蚁和甲壳虫之间的距离为d(t)，则有： d(t) = sqrt((x2 - x1)^2 + (y2 - y1)^2)步骤五：分析蚂蚁的注意力和反应根据题目的条件，当甲壳虫与蚂蚁之间的距离小于1 m 时，蚂蚁会立即发现并改变走方向。
案例四2003高教社杯全国大学生数学建模竞赛题目B题露天矿生产
案例四2003高教社杯全国大学生数学建模竞赛题目B题露天矿生产案例四：2003高教社杯全国大学生数学建模竞赛题目B题露天矿生产的车辆安排钢铁工业是国家工业的基础之一，铁矿是钢铁工业的主要原料基地。
许多现代化铁矿是露天开采的，它的生产主要是由电动铲车（以下简称电铲）装车、电动轮自卸卡车（以下简称卡车）运输来完成。
提高这些大型设备的利用率是增加露天矿经济效益的首要任务。
露天矿里有若干个爆破生成的石料堆，每堆称为一个铲位，每个铲位已预先根据铁含量将石料分成矿石和岩石。
一般来说，平均铁含量不低于25%的为矿石，否则为岩石。
每个铲位的矿石、岩石数量，以及矿石的平均铁含量（称为品位）都是已知的。
每个铲位至多能安置一台电铲，电铲的平均装车时间为5分钟。
卸货地点（以下简称卸点）有卸矿石的矿石漏、2个铁路倒装场（以下简称倒装场）和卸岩石的岩石漏、岩场等，每个卸点都有各自的产量要求。
从保护国家资源的角度及矿山的经济效益考虑，应该尽量把矿石按矿石卸点需要的铁含量（假设要求都为29.5%1%，称为品位限制）搭配起来送到卸点，搭配的量在一个班次（8小时）内满足品位限制即可。
从长远看，卸点可以移动，但一个班次内不变。
卡车的平均卸车时间为3分钟。
所用卡车载重量为154吨，平均时速28。
卡车的耗油量很大，每个班次每台车消耗近1吨柴油。
发动机点火时需要消耗相当多的电瓶能量，故一个班次中只在开始工作时点火一次。
卡车在等待时所耗费的能量也是相当可观的，原则上在安排时不应发生卡车等待的情况。
电铲和卸点都不能同时为两辆及两辆以上卡车服务。
卡车每次都是满载运输。
每个铲位到每个卸点的道路都是专用的宽60的双向车道，不会出现堵车现象，每段道路的里程都是已知的。
一个班次的生产计划应该包含以下内容：出动几台电铲，分别在哪些铲位上；出动几辆卡车，分别在哪些路线上各运输多少次（因为随机因素影响，装卸时间与运输时间都不精确，所以排时计划无效，只求出各条路线上的卡车数及安排即可）。
全国大学生数学建模竞赛B题全国一等奖论文
全国大学生数学建模竞赛B题全国一等奖论文IMB standardization office【IMB 5AB- IMBK 08- IMB 2C】碎纸片的拼接复原【摘要】破碎文件的拼接在司法物证复原、历史文献修复以及军事情报获取等领域都有着重要的应用。
本文主要解决碎纸机切割后的碎纸片拼接复原问题。
针对第一问，附件1、2分别为沿纵向切割后的19张中英文碎纸片，本文在考虑破碎纸片携带信息量较大的基础上，利用MATLAB对附件1、2的碎纸片图像分别读入，以数字矩阵的方式进行存储。
利用数字矩阵中包含图像边缘灰度这一特征，本文采用贪心算法的思想，在首先确定原文件左右边界的基础上，以Manhattan 距离来度量两两碎纸片边界差异度，利用计算机搜索依次从左往右搜寻最匹配的碎纸片进行横向配对并达成排序目的。
最终，本文在没有进行人工干预，成功地将附件1、2碎纸片分别拼接复原，得到复原图片见附录、，纵切中文及英文结果表分别如下:心思想仍为贪心算法，整体思路为先对209张碎纸片进行聚类还原成11行，再对分好的每行进行横向排序，最后对排序好的各行进行纵向排序。
本文在充分考虑汉字与拉丁字母结构特征差异以及每块碎纸片携带信息减少的基础上，创新地提出一种特征线模型来分别描述汉字及拉丁文字母的特征用于行聚类。
对于行聚类后碎片的横向排序，本文综合了广义Jaccard系数、一阶差分法、二阶差分法、Spearman系数等来构建扩展的边界差异度模型，刻画碎片间的差异度。
对于计算机横向排序存在些许错误的情况，本文给出了人工干预的位置节点和方式。
对于横向排序后的各行，由于在一页纸上，文字的各行是均匀分布的，本文基于各行文字的特征线，在确定首行的位置后，估计出其他行的基准线位置，得到一页的基准线网格，并通过各行基准线在基准线网格上的适配实现纵向的排序。
最终，本文成功的将附件3、4碎纸片分别拼接复原得到复原图片及结果表见附录、、、，同时本文给出了横向排序中人工干预的位置节点和方式。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
2003高教社杯全国大学生数学建模竞赛B 题参考答案注意：以下答案是命题人给出的，仅供参考。
各评阅组应根据对题目的理解及学生的解答，自主地进行评阅。
问题分析：本题目与典型的运输问题明显有以下不同： 1． 运输矿石与岩石两种物资； 2． 产量大于销量的不平衡运输； 3． 在品位约束下矿石要搭配运输； 4． 产地、销地均有单位时间的流量限制； 5． 运输车辆每次都是满载，154吨/车次； 6． 铲位数多于铲车数意味着最优的选择不多于7个产地； 7． 最后求出各条路线上的派出车辆数及安排。
运输问题对应着线性规划，以上第1、2、3、4条可通过变量设计、调整约束条件实现；第5条使其变为整数线性规划；第6条用线性模型实现的一种办法，是从120710 C 个整数规划中取最优的即得到最佳物流；对第7条由最佳物流算出各条路线上的最少派出车辆数（整数），再给出具体安排即完成全部计算。
对于这个实际问题，要求快速算法，计算含50个变量的整数规划比较困难。
另外，这是一个二层规划，第二层是组合优化，如果求最优解计算量较大，现成的各种算法都无能为力。
于是问题变为找一个寻求近优解的近似解法，例如可用启发式方法求解。
调用120次整数规划可用三种方法避免：（1）先不考虑电铲数量约束运行整数线性规划，再对解中运量最少的几个铲位进行筛选；（2）在整数线性规划的铲车约束中调用sign 函数来实现；（3）增加10个0－1变量来标志各个铲位是否有产量。
这是一个多目标规划，第一问的目标有两层：第一层是总运量（吨公里）最小，第二层是出动卡车数最少，从而实现运输成本最小。
第二问的目标有：岩石产量最大；矿石产量最大；运量最小，三者的重要性应按此序。
合理的假设主要有：1. 卡车在一个班次中不应发生等待或熄火后再启动的情况；2. 在铲位或卸点处因两条路线（及以上）造成的冲突时，只要平均时间能完成任务即可，不进行排时讨论；3. 空载与重载的速度都是28km/h ，耗油相差却很大，因此总运量只考虑重载运量；4. 卡车可提前退出系统。
符号：x ij ~ 从i 号铲位到j 号卸点的石料运量 单位 吨；c ij ~ 从i 号铲位到j 号卸点的距离 公里； T ij ~ 从i 号铲位到j 号卸点路线上运行一个周期平均所需时间 分； A ij ~ 从i 号铲位到j 号卸点最多能同时运行的卡车数 辆； B ij ~ 从i 号铲位到j 号卸点路线上一辆车最多可以运行的次数 次； p i ~ i 号铲位的矿石铁含量。
%p =(30,28,29,32,31,33,32,31,33,31) q j ~j 号卸点任务需求 吨 q =(1.2,1.3,1.3,1.9,1.3)*10000ck i ~ i 号铲位的铁矿石储量 万吨 cy i ~ i 号铲位的岩石储量 万吨f i : ~ 描述第i 号铲位是否使用的0-1开关变量，取1为使用；取0为关闭。
模型建立、算法设计与模型求解： 问题一、求运输成本最小的生产计划一．以总运量最小为目标函数求解最佳物流—-第一层规划（1）道路能力约束：一个电铲（卸点）不能同时为两辆卡车服务，一条路线上最多能同时运行的卡车数是有限制的。
卡车从i 号铲位到j 号卸点运行一个周期平均所需时间为53/2＋平均速度＋距离到⨯=j i T ij （分钟）。
由于装车时间5分钟大于卸车时间3分钟，所以这条路线上在卡车不等待条件下最多能同时运行的卡车数为：⎣⎦5/ij ij T A =；其中最后开始发车的一辆卡车一个班次中在这条路线上最多可以运行的次数为（其他卡车可能比此数多1次）⎣⎦ij ij ij T A B /)5)1(608(⨯-⨯=－，这里5)1(⨯-ij A 是开始装车时最后一辆车的延时时间。
一个班次中这条固定路线上最多可能运行的总车次大约为：ij ij ij B A L ⨯=，总吨数ij L ⨯154。
（2）电铲能力约束：一台电铲不能同时为两辆卡车服务，所以一台电铲在一个班次中的最大可能产量为8×60/5×154（吨）。
（3）卸点能力约束：卸点的最大吞吐量为每小时60/3=20车次，于是一个卸点在一个班次中的最大可能产量为8×20×154（吨）。
（4）铲位储量约束：铲位的矿石和岩石产量都不能超过相应的储藏量。
（5）产量任务约束：各卸点的产量不小于该卸点的任务要求。
（6）铁含量约束：各矿石卸点的平均品位要求都在指定的范围内。
（7）电铲数量约束：电铲数量约束无法用普通不等式表达，可以引入10个0—1变量来标志各个铲位是否有产量。
（8）整数约束：当把问题作为整数规划模型时，流量x ij 除以154为非负整数。
（9）卡车数量约束：不超过20辆。
得到的一种模型为c x ij i j ij ⨯∑∑==10151min （0）s.t. 5,,1,10,,1,154 ==⨯≤⨯j i BA x ijijij（1）10,,1,1545/60851 =⨯⨯⨯≤∑=i fxij ij（2）5,,1,154208101=⨯⨯≤∑=j i ijx（3）10,,1,100001000043521=⨯≤+⨯≤++i cy x x ck x x x ii i ii i i （4）5,,1,101=≥∑=j qx ji ij（5）5,2,1,0)5.28(0)5.30(101101=⎪⎪⎭⎪⎪⎬⎫≥-⨯≤-⨯∑∑==j p x p x i i ij i i ij （6）5,,1,10,,1,154154 ===⎥⎥⎦⎥⎢⎢⎣⎢j i x x ijij . （7） 7101≤∑=i if（8）20154,≤⨯∑ji ijijBx （9）二．对最佳物流的结果进行派车—-第二层规划这是组合优化中的一维背包模型，针对快速算法的要求，用启发式方法求近优解。
先用最佳物流修正B ij , 确定卡车一个班次中在这条路线上实际最多可以运行的次数。
然后在以目标为出动总卡车数最少的各路线派车中，把各路线需要的卡车数)*154/(ij ij ij B x e =分成整数部分⎣⎦ij e 和小数部分⎣⎦ij ij e e -，进而可以分配任务让⎣⎦ij e 辆车在i 到j 路线上，每辆往返运输B ij 次。
为了最后实现第二层规划的目标，只需联合处理所有的⎣⎦ij ij e e -时把这些小数组合成最少的整数卡车数。
所需总卡车数的下界显然是⎥⎥⎤⎢⎢⎡=∑j i ij e Y ,0。
如果某种派车方案恰好派出Y 0辆车实现了所有的x ij ，则其即为第二层目标意义下近优解的最优方案。
但由于有联合派车而总公里数不一定最小,故不一定为全局意义下的最佳方案。
出动卡车数最少，意味着出动的卡车利用率要最大。
容易出现的一辆卡车为两个以上路线服务的联合派车，可分为两种情况：⑴有共同铲位（或卸点）的联合派车（V 字形或更复杂）；⑵不同铲位且不同卸点之间的联合派车（Z 字形或四边形或更复杂）。
派车方案的空载路线应尽量安排在第一层规划的最佳物流路线内，即使有的超出也要保证超出的路程总和最小，这样才能实现重载路程最小且使卡车空载路程也最小。
而情况⑴的路线不会超出第一层规划的最佳物流路线。
只有情况⑵才会有一部分不在第一层规划的最佳物流路线内。
问题：各路线都是小数的需车数，如何组合使总卡车数最少且如果出现情况⑵时空载超出部分总和尽量小。
如果存在情况⑴，则整体考虑情况⑴形路线需要的卡车数相加的和,先确定和的整数部分的车数并对这些车分配任务（任务的形式为在哪条路线上运几趟，再在哪条路线上运几趟，等等）。
之后已无情况⑴了，再对各个小数进行组合相加试探，在所有动用卡车数最少的情况中，选择超出第一层最佳物流路线的总和最小的，即为最后派车方案，再对这些车分配任务。
由于属情况⑴的为多数，故后面的组合搜索比较简单，常常只有一两个任务属情况⑵。
根据最后派车方案，回代计算出各车辆在各路线的运输次数。
由于整数部分已分配完运输次数,小数乘以对应路线上的B ij 取整计算出小数部分对应的具体运输次数.进一步计算出实际总运量与矿石和岩石的产量。
三、求解过程：（一） 第一层规划求解前面给出的整数规划模型可计算出最优值为总运量85628.62吨公里。
最佳物流相对应的各个路线上的最佳运输车次：（二）第二层规划用具体流量计算卡车在各个路线上一个班次最多可以运行的次数：（即修正的B ）所有路线所需卡车数（实数）的和为 12.843。
第1辆：从铲位1、3到岩石漏，铲位1到岩石漏运37车，铲位3到岩石漏运5车。
第2辆：从铲位9、10到岩场，铲位9到岩场运33车，铲位10到岩场运5车。
第3辆：从铲位8、10到矿石漏，铲位8到矿石漏运22车，铲位10到矿石漏运6车。
第4辆：从铲位2、8到矿石漏，铲位2到矿石漏运13车，铲位8到矿石漏运3车。
第5辆：从铲位2、4到倒装场Ⅰ和从铲位2、3到倒装场Ⅱ，铲位2到倒装场Ⅰ运3车，铲位4到倒装场Ⅰ运6车，铲位2到倒装场Ⅱ运13车，铲位3到倒装场Ⅱ运1车。
第6辆：从铲位3到倒装场Ⅱ、岩石漏和从铲位10到矿石漏、岩场、倒装场Ⅱ，铲位3到岩石漏运3车，铲位3到倒装场Ⅱ运1车，铲位10到倒装场Ⅱ运33车，铲位10到岩场运10车，铲位10到矿石漏运5车。
对这道题的数据来说，只有共卸点或共铲位情况，没出现⑵型联合派车。
铲位1、2、3、4、8、9、10处各放置一台电铲。
一共使用13辆卡车；总运量为85628.62吨公里； 岩石产量为32186吨；矿石产量为38192吨。
问题二、利用现有车辆运输而获得最大的产量一. 在卡车不等待条件下利用现有车辆资源运输，获得最大的产量（岩石产量优先，在产量相同的情况下，取总运量最小的解）卡车不发生等待，即每条路线的车不能过多，否则将增加空载耗油，同时降低设备利用率，所以不一定全部车都用。
第二问的解法和第一问类似，也采用多目标二层规划算法，第一层用整数线性规划，第二层用求派出车辆数最小的启发式方法。
下面是第二问解法与第一问的不同之处。
（一）第一层目标函数的确定由于岩石产量优先，第一层规划计算前先做目标函数取岩石产量最大（∑∑==10143max i j ij x ）的试算，来判断岩石产量是否能达到上限492802154208=⨯⨯⨯。
如果是，把岩石的总产量取最大值,即4928010143=∑∑==i j ijx加入到约束条件中，以矿石产量最大为目标；如果否，把岩石产量最大做为目标，求解最佳物流。
为了求岩石（或矿石）产量最大的同时，保证总运量(吨公里)较小，还不影响轻重顺序，运量的加权系数很小。
如{}c x x x x ij i j ij i i i i ⨯-++∑∑∑===101511015210001.0)(max（10） 或 {}c x x x iji j iji i i ⨯-+∑∑∑===10151101430001.0)(max（11）为目标函数。