数学建模-微积分模型.
微积分方法建模1飞机的降落曲线--数学建模案例分析
第二章 微积分方法建模现实对象涉及的变量多是连续的，所以建立连续模型是很自然的，而连续模型一般可以用微积分为工具求解，得到的解析解便于进行理论分析，于是有些离散对象，如人口的演变过程，也可以构造连续模型。
当我们描述实际对象的某些特性随时间（或空间）而演变的过程，分析它的变化规律，预测它的未来性态时，通常要建立对象的动态模型。
建模时首先要根据建模目的和对问题的具体分析作出简化假设，然后按照对象内在的或可以类比的其它对象的规律列出微分方程，求出方程的解并将结果翻译回实际对象，就可以进行描述、分析或预测了。
§1 飞机的降落曲线根据经验，一架水平飞行的飞机，其降落曲线是一条三次抛物线（如图）。
在整个降落过程中，飞机的水平速度保持为常数u ，出于安全考虑，飞机垂直加速度的最大绝对值不得超过10/g （这里g 是重力加速度）。
已知飞机飞行高度h （飞临机场上空时），要在跑道上O 点着陆，应找出开始下降点0x 所能允许的最小值。
一、 确定飞机降落曲线的方程设飞机的降落曲线为d cx bx ax y +++=23由题设有 h x y y ==)(,0)0(0。
由于曲线是光滑的，所以y(x)还要满足0)(,0)0(0='='x y y 。
将上述的四个条件代入y 的 表达式⎪⎪⎩⎪⎪⎨⎧=++='=+++==='==023)()(0)0(0)0(020*******c bx ax x y hd cx bx ax x y c y d y 得 ,0,0,3,22030===-=d c x h b x ha飞机的降落曲线为 )32(23020x x x x h y --= 二、 找出最佳着陆点飞机的垂直速度是y 关于时间t 的导数，故dt dx x x x x h dt dy )66(2020--= 其中dtdx 是飞机的水平速度，,u dt dx = 因此 )(60220x x x x hu dt dy --= 垂直加速度为)12(6)12(6020202022--=--=x x x hu dt dx x x x hu dt y d 记 ,)(22dt y d x a =则126)(0202-=x x x hu x a ，[]0,0x x ∈ 因此，垂直加速度的最大绝对值为 2026)(max x hu x a = []0,0x x ∈设计要求 106202g x hu ≤，所以gh u x 600⋅≥ （允许的最小值） 例如：小时/540km u =，m h 1000=，则0x 应满足：)(117378.9100060360010005400m x =⨯⨯≥ 即飞机所需的降落距离不得小于11737米。
数学建模及其在物理学中的应用
数学建模及其在物理学中的应用数学建模是一种将数学方法应用于实际问题的过程，其基本思想是将实际问题在数学模型中抽象出来，通过数学方法求解，进而得到实际问题的理论解。
数学建模在物理学中的应用尤为广泛，本文将就此为例，探讨数学建模在物理学中的应用。
一、数学建模在物理学中的基本思想数学建模在物理学中的基本思想是建立物理现象的数学模型，将物理问题的方程式化，通过计算机模拟等方法求解，得到物理学中的各种定理定律，并可以推导出新的理论结果。
同时，物理学中的各种定理也可以反过来为数学建模提供基本的支持和证明。
例如，物理学中的牛顿定律，即F=ma（F为物体所受力的大小，m为物体的质量，a为物体的加速度），就是一种基本的数学模型，可以应用于许多不同场合的物理现象中，例如摩擦、重力、弹力等。
将物理现象抽象为这种数学模型之后，就可以通过计算机、数学工具等方法进行求解，进而得到物理学上的各种定理定律。
二、数学建模在物理学中的具体应用数学建模在物理学中的具体应用包括各种数学方法和模型，以下就部分模型为例进行介绍：（一）微积分模型微积分模型是数学建模中最为基础和常用的模型之一，其主要应用于物理学中的运动学和动力学问题。
运用微积分模型可以求解出物体的运动状态、速度和加速度等基本参数，进而得到牛顿运动定律和动能、势能等物理定理。
（二）偏微分方程模型偏微分方程模型则主要应用于物理学中的场论问题，例如电磁场、流体场、热场、量子场等。
通过建立偏微分方程模型，可以精确地描述物理场的变化规律，并可通过计算机等方法求解得到精确结果。
（三）优化模型优化模型主要应用于物理学中各种最优化问题，例如材料设计、机器控制、轨迹规划等。
通过建立适当的数学模型，可以选取出最优解，进而提高各种物理系统的性能。
（四）复杂系统模型复杂系统模型用于分析和预测各种大规模、高复杂度的系统，例如气候变化、地震预测、社交网络、金融市场等。
通过建立复杂系统模型，可以研究这些系统的动态行为和演变规律，并可得出预测结果。
微积分方法建模飞机的降落曲线数学建模案例分析
第二章 微积分方法建模现实对象涉及的变量多是连续的，所以建立连续模型是很自然的，而连续模型一般可以用微积分为工具求解，得到的解析解便于进行理论分析，于是有些离散对象，如人口的演变过程，也可以构造连续模型.当我们描述实际对象的某些特性随时间（或空间）而演变的过程，分析它的变化规律，预测它的未来性态时，通常要建立对象的动态模型.建模时首先要根据建模目的和对问题的具体分析作出简化假设，然后按照对象内在的或可以类比的其它对象的规律列出微分方程，求出方程的解并将结果翻译回实际对象，就可以进行描述、分析或预测了.§1 飞机的降落曲线根据经验，一架水平飞行的飞机，其降落曲线是一条三次抛物线（如图）.在整个降落过程中，飞机的水平速度保持为常数u ，出于安全考虑，飞机垂直加速度的最大绝对值不得超过10/g （这里g 是重力加速度）.已知飞机飞行高度h （飞临机场上空时），要在跑道上O 点着陆，应找出开始下降点0x 所能允许的最小值.一、由题设有 .将上述的四个条件代入y 的 表达式⎪⎪⎩⎪⎪⎨⎧=++='=+++==='==023)()(0)0(0)0(020*******c bx ax x y hd cx bx ax x y c y d y 得 ,0,0,3,22030===-=d c x h b x ha飞机的降落曲线为 )32(23020x x x x hy --= 二、 找出最佳着陆点飞机的垂直速度是y 关于时间t 的导数，故dt dx x x x x h dt dy )66(2020--= 其中dtdx 是飞机的水平速度，,u dt dx = 因此 )(60220x x x x hu dt dy --= 垂直加速度为)12(6)12(6020202022--=--=x x x hu dt dx x x x hu dt y d 记 ,)(22dt y d x a =则126)(0202-=x x x hu x a ，[]0,0x x ∈ 因此，垂直加速度的最大绝对值为 2026)(max x hu x a = []0,0x x ∈设计要求 106202g x hu ≤，所以gh u x 600⋅≥ （允许的最小值） 例如：小时/540km u =，m h 1000=，则0x 应满足：)(117378.9100060360010005400m x =⨯⨯≥ 即飞机所需的降落距离不得小于11737米.。
数学建模(微积分)三
2 L R ( x1 x2 ) 15 14 x1 32 x2 8x1 x2 2 x12 10 x2 ( x1 x2 ) 2 15 13x1 31x2 8 x1 x2 2 x12 10 x2
L 4 x1 8 x2 13 x1 L 8 x1 20 x2 31 x2
2 2 x12 10 x2 ( x1 x2 1.5)
dL dx 4 x1 8 x2 13 0 1 dL 8 x1 20x2 31 0 dx2 dL x x 1.5 0 1 2 d
L Lmax
数学建模讲座
(2)若提供的广告费用为1.5万元，则问题化为在条件
x1 x2 1.5 下求利润函数 L 的极大值.
2 L 15 13x1 31x2 8x1x2 2x12 10x2 构造拉格朗日函数
L( x1 , x2 , ) 15 13x1 31x2 8x1 x2
x1 0 x2 1.5
L Lmax
宁波职业技术学院数学教研室
数学建模讲座
可口可乐罐头为什么是这种样子?
竞赛题目 论文一 论文二
宁波职业技术学院数学教研室
数学建模讲座
药物在体内的分布与排除
• 药物进入机体形成血药浓度(单位体积血液的药物量) • 血药浓度需保持在一定范围内——给药方案设计 • 药物在体内吸收、分布和排除过程 ——药物动力学 • 建立房室模型——药物动力学的基本步骤 • 房室——机体的一部分，药物在一个房室内均匀 分布(血药浓度为常数)，在房室间按一定规律转移 • 本节讨论二室模型——中心室(心、肺、肾等)和 周边室(四肢、肌肉等)
问题分析
数学模型与数学建模
数学模型与数学建模数学模型是运用数学方法描述现实或抽象问题的一种工具或方法。
数学模型又可分为解析模型和仿真模型两种。
解析模型是指基于已知公式和数据进行分析求解，得到数学表达式或数值解的模型。
仿真模型是指利用计算机建立的模拟系统模型，根据模型建立的规则模拟输入变量所产生的输出结果。
数学建模是指通过数学知识把实际问题抽象为数学问题，并基于其建立数学模型。
数学建模技术可应用于各个领域，如自然科学、工程技术、社会科学、医学等。
下面就对数学模型和数学建模的一些概念和应用进行详细介绍。
一、数学模型的分类数学模型主要包括解析模型和仿真模型。
下面分别介绍：1、解析模型解析模型是指通过已知数据和公式，进行分析推导求解数学表达式或数值解的模型。
它是基于数学理论和分析方法的，其主要步骤为：建立问题的数学模型、求解模型、验证模型和应用模型。
解析模型主要包括以下几种类型：（1）几何模型几何模型是指通过几何图形描述实际问题的模型。
如，根据实际问题的条件，建立几何图形，求解图形的面积、周长、体积等数学问题，就是利用几何模型进行的建模。
几何模型常用于计算机图形学、工程地质学、建筑工程学等领域。
（2）微积分模型微积分模型是指通过微积分的方法求解实际问题的模型。
微积分是数学分析的基础，微积分模型广泛应用于科学工程领域。
如在热力学、流体力学、电磁学、生物学等领域，常用微积分模型来研究问题。
（3）代数模型代数模型是指通过代数方程和不等式描述实际问题的模型。
如根据实际问题建立代数模型求解方程组、解析几何等问题。
代数模型广泛应用于物理、经济、金融等领域。
（4）概率统计模型概率统计模型是指通过概率统计理论描述实际问题的模型。
如，许多保险公司的经营决策是基于概率统计模型的建立和分析的。
又如，酒店的房价决定也取决于概率统计模型。
2、仿真模型仿真模型是指利用计算机模拟系统建立的模型。
计算机可以模拟出一些人工难以模拟或难以观测的复杂系统，并通过模拟结果对系统进行推理分析或进行决策。
数学建模(微积分)二
，不难求得 （4）
2c1 r c2
T
2c1 rc 2
再根据（1）有，
Q
（5）
宁波职业技术学院数学教研室
数学建模讲座
Q
2c1 r c2
（5）
这就是经济理论中著名的经济订货批量公式（EOQ公式） 货物本身的价格可不考虑，这是因为若记每吨货 的价格为k，则一周期的总费用 C 中应添加kQ，由于
Q rT
（1）
订货后贮存量由Q均匀地下降，记任意时刻t的贮 存量为q，则q(t)的变化规律可以用图1表示
宁波职业技术学院数学教研室
数学建模讲座 q
Q A r T 图1 t
0
考察一个订货周期的总费用：订货费为c1;贮存费是
c2 q(t )dt 其中积分恰等于图中三角形的面积为A，显然
0 T
1 A QT 2
实例十一、森林救火数学模型
宁波职业技术学院数学教研室
数学建模讲座
贮存模型 背景 不允许缺货的贮存数学模型 知识 工厂要定期地订购各种原料，在仓库里供生产
之用。商店要成批地购进各种商品，放在货柜中以 备零售。水库在雨季蓄水，用于旱季的灌溉和航运。 无论是原料、商品还是水的贮存，都有贮存多少的 问题。原料、商品贮存得太多，贮存费用高；贮存 得太少，则无法满足需求。水库雨季蓄水过量，更 可能危及安全。当影响贮存量的因素包含随机性时， 如顾客对商品的需求，天气对蓄水的影响，需要建 立贮存模型。
Q rT 所以公式（3）中增加一常数项kr，对求解结果
式（4）、（5）没有影响。 （5）式表明，订货费c1越高，需求量越大，订货批量 Q应越大；贮存费c2越高，订货批量Q应越小，这些关系 当然是符合常识的，不过公式在定量上表明的平方关系 却是凭常识方法得到的
数学模型解析
第 章 实例及数学模型一般地说,为了定量地解决一个实际问题,从中抽象,归纳出来的数学表述就是数学模型.数学模型可以描述为,对现实世界的一个研究对象,为了一个特定目的,做出必须的简化假设,根据对象的内在规律,运用适当的数学工具,得到的一个数学表述.而数学建模包括模型的建立,求解,分析和检验的全过程.从实际问题到数学模型,又从数学模型的求解结果回到现实对象.数学建模面临的实际问题多种多样,建模的目的不同,分析的方法不同,采用的数学工具不同,所得模型的类型也不同.1 初等数学模型实例1 商品市场占有率问题有R 和S 两家公司经营同类产品,这两家公司相互竞争.每年R 公司保持1/4的顾客,而3/4转移向S 公司;每年S 公司保持有2/3的顾客,而1/3转移向R 公司.当产品开始制造时R 公司占有3/5的市场份额,而S 公司占有2/5的市场份额.试问两年以后,两家公司所占有的市场份额变化怎样?5年以后会怎样?10年以后呢?是否有一组初始市场份额分配数据使以后每年的市场分配成为稳定不变?一 问题及分析模型建立根据两家公司每年顾客转移的数据资料,形成下面的转移矩阵⎪⎪⎪⎪⎭⎫⎝⎛=32433141A 又根据产品制造之初市场的初始分配数据可得如下向量⎪⎪⎪⎪⎭⎫ ⎝⎛=52530X所以一年后,市场分配为⎪⎪⎪⎪⎭⎫ ⎝⎛⎪⎪⎪⎪⎭⎫⎝⎛==52533243314101AX X 两年以后,市场分配为022X A X =设n 年后市场分配的份额为n X ,则有01X A AX X nn n ==-设数据b a ,为R 公司和S 公司的初始市场份额,则有1=+b a为了使以后每年的市场份额分配不变,根据顾客转移的规律,有⎪⎪⎭⎫ ⎝⎛=⎪⎪⎭⎫ ⎝⎛⎪⎪⎪⎪⎭⎫⎝⎛b a b a 32433141 即⎪⎪⎭⎫ ⎝⎛=⎪⎪⎭⎫ ⎝⎛⎪⎪⎪⎪⎭⎫⎝⎛--0031433143b a 这是一个齐次方程组问题,如果方程组有解,则应该在非零解的集合中选取正数解作为市场份额稳定的初始份额.由上面的分析得该问题的数学模型为求两个线性方程组,即0X A X n n =⎪⎪⎭⎫ ⎝⎛=⎪⎪⎭⎫⎝⎛⎪⎪⎪⎪⎭⎫⎝⎛--0031433143b a 二 模型的求解可以用[x1,x2]=solve(s1,s2,v1,v2)来求方程组0=AX 的解. 也可以用命令rref(A ),化A 为上三角阵,再求解. 计算程序为A=[1/4 1/3;3/4 2/3]; X0=[3/5;2/5]; X2=A^2*X0 X5=A^5*X0 X10=A^10*X0 运算结果为X2 =0.3097 0.6903X5 =0.3077 0.6923 X10 =0.3077 0.6923为了求a 和b 作为R 公司和S 公司稳定的初始市场份额,用命令rref 来求解齐次方程组 计算程序为format rat; rref(A-eye(2)) 运算结果为 ans =1 -4/90 0 由此得化简后的方程为094=-b a结合约束条件1=+b a可以得到134=a 139=b 这就是使市场稳定的两家公司的初始份额.2 微积分方法模型实例问题分析及模型建立模型的求解3 微分方程模型本节以实例分析并建立微分方程模型,对模型作了解析解以及MA TLAB 数值解.而当函数以离散数据形式表示时,函数的数值微分就得借助差分来计算,差分是微分的近似.故本节还分析了简单的差分方程模型.实例1 温度冷却由物理学知道,物体冷却的速度与当时的物体温度和周围环境温度之差成正比.今100℃的沸水注入杯里,放在室温为20℃的环境冷却,5min 后测得水温为60℃.求水温u 与时间t 的函数关系.一 问题分析及模型的建立设比例系数为)0(>k k ,根据题意可得微分方程)20(--=u k dtdu60,10050====t t u u二 模型的求解此为简单的一阶可分离变量微分方程,可得解析解5)5.0(8020t u +=另外,还可用MA TLAB 程序求其解析解和数值解. 解析解的程序为dsolve('Du+k*(u-20)=0','u(0)=100','t') %dsolve 为求常微分方程的符号解函数运算结果为u =20+80*exp(-k*t)再由605==t u ,可得52ln =k ,即5)5.0(8020tu +=数值解的程序为f=inline('-0.2*log(2)*(u-20)','t','u');[t,u]=ode45(f,[0, 100],100); %ode45为龙格库塔法求微分方程的数值解plot(t,u) %绘制0到100分钟的温度随时间变化的图形图 温度随时间变化从图可看出温度随时间逐渐趋于20℃.实例2 动物种群的相互竞争与相互依存的模型在生物的种群关系中,一种生物以另一种生物为食的现象,称为捕食.一般说来,由于捕食关系,当捕食动物数量增长时,被捕食动物数量就逐渐下降,捕食动物由于食物来源短缺,数量也随之下降,而被捕食动物数量却随之上升.这样周而复始,捕食动物与被捕食动物的数量随时间变化形成周期性的震荡.田鼠及其天敌的田间种群消长动态规律也是如此.实验调查数据表明:无论是田鼠还是其天敌的数量都呈周期性的变化,天鼠与天敌的作用系统随时间序列推移,田鼠密度逐渐增加,其天敌随之增加,但时间上落后一步.由于天敌密度增加,则田鼠密度降低,而田鼠密度的降低,则其天敌密度亦减少,如此往复循环,从而形成一定的周期.试用数学模型来概括这一现象,并总结出其数量变化的近似公式.一 问题分析及模型的建立设)(t x 和)(t y 分别表示t 时刻田鼠与其天敌的数量,如果单独生活,田鼠的增长速度正比于当时的数量,即x dt dxλ= 而田鼠的天敌由于没有被捕食对象,其数量减少的速率正比于当时的数量,即y dtdyμ-= 现在田鼠与其天敌生活一起,田鼠一部分遭到其天敌的消灭,于是以一定的速率α减少,减少的数量正比于天敌的数量,因此有x y dtdx)(αλ-= 类似地,田鼠的天敌有了食物,数量减少的速率μ减少β,减少的量正比于田鼠的数量,因此有y x dtdy)(βμ--= 上述公式,最后两个方程联合起来称为V olterra-Lot 方程,这里μλβα,,,均为正数,初始条件为00)0(,)0(y y x x ==现在通过实验调查所得到的数据如表,此数据为每隔两个月田间调查一次,得到的田鼠及其天敌种群数量的记录,数量的单位经过处理.试建立合理的数学模型. 表 田鼠种群数量记录29.7 33.1 32.5 69.1 134.2 236.0 269.6 162.2 69.6 39.8 34.0 20.7 22.0 37.6 57.6 124.6 225.0 272.7 195.7 94.5 41.9 25.7 10.9 22.5 33.5 48.2 92.5 183.3 268.5 230.6 115.5表 田鼠天敌种群数量记录1.6 1.3 1.1 1.2 1.1 1.3 1.82.2 2.4 2.2 1.9 1.5 1.5 1.2 0.9 1.1 1.3 1.6 2.3 2.4 2.2 1.7 1.8 1.5 1.2 1.0 0.9 1.1 1.3 1.9 2.3二 模型的求解V olterra-Lotok 方程的解析解即y x ,的显示解难求出,因此公式的参数方程不宜直接用Matlab 函数来拟合解,可用如下的方法来求其近似解.V olterra-Lotok 可转化为⎩⎨⎧+-=-=dtx y d dty x d )(ln )(ln βμαλ 在区间],[1i i t t -上积分,得i i i i i S t t x x 111)(ln ln αλ--=--- i i i i i S t t y y 211)(ln ln βμ+--=---这里,⎰-=ii t t i ydt S 11,⎰-=ii t t i xdt S 22, m i ,,1 =于是得到方程组⎩⎨⎧==222111B P A B P A这里⎪⎪⎪⎪⎪⎭⎫⎝⎛------=-im m m S t t S t t S t t A 1121211011 ⎪⎪⎪⎪⎪⎭⎫⎝⎛------=-m m m S t t S t t S t t A 212212012 ⎪⎪⎭⎫ ⎝⎛=αλ1P ⎪⎪⎭⎫⎝⎛-=βμ2PT m m x x x x B )ln ,,(ln1011-= T m m y y y yB )ln ,,(ln 101-= 因此方程组参数的最小二乘解为 111111)(B A A A P T T-= 22122)(B A A A P TT -=由于)(t x 和)(t y 均为未知,因此21,S S i 用数值积分方法的梯形公式解 )(21111--+-≈=⎰-i i i i t t i y y t t ydt S ii )(21121--+-==⎰-i i i i t t x x t t xdt S ii 这样就可求得参数的近似值.模型参数求解的程序为 clear all,clcX=[29.7 33.1 32.5 69.1 134.2 236.0 269.6 162.2 69.6 39.8 ...34.0 20.7 22.0 37.6 57.6 124.6 225.0 272.7 195.7 94.5 41.9 25.7 ... 10.9 22.5 33.5 48.2 92.5 183.3 268.5 230.6 115.5];Y=[1.6 1.3 1.1 1.2 1.1 1.3 1.8 2.2 2.4 2.2 1.9 1.5 1.5 1.2 0.9 ... 1.1 1.3 1.6 2.3 2.4 2.2 1.7 1.8 1.5 1.2 1.0 0.9 1.1 1.3 1.9 2.3];N=[X;Y]; T=[0:2:60]; for i=1:30A(i,1)=T(i+1)-T(i);A(i,[2 3])=((T(i+1)-T(i))/2)*[-(N(1,i+1)+N(1,i)),-(N(2,i+1)+N(2,i))]; B(i,[1 2])=[log(N(1,i+1)/N(1,i)),log(N(2,i+1)/N(2,i))]; end;A1=A(:,[1 3]);P1=inv((A1'*A1))*A1'*B(:,1) A2=A(:,[1 2]);P2=inv((A2'*A2))*A2'*B(:,2)上述结果代入V olterra-Lotok 方程,用MA TLAB 函数ode45求方程在时间[0,60]的数值解.作图可看到田鼠及其天敌数量的周期震荡.求方程Volterra-Lotok 的数值解的程序为定义函数vlok 为 [vlok.m]function dydt=vlok(T,Y)dydt=[(0.8765-0.5468*Y(2))*Y(1);(-0.1037+0.0010*Y(1))*Y(2)]; clear all, clcX=[29.7 33.1 32.5 69.1 134.2 236.0 269.6 162.2 69.6 39.8 ...34.0 20.7 22.0 37.6 57.6 124.6 225.0 272.7 195.7 94.5 41.9 25.7 ... 10.9 22.5 33.5 48.2 92.5 183.3 268.5 230.6 115.5];Y=[1.6 1.3 1.1 1.2 1.1 1.3 1.8 2.2 2.4 2.2 1.9 1.5 1.5 1.2 0.9 ... 1.1 1.3 1.6 2.3 2.4 2.2 1.7 1.8 1.5 1.2 1.0 0.9 1.1 1.3 1.9 2.3]; N=[X,Y]; T=[0:2:60];[t,Y]=ode45(@vlok,[0:0.5:60],[29.7 1.6]); plot(t,Y(:,1)/100,'k'); hold on;plot(t,Y(:,2),'-.k');title('田鼠及其天敌的V olterra-Lotok 模型拟合曲线'); xlabel('时间');ylabel('数量(只/每百)'); gtext('田鼠'); gtext('天敌');legend('田鼠','天敌');legend('田鼠','天敌');图 田鼠及其天敌的模拟曲线实线和虚线分别为田鼠和天敌的实际值,田鼠的数量为y 坐标乘以100.上机实验研究种群竞争模型设有甲乙两个种群,当它们独自生存时数量演变服从Logistic 规律,即 )1()(11n xx r t x -=⋅)1()(22n y y r t y -=⋅这里)(),(t y t x 分别为甲乙种群的数量,21,r r 为它们的固有增长率,21,n n 为它们的最大容量.当两个种群在同环境中生存时,它们之间的关系是为了争夺同资源而进行竞争.考查由于乙消耗有限的资源对甲的增长产生影响,可以合理地修改甲的方程为 )1()(2111n y s n x x r t x --=⋅这里1s 的含义为:对于供养甲的资源而言,单位数量乙(相对2n )的消耗为单位数量甲(相对1n )消耗的1s 倍.类似地,甲的存在也影响了乙的增长,乙的方程应改写为 )1()(2122n yn x s y r t y --=⋅对2s 可作相应解释.当给定种群的初始值0)0(x x = 0)0(y y =及参数212121,,,,,n n s s r r 后,公式确定了两个种群数量的变化规律.方程无解析解,一般用数值解法研究该问题,试用数值解法研究下面的问题:设0,,5.0,00,100212121========y x s s n n r r ,计算)(),(t y t x 并绘出它们的图形,求出时间t 充分大以后)(),(t y t x 的变化趋势.实例 线性差分方程模型Florida 沙丘鹤属于濒危物种,据报道,生态学家估计它在较好的环境下,每年平均增长率仅为1.94%,而在中及较差的环境下,每年平均增长率则分别为-3.24%,-3.82%,即它将逐渐减少.如果在某地的保护区内开始有100只鹤,建立描述其数量变化规律的模型,并作数值计算.而人工孵化为挽救这个濒危物种的措施之一,如果每年人工孵化5只鹤放入该保护区,那么在中环境下沙丘鹤的数量的变化规律? 问题分析及模型的建立记第k 年沙丘鹤的数量为k x ,正常环境下的平均增长率为r ,记r a +=1,则第1+k 年鹤的数量为k k ax x =+1 r a +=1 ,1,0=k在人工孵化条件下,设每年孵化的数量为b ,则 b ax x k k +=+1 模型的求解在较好,中,较差的环境下,以0382.0,0324.0,0194.0--=r 以及1000=x 代入,用MATALAB 计算并作图,程序为function y=exf(x0,n,r) %exf 的函数M 文件 a=1+r;x=x0; %赋初值 for k=1:nx(k+1)=a*x(k); end xk=(0:20)';y1=exf(100,20,0.0194); y2=exf(100,20,-0.0324); y3=exf(100,20,-0.0382);round([k,y1,y2,y3]); %对结果四舍五入取整 plot(k,y1,k,y2,':',k,y3,'--'),gtext('r=0.0194'),gtext('r=-0.0324'),gtext('r=-0.0382')结果分析讨论时间充分长的变化趋势∞→=0x a x kk 11>+=r a 0>r 00→=x a x kk 11<+=r a 0<r在人工孵化的情况,当11<+=r a 即 0<r ,得到 abx a a b x a a a b x a x k kk kk -=→--+=++++=-111]1[01用5%,24.3=-=b r 代入上式即可.一阶线性常系数差分方程的解,平衡点及其稳定性方程形式为b ax x k k +=+1这里b a ,为已知常数.令x x x k k ==+1得到代数方程b ax x +=的根abx -=1称为差分方程的平衡点. 差分方程的解可表为abca x kk -+=1 ,1,0=k这里c 由初始值0x 确定.如果∞→k 时x x k →,称平衡点x 为稳定的,否则平衡点x 为不稳定的. 差分方程的平衡点稳定1<⇔a如果第1+k 时段变量1+k x 不仅取决于第k 时段变量k x ,而且与以前时段变量有关,这得用高阶差分方程刻划.实例 高阶线性常系数差分方程模型一年生植物春季发芽,夏天开花,秋季产种,没有腐烂,风干,被人为获去的那些种子可以活过冬天,其中的一部分能在第二年春季发芽,开花,产种,其中的另一部分虽未能发芽,但如又能活过一个冬天,则其中一部分可在第三年春季发芽,开花,产种,如此继续.一年生植物只能活1年,而近似地认为,种子最多可以活过两个冬天,试建立数学模型研究这种植物数量的变化规律,及它能够一直繁殖下去的条件. 问题分析及模型的建立记一棵植物秋季产种的平均数为c ,种子能够活过一个冬天的比例为b ,一岁的种子能在春季发芽的比例为1a ,未能发芽但又能活过一个冬天的比例为b ,两岁的种子能在春季发芽的比例为2a .设21,,a a c 固定,而b 可在一定范围内变化.记第k 年的植物数量为k x ,按照种子最多可以活过两个冬天的假定,k x 与1-k x 和2-k x 有关,由1-k x 决定的部分为11-k bcx a ,而由2-k x 决定的部分则为212)1(--k bcx a b a .如果今年(0=k )种下(并成活)的植物数量为0x ,可以得到011bcx a x = 21211)1(---+=k k k bcx a b a bcx a x 2=k 记bc a p 1-=,bc a b a q )1(12--=,则001=+px x 021=++--k k k qx px x 2=k 模型的求解设20.018.0,25.0,5.0,1021-====b a a c 以及1000=x ,用MA TLAB 计算的程序为 function y=exf(x0,n,b) c=10;a1=0.5;a2=0.25; p=-a1*b*c;q=-a2*(1-a1)*c*b^2; x(1)=x0;x(2)=-p*x(1);for k=3:nx(k)=-p*x(k-1)-q*x(k-2);endxk=(0:19)';y1=exf(100,20,0.18);y2=exf(100,20,0.19);y3=exf(100,20,0.20);round([k,y1,y2,y3]),plot(k,y1,k,y2,':',k,y3,'--'),gtext('b=0.18'),gtext('b=0.19'),gtext('b=0.20')运算结果为结果分析:可以看到,对于不同的b ,k x 的变化规律有较大差别.设二阶差分方程有形如k k x λ=的解,即02=++q p λλ此方程称为差分方程的特征方程,根为2422,1q p p -±-=λ 称为差分方程的特征根,方程的解可表为k k k c c x 2211λλ+=这里常数21,c c 由初始条件10,x x 确定.本例用 bc a b a q bc a p )1(,121--=-= 5.0,101==a c 25.02=a 得到b 23052,1±=λ 当20.0,19.0,18.0=b 时,),(21λλ分别为)0477.0,0477.1(),0453.0,9953.0(),0430.0,9430.0(---18.0=b ,用90,10010==x x 代入可得64.951=c 36.42=c ,于是k k k x )043.0(36.4)943.0(64.95-+= ,1,0=k可以看出,当12,1<λ时0→k x ,当12,1>λ时∞→k x .得到植物能够繁殖的条件为191.0>b高阶线性常系数差分方程的解,平衡点及其稳定性方程为b x a x a x a x a k n k n n k n k =+++++--++11110特征方程为01110=++++--n n n n a a a a λλλ差分方程的解为x c c x k n n k k +++=λλ 11令 x x x k n k ===+ 得到的平衡点,n c c ,,1 由初始值n x x ,,1 确定,当所有的特征根的模小1时,平衡点为稳定的.实例 状态转移方程组模型随着计算机通信网络系统特别是Internet 网络的应用日益广泛,计算机网络可靠性分析以及提高系统的可靠性意义重大.研究和分析具有实用性的高可靠性计算机通信网络系统,是国际上非常活跃的一个研究方向,计算机随时可能发生三种状态,无故障,间歇故障和永久故障.因此,计算机一般处于三种工作状态,无故障工作,带故障工作和不工作,这三种状态之间的转移过程为试建立该系统的状态转移模型,并进行可靠性分析.问题分析及模型的建立该问题属于状态转移问题,用马尔科夫状态转移原理,用)(),(21t P t P 和)(3t P分别表示系统处于无故障工作,带故障工作和不工作三种状态的概率,则有状态转移方程组⎪⎪⎪⎩⎪⎪⎪⎨⎧+++=++-=+++-=)()()()2()()()]([)()2()()()(]2)2[()(213212211t P t P dt t dP t P t P dtt dP t P t P dt t dP t p t p t p t t t p λλλλλλγλγλλλ 初始条件为0)0(,0)0(,1)0(321===P P P ,参数取值p λ 510-至410-, t λ 410-至310- γ 0.01至0.1模型的求解此为带参数的微分方程组模型.求解此方程组模型有两种方法:用特征根法求解析解;用数值解法求数值解.假定模型的参数取值为01.0,10,1045===--γλλt p ,则解析法的程序为lp=10^(-5);lt=10^(-3);gm=0.01;A=[-(lp+lt),gm,0;lt/2,-(gm+lp+lt),0;lp+lt/2,lp+lt,0];[l,v]=eig(A)e=inv(l)*[1;0;0]运算结果为数值解法的程序为%微分方程组的M 函数文件function xdot=eqs0(t,p,flag,lp,lt,gm)A=[-(lp+lt),gm,0;lt/2,-(gm+lp+lt),0;lp+lt/2,lp+lt,0];P=[p(1);p(2);p(3)];xdot=a*p;命令函数文件ts=[0 1000];p0=[1;0;0];lp=10^(-5);lt=10^(-3);gm=0.01[t,p]=ode23(‘eqs0’,ts,p0,[],lp,lt,gm)plot(t,1-p(:,3));xlabel(‘时间t(小时)’);ylabel(‘可靠度R(t)’);title(‘参数取值lp=0.0001;lt=0.001;gm=0.01’);grid on;运算结果为计算结果表明:在时间h t 1000=的情况,]0047.0,9369.0[)](),(),([321 t p t p t p显示系统工作概率为,4 插值与拟合模型实例问题分析及模型建立模型的求解5 最优化模型实例问题分析及模型建立模型的求解水箱的水流问题在许多供水单位由于没有测量流入或流出水箱的设备,而只能测量水箱的水位.试通过测得的某时刻水箱水位的数据,估计在任意时刻t 流出水箱的流量)(t f .某社区有一供水水箱,在居民用水过程,当水箱的水位下降到最低水位l 时,水泵就自动向水箱输水直到最高水位H ,此期间不能测量水泵的供水量,因此,当水泵正在输水时不容易建立水箱水位和用水量之间的关系.水泵每天输水一次或两次,每次约2小时.已知该水箱是一个高为40ft(英尺),直径为57ft 的圆柱体,表为该居民区一天水箱水位的数据,当水位降至27.00ft 时水泵开始工作,水位增到35.50ft 时,停止输水(1ft=0.3048m).表 社区某天水箱水位时间/s 水位/0.01ft 时间/s 水位/0.01ft 0 9.68 12.95 10.020.92 9.45 13.88 9.941.84 9.31 14.98 9.652.95 9.13 15.90 9.413.87 8.98 16.83 9.184.98 8.81 17.93 8.925.90 8.69 19.05 8.667.00 8.52 19.96 8.457.93 8.39 20.84 8.228.97 8.22 22.02 水泵供水9.98 水泵供水 22.96 水泵供水10.93 水泵供水 23.88 10.5910.95 10.82 24.99 10.3512.03 10.50 25.91 10.18问题分析及模型的建立由于水箱是正圆柱体,横截面积为常数,所以在水泵不工作时段,流量容易根据水位和时间的变化计算出来,但怎样估计水泵供水时段的流量比较困难.水泵供水时段的流量只能靠供水时段前后的流量经插值或拟合得到.因为水泵不工作时段的流量作为用于插值或拟合的原始数据,因此水泵不工作时段的流量越精确越好.这些流量可以用两种方法来计算:(1)对表的数据用数值微分计算出各时段的流量,从而拟合其他时刻或连续时间的流量;(2)先用表的数合数据拟合水位 时间函数,再求导数就可以得到连续时间的流量.有了每个时刻的流量,就可以计算水箱的总流量.水泵不工作时段的用水量可以由测量记录直接得到,由表的数据可以直接计算出;水泵工作时水箱的流量通过拟合出来的流量函数计算出.这样就可以计算出水箱的总流量.模型假设流量看做是时间的连续函数,为了便于计算,不妨将流量定义为单位时间流出的水的高度,即水位对时间变化率的绝对值,水箱的截面积为)()24.3.057(422m S ⨯⨯=π在计算总流量时将上面得到的结果乘以S 即可.流量只取决于水位差,与水位本身无关,即流出的水的流速正比于水面高度的平方根.题目给出水箱的最低和最高水位分别是8.1648m 和10.7352m(设出口的水位为0),计算得sqrt(10.7352/8.1648),大约为1,故可以忽略水位对流速的影响.流量估计方法用一种比较简单的方法计算水箱流量与时间的关,将表的数据分为5段,按时间t 排列:第一段:0—8.97;第二段:9.38—10.93;第三段:10.95—20.85;第四段:22.02—22.96;第五段:23.88—25.91.再对每一段的数据做如下的处理:设某段数据为{),(,),,(),,(1100n n y x y x y x },邻近数据中点的平均流速用公式流速=(左端点的水位-右端点的水位)/区间长度即 ii i i i i x x y y x x v --=++++111)2( 计算;每一段数据首尾点的流速用下面公式计算)/()43()(022100x x y y y x v -+-=)/()43()(221-----+-=n n n n n n x x y y y x v根据上面的公式,可以计算出时间与流速之间的数据如表表 时间与流速之间的数据表时间/h 流速/(cm/h) 时间/h 流速/(cm/h)0 29.89 11.50 29.850.46 22.05 12.49 31.521.38 18.47 13.52 29.032.395 16.22 14.52 26.503.52 16.29 15.50 26.094.52 15.30 16.47 24.795.45 13.05 17.38 23.676.45 15.45 18.49 23.507.465 13.98 19.52 25.208.45 16.45 20.50 23.858.97 19.29 20.85 22.259.98 水泵供水22.02 水泵供水10.93 水泵供水22.96 水泵供水10.95 30.50 25.91 13.15用两种计算方法建立模型(1)插值方法由表,对水泵不工作时段采取插值方法,可以得到任意时刻的流速,从而知道任意时刻的流量,这里分别采用拉格朗日(Lagrange)插值法,分段线性插值法和样条插值法作插值.对水泵工作时段2应用前后期的流速作插值,由于第5段水泵不工作时的数据太少,将其与水泵工作时段4合并一起作插值.这样就总共得对4段数据作插值(第1,3未供水时段,第2供水时段,第4,5时段的混合时段).(2)曲线拟合法拟合水位时间函数.根据表的测量记录知,一天有两次供水时段和三次未供水时段,分别对1,3未供水时段的测量数据直接作多项式拟合,可以得到水位函数,再由水位时间函数确定流量时间函数,这样也可以求出一天总用水的估计.模型求解的MA TLAB程序插值法以第一段未供水时数据为例分别用拉格朗日,线性多项式,样条插值方法计算出流量函数和用水量.由于MA TLAB没有直接提供拉格朗日插值法的命令函数,这里先给出用MATLAB语言实现的拉格朗日插值法的函数lglrcz.mfunction Y=lglrcz(X0,Y0,X)n=length(X0)m=length(X);for I=1:mz=X(i)s=0;for k=1:np=1.0for j=1:nif j~=kp=p*(z-X0(j))/(X0(k)-X0(j));endends=p*Y0(k)+sendY(i)=s;End%由表可得到t=[0 0.46 1.38 2.395 3.45 4.525 5.50 6.45 7.465 8.45 8.97];v=[29.89 20.75 18.45 16.22 16.25 15.32 13.05 15.45 13.98 16.25 19.25];t0=0:0.1:8.097lr=lglrcz(t,v,t0); %拉格朗日插值法lrjf=0.1*trapz(lr)fdcz=interp1(t,v,t0); %分段线性插值法fdczjf=0.1*trapz(fdcz)scz=interp1(t,v,t0,’spline’); %样条插值法sczjf=0.1*trapz(scz)plot(t,v,’*’,t0,lr,’r’,t0,fdcz,’g’,t0,scz,’b’)gtext(‘lglr’);gtext(‘fdxx’);gtext(‘syt’);其运算结果为一般情况,样条插值方法具有比较好的性质,大多数情况下都采用该方法.另外,其他时段的处理方法与第一段未供水时段的处理方法类似,只给出结果.表各时段和一天的总用水量(用水高度)第一未供水时段第二供水段第三供水时段第四混合段全天拉格朗日插值法145.622 258.866 54.2689 92.1335 550.6922分段线性插值法147.145 258.9697 49.6055 76.4688 532.1866样条插值法145.687 258.6557 53.35 81.7699 539.4652拟合法拟合水位时间函数t,分别为已输入的时刻和水位测量记录(由表得到,水泵供水的4个时刻不输入),第一设h未供水时段各时刻的水位可以由下面程序实现,如图所示t=[0 0.92 1.84 2.95 3.87 4.98 5.90 7.00 7.93 8.97 10.95 12.03 12.9513.88 14.98 15.90 16.85 17.93 19.04 19.96 20.85 23.88 24.99 25.66];h=[9.68 9.48 9.32 9.13 8.98 8.81 8.69 8.52 8.39 8.22 10.82 10.50 10.22 9.949.65 9.41 9.18 8.92 8.66 8.45 8.22 10.59 10.35 10.18];c1=polyfit(t(1:10),h(1:10),3);tp1=0:0.1:8.9x1=polyval(c1,tp1);pot(tp1,x1);变量X1存放了以0.1为步长计算出的各个时刻的水位高度.第二未供水时段时间水位图可以由下面程序实现,如图所示c2=polyfit(t(10:20),h(10:20),3);tp2=10.9:0.1:20.9X2=-polyval(c2,tp2);Plot(tp2,X2)确定流量时间函数c1=polyfit(t(1:10),h(1:10),3);c2=polyfit(t(10:20),h(10:20),3);a1=polyder(c1);a2=polyder(c2);tp1=0:0.01:8.97tp2=10.95:0.01:20.85X13=-polyval(a1,tp1);X013=-polyval(a1,[0:0.01:8.97]);Wgsysll=100*trapz(tp1,X013);X4=-polyval(a1,[7.93,8.97]);X23=-polyval(a2,tp2);X0=-polyval(a2,[10.95:0.01:20.85]);Wgsys=100*trapz(tp2,X0);X00=-polyval(a2,[10.95,12.03]);X=-polyval(a2,[19.96,20.85]);Plot(tp1,X13*100);Plot(tp2,X*100).结果如图第二供水段的流量则用前后时期的流量做拟合得到.为使流量函数在11,9==t t 连续,只取四个点,用三次多项式拟合得到第二供水时段的时间 流量如图.实现的程序为dygsdsj=[7.93 8.97 10.95 12.03];dygsdls=[X0,X];nhjg=polyfit(dygsdsj,dygsdls,3);nhsj=7.93:0.1:12.03nhlsjg=polyval(nhjg,nhsj);gssjl=8.97:0.01:10.95gsl=polyval(nhjg,[8.97:0.01:10.95]);gsysll=100*trapz(gssjl,gsl);plot(nhsj,100*nhlsjg)在第四供水时段之前取85.20,96.19=t 两点的流量,用第五未供水时段的三个记录做差分得到两个流量数据22.52,18.52,再用这四个数据做三次多项式拟合得到第四供水时段与第五未供水时段的时间 流量函数,如图,程序为t3=[19.96 20.85 t(22),t(23)];ls3=[X*100,22.52,18.52];nd=polyfit(t3,ls3,3);tp3=19.96:0.01:25.91;X=polyval(nd,tp3);Gsj=20.85:0.01:25;Gs2=polyval(nd,[20.85:0.01:25]);Gsys=trapz(gssj2,gs2);Plot(tp3,X);一天总用水量的估计分别对供水的两个时段和不供水的两个时段积分(流量对时间)并求和得到一天的总用水量ft(总用水高度,单位为cm).各时段用水量如表约为526.89352表各时段用水量及一天总用水量(单位:cm)时段落第一未供水时段第二供水时段第三未供水时段第四混合时段全天用水ft2用水高度145.65 260.66 46.60 73.9625 526.8925 微分方程模型最优化方法模型实例截断切割问题某公司经常得从一个长方体中加工出一个尺寸,位置预定的长方体(这两个长方体的对应表面是平行的),通常采用截断切割的加工方式,这里”截断切割”是指物体沿某个切割平面分成两部分.因此在一般情况下,得经过6次截断切割,分别截去原长方体的前,后,左,右,上,下的6个方向多余的部分.设水平切割单位面积的费用是垂直切割单位面积的r倍,且当先后两次垂直切割的平面不平行时,因调整刀具需额外费用e.如果截去各方向多余小块的先后顺序不同,则加工费用不同.试设计确定最优加工次序的方法,此处的最优是指加工费用最少(由工艺需求,与水平工作台接触的长方体底面是事先指定的).用下面实例验证所设计的方法:需加工长方体与成品长方体的长,宽,高分别为10,14.5,19和3,2 4,二者左面,前面,底面之间的距离分别为,6,7,9(单位:cm),垂直切割费用为1元/cm2,r 和e 的数据有四组.0,1==e r 0,5.1==e r 0,7==e r 152,5.1≤≤=e r 问题分析:这是一个优化问题,求切割顺序,使加工费用最低.决策变量为切割顺序,用),,(61x x X =表示切割顺序,i x 表示第i 次切割,可以分别表示前,后,左,右,上,下的切割,61,,x x 互不相同,可以取6,,1 的任意全排.目标函数:加工费用由切割费用和刀具调整费用构成.问题的已知条件有需加工长方体与成品长方体对应表面平行切割费用与切割面的面积成正比,具体地说就是垂直切割费用为1元/cm2,水平切割费用为r 元/cm2,且仅当先后两次垂直切割的切割面不平行时,才需调整刀具,调整刀具的费用为e .水平工作台接触的长方体底面是事先指定的.不考虑第一次切割前的刀具调整费用.数学模型设需加工的长方体的长为a ,宽为b ,高为c 为常数,需加工长方体与成品长方体两者的前,后,左,右,上,下面之间的距离为212121,,,,,c c b b a a 也为常数.可变参数有:水平切割费用r 元/平方厘米,调整刀具的费用e .在切割方式X ,对应的加工费用可表示为),,(r e X f .可得组合优化模型求切割方式min X X =,使加工费用),,(r e X f 达到最小,即),,(min r e X f SX ∈ 这里},,6,,1),,({61j i x x x x x X S j i i ≠≠===由于集合S 为有限集,只有720!6=种切割方式,当r e ,取定,切割顺序给定,很容易算出加工费用.可以依次求出各切割方式下的切割费用,比较最小者,就可得到最小费用的加工顺序. 解程序为情形一 0=e先用穷举法求出720种切割方式的费用,存放在数组c ,再用函数min(c)和find(c==minc)求最小费用及其对应的切割方式.%jieduan e=0% a0 三维向量,各分量为需加工长方体的长,宽,高% a1 三维向量,各分量为成品长方体的长,宽,高% d1 三维向量,各分量为需加工与成品长方体两者的前面,左面,底面之间的距离.% r 水平切割单位面积的切割费用% minc 最小费用%min X 列数为6的矩阵,各行为最小费用对应的切割顺序a0=[10, 14.5,19];a1=[3,2 4];d1=[6,7,9];r=1;d2=a0-a1-d1; d=[d1 d2];d=d([1,4,2 5,3,6]);p=0%可行的加工顺序表.For I=1:6For j=1:6,if(j-i)~=0,For k=1:6,if(k-I)*(k-j)~=0,For l=1:6,if(l-i)*(l-k)~=0,For l=1:6, if(m-i)*(m-j)*(m-k)*(m-l)~=0;For n=1:6If(n-i)*(n-j)*(n-k)*(n-l)*(n-m)~=0,P=p+1;X(p,:)=[I,j,k,l,m,n];End,end,end,end,end,end,end,end,end.%加工顺序表X 对应的切割费用表f=[1,1,2 2 3,3 ];for p=1:720o=X(p,:);const=0;a=a0;foe I=1:6j=o(i);a3=a;a3(f(j))=[];if f(j)==3const=cost+r*a3(1)*a3(2);elseconst=const+a3(1)*a3(2);enda(f(j))=a(f(j)-d(j));endc(p)=cost;end.%求最小费用及其对应的加工顺序minc=min(c),find(c==minc);minx=x(ans,:);运算结果为.因此,当0,1==e r 时,最优加工顺序为 下 前 左 上 后 右 或 下 前 上 左 后 右切割费用为374元情形二 0≠e加工费用是由切割费用和调整刀具的费用两者组成,即e z r Xf r e X f ⨯+=),0,(),,(这里,z 为加工顺序是X 时的调整刀具次数,全体切割顺序按调整刀具次数划分为三类,同类的刀具调整费用是相同的.可以先分别求出在0=e 时,每一类的最小费用及相应的加工顺序,它们就是各类的最优加工顺序.再用每一类的最小切割费用加上相应的刀具调整费用,得到加工总费用.各类的最优加工顺序进行比较,就可得整体的最优加工顺序.0>e 时,%jieduan e>0function[min,minx1,minx2 minx3]=cutordel(a0,a1,d,r)minc=[inf,inf,inf];minx1=[];minx2=[];minx3=[];k1=0;k2=0;k3=0;v1=[1 3 6];%三类可行的加工顺序表x1,x2 x3及相应的切割费用表.%c1 c2 c3for i1=1:6,ol=v1(i1);v2=v;v2(i)=[];for i2=:5,o2=v2(i2);v3=v2;v3(i2)=[];for i3=1:4,o3=v3(i3);v4=v3;v4(i3)=[];for i4=1:3,o4=v4(i4);v5=v4;v5(i4)=[];for i5=,o5=v5(i5);o6=(3-i5);x=[o1,o2 o5 o6];c=cost(x,a0,a1,d1,r);z=adjustnum(x);switch zcase 1k1=k1+1;x1(k1,:)=x;c1(k1)=c;case 2k2=k+1;x2(k2:)=x;c2(k2)=c;case 3k3=k3+1;x3(k3,:)=x;c3(k3)=c;end,end,end,end,end.Minc=[min(c1),min(c2),min(c3)];Find(c1==minc(1));Minx1=x1(ans,:);find(c2==minc(2));Minx2=x2(ans,:);find(c3=minc(3));Minx3=x3(ans,:).求切割顺序是x 时,切割费用的子函数const 为function c=const(x,a0,a1,d1,r)c=0;d2=a0-a1-d1;a=a0;for p=1:6switch x(p)case 1c=c+a(2)*a(3);a(1)=a(1)-d1(1);case 2c=c+a(2)*a(3);a(1)=a(1)-d2;case 3c=c+a(1)*a(3); a(2)=a(2)-d(2);case 4c=c+a(1)*a(3);a(2)=a(2)-d2(2);case 5c=c+r*a(1)*a(2);a(3)=a(3)-d1(3);case 6c=c+r*a(1)*a(2);a(3)=a(3)-d2(3);endend.%求加工顺序x的调整刀具次数的子函数adjustnum(x)为function z=adjustnum(x)z=-1;v0=0;for p=:6if x(p)<5if x(p)<3v=1;elsev=2;endif(v0-v)~=0z=z+1;v0=v;endendend在MA TLAB输入命令a0=[10 14.5 19];a1=[3 2 4];d1=[6 7 9];r=1.5;[minc minx1 minx2 minx3]=cutrode(a0,a1,d1,r)运算结果为因此,每一类的最小费用分别为:C1(e)=+e 此时调整一次刀具。
高等数学模型—微积分模型(数学建模课件)
2、假设易拉罐是一个正圆柱体，什么是它的最优设计？其结果是
否可以合理地说明你们所测量地易拉罐地形状和尺寸。
二、数据测量
罐直径、罐高、罐壁厚、顶盖厚、圆台高、
顶盖直径、圆柱体高、罐底厚、罐内体积等。
该如何测量？
二、数据测量
1、直接测量
①用软皮尺环绕易拉罐相关部位一圈
（罐桶直径、罐
测得周长。
高、圆台高、顶
速度、出手角度和出手高度)
作定性和定量研究并得到明
确结论。
森林救火问题
微积分模型
知识点
一、问题的提出
二、模型分析与假设
三、模型建立与求解
四、模型应用
一、问题的提出
一、问题的提出
森林失火了！消防站接到火警后，立即决定派消防队员前去救火。队
员多，火被扑灭的快，森林损失小，但救援费用大；队员少，救援费用小，
118.0 123.5 136.5 142.0 146.0 150.0 157.0 158.0];
y1=[44 45 47 50 50 38 30 30 34 36 34 41 45 46 43 37 33 28 32 65 55 54 52 50 66 66 68];
y2=[44 59 70 72 93 100 110 110 110 117 118 116 118 118 121 124 121 121 121 122 116 83 81 82 86
四、模型建立与求解
一、问题的提出
运动员单手托住铅球，在投掷圆内将铅球掷出并使铅
球落入有效区内，以铅球投掷的远度评定运动员的成绩。
问题：
建模分析如何使铅球投掷的最远？
二、问题分析
• 铅球投掷中，影响投掷距离的因素有哪些？
数学建模经典案例详解
数学模型概述; 微积分模型；随机模型
P24
数学建模的一般步骤
模型准备
模型假设
模型构成
模型检验
模型分析
模型求解
模型应用
模 型
了解实际背景 明确建模目的 形成一个
准
比较清晰
备 搜集有关信息 掌握对象特征 的‘问题’
数学建模.
数学模型概述; 微积分模型；随机模型
数学建模的一般步骤
模
针对问题特点和建模目的
将数学语言表述的解答“翻译”回实际对象 用现实对象的信息检验得到的解答
实践 理论 实践
数学建模.
数学模型概述; 微积分模型；随机模型
P28
1.5 数学模型的特点和分类
数学模型的特点
模型的逼真性和可行性 模型的非预制性
模型的渐进性 模型的强健性
模型的条理性 模型的技艺性
模型的可转移性
模型的局限性
数学建模.
• Matlab (工程中应用最广的数学软件 Matrix Laboratory)
数学建模.
数学模型概述; 微积分模型；随机模型
P11
1.2 数学建模的具体应用
• 分析与设计
• 预报与决策
• 控制与优化
• 规划与管理
如虎添翼
数学建模
计算机技术
知识经济
数学建模.
数学模型概述; 微积分模型；随机模型
p5931报童的诀窍假设报童已经掌握了需求量的随机分布规律即在他的销售范围内每天报纸的需求量为份的概率是购进太多卖不完退回赔钱购进太少不够销售赚钱少应根据需求确定购进量每天需求量是随机的优化问题的目标函数应是长期的日平均收入每天收入是随机的存在一个合适的购进量即日收入的数学期望值数学模型概述
微积分在数学建模中的应用
微积分在数学建模中的应用纲要:数学建模活动能培育学生的数学思想能力、创新能力及剖析和解决问题的能力,而微积分被宽泛应用于数学建模之中。
重点词:微积分;数学建模数学建模数学模型与数学建模数学模型是关于现实世界的一个特定对象,为了一个特定目的,依据独有的内在规律,做出一些必需的简化假定,并运用适合的数学工具,得出的一个数学构造。
[它是使用数学符号、数学式子及数目关系对现实原型简化的本质描绘。
数学建模活动是议论成立数学模型的全过程,是经过成立数学模型解决实质问题的全过程,是一种数学思想方式。
它为学生创建了“提出问题、研究思虑和实质应用”的空间。
其特色为:(1)创建性。
因为数学建模活动所议论的是现实世界中的实质问题,而现实世界的复杂性常常使所提出的问题不可以直接套用数学定理来解决,这就需要许多的创新工作。
(2)应用性。
即给出的是一种现实的情形,一种实质的需求,让学生面对现实的实质问题,选择适合的数学方法解决问题。
(3)开放性。
提出的问题中条件可能不足,也可能冗余,问题有较强的研究性,需要从迷离混沌的状态中,运用思想能力,找出一条主要线索。
微分方程建模的一般步骤微分方程建模是用数学中微分方程解决实质问题的桥梁，拥有极大的广泛性、有效性和特别丰富的数学内涵，并在物理学、力学、工程学、生物学、医学、经济学、军事学等各个领域中有着宽泛应用．应用微分方程理论针对各样实质问题成立的数学模型，一般而言都是动向模型，其结果极其简洁，但整个推导过程却有点繁琐，可是仍是能给人们以合理的解说．所以，选准切入点，将微分方程和数学建模的内容有机的联合才能充足表现微分方程建模的思想企图．当我们描绘实质对象的某些特征随时间（或空间）而演变的过程、剖析它的变化规律、展望它的未来状态、研究它的控制手段时，往常要成立动向模型．而针对不一样的实质对象的动向模型，进行微分方程建模的一般性步骤是：1）用较精练的语言表达待解决的问题2）要依据建模的目的和对问题的详细剖析做出简化假定3）依据对象内在的或可类比的其余对象的规律成立目标函数的关系式并提出此微分方程有解的有关条件，即列出微分方程组4）求出这个微分方程的解5）用所得的结果来解说实质问题（或现象），或对问题的发展变化趋向进行展望下边以详细的实例来研究微分方程在数学建模中的应用．建模宽泛应用运用微积分知识,人们成立了很多半学模型,并解决了很多重要问题。
微积分的数学模型解析
微积分的数学模型解析微积分，是数学的一个分支，它是构建现代科学的基础之一。
微积分是研究自然界各种现象的基础，几乎所有科学的研究都需要用到微积分的方法。
微积分的核心是求解导数和积分，通过导数和积分的作用，可以建立不同的数学模型，此时微积分就将不同的问题转化为数学问题，使问题的求解变得简单明了。
微积分的数学模型解析，虽然是微积分的一个难点，但是却是非常重要的。
在现实生活中，经常会遇到各种需要建立数学模型的问题，如经济、发展、生物、环境等，这些问题都需要微积分的数学模型进行分析和解决。
下面，就来详细探讨微积分的数学模型解析。
一、导数的数学模型解析导数是微积分中的一个重要概念，具有解决许多问题的力量。
导数包含了物理学、工程学、生物学、经济学等众多学科中的各种数学模型。
导数可以体现一个量随着另一个量的改变所带来的变化率。
导数的推导过程中涉及到极限，而极限则是微积分的核心概念之一。
在数学模型解析过程中，常常需要建立函数的导数模型。
假设函数f(x)表示某一变量随着另一变量的变化而发生变化的规律，那么f(x)的导数f'(x)就是一个新的变量随着原变量x的改变而发生变化的规律。
这里需要注意的是，导数f'(x)并不是函数的直接表示，而是函数变化的速度，也就是函数斜率的大小。
导数的数学模型解析，有助于解决许多现实生活中的问题。
例如，对于销售某种商品的商家，可以通过建立该商品的销售量与时间的导数模型，来分析该商品在不同时间下销售情况的变化趋势，并为制定销售策略提供支持。
二、积分的数学模型解析积分是微积分中的另一个核心概念，也有着非常重要的应用价值。
积分可以将一个函数曲线下的面积求出，因此，在物理学、化学、统计学、经济学等学科领域中，经常会用到积分的方法。
在数学模型解析过程中，建立函数的积分模型需要注意一些要点。
首先，需要选择合适的积分方法，例如，定积分、不定积分、面积积分等。
其次，需要确定积分区间，即对函数需要积分的范围进行明确。
数学建模实用教程-第2章 连续模型
Q
r A
t
o
T
2020/5/14
数学建模实用教程－高教出版社
7
2.1.1 不允许缺货的存储模型
T
QT
一个周期内存贮量 q(t)dt
0
2
一个周期内存贮费
c2
T
q(t)dt
0
(A的面积)
一个周期的总费用
C
c1 c2
T 0
q(t)dt
c1
c2
QT 2
c1 c2
rT 2 2
每天平均费用
C(T ) C T
2020/5/14
数学建模实用教程－高教出版社
9
2.1.1 不允许缺货的存储模型
在本例中
当 c1 5000 , c2 1, r 100, 得 T 10，C 1000
2020/5/14
数学建模实用教程－高教出版社
10
2.1.2 森林救火模型
1. 问题的提出
森林失火了！
消防站在接到报警后派出多少消防队员赶去灭火 呢？
2020/5/14
数学建模实用教程－高教出版社
30
2.2.1 舰艇的快速会合模型
２. 问题的分析与假设
（1）假设快艇的最大航速 v0 大于航母编
队的最大航速； （2）设在快艇与航母编队寻求会合的过程
中，航母编队的航速为 v1 ，快艇的航速为 v2 ．根
据题意，要快艇在最短的时间内与航母编队会
合，不妨假设 v2 v1 ；
2.1.3易拉罐的优化设计模型
hV
3
2
V
2
2 3
V
2
2 r
d
即说明当易拉罐的高度是底面直径的α倍时， 易拉罐所用材料的体积为最小．
微积分方法建模12传染病模型--数学建模案例分析
§12 传染病模型建立传染病模型的目的是描述传染过程、分析受感染人数的变化规律、预报高潮期到来的时间等等。
为简单起见假定，传播期间内所观察地区人数N 不变，不计生死迁移，时间以天为计量单位。
模型（一）（SI 模型） 模型假设1、人群分为健康者和病人，在时刻t 这两类人中所占比例分别为)(t s 和)(t i ，即1)()(=+t i t s 。
2、平均每个病人每天有效接触人数是常数λ，即每个病人平均每天使)(t s λ个健康者受感染变为病人，λ称为日接触率。
模型建立与求解据假设，在时刻t ，每个病人每天可使)(t s λ个健康者变成病人，病人数为)(t Ni ，故每天共有)()(t i t Ns λ个健康者被感染，即Nsi dtdiNλ= 又由假设1和设0=t 时的比例0i ，则得到模型⎪⎩⎪⎨⎧=-=0)0()1(i i i i dt diλ （1）（1）的解为te i t i λ--+=)11(11)(0（2）21i m dtdi )(m 21i模型解释1、当21=i 时，dt di 达最大值，这个时刻为)11ln(01-=-i t m λ，即高潮到来时刻，λ越大，则m t 越小。
2、当∞→t 时1→i ，这即所有的人都被感染，主要是由于没有考虑病人可以治愈，只有健康者变成病人，病人不会再变成健康者的缘故。
模型（二）（SIS 模型） 在模型（一）中补充假设3、病人每天被治愈的占病人总数的比例为μ，称为日治愈率。
模型修正为⎪⎩⎪⎨⎧=--=0)0()1(i i ii i dt diμλ （t 时刻每天有μNi 病人转变成健康者） （3）（3）的解为⎪⎪⎩⎪⎪⎨⎧=+≠--+-=----μλλμλμλλμλλμλ101)(0)1(])1([)(i t e i t i t （4） 可以由（3）计算出使dt di 达最大的高潮期m t 。
（dt di 最大值m dt di )(在λμλ2-=i 时达到）。
数学建模的主要建模方法
数学建模的主要建模方法数学建模是一种用数学语言描述实际问题，并通过数学方法求解问题的过程。
它是数学与实际问题相结合的一种技术，具有广泛的应用领域，如物理、工程、经济、生物等。
数学建模的主要建模方法可以分为经典建模方法和现代建模方法。
经典建模方法是数学建模的基础，主要包括数理统计、微积分、线性代数等数学工具。
经典建模方法的特点是基于简化和线性的假设，并通过解析或数值方法来求解问题。
1.数理统计：统计学是数学建模的重要工具之一，它的主要任务是通过对样本数据的分析，推断出总体的特征。
数理统计中常用的方法有概率论、抽样理论、假设检验等。
2.微积分：微积分是数学建模中常用的工具，它研究变化率和积分问题。
微积分的应用范围广泛，常用于描述物体的运动，求解最优化问题等。
3.线性代数：线性代数是研究向量空间与线性变换的数学学科。
在数学建模中，线性代数经常出现在模型的描述和求解过程中，如矩阵运算、线性回归等。
现代建模方法是近年来发展起来的一种新的建模方法，主要基于现代数学工具和计算机技术。
现代建模方法的特点是模型更为复杂，计算更加精确，模拟和实验相结合。
1.数值模拟：数值模拟是一种基于计算机技术的建模方法，通过离散和近似的数学模型，利用数值计算方法求解模型。
数值模拟常用于模拟和预测实际问题的复杂现象，如天气预报、电路仿真等。
2.优化理论：优化理论是数学建模中的一种重要工具，它研究如何找到最优解或最优化方案。
优化问题常用于求解资源分配、生产排程等实际问题。
3.系统动力学：系统动力学是一种研究系统结构和行为的数学方法，它通过建立动态模型，分析系统的变化趋势和稳定性。
系统动力学常用于研究生态系统、经济系统等复杂系统。
4.随机过程：随机过程是描述随机事件随时间变化的数学模型。
它在数学建模中常用于分析随机现象的特征和规律，如金融市场变动、人口增长等。
总体而言，数学建模的方法多种多样，建模方法的选择取决于问题的性质、可用数据和计算资源等因素。
数学建模微积分模型例题
数学建模微积分模型例题
以下是一个简单的数学建模微积分例题：
题目：有一根细棒，其长度为10米，质量为1千克。
我们需要计算这根细棒的弯曲程度。
首先，我们需要理解什么是弯曲程度。
弯曲程度可以理解为细棒弯曲的弧长与其原长的比值。
因此，我们可以用以下数学模型表示细棒的弯曲程度：设细棒的原长为L 米，弯曲的弧长为s 米，则弯曲程度y = s / L。
接下来，我们需要考虑如何计算弯曲的弧长s。
由于细棒弯曲时形成的是一个圆弧，因此我们可以使用微积分的知识来求解。
设细棒在弯曲过程中形成的圆弧的半径为r 米，圆心角为θ度，则弧长s = r ×θ。
由于细棒的质量分布均匀，因此我们可以认为细棒在弯曲过程中形成的圆弧的半径r 是恒定的。
同时，我们知道细棒的总质量M = 1 千克，因此我们可以计算出细棒在弯曲过程中形成的圆心角θ。
设细棒在弯曲过程中形成的圆心角为θ度，则θ= M ×g / (r ×g)。
其中g 是重力加速度，g = 9.8 m/s^2。
将以上模型整合，我们可以得到以下微积分方程：
y = s / L = r ×θ/ L = (M ×g / (r ×g)) ×90°/ L
其中，y 是弯曲程度，s 是弯曲的弧长，L 是细棒的原长，r 是圆弧的半径，θ是圆心角。
这是一个简单的数学建模微积分例题，通过这个例题我们可以理解数学建模的基本思路和方法。
数学建模第二章微积分方法建模24城市人口统计模型
把[0,T ]时间区分为 n 等分，每个小区间长度为 t
t
t0 0 t1
t2 … t j1
tj
…
tn T
初始时刻的人口数为 P(0) ，到时刻 T 将只剩下 h(T )P(0) 。当 t 很小时，从时刻 t j1 到 t j ，净增人口的 比率近似为常数 r(t j ) 。这段时期净增的人口数近似为 r(t j )t ，t j 时刻的人口到时刻T 时只剩下 h(T t j )r(t j )t 。 所以在T 时刻的总人口数近似为
设 P(t) 表示 t 时刻城市人口数，人口变化受下面两
条规则的影响：
1、 t 时刻净增人口以每年 r(t) 的比率增加；
2、在一段时期内，比如说从T1 到T2 ，由于死亡或迁移， T1 时刻的人口数 P(T1) 的一部分在T2 时刻仍然存在，用 h(T2 T1)P(T1) 来表示，这里 0 h(T2 T1) 1 ， T2 T1 是这段 时间的长度。
rj 2
rj
2 1
rj 2
(rj
r)2
2 rj r (r)2 2 rj r ，（ r 很小）
第 j 个圆环上的人口数近似为 P(rj ) 2 rj r ，因此
n
N P(rj ) 2 rj r j 1
令 n ，得
ห้องสมุดไป่ตู้
C
N 0 P(r)2 rdr
二、模型 2 （预测城市未来人口）
n
P(T ) h(T )P(0) h(T t j )r(t j )t j 1
令 n ，得
T
P(T ) h(T )P(0) 0 h(T t)r(t)dt
《数学建模》教学大纲
数学建模教学大纲课程名称：数学建模课时数56（课堂教学部分）面向对象：理工农医、社会科学各专业本科生预修课程要求：微积分、线性代数、（常微分方程、概率论）一、课程介绍（100-150字）数学模型是应用数学知识和方法解决实际问题的重要工具。
本课程通过具体案例初步介绍数学建模的一般原则和常用方法，充实微分方程、概率统计、运筹优化等应用数学分支知识。
培养学生的科学素质和科学精神，加强文献查阅、计算机应用、论文写作等能力训练和综合素质培养，引导及鼓励学生开展科学研究，解决实际问题。
二、教学目标培养学生应用数学方法和工具解决实际问题的能力。
通过讲授数学在不同领域应用的典型案例、经典模型和常用方法，使学生体会到数学对科学技术和社会发展的巨大意义，初步掌握建立数学模型，解决实际问题的方法和步骤，加深对数学的理解。
通过研究性学习和课程实践，使学生初步具备发现问题，解决问题的能力，掌握文献查阅，计算机应用，论文撰写等科学研究的主要技能，逐步养成勇于尝试，善于创新的科研精神和不畏困难，大力协同的科研品格。
三、教学安排模块一、数学建模概论（6学时）阐述数学模型的意义和作用，建立数学模型的步骤和方法，数学建模需要具备的能力和应用数学研究的主要特点，并通过典型案例加以诠释。
结合本模块学习，学生可自主开展文献查阅，科技数据库使用，数学软件应用等方面的实践。
模块二、基本数学模型（16学时）本模块主要讲授应用微积分、线性代数、微分方程、概率论和初等数学等分支知识建立的经典数学模型。
通过本模块的学习，使学生熟悉建立模型和求解模型的思路和方法，激发学生学习基础课程的兴趣。
结合本模块的学习，学生可通过文献查阅，了解经典模型的新发展与新应用，并就若干具体问题建立简单数学模型。
1.微积分模型（3学时）建议案例：利息理论、蛛网模型等2.线性代数模型（4学时）建议案例：关灯游戏、量纲分析法、Leslie人口模型等3.微分方程模型（5学时）建议案例：万有引力定律、人口模型、传染病模型、Lanchester方程、种间关系等4.概率论模型（4学时）建议案例：招聘问题，赌徒破产问题、存储模型等（三）、运筹与统计模型（26学时）概要介绍运筹和统计的主要内容，为学生进一步学习和应用奠定基础。
微积分建立的数学模型ppt
按上面的分析与假设，容易知道：在雨中行走时被淋雨水总量等于被雨淋时间、 被雨淋面积和降雨强度三者的乘积。考虑到量纲一致性，并注意到I、v、D为常数 ，我们有C（v）=tx1x(0.001/3600)xs (米) =（D/V）X（1X0.001/3600)XS (米) =（D/V）X（L/3600）X(2wh+2dh+2wd)x10 (升) 模型表明，被淋在身上的雨水总量与在雨中行走的速度成反比，因此在雨中最优 行走策略是尽可能的快跑。
根据一般常识，我们所得到的结果是合理的且与我们的日 常生活经验是一致的。运用简单的数学工具，我们对日常生活 中司空见惯的问题给予了定量的分析。但同时必须指出的是， 这里建立的简单数学模型与雨中行走的实际过程尚有距离，因 为在建立数学模型的过程中我们忽略了一些相对次要的因素。
THANKS FOR YOUR WATCHING!!!!!!!!!
1．降雨的速度（即雨滴降落的速度）和降 雨强度保持不变； 2．行走速度恒定； 3．风速及风向始终保持不变（这三项都是 均匀化假设）。 4．把人的身体看成 是一个呈长方体形状的物体（理想化）。 5．淋在身上的雨水被完全吸收（极端化）。 6．不考虑降雨的角度的影响，也就是说在 行走的过程中身体的上方及前后左右都将 淋到雨水。 7．设定变量和参数 雨中行走的距离（单位：米）：D； 雨中行走的速度（单位：米/秒）：v； 人体的高度、宽度、厚度（单位：米）： h，w, d 被淋雨水总量（单位：升）： C； 降雨强度（单位：厘米/小时）：I； 身体被雨淋的面积（单位：米2）：S； 雨中行走时间（单位：秒）：t=D/v. 其中， Y 降雨强度是单位时间内平面上降雨的厚度， 用以刻划降雨的大小。 在本问题中， D，d,w,h从而S是问题的参数；v,t,I是问题 中的变量。C是因变量，而v是决策变量。 模型中的参数可以通过观测和日常的调查 资料得到。
微积分B：3-5数学建模
当x 150时，L '(150) 30;当x 400时，L '(400) 20
令L '(x) 0 唯一驻点x 300,因为L ''(300) 0.2 0 故x 300时利润取得极大值，也就是最大值．
函数弹性
定义：设函数y f (x)可导,函数的相对改变量:
解:Q f (P) 75 P2 说明当价格为4时,上涨一个单位 (1) f '(4) 2P 8 的价格,需求量将减少8个单位;
(2)(4)
f
'(4)
75
P
P2
0.54
说明当价格为4时,价格上涨1%, 需求量将减少0.54%;
例5 某商品的需求函数为Q 75 P2; (1) 求P 4时的边际需求,并说明其经济意义; (2) 求P 4时的需求弹性,并说明其经济意义; (3) 求P 4时,若价格P上涨1%,总收益的变化; (4) 求P 6时,若价格P上涨1%,总收益的变化;
R ' 0, R递减,即价格上扬,收益减少,价格下跌,收益增加
例5 某商品的需求函数为Q 75 P2; (1) 求P 4时的边际需求,并说明其经济意义; (2) 求P 4时的需求弹性,并说明其经济意义; (3) 求P 4时,若价格P上涨1%,总收益的变化; (4) 求P 6时,若价格P上涨1%,总收益的变化;
即，函数在x 0处取得最小值0;在x 1, 5 处取得最大值5. 2
例3. 设球的半径为R,求内接于球的圆柱体的最大体积。
解.设圆柱体高为2h,底半径为r,则，体积V r2 2h
由r2 h2 R2得：V 2 (R2 h2 ) h, h (0, R)
- 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)。
今天人们不论从事什么活动都讲究高效益,即希望所采取的策略使某个或某些指标达到最优。商店订货要使订货、存贮等费用最小，体育比赛运动员要创造最好的成绩，工程设计要追求最佳方案。普遍存在的优化问题经常成为人们研究的对象，建立这类问题的模型，我们称为优化模型。
建立优化模型首先要确定所关心的优化指标的数量描述，然后构造包括这个指标及各种限制条件的模型，通过模型求解给出达到优化指标的所谓策略。本章仅考虑定常情况(即所给的策略不随时间改变)。
模型应用
将 代入(4.3)式得T=10天,Q=1000件，c=1000元。
4.2允许缺货模型
某配送中心为所属的几个超市送配某种小电器，假设超市每天对这种小电器的需求量是稳定的，订货费与每个产品每天的存贮费都是常数。如果超市对这种小家电的需求是可以缺货的，试制定最优的存贮策略(即多长时间订一次货，一次订多少货)。
如果日需求为100元，一次订货费用为5000元，每件电器每天的贮存费1元，每件小家电每天的缺货费为0.1元，请给出最优结果。
与不允许缺货情况不同的是，对于允许缺货的情况，缺货时因失去销售机会而使利润减少，减少的利润可以看作为因缺货而付出的费用，称为缺货费。于是这个模型的第（1）、（2）条假设与不允许缺货的模型相同，除此之外，增加假设
模型假设
需要对烧毁森林的损失费、救火费及火势蔓延程度的形式做出假设。
(1)损失费与森林烧毁面
积 成正比，比例系数为 ， 即烧毁单位面积森林的损失费，取决于森林的疏密程度和珍贵程度。
对于 ，火势蔓延程度 与时间t成正比，比例系数 称为火势蔓延速度。（注：对这个假设我们作一些说明，火势以着火点为中心，以均匀速度向四周呈圆形蔓延，所以蔓延的半径与时间成正比，因为烧毁森林的面积与过火区域的半径平方成正比，从而火势蔓延速度与时间成正比）。
(3)派出消防队员x名，开始救火以后，火势蔓延速度降为 ，其中 称为每个队员的平均救火速度，显然必须 ，否则无法灭火。
（4）每个消防队员单位时间的费用为 ，于是每个队员的救火费用为 ，每个队员的一次性开火势蔓延程度在 时线性增加，在 时线性减小，具体绘出其图形见图4.3。
（4.6）
显然 ，即允许缺货时订货周期可以长一些，每次可以少订一些货。（4.6）式表明，缺货费 越大， 值越小， 与 越接近，这与实际是相符的，因为 越大，意味着因缺货造成的损失越大，所以应该尽量避免缺货，当 时， ，于是 。这个结果是合理的，因为缺货费充分大，造成的缺货损失也充分大，所以不允许缺货。
先确定 的形式，研究 比 更直接和方便。 是单位时间烧毁森林的面积，取决于火势的强弱程度，称为火势蔓延程度。在消防队员到达之前，即 ，火势越来越大，即 随t的增加而增加；开始救火后，即 ，如果消防队员救火能力充分强，火势会逐渐减小，即 逐渐减小，且当 时， 。
救火开支可分两部分：一部分是灭火设备的消耗、灭火人员的开支等费用，这笔费用与队员人数及灭火所用的时间有关；另一部分是运送队员和设备等的一次性支出，只与队员人数有关。
易见
Q= (4.1)
一个周期的存贮费用
C2=
一个周期的总费用
C=
每天平均费用
(4.2)
模型求解
求T，使 取最小值。
由 ，得
(4.3)
上式称为经济订货批量公式。
模型解释
(1)订货费越高，需求量越大，则每次订货批量应越大，反之，每次订货量越小；
(2)贮存费越高，则每次订货量越小，反之，每次订货量应越大。
记 时， 。烧毁森林面积
正好是图中三角形的面积，显然有
而且
因此
根据条件（1）、（4）得到，森林烧毁的损失费为 ，救火费为 据此计算得到救火总费用为
（4.7）
问题归结为求x使C(x)达到最小。令
得到最优的派出队员人数为
（4.8）
模型解释
（4.8）式包含两项，后一项是能够将火灾扑灭的最低应派出的队员人数，前一项与相关的参数有关，它的含义是从优化的角度来看：当救火队员的灭火速度 和救火费用系数 增大时，派出的队员数应该减少；当火势蔓延速度 、开始救火时的火势 以及损失费用系数 增加时，派出的队员人数也应该增加。这些结果与实际都是相符的。
从问题中可以看出，总费用包括两方面，烧毁森林的损失，派出救火队员的开支。烧毁森林的损失费通常正比于烧毁森林的面积，而烧毁森林的面积与失火的时间、灭火的时间有关，灭火时间又取决于消防队员数量，队员越多灭火越快。通常救火开支不仅与队员人数有关，而且与队员救火时间的长短也有关。记失火时刻为 ，开始救火时刻为 ，火被熄灭的时刻为 。设t时刻烧毁森林的面积为 ，则造成损失的森林烧毁的面积为 。下面我们设法确定各项费用。
4.1不允许缺货模型
某配送中心为所属的几个超市送配某种小电器，假设超市每天对这种小电器的需求量是稳定的，订货费与每个产品每天的存贮费都是常数。如果超市对这种小家电的需求是不可缺货的，试制定最优的存贮策略(即多长时间订一次货，一次订多少货)。
如果日需求量价值100元，一次订货费用为5000元，每件电器每天的贮存费1元，请给出最优结果。
模型假设:
（1）每天的需求量为常数r；
（2）每次的订货费用为c1，每天每件产品的存贮费为c2；
（3）T天订一次货,每次订Q件，且当存贮量为0时，立即补充，补充是瞬时完成的；
（4）为方便起见，将r，Q都视为连续量。
模型建立
将存贮量表示为时间的函数 时，进货Q件这类小电器,储存量 以需求r的速率递减，直到q(T)=0。
（3）每隔T天订货Q件，允许缺货，每天每件小家电缺货费为c3。缺货时存贮量q看作负值， 的图形如图4.2，货物在 时送完。
一个供货周期 内的总费用包括：订货费 ，存贮费 ，缺货费 ，借助图4.2可以得到
一个周期总费用为
每天的平均费用
（4.4）
利用微分法，令
可以求出最优的 值为
（4.5）
记
通过与不允许缺货的模型相比较得到
将所给的数据代入（4.6）式得到 元。
4.3森林救火模型
本节讨论森林救火问题。森林失火了，消防站接到报警后派多少消防队员前去救火呢?队员派多了，森林的损失小，但是救火的开支增加了；队员派少了，森林的损失大，救火的开支相应减小。所以需要综合考虑森林损失和救火队员开支之间的关系，以总费用最小来确定派出队员的多少。