数学建模汽车租赁调度问题

汽车租赁调度问题

摘要

国汽车租赁市场兴起于1900年亚运会，随后在、、及等国际化程度较高的城市率先发展直至2000年左右，汽车租赁市场开始在其他城市发展。

为了对某市的一家租赁公司获利情况进行分析并确定汽车调度方案，本文我们以非线性规划为基础，通过matlab，excel等软件对数据进行处理，最小二乘法对缺失数据进行预测，最终使用lingo软件进行编程求解得到最终的优化方案。

在问题一中，我们基于对题目中尽量满足需求的理解，考虑到总的车辆数和总的需求量之间的关系，用最小偏差法和分段考虑法进行了计算，分别建立多目标规划模型和非线性规划模型，通过对转运后各代理点最终的车辆数进行分析，比较两种结果得到更优的转运方案。

在问题二中，我们一方面要对其短缺损失进行理解，另一方面要考虑，是否应该考虑在尽量满足需求的条件下求其最低的转运费用和短缺损失，此问题中我们同样分两种情况对其进行考虑，通过比较两者最低费用并且结合实际情况，得到更合理的转运方案。

在问题三中，首先我们分析数据，剔除了其中一场的部分，并用最小二乘法对缺失数据进行预测，得到完整的单位租赁费用与短缺损失费用，然后综合考虑各种因素后，我们将公司获利最大作为最终目标函数通过非线性规划的模型求得最佳方案。

在问题四中，我们没有直接对是否购买新车作出判断，而是直接以其八年获利最大为目标进行非线性规划，购买的车辆数成为其目标函数中的一个未知数，用lingo可直接求得在获利最大时的购车数量，将其与不购车时的利润进行比较可得到最佳的购买方案。

关键词：非线性规划全局最优短缺损失最小二乘法

一．问题重述

国汽车租赁市场兴起于1990年亚运会，随后在、、及等国际化程度较高的城市率先发展，直至2000年左右，汽车租赁市场开始在其他城市发展。

某城市有一家汽车租赁公司，此公司年初在全市围有379辆可供租赁的汽车，

分布于20个代理点中。每个代理点的位置都以地理坐标X和Y的形式给出，单位为千米。假定两个代理点之间的距离约为他们之间欧氏距离（即直线距离）的1.2倍。要求根据附件所给数据计算如下问题：

1．给出未来四周每天的汽车调度方案，在尽量满足需求的前提下，使总的转运费用最低；

2．考虑到由于汽车数量不足而带来的经济损失，给出使未来四周总的转运费用及短缺损失最低的汽车调度方案；

3．综合考虑公司获利、转运费用以及短缺损失等因素，确定未来四周的汽车调度方案；

4．为了使年度总获利最大，从长期考虑是否需要购买新车？如果购买的话，确定购买计划（考虑到购买数量与价格优惠幅度之间的关系，在此假设如果购买新车，只购买一款车型）。

二．问题分析

汽车租赁调度问题是一个典型的数学规划问题，需要综合考虑转运费用，短缺损失，公司获利等多方面因素，在掌握了各代理点实际需求下，根据一定要求，寻找到使目标函数满意的优化解。

问题一中，要求在尽量满足需求的前提下，使未来四周的总转运费用最低。对数据进行处理后，对尽量满足需求这一约束条件，认为其在需求量大于供应量时应保证每辆车都能够被利用，在需求量小于供应量时应保证每个代理点的需求都能被满足。然后据此约束建立多目标规划模型求全局最优解，使得未来四周总的转运费用最小。

针对问题二，我们需要考虑在汽车数量不足的情况下所带来的短缺损失，所谓

短缺损失是指，在某代理点某天经过转运后最终的车辆数比需求量少时，少的车辆数与单位短缺损失的乘积。在此基础上建立两种模型，第一种是尽量满足需求条件下的模型，第二种是不考虑尽量满足需求这一条件下的模型。然后分别建立非线性规划模型求全局最优，使得未来四周的转运费与短缺损失之和最小。

针对问题三，综合考虑公司获利、转运费用以及短缺损失等因素，以公司获利最多作为目标函数，考虑到前期尽量满足需求对公司后续的租赁需求影响，在此仅分析在尽量满足需求条件下获利最多。对于附录中丢失的数据，我们将平均需求量与租赁收入之间的关系曲线采用最小二乘法进行拟合，预测出缺失的数据以及异常数据。最后将其考虑为非线性规划问题对其进行规划求全局最优，得到最佳的调度方案。

针对问题四，由于一年中最大需求量要比实际供应量多66辆车，故我们将购买车的数量m取小于66的值，然后分别计算每增加一辆能够获得的最大的利润，然后求得最优的m值，该m的取值区间会有一个值使得获利最大。由于车型不影响租赁收入，所以在考虑车型时，选择是8年成本和维修费用之和最低的一款。

三．符号说明

四．模型假设

1.假设租赁车辆不会损坏，且不会产生维修保养费用。

2.假设当天租出去的车会当天归还，不影响第二天租赁。

3.假设每次车辆转运发生在一天的结束后，第二天之前。

4.假设附件2所给一年各代理点的汽车需求量代表未来八年的汽车需求量。

5.假设购买新车的周期为8年。

6.假设价格不考虑涨价等情况。

7.假设前期的不满足需求不会影响到后续的需求量。

五．模型建立与求解

5.1问题一

5.1.1对问题一的理解

问题一要求在尽量满足需求的前提下，使总的转运费用最低。对于尽量满足需求，我们对其有两种理解。一是使每天每个代理点转运后最终的车辆数与其需求量

的偏差最小。二是认为其在需求量大于供应量时应保证每辆车都能够被利用，在需求量小于供应量时应保证每个代理点的需求都能被满足。

5.1.2基于偏差最小的多目标规划模型的建立与求解

首先用matlab 对附件1和附件6中数据进行处理，得到两两代理点之间每转运一辆车的转运费用。具体结果见附件1。

用ki ki x a -表示其偏差，建立多目标规划如下：

min

2920

1

1

ki ki k i

x a ==-∑∑

s.t.

1

379n

ki i

X ==∑

上式可求得当其偏差和最小时每天每个代理点经过转运后的最终车辆数。在此基础上以其转运费用最低为目标函数建立如下模型：

min

292020

1

1

1kij ij k i j

n p ===∑∑∑

s.t.

20

20

()1

1

kij kji k i i ki j j

n n x x -==-=-∑∑

利用lingo 软件编程解得最小的转运费用为70.4987万元，以下是前11天各代理点转运之后最终的车辆数。

由下表数据可知，在该模型下，虽然大部分代理点几乎完全满足需求，但是一些代理点经过转运之后一辆车也没有，这违背了尽量满足需求这一条件，也不符合实际情况，同时求解得到其运输费用最小为70.4987万元，远高于第二个模型的最小运输费用，所以该模型被舍弃。