数学建模作业

合集下载

数学建模的五次作业

图1中是大学校园一角。

图中标示出道路和两点之间的大致距离（单位：百英尺）。

你的同舍同学说服（convince）你在周末时候在某个道路交叉点（intersections）摆个热狗摊。

你希望小摊尽可能方便同学们。

哪里是最合适的地点呢？表1：校园一角从问题开始问题叙述:假如宿舍位于A，C，D，E和F点，A舍楼有200生，C和D各有300生，E和F楼各有100生。

(1) 如果我们知道A和C是女生楼，D，E和F是男生楼，并且只有30%的女生喜欢在你的小摊上吃热狗，而有80%的男生喜欢吃，那么你的选点会有怎样的改变？(2) 如果B和C点以及E和D点之间的路是上坡路，而上坡路比下坡路难走一倍。

你会怎样选点？A C D E F MAX AVG A 0154017601540176017601320B 660880110088011001100924C 15400220132017601760968D 17602200110015401760924E 15401320110004401540880F 176017601540440017601100G 15401760176066022017601188 A C D E F MAX AVGA04621408123214081408902B198264880704880880585.2C4620176105614081408620.4D52866088012321232541.2E4623968800352880418F528528123235201232528G 46252814085281761408620.4问题分析:问题(1)分析由于学生主要从宿舍到小摊，所以一个方法是算出从每个舍楼到每个可能的小摊地点的距离。

如表1的数据。

列表示所有可能的小摊位置，行表示从宿舍楼到各摊点位置的距离。

同时，在表格中包括了，从舍楼到小摊位置的最大距离和从小摊到舍楼的平均距离。

表1基于表中数据，如果将热狗摊安在B 点，那么没有哪个学生从舍楼到摊点需要走超过500英尺的距离，放在A 点则有学生要走800英尺。

数学建模题目及答案

09级数模试题1. 把四只脚的连线呈长方形的椅子往不平的地面上一放，通常只有三只脚着地，放不稳，然后稍微挪动几次，就可以使四只脚同时着地，放稳了。

试作合理的假设并建立数学模型说明这个现象。

（15分）解：对于此题，如果不用任何假设很难证明，结果很可能是否定的。

因此对这个问题我们假设：（1）地面为连续曲面（2）长方形桌的四条腿长度相同（3）相对于地面的弯曲程度而言，方桌的腿是足够长的（4）方桌的腿只要有一点接触地面就算着地。

那么，总可以让桌子的三条腿是同时接触到地面。

现在，我们来证明：如果上述假设条件成立，那么答案是肯定的。

以长方桌的中心为坐标原点作直角坐标系如图所示，方桌的四条腿分别在A 、B 、C 、D 处，A 、B,C 、D的初始位置在与x 轴平行，再假设有一条在x 轴上的线ab,则ab 也与A 、B ，C 、D 平行。

当方桌绕中心0旋转时，对角线 ab 与x 轴的夹角记为θ。

容易看出，当四条腿尚未全部着地时，腿到地面的距离是不确定的。

为消除这一不确定性，令 ()f θ为A 、B 离地距离之和，()g θ为C 、D 离地距离之和，它们的值由θ唯一确定。

由假设（1），()f θ,()g θ均为θ的连续函数。

又由假设（3），三条腿总能同时着地，故()f θ()g θ=0必成立（∀θ）。

不妨设(0)0f =,(0)0g >g （若(0)g 也为0，则初始时刻已四条腿着地，不必再旋转），于是问题归结为：已知()f θ,()g θ均为θ的连续函数，(0)0f =,(0)0g >且对任意θ有00()()0f g θθ=，求证存在某一0θ，使00()()0f g θθ=。

证明：当θ=π时，AB 与CD 互换位置，故()0f π>，()0g π=。

作()()()h f g θθθ=-，显然，()h θ也是θ的连续函数，(0)(0)(0)0h f g =-<而()()()0h f g πππ=->，由连续函数的取零值定理，存在0θ，00θπ<<，使得0()0h θ=，即00()()f g θθ=。

数学建模课后习题作业

【陈文滨】1、在稳定的椅子问题中，如设椅子的四脚连线呈长方形，结论如何？【模型假设】（1）椅子四条腿一样长，椅脚与地面接触处视为一点，四脚的连线呈长方形．（2）地面高度是连续变化的，沿任何方向都不会出现间断 (没有像台阶那样的情况)，即从数学的角度看，地面是连续曲面．这个假设相当于给出了椅子能放稳的必要条件．（3）椅子在任何位置至少有三只脚同时着地．为保证这一点，要求对于椅脚的间距和椅腿的长度而言，地面是相对平坦的．因为在地面上与椅脚间距和椅腿长度的尺寸大小相当的范围内，如果出现深沟或凸峰(即使是连续变化的)，此时三只脚是无法同时着地的。

【模型建立】在上述假设下，解决问题的关键在于选择合适的变量，把椅子四只脚同时着地表示出来．首先，引入合适的变量来表示椅子位置的挪动．生活经验告诉我们，要把椅子通过挪动放稳，通常有拖动或转动椅子两种办法，也就是数学上所说的平移与旋转变换．然而，平移椅子后问题的条件没有发生本质变化，所以用平移的办法是不能解决问题的．于是可尝试将椅子就地旋转，并试图在旋转过程中找到一种椅子能放稳的情形．注意到椅脚连线呈长方形，长方形是中心对称图形，绕它的对称中心旋转180度后，椅子仍在原地．把长方形绕它的对称中心O旋转，这可以表示椅子位置的改变。

于是，旋转角度θ这一变量就表示了椅子的位置．为此，在平面上建立直角坐标系来解决问题．如下图所示，设椅脚连线为长方形ABCD，以对角线AC所在的直线为x轴，对称中心O为原点，建立平面直角坐标系．椅子绕O点沿逆时针方向旋转角度θ后，长方形ABCD转至A1B1C1D1 的位置，这样就可以用旋转角θ（0≤θ≤π）表示出椅子绕点O旋转θ后的位置．其次，把椅脚是否着地用数学形式表示出来．我们知道，当椅脚与地面的竖直距离为零时，椅脚就着地了，而当这个距离大于零时，椅脚不着地．由于椅子在不同的位置是θ的函数，因此，椅脚与地面的竖直距离也是θ的函数．由于椅子有四只脚，因而椅脚与地面的竖直距离有四个，它们都是θ的函数．而由假设(3)可知，椅子在任何位置至少有三只脚同时着地，即这四个函数对于任意的θ，其函数值至少有三个同时为0．因此，只需引入两个距离函数即可．考虑到长方形ABCD是中心对称图形，绕其对称中心 O沿逆时针方向旋转180°后，长方形位置不变，但A,C和B,D对换了．因此，记A、B两脚与地面竖直距离之和为f（θ），C、D两脚与地面竖直距离之和为g（θ），其中θ∈[0，π]，从而将原问题数学化。

数学建模作业及答案

数学建模作业姓名：叶勃学号：班级：024121一：层次分析法1、分别用和法、根法、特征根法编程求判断矩阵1261/2141/61/41A ⎡⎤⎢⎥=⎢⎥⎢⎥⎣⎦11/2433217551/41/711/21/31/31/52111/31/5311A ⎡⎤⎢⎥⎢⎥⎢⎥=⎢⎥⎢⎥⎢⎥⎣⎦的特征根和特征向量（1）冪法求该矩阵的特征根和特征向量程序为：#include<iostream> #include<math.h> using namespace std;#define n 3 //三阶矩阵#define N 20 #define err 0.0001 //幂法求特征值特征向量 void main(){cout<<"**********幂法求矩阵最大特征值及特征向量***********"<<endl; int i,j,k;double A[n][n],X[n],u,y[n],max;cout<<"请输入矩阵:\n"; for(i=0;i<n;i++) for(j=0;j<n;j++)cin>>A[i][j]; //输入矩阵 cout<<"请输入初始向量:\n"; for(i=0;i<n;i++)cin>>X[i]; //输入初始向量 k=1; u=0;while(1){ max=X[0]; for(i=0;i<n;i++) {if(max<X[i]) max=X[i]; //选择最大值 }for(i=0;i<n;i++)y[i]=X[i]/max; for(i=0;i<n;i++)X[i]=0;for(j=0;j<n;j++)X[i]+=A[i][j]*y[j]; //矩阵相乘}if(fabs(max-u)<err){cout<<"A的特征值是 :"<<endl; cout<<max<<endl; cout<<"A的特征向量为:"<<endl; for(i=0;i<n;i++) cout<<X[i]/(X[0]+X[1]+X[2])<<" ";cout<<endl;break;}else{if(k<N) {k=k+1;u=max;} else {cout<<"运行错误\n";break;}}} }程序结果为：（2）和法求矩阵最大特征值及特征向量程序为：#include<stdio.h>#include<iostream>#include<math.h> using namespace std;#define n 3 //三阶矩阵#define N 20void main(){int i,j,k;double A[n][n],w[n],M[n],u[n],W[n][n],max;cout<<"********和法求矩阵的特征根及特征向量*******"<<endl;cout<<"请输入矩阵:\n";for(i=0;i<n;i++)for(j=0;j<n;j++)cin>>A[i][j]; //输入矩阵 //计算每一列的元素和M[0]=0;M[1]=0;M[2]=0;for(i=0;i<n;i++)for(j=0;j<n;j++){M[i]+=A[j][i];}//将每一列向量归一化for(i=0;i<n;i++)for(j=0;j<n;j++){W[j][i]=A[j][i]/M[i];}//输出按列归一化之后的矩阵Wcout<<"按列归一化后的矩阵为："<<endl;for(i=0;i<n;i++)for(j=0;j<n;j++){cout<<W[i][j]<<" ";if(j==2)cout<<endl;} //求特征向量w[0]=0;w[1]=0;w[2]=0;for(i=0;i<n;i++)for(j=0;j<n;j++){w[i]+=W[i][j];}cout<<"特征向量为:"<<endl; for(i=0;i<n;i++){u[i]=w[i]/(w[0]+w[1]+w[2]);cout<<u[i]<<" "<<endl;}//求最大特征值max=0;for(i=0;i<n;i++){w[i] = 0;for(j=0;j<n;j++){w[i] += A[i][j]*u[j];}}for(i = 0;i < n;i++){max += w[i]/u[i];}cout<<"最大特征根为："<<endl;cout<<max/n<<endl; }运行结果为：（3）根法求矩阵最大特征值及特征向量：程序为：#include<stdio.h>#include<iostream>#include<math.h>using namespace std;#define n 3 //三阶矩阵#define N 20void main(){int i,j;double A[n][n],w[n],M[n],u[n],W[n][n],max;cout<<"********根法求矩阵的特征根及特征向量*******"<<endl; cout<<"请输入矩阵:\n";for(i=0;i<n;i++)for(j=0;j<n;j++)cin>>A[i][j]; //输入矩阵//计算每一列的元素和M[0]=0;M[1]=0;M[2]=0;for(i=0;i<n;i++)for(j=0;j<n;j++){M[i]+=A[j][i];}//将每一列向量归一化for(i=0;i<n;i++)for(j=0;j<n;j++){W[j][i]=A[j][i]/M[i];}//输出按列归一化之后的矩阵Wcout<<"按列归一化后的矩阵为："<<endl;for(i=0;i<n;i++)for(j=0;j<n;j++){cout<<W[i][j]<<" ";if(j==2)cout<<endl;}//求特征向量//w[0]=A[0][0];w[1]=A[0][1];w[2]=A[0][2];w[0]=1;w[1]=1;w[2]=1;for(i=0;i<n;i++){for(j=0;j<n;j++){w[i]=w[i]*W[i][j];}w[i]=pow(w[i], 1.0/3);}cout<<"特征向量为:"<<endl;for(i=0;i<n;i++){u[i]=w[i]/(w[0]+w[1]+w[2]);cout<<u[i]<<" "<<endl;}//求最大特征值max=0;for(i=0;i<n;i++){w[i] = 0;for(j=0;j<n;j++){w[i] += A[i][j]*u[j];}}for(i = 0;i < n;i++){max += w[i]/u[i];}cout<<"最大特征值为:"<<endl; cout<<max/n;}运行结果为：2、编程验证n阶随机性一致性指标RI：运行结果：3、考虑景色、费用、居住、饮食、旅途五项准则，从桂林、黄山、北戴河三个旅游景点选择最佳的旅游地。

数学建模一周作业题目

对作业题目的说明1. 本次数学建模周一共提供十五道题目供大家选择。

每支队伍（2-3人/队）必须从以下题目中任意选取一题（只须选择一道），并完成一篇论文，对论文的具体要求参阅《论文格式规范》。

2. 题目标注为“A ”的为有一定难度的题目，指导老师会根据题目的难度对论文最后的评分进行调整。

（一）乒乓球赛问题 (A)A 、B 两乒乓球队进行一场五局三胜制的乒乓球赛，两队各派3名选手上场，并各有3种选手的出场顺序（分别记为123,,ααα 和123,,βββ）。

根据过去的比赛记录，可以预测出如果A 队以i α次序出场而B 队以j β次序出场，则打满5局A 队可胜ija 局。

由此得矩阵()ij R a =如下：123123214034531R βββααα⎛⎫=⎪ ⎪ ⎪⎝⎭（1）根据矩阵R 能看出哪一队的实力较强吗？（2）如果两队都采取稳妥的方案，比赛会出现什么结果？（3）如果你是A 队的教练，你会采取何种出场顺序？（4）比赛为五战三胜制，但矩阵R 中的元素却是在打满五局的情况下得到的，这样的数据处理和预测方式有何优缺点？（二）野兔生长问题在某地区野兔的数量在连续十年的统计数量(单位十万)如下：分析该数据，得出野兔的生长规律。

并指出在哪些年内野兔的增长有异常现象，预测T=10 时野兔的数量。

（三）停车场的设计问题在New England的一个镇上，有一位于街角处面积100 200平方英尺的停车场，场主请你代为设计停车车位的安排方式，即设计在场地上划线的方案。

容易理解，如果将汽车按照与停车线构成直角的方向，一辆紧挨一辆地排列成行，则可以在停车场内塞进最大数量的汽车，但是对于那些缺乏经验的司机来说，按照这种方式停靠车辆是有困难的，它可能造成昂贵的保险费用支出。

为了减少因停车造成意外损失的可能性，场主可能不得不雇佣一些技术熟练的司机专门停车；另一方面，如果从通道进入停车位有一个足够大的转弯半径，那么，看来大多数的司机都可以毫无困难地一次停车到位。

数学建模案例作业

数学建模案例作业作业1 商人过河问题三名商人各带一个随从乘船渡河，一只小船只能容纳二人，由他们自己划行（六个人都会划船）。

随从们密谋，无论何时，一旦随从的人数比商人多，就杀人越货。

但是如何乘船渡河的决定权掌握在商人手中。

商人们怎样才能安全渡河？示意图如下：随从：商人：一、状态变量一次决策),(k k k y x S = 3,2,1=k 表示第k 次渡河时，此岸的商人数，随从数. 最初 )3,3(0=S 且为整数）3,0(≤≤k k y x)}0,0(),1,0(),2,0(),3,0(),0,1(),1,1(),2,1(),3,1(),0,2(),1,2(),2,2(),3,2(),0,3(),1,3(),2,3(),3,3{(=S要安全过河，需保证彼岸此岸都安全，及随从数不能大于商人数，所以安全的情况有10种，即)}0,0(),1,0(),2,0(),3,0(),1,1(),2,2(),0,3(),1,3(),2,3(),3,3{(=S ② 二、决策变量设),(k k k v u d =2,0(≤≤k k v u 且)21≤+≤k k v u 表示第k 次渡河时，船上的商人数和随从数 )}1,0(),0,1(),2,0(),1,1(),0,2{(=D与状态变量相结合，安全的情况有三种，即 )}1,0(),2,0(),1,1{((=D ③ 三、状态转移方程奇数次（此案到彼岸）k k k d S S -=+1 偶数次（彼岸到此案）k k k d S S +=+1 即k k k k d S S )1(1-+=+ ① 数学建模：由①确定的转移方程下，经过n 次决策，将初始状态转移到最终状态)0,0(=n S . 每次的决策取自③式，每次到达的状态在②中. 图解法：①从右上角移到左下角，每次最多移两步；②奇数次渡河往左下方，偶数次渡河往右下方。

建立平面直角坐标系如图：n S 过河方案：从A 点)3,3(0=S 出发到D 点)0,0(=n S 结束① 小船一次最多能载两人，所以每次最多移动两个格子② 由此岸即彼岸时人员减少，即奇数遍时向左下方行走；有彼岸及此岸时人员增加，即偶数遍时向右上方行走。

数学建模作业(1)

数学建模作业(1)
数模
数模
1.学校共学校共1000名学生，235人住在宿名学生，人住在A宿名学生人住在人住B宿舍人住在C宿舍舍，333人住宿舍，432人住在宿舍人住宿舍，人住在宿舍.学生们要组织一个10人的委员会人的委员会，学生们要组织一个人的委员会，试用下列办法分配各宿舍的委员数：列办法分配各宿舍的委员数：(1)按比例分配取整数的名额后，剩下的名按比例分配取整数的名额后，按比例分配取整数的名额后额按惯例分给小数部分较大者。

额按惯例分给小数部分较大者。

(2)用Q值方法。

值方法。

用值方法
数模
如果委员会从10人增至人如果委员会从人增至15人，用以上人增至2种方法再分配名额。

将2种方法两次分配种方法再分配名额。

种方法再分配名额种方法两次分配的结果列表比较。

的结果列表比较。

(3)你能提出其它的方法吗？用你的方你能提出其它的方法吗？你能提出其它的方法吗法分配上面的名额。

法分配上面的名额。

数模
2.考察模拟水下爆炸的比例模型.爆炸物质量m,在距爆炸点距离r处设置仪器，接收到的冲击波压强为p,记大气初始压强p0,水的密度ρ,水的体积弹性模量k,用量纲分析法已经得到
p0ρrp=p0(,)km3
数模
设模拟实验与现场的p0,ρ,k相同，而爆炸物模型的质量为原模型的1/1000.为了使实验中接收到与现场相同的压强p,问实验时应如何设置接收冲击波的仪器，即求实验仪器与爆炸点之间的距离是现场的多少倍？
p0,ρ,k。

(完整word版)数学建模作业

f=kurtosis(x)%·å¶È
结果：
Untitled2
j =
80.1000
b =
9.7106
p =
-0.4682
f =
3.1529
极差：
用z表示极差。
编写M文件：Untitled1.m
x1=[93 75 83 93 91 85 84 82 77 76 77 95 94 89 91];
x2=[88 86 83 96 81 79 97 78 75 67 69 68 84 83 81];
93
75
83
93
91
85
84
82
77
76
77
95
94
89
91
88
86
83
96
81
79
97
78
75
67
69
68
84
83
81
75
66
85
70
94
84
83
82
80
78
74
73
76
70
86
76
90
89
71
66
86
73
80
94
79
78
77
63
53
55
(1)计算均值，标准差，极差，偏度，峰度，画出直方图；
(2)检验分布的正态性；
检验结果
（1）布尔变量h=0，表示不拒绝零假设，说明提出的假设学生成绩均值80是合理的。
（2）95%的置信区间为[77.6，82.6]，它完全包括80，且精度很高。
（3）sig的值为0.9367，远超过0.5，不能拒绝零假设。

数学建模作业及答案

数学建模作业---优化模型

P104页，复习题题目：考虑以下“食谱问题"：某学校为学生提供营养套餐，希望以最小的费用来满足学生对基本营养的需求按照营养学家的建设，一个人一天要对蛋白质，维生素A和钙的需求如下：50g蛋白质、4000IU维生素A和1000mg的钙，我们只考虑以不食物构成的食谱：苹果，香蕉，胡萝卜，枣汁和鸡蛋，其营养含量见下表。

制定食谱，确定每种食物的用量，以最小费用满足营养学家建议的营养需求，并考虑：（1）对维生素A的需求增加一个单位时是否需要改变食谱？成本增加多少？如果对蛋白质的需求增加1g呢？如果对钙的需求增加1mg呢？（2）胡萝卜的价格增加Ⅰ角时，是否需要改变食谱？成本增加多少？问题分析：（1）此优化问题的目标是使花费最小.（2）所做的决策是选择各种食物的用量，即用多少苹果，香蕉，胡萝卜，枣汁，鸡蛋来制定食谱。

（3）决策所受限制条件：最少应摄入的蛋白质、维生素和钙的含量（4）设置决策变量：用x1表示苹果的个数、x2表示香蕉的个数、x3表示胡萝卜的个数、x4表示枣汁的杯数量、x5表示鸡蛋的个数（5）x1个苹果花费10·x1角x2个香蕉花费15·x2角x3个胡萝卜花费5·x3角x4杯枣汁花费60·x4角x5个鸡蛋花费8·x5角目标函数为总花费金额：z=10·x1+15·x2+5·x3+60·x4+8·x5 (角)（6）约束条件为：最少摄入蛋白质的含量：0.3x1+1.2x2+0.7x3+3.5x4+5.5x5≥50最少摄入维生素A的含量：73x1+96x2+20253x3+890x4+279x5≥4000最少摄入钙的含量：10x1+15x2+5x3+60x4+8x5≥1000非负约束：x 1,x 2,x 3,x 4,x 5≥0优化模型：minz =10x 1+15x 2+5x 3+60x 4+8x 5s.t. 0.3x 1+1.2x 2+0.7x 3+3.5x 4+5.5x 5≥5073x 1+96x 2+20253x 3+890x 4+279x 5≥4000 9.6x 1+7x 2+19x 3+57x 4+22x 5≥1000 x 1,x 2,x 3,x 4,x 5≥0由线性规划模型的定义，容易得到线性规划的性质：1. 比例性每个决策变量的对目标函数的“贡献”与该决策变量的取值成正比；每个决策变量对每个约束条件右端项的“贡献”，与该决策变量的取值成正比.2. 可加性各个决策变量对目标函数的“贡献”，与其他决策变量的取值无关；各个决策变量对每个约束条件右端项的“贡献”，与其他决策变量的取值无关.3. 连续性每个决策变量的取值是连续的. 考察本题，实际上隐含下面的假设：1.购买苹果、香蕉、胡萝卜、枣汁、鸡蛋每个（杯）的花费是与各自的用量无关的常数；苹果、香蕉、胡萝卜、枣汁、鸡蛋每个（杯）所包含的蛋白质、维生素、钙的含量是与各自的用量无关的常数.（线性规划性质1—比例性）2.购买苹果、香蕉、胡萝卜、枣汁、鸡蛋每个（杯）的花费是与它们相互间用量无关的常数；苹果、香蕉、胡萝卜、枣汁、鸡蛋每个（杯）所包含的蛋白质、维生素A 、钙的含量是与它们相互间的用量无关的常数. （线性规划性质2—可加性）3. 购买苹果、香蕉、胡萝卜、枣汁、鸡蛋的数量都是实数. (线性规划性质3—连续性) 模型求解：（决策变量是5维的，不适用图解法求解模型）软件求解：线性规划模型：min z=10x1+15x2+5x3+60x4+8x5s.t. 0.3x1+1.2x2+0.7x3+3.5x4+5.5x5≥5073x1+96x2+20253x3+890x4+279x5≥40009.6x1+7x2+19x3+57x4+22x5≥1000x1,x2,x3,x4,x5≥0模型全局最优解：(Global optimal solution)x1=0x2=0x3=49.38272x4=0x5=2.805836z的最优值为269.3603角用LINGO 软件求解，得到如下输出：结果分析：1. 3个约束条件的右端项可视为3种资源：蛋白质含量、维生素A 含量、钙含量.LINGO 的输出项Row Slack or Surplus ，给出了3种资源在最优解下的剩余.2.目标函数可视为“支出（成本）”，紧约束的“资源”增加1单位时，“支出”的增加由LINGO 的输出项 Dual Price 给出。

(0349)《数学建模》网上作业题及答案

（0349）《数学建模》网上作业题及答案1：第一批次2：第二批次3：第三批次4：第四批次5：第五批次6：第六批次1：[填空题]名词解释13．符号模型14．直观模型15．物理模型16．计算机模拟17．蛛网模型18．群体决策参考答案：13．符号模型：是在一定约束条件或假设下借助于专门的符号、线条等，按一定形式组合起来描述原型。

14．直观模型：指那些供展览用的实物模型以及玩具、照片等，通常是把原型的尺寸按比例缩小或放大，主要追求外观上的逼真。

15．物理模型：主要指科技工作者为一定的目的根据相似原理构造的模型，它不仅可以显示原型的外形或某些特征，而且可以用来进行模拟实验，间接地研究原型的某些规律。

16．计算机模拟：根据实际系统或过程的特性，按照一定的数学规律用计算机程序语言模拟实际运行情况，并依据大量模拟结构对系统或过程进行定量分析。

17．蛛网模型：用需求曲线和供应曲线分析市场经济稳定性的图示法在经济学中称为蛛网模型。

18．群体决策：根据若干人对某些对象的决策结果，综合出这个群体的决策结果的过程称为群体决策。

2：[填空题]名词解释7．直觉8．灵感9．想象力10．洞察力11．类比法12．思维模型参考答案：13．符号模型：是在一定约束条件或假设下借助于专门的符号、线条等，按一定形式组合起来描述原型。

14．直观模型：指那些供展览用的实物模型以及玩具、照片等，通常是把原型的尺寸按比例缩小或放大，主要追求外观上的逼真。

17．蛛网模型：用需求曲线和供应曲线分析市场经济稳定性的图示法在经济学中称为蛛网模型。

18．群体决策：根据若干人对某些对象的决策结果，综合出这个群体的决策结果的过程称为群体决策。

数学建模例题及解析

.例1差分方程——资金(de)时间价值问题1:抵押贷款买房——从一则广告谈起每家人家都希望有一套(甚至一栋)属于自己(de)住房,但又没有足够(de)资金一次买下,这就产生了贷款买房(de)问题.先看一下下面(de)广告(这是1991年1月1日某大城市晚报上登(de)一则广告),任何人看了这则广告都会产生许多疑问,且不谈广告中没有谈住房面积、设施等等,人们关心(de)是：如果一次付款买这栋房要多少钱呢银行贷款(de)利息是多少呢为什么每个月要付1200元呢是怎样算出来(de)因为人们都知道,若知道了房价(一次付款买房(de)价格),如果自己只能支付一部分款,那就要把其余(de)款项通过借贷方式来解决,只要知道利息,就应该可以算出五年还清每月要付多少钱才能按时还清贷款了,从而也就可以对是否要去买该广告中所说(de)房子作出决策了.现在我们来进行数学建模.由于本问题比较简单无需太多(de)抽象和简化.a.明确变量、参数,显然下面(de)量是要考虑(de)：需要借多少钱,用记；月利率(贷款通常按复利计)用R记；每月还多少钱用x记；借期记为N个月.b．建立变量之间(de)明确(de)数学关系.若用记第k个月时尚欠(de) 款数,则一个月后(加上利息后)欠款 , 不过我们又还了x元所以总(de)欠款为k=0,1,2,3,而一开始(de)借款为.所以我们(de)数学模型可表述如下(1)c. (1)(de)求解.由(2)这就是之间(de)显式关系.d．针对广告中(de)情形我们来看(1)和(2)中哪些量是已知(de).N=5年＝60个月,已知；每月还款x＝1200元,已知 A.即一次性付款购买价减去70000元后剩下(de)要另外去借(de)款,并没有告诉你,此外银行贷款利率R也没告诉你,这造成了我们决策(de)困难.然而,由(2)可知60个月后还清,即,从而得(3)A和x之间(de)关系式,如果我们已经知(3)表示N＝60,x＝1200给定时0A.例如,若R ＝0．01,则由(3)可算得道银行(de)贷款利息R,就可以算出053946元.如果该房地产公司说一次性付款(de)房价大于70000十53946＝123946元(de)话,你就应自己去银行借款.事实上,利用图形计算器或Mathematica这样(de)数学软件可把(3)(de)图形画出来,从而可以进行估算决策.以下我们进一步考虑下面两个问题.注1问题1标题中“抵押贷款”(de)意思无非是银行伯你借了钱不还,因而要你用某种不动产(包括房子(de)产权)作抵押,即万一你还不出钱了,就没收你(de)不动产.例题1某高校一对年青夫妇为买房要用银行贷款60000元,月利率0．01,贷款期25年＝300月,这对夫妇希望知道每月要还多少钱,25年就可还清.假设这对夫妇每月可有节余900元,是否可以去买房呢解：现在(de)问题就是要求使 (de)x,由(2)式知现＝60000,R＝0．01,k＝300,算得x=632元,这说明这对夫妇有能力买房.例题2 恰在此时这对夫妇看到某借贷公司(de)一则广告：“若借款60000元,22年还清,只要；(i)每半个月还316元；(ii)由于文书工作多了(de)关系要你预付三个月(de)款,即316×6＝1896元.这对夫妇想：提前三年还清当然是好事,每半个月还316元,那一个月不正好是还632元,只不过多跑一趟去交款罢了；要预付18％元,当然使人不高兴,但提前三年还清省下来(de)钱可是22752元哟,是1896元(de)十几倍哪这家公司是慈善机构呢还是仍然要赚我们(de)钱呢这对夫妇请教你给他们一个满意(de)回答.具体解法略.问题2：养老基金今后,当年青人参加工作后就要从其每月工资中扣除一部分作为个人 (de)养老基金,所在单位（若经济效益好(de)话）每月再投入一定数量(de)钱,再存入某种利息较高而又安全(de)“银行”(也可称为货币市场)到60岁退休时可以动用.也就是说,若退休金不足以维持一定(de)生活水平时,就可以动用自己(de)养老基金,每月取出一定(de)款项来补贴不足部分.假设月利率及＝0．01不变,还允许在建立养老基金时自己可以一次性地存入A(不论多少),每月存入y元(个人和单位投入(de)总和)；通常从一笔钱0三十一岁开始到六十岁就可以动用.这当然是一种简化(de)假设,但作为估算仍可作为一种考虑(de)出发点.本问题实际上有两个阶段,即退休前和退休后,其数学模型为其中x为每月要从养老基金中提出(de)款项.习题1 某大学年青教师小李从31岁开始建立自己(de)养老基金,他把已有(de)积蓄1万元也一次性地存入,已知月利率为0．01 (以复利计),每月存入300元,试问当小李60岁退休时,他(de)退休基金有多少又若,他退休后每月要从银行提取l000元,试问多少年后他(de)退休基金将用完你能否根据你了解(de)实际情况建立一个较好(de)养老基金(de)数学模型及相应(de)算法和程取软件).习题2 渔业(林业)管理问题设某养鱼池(或某海域)一开始有某种鱼条,鱼(de)平均年净繁殖率为R,每年捕捞x条,记第N年有鱼条,则池内鱼数按年(de)变化规律为注意,在实际渔业经营中并不按条数计算而是以吨记数(de).若对某海域(de)渔业作业中＝100000吨,R＝0．02,x＝1000吨,试问会不会使得若干年后就没有鱼可捕捞了（资源枯竭了）例2比例分析法——席位分配问题：某学校有三个系联合成立学生会,（1）试确定学生会席位分配方案.（2）若甲系有100名,乙系60名,丙系40名.学生会设20个席位,分配方案如何(3)若丙系有3名学生转入甲系,3名学生转入乙系,分配方案有何变化（4）因为有20个席位(de)代表会议在表决提案时有可能出现10： 10(de)平局,会议决定下一届增加1席,若在第（3）问中将学生会席位增加一席呢（5）试确定一数量指标衡量席位分配(de)公平性,并以此检查（1）—（4）.公平而又简单(de)席位分配办法是按人数(de)比例分配,若甲系有100名,乙系60名,丙系40名.学生会设20个席位,三个系分别应有10,6,4个席位.如果丙系有6名学生转入其他两系学习,各系人数如表所示系别学生人数所占比例（%）按比例分配(de)席位按惯例分配(de)席位甲10310乙636第二列所示,按比例分配席位时,出现了小数(见表中第四列)．在将取得整数(de)19席分配完毕后,剩下(de)1席按照惯例分给余数最大(de)丙系,于是三个系仍分别占有10、6、4个席位．因为有20个席位(de)代表会议在表决提案时有可能出现10：10(de)平局,会议决定下一届增加1席,于是他们按照上述惯例重新分配席位,计算(de)结果令人吃惊：总席位增加1席,丙系反而减少1席,见下表．看来,要解决这个矛盾,必须重新研究所谓惯例分配方法,提出更加“公平”(de)办法．下面就介绍这样一个席位分配模型．设A、B两方人数分别是p1 和p2,分别占有n1 和n2 个席位,则两方每个席位所代表(de)人数分别是p1 ／n12和p2／n2．很明显,仅当这两个数值相等时,席位(de)分配才是公平(de)．但是,通常它们不会相等,这时席位分配得不公平.不公平(de)程度可以用数值来表示,它衡量(de)是“绝对不公平”．从下表所举(de)例子来看,A、B之间(de)“绝对不公平”与C、D之间是一样(de).但是从常识(de)角度看,A、B之间显然比C、D之间存在着更加严重(de)不公平．所以“绝对不公平”不是一个好(de)衡量标准．p n p/n p1/n1-p2/n2 A120101212-10=2B1001010C102010102102-100=2D100010100为了改进绝对标准,我们自然想到用相对标准．因为p／n越大,每个席位代表(de)人数越多,或者说,总人数一定时分配(de)席位越少.所以,如果p1／n13＞p2/n2,则A方是吃亏(de),或者说,对A是不公平(de),由此,我们这样定义“相对不公平”：若p1／n1＞p2／n2,则称为对A(de)相对不公平值,记做若p1／n1＜p2／n2,则称为对B(de)相对不公平值,记做假设A、B两方已分别占有n1和n2个席位,我们利用相对不公平(de)城念来讨论,当总席位再增加1席时,应该给且A方还是B方不失一般性,可设p1／n1＞p2/n2,即此时对A方不公平, ,有定义．当再分配1个席位时,关于p／n(de)不等式有以下三种可能：1)p1／(n1十1)＞p2／n2,这说明即使A方增加1席,仍然对A不公平,所以这1席当然应给A方；2)p1／(n1十1)＜p2／n2,说明当A方增加1席位,将对B不公平,此时应参照式,计算对B(de)相对不公平值3）说明当B方增加1席时,将对A方不公平,此时计算得对A (de)相对不公平值是（注意：在p1/n1p2/n2(de)假设下,不可能出现p1／n1＜p2／(n2+1)(de)情况因为公平(de)席位分配方法应该使得相对不公平(de)数值尽量地小,所以如果则这1席应给A方；反之应给B方．根据(3)、（4）两式,(5)式等价于并且不难证明1从上述第1)种情况(de)p1／(n1十1)＞p2／p2也可推出. 于是我们(de)结论是：当(6)式成立时,增加(de)1席应分配A方；反之,应分配给B方．若记,则增加(de)1席位应分配给Q值较大(de)一方．将上述方法可以推广到有m方分配席位(de)情况．下面用这个方法,重新讨论本节开始时提出(de),三个系分配21个席位(de)问题．首先每系分配1席,然后计算：甲系n1＝1,乙系, n2=1,丙系,n3=1,因为最大,所以第4席应分配给甲系,继续计算：甲系n1＝2,将与上面(de)相比,最大,第5席应分给乙系,继续计算.如此继续,直到第21席分配给某个系为止（详见列表）．n甲系乙系丙系1（4）（5）578（9）2（6）（8）（15）3（7）（12）（21）4（10）（14）5（11）（18）6（13）7（16）8（17）9（19）10（20）11可以看出,用Q值法,丙系保住了它险些丧失(de)1席.你觉得这个方法公平吗习题：学校共1000名学生,235入住在A宿合,333人住在B宿合,432人住在C宿合．学生们要组织一个10人(de)委员会,试用下列办法分配各宿舍(de)委员数．1）惯例(de)方法,印按比例分配完整数名额后,剩下名额给余数最大者. 2）Q值方法.如果委员会从10人增至15人,分配名额将发生什么变化 ,例3 状态转移问题——常染色体遗传模型随着人类(de)进化,人们为了揭示生命(de)奥秘,越来越注重遗传学(de)研究,特别是遗传特征(de)逐代传播,引起人们(de)注意.无论是人,还是动植物都会将本身(de)特征遗传给下一代,这主要是因为后代继承了双亲(de)基因,形成自己(de)基因对,基因对将确定后代所表现(de)特征.下面,我们来研究两种类型(de)遗传：常染色体遗传和x—链遗传.根据亲体基因遗传给后代(de)方式,建立模型,利用这些模型可以逐代研究一个总体基因型(de)分布.在常染色体遗传中,后代从每个亲体(de)基因对中各继承一个基因,形成自己(de)基因对,基因对也称基因型.如果我们所考虑(de)遗传特征是有两个基因A和控制(de),那么就有三种基因对,记为AA,A,.例如,金草鱼由两个遗传基因决定花(de)颜色,基因型是AA(de)金鱼草开红花,型(de)开粉红色花,而型(de)开白花.又如人类(de)眼睛(de)颜色也是提高通过常染色体遗传控制(de).基因型是(de)人,眼睛是棕色,基因型是(de)人,眼睛是兰色.这里因为都表示了同一外部特征,我们认为基因A 支配基因,也可以认为基因对于A 来说是隐性(de)农场(de)植物园中某种植物(de)基因型为AA,A 和.农场计划采用AA 型(de)植物与每种基因型植物相结合(de)方案培育植物后代.那么经过若干年后,这种植物(de)任一代(de)三种基因型分布如何第一步：假设：令 ,2,1,0=n .（1）设n n b a ,和n c 分别表示第n 代植物中,基因型为AA,Aa 和aa(de)植物占植物总数(de)百分率.令)(n x 为第n 代植物(de)基因型分布:⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡=n n n n c b a x )(当n=0时⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡=000)0(c b a x表示植物基因型(de)初始分布（即培育开始时(de)分布）,显然有1000=++c b a（2）第n 代(de)分布与第n-1代(de)分布之间(de)关系是通过上表确定(de).第二步：建模根据假设（2）,先考虑第n 代中(de)AA 型.由于第n-1代(de)AA 型与AA 型结合,后代全部是AA 型；第n-1代(de)Aa 型与AA 型结合,后代是AA 型(de)可能性为1/2,第n-1代(de)aa 型与AA 型结合,后代不可能是AA 型.因此,当 ,2,1,0=n 时11102/1---•++•=n n n n c b a a即2/11--+=n n n b a a 类似可推出2/11--+=n n n b c a 0=n c将式相加,得111---++=++n n n n n n c b a c b a根据假设（1）,有1000=++=++c b a c b a n n n对于式、式和式,我们采用矩阵形式简记为,2,1,)1()(==-n Mx x n n其中⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡=00012/1002/11M ⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡=n n n n c b a x )(式递推,得)0()2(2)1()(x M x M Mx x n n n n ====--式给出第代基因型(de)分布与初始分布(de)关系.为了计算出n M ,我们将M 对角化,即求出可逆矩阵P 和对角阵D,使1-=PDP M因而有,2,1,1==-n P PD M n n其中⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡=⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡=n n nnn D 321321000000000λλλλλλ这里321,,λλλ是矩阵M(de)三个特征值.对于式中(de)M,易求得它(de)特征值和特征向量:0,2/1,1321===λλλ因此⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡=00002/10001D ,⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡=0011 ⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡-=0112 ⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡-=1213 所以[]⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡--==100210111321P通过计算1-=P P ,因此有)0(1)0()(x P PD x M x n n n -==⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡--⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡--=0001002101110000)21(0010100210111c b a n 即⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡--=⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡=--00011)(000)2/1()2/1(0)2/1(1)2/1(11c b a c b a x n n n n n n n n ⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡+--++=--0)2/1()2/1()2/1()2/1(010010000c b c b c b a n n n n所以有⎪⎩⎪⎨⎧=+=--=--0)2/1()2/1()2/1()2/1(1010010n n n n n n n c c b b c b a当∞→n 时0)2/1(→n,所以从式得到0,1→→n n b a 和n c =0即在极限(de)情况下,培育(de)植物都是AA 型. 第三步：模型讨论若在上述问题中,不选用基因AA 型(de)植物与每一植物结合,而是将具有相同基因型植物相结合,那么后代具有三代基因型(de)概率如下表：并且)0()(x M xn n =,其中⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡=14/1002/1004/11M M(de)特征值为2/1,1,1321===λλλ通过计算,可以解出与21,λλ相对应(de)两个线性无关(de)特征向量1 和2 ,及与3λ相对应(de)特征向量3 ：⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡-=1011 ⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡=1002 ⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡-=1213 因此[]⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡--==111200101321P⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡-=-02/1011102/111P)0(1)0()(x P PD x M x n n n -==⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡-⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡--=00002/1011102/11)2/1(0001001111200101c b a n n所以有⎪⎩⎪⎨⎧-+==++=++010000100)2/1()2/1()2/1()2/1()2/1(bb c c b b b b a a n nn n n n当∞→n 时0)2/1(→n,所以从式得到0,)2/1(00→+→n n b b a a 和00)2/1(b c c n +→因此,如果用基因型相同(de)植物培育后代,在极限情况下,后代仅具有基因AA 和aa. 例4 合作对策模型在经济或社会活动中,几个社会实体（个人、公司、党派、国家）相互合作或结成联盟,常能获得比他们单独行动更多(de)经济或社会效益.这样合理地分配这些效益是合作对策要研究(de)问题.请看下面(de)例子.问题一：经商问题甲、乙、丙三人经商,若单干,每人仅能获利1元；甲乙合作可获利7元；甲丙合作可获利5元；乙丙合作可获利4元；三人合作可获利10元,问三人合作时如何分配10元(de)收入.甲(de)收入应按照甲对各种形式(de)合作(de)贡献来确定．对于某一合作(de)贡献定义为：有甲参加时这个合作(de)收入与无甲参加时这个合作(de)收入之差．例如甲对甲乙二人合作(de)贡献是7—1＝6 (因为甲乙合作获利7元,而乙单干仅获利1元)．甲可以参加(de),合作有四个：甲自己(单干视为合作(de)特例)、甲乙、甲丙、甲乙丙．甲对这些合作(de)贡献分别是甲：1一0＝1元；甲乙：7—1＝6元；甲内：5—1＝4元；甲乙丙：10—4＝6元,甲应分得(de)收入是这四个贡献(de)加权平均值,加权因子将由下面(de)一般模型给出．这个问题叫做3人合作对策,是对策论(de)一部分,这里介绍它(de)一种解法.一般(de)n人合作对策模型可以叙述如下：记n人集合为I=,如果对于I中 (de)任一子集,都对应一个实值函数v（s）,满足则称为定义在I上(de)特征函数．所谓合作对策是指定义了特征函数(de)I中n个人(de)合作结果,用向量值函数来表示．在实际问题中．常可把I中各种组合(de)合作获得(de)利益定义为特征函数,上式表示合作规模扩大时,获利不会减少.不难看出,如将三人经商问题中合作(de)获利定义为特征函数v,v是满足(1)、(2)(de)．为了确定,Shapley在1953年首先制定了一组应该满足(de)公理,然后证明了满足这组公理(de)(de)唯一解是其中是I中包含{i}(de)所有子集,是集合s中(de)人数,是加权因子,由确定．(3)式中可看作成员{i}对合作s(de)贡献；表示对所有包含{i}(de)集合求和．称为由v定义(de)合作(de)Shapley值．我们用(3)、(4)计算三人经商问题中各个人应得到(de)收入．甲、乙、丙分别记作{1},{2},{3},包含{1}(de)集合有{1}、{1,2}、{1,3}、{1,2,3},计算结果列入下表．S{1}{1,2}{1,3}{1,2,3}V(s)17510V(s-{1})0114V(s)- V(s-{1})1 6 4 612 23 W()1/31/61/61/3W()[V(s)-V(s-{1})]1/31 2/3 2.同样可以算出乙、丙应得收入为＝3．5元,＝元.问题二：三城镇(de)污水处理方案沿河有三城镇1、2和3,地理位置如图4；6所示．污水需处理后才能排入河中．三城镇或者单独建立污水处理厂,或者联合建厂,用管道将污水集中处理(污水应于河流(de)上游城镇向下游城镇输送).以Q 表示污水量(吨／秒),工表示管道长度(公里).按照经验公式,建立处理厂(de)费用为712.0173Q P =,铺设管道(de)费用为LQ P 51.0266.0=．今已知三城镇(de)污水量分别为5,3,5321===Q Q Q ．L(de)数值38,202312==L L ．试从节约总投资(de)角度为三城镇制定污水处理方案；包括是单独还是联合建厂；如果联合,如何分担投资额等．三城镇或单干或不同形式(de)联合,共有五种方案.下面一一计算所需(de)投资．方案一三城镇都单干.投资分别为总投资：方案二城1、2合作.这时城1、2将从节约投资(de)角度对联合还是分别建厂作出决策,所以城1、2(de)投资为：=3500C（3）=2300总投资：方案三城2、3合作.C（1）=2300总投资：方案四城1、3合作.C（2）=1600总投资：方案五三城镇合作=5560总投资：比较五个方案可知,应该选择三城合作,联合建厂(de)方案．下面(de)问题是如何分担总额为5560(de)费用．城3(de)负责人提出,联合建厂(de)费用按三城(de)污水量之比5：3：5分担,铺设管道费应由城1、2担负．城2(de)负责人同意,并提出从城2到城3(de)管道费由城1、2按污水量之比5：3分担；从城1到城2(de)管道费理应由城1自己担负．城1(de)负责人觉得他们(de)提议似乎是合理(de),但因事关重大,他没有马上表示同意；而是先算了一笔账．联合建厂(de)费用是4530)535(73712.0=++,城2到城3(de)管道费是730,城1到城2(de)管道费是300,按上述办法分配时,城3负担(de)费用为1740,城2(de)费用为1320,域1(de)费用为2500．结果出乎意料之外,城3和城2(de)费用都比单独建厂时少,而城1(de)费用却比单独建厂时(de)C(1)还要多.城1(de)负责人当然不能同意这个方法,但是一时他又找不出公平合理(de)解决办法．为了促成联合(de)实现,你能为他们提供一个满意(de)分担费用(de)方案吗首先,应当指出,城3和城2负责人提出(de)办法是不合理(de)：从前面(de)计算我们知道,三城联合,才能使总投资节约了640(de)效益应该分配给三城,使三城分配(de)费用都比他们单干时要少,这是为促成联合所必须制定(de)一条原则．至于如何分配,则是下面要进一步研究(de)问题．把分担费用转化为分配效益,就不会出现城1联合建厂分担(de)费用反比单独建厂费用高(de)情况.将三城镇记为I={1,2,3},联合建厂比单独建厂节约(de)投资定义为特征函数.于是有v(φ)=0,v({1})=v({2})=v({3})=0,v({1,2})=c(1)+c(2)-c(1,2)=2300+1600-3500=400,v({2,3})=c(2)+c(3)-c(2,3)=1600+2300-3650=250,v({1,3})=0,v(I)=c(1)+c(2)+c(3)-c(1,2,3)=640.S {1} {1,2} {1,3} {1,2,3} V(s) 0 400 0 640 V(s-{1}) 0 0 0 250 V(s)- V(s-{1})0 400 0 39012 23 W()1/31/61/61/3W()[V(s)-V(s-{1})] 0 67 0 130即197)(1=v ϕ同理得321)(2=v ϕ,122)(3=v ϕ那么, 城1分担(de)费用为2300-197=2103, 城2分担(de)费用为1600-321=1279, 城3分担(de)费用为2300-122=2178,合计5560. 习题：某甲（农民）有一块土地.如果从事农业生产可年收入100元；如果将土地租给某企业家用于工业生产,可年收入200元；如果租给某旅店老板开发旅游业,可年收入300元；当旅店老板请企业家参与经营时,年收入可达400元.为实现最高收入,试问如何分配各人(de)所得才能达成协议例5动态规划模型有不少动态过程可抽象成状态转移问题,特别是多阶段决策过程(de)最优化如最短路径问题,最优分配,设备更新问题,排序、生产计划和存储等问题．动态规划是一种将复杂问题转化为一种比较简单问题(de)最优化方法,它(de)基本特征是包含多个阶段(de)决策．1951年,美国数学家贝尔曼(R．Bellman)等人,提出了解决多阶段决策问题(de)“最优化原理”,并研究了许多实际问题,从而创建了动态规划·动态规划方法(de)基本思想是：将一个复杂问题分解成若干个阶段,每一个阶段作为一个小问题进行处理,从而决定整个过程(de)决策,阶段往往可以用时间划分这就具有“动态”(de)含义,然而,一些与时间无关(de)静态规划中(de)最优化问题,也可人为地把问题分成若干阶段,作为一个多阶段决策问题来处理,计算过程单一化,便于应用计算机．求解过程分为两大步骤,①先按整体最优化思想递序地求出各个可能状态(de)最优化决策；②再顺序地求出整个题(de)最优策略和最优路线．下面,结合一个求最短路径(de)例子,来说明动态规划(de)一些基本概念．最短路径问题如图所示(de)交通网络,节点连接线路上(de)数字表示两地距离,计算从A 到E(de)最短路径及长度.1．阶段．把所要处理(de)问题,合理地划分成若干个相互联系(de)阶段,通常用k 表示阶段变量.如例中,可将问题分为4个阶段,k=1,2,3,4. 2．状态和状态变量．每一个阶段(de)起点,称为该阶段(de)状态,描述过程状态(de)变量,称为状态变量,它可以用一个数、一组数或一个向量来描述,常用k x 来表示第k 阶段(de)某一状态．如果状态为非数量表示,则可以给各个阶段(de)可能状态编号,i x i k =)(()(i k x 表示第k 个阶段(de)第i 状态).第k 阶段状态(de)集合为},,,,,{)()()2()1(T k i k k k k x x x x X =如例6中,第3阶段集合可记为}3,2,1{},,{},,{321)3(3)2(3)1(33===C C C x x x X3．决策和决策变量．决策就是在某一阶段给定初始状态(de)情况下,从该状态演变到下一阶段某状态(de)选择.即确定系统过程发展(de)方案．用一个变量来描述决策,称这个变量为决策变量.设)(k k x u 表示第k 个阶段初始状态为k x (de)决策变量．)(k k x D 表示初始状态为k x (de)允许决策集合,有)(k k x u ∈)(k k x D ={k u }如例6中},,{)(3211B B B A D =,若先取2B ,则21)(B A u =. 4．策略和子策略．由每段(de)决策)(k k x u 组成(de)整个过程(de)决策变量序列称为策略,记为n P ,1,即n P ,1=)}(,),(),({2211n n x u x u x u从阶段k 到阶段n 依次进行(de)阶段决策构成(de)决策序列称为k 子策略,记为n k P ,即)(1,x P n k =)}(,),(),({11n n k k k k x u x u x u ++显然,k=1时(de)k 子策略就是策略.如例6,选取路径E D C B A →→→→221就是一个子策略．从允许策略集中选出(de)具有最佳效果(de)策略称为最优策略. 5．状态转移方程．系统在阶段k 处于状态k x ,执行决策)(k k x u (de)结果是系统状态(de)转移,即由阶段K(de)状态k x 转移到阶段K 十1(de)状态1+k x 适用于动态规划方法求解(de)是一类具有无后效性(de)多阶段决策过程．无后效性又称马尔科夫性,指系统从某个阶段往后(de)发展,完全由本阶段所处(de)状态以及其往后(de)决策决定,与系统以前(de)状态及决策无关,对于具有无后效性(de)多阶段过程,系统由阶段k 向阶段k+1(de)状态转移方程为))(,(1k k k k k x u x T x =+意即1+k x 只与k x ,)(k k x u 有关,而与前面状态无关．))(,(k k k k x u x T 称为变换函数或算子．分确定型和随机型,由此形成确定型动态规划和随机型动态规划． 6．指标函数和最优指标函数．在多阶段决策中,可用一个数量指标来衡量每一个阶段决策(de)效果,这个数量指标就是指标函数,为该阶段状态变量及其以后各阶段(de)决策变量(de)函数,设为n k V ,即n k x x u x V V n k k k n k n k ,,2,1),,,,(1,, ==+指标(de)含义在不同(de)问题中各不相同,可以是距离、成本、产品产量、资源消耗等．例6中,指标(de)含义就是距离,指标函数为A 到E(de)距离,为各阶段路程(de)和．最常见(de)指标函数取各阶段效果之和(de)形式,即∑==nk j j j j n k u x V V ),(,指标函数nk V ,(de)最优值,称为相应(de)最优指标函数,记为)(k k x fnk k k optV x f ,)(=式中opt 是最优化之意,根据问题要求取max 或min ． 7．动态规划最优化原理．贝尔曼指出“作为整个过程(de)最优策略具有这样(de)性质：即无论过去(de)状态和决策如何,对前面(de)决策所形成(de)状态而言,余下(de)诸决策必须构成最优策略”基于这个原理,可有如下定理：定理若策略*,1n P 是最优策略,则对于任意(de)k(1<k<n),它(de)子策略*,n k P 对于以),(*1*11*---=k k k k u x T x 为起点(de)k 到n 子过程来说,必是最优策略．实质上,动态规划(de)方法是从终点逐段向始点方向寻找最短路径(de)一种方法．8．动态规划(de)数学模型．利用最优化原理,可以得到动态规划(de)数学模型)}(),({)(11+++=k k k k k k k x f u x V opt x f ))(1,,1,(k k k x D u n n k ∈-=0)(11=++n n x f这是一个由后向前(de)递推方程．下面以例6(de)最短路径问题说明这种递序解法．指标函数为两点之间(de)距离,记为),(k k u x d ,例中共分4个阶段． (倒推) 第4阶段2)(),()(5114=+=E f E D d D f 3)(),()(5224=+=E f E D d D f 5)(),()(5334=+=E f E D d D f 0)(5=E f第3阶段6835)(),(624)(),(min )(2421141113=⎭⎬⎫⎩⎨⎧=+=+=+=+=D f D C d D f D C d C f},,{11*4,3E D C P =4431)(),(826)(),(min )(2422141223=⎭⎬⎫⎩⎨⎧=+=+=+=+=D f D C d D f D C d C f},,{22*4,3E D C P =6651)(),(1239)(),(min )(3433243333=⎭⎬⎫⎩⎨⎧=+=+=+=+=D f D C d D f D C d C f},,{33*4,3E D C P =第2阶段7734)(),(1367)(),(min )(2321131112=⎭⎬⎫⎩⎨⎧=+=+=+=+=C f C B d C f C B d B f},,,{221*4,2E D C B P =7734)(),(826)(),(min )(2322131222=⎭⎬⎫⎩⎨⎧=+=+=+=+=C f C B d C f C B d B f},,,{222*4,2E D C B P =91468)(),(945)(),(min )(3333232332=⎭⎬⎫⎩⎨⎧=+=+=+=+=C f C B d C f C B d B f},,,{223*4,2E D C B P =第1阶段10111192)(),(74)(),(1073)(),(min )(323221211=⎪⎭⎪⎬⎫⎪⎩⎪⎨⎧=+=+=+=+=+=+=B f B A d B f B A d B f B A d A f},,,,{221*4,1E D C B A P =故最短路径为E D C B A →→→→221,从A 到E(de)最短距离为10. 上述步骤可归纳为下述递推公式)}(),(m in{)(11+++=k k k k k k x f u x d x f 1,2,3,4(=k ）0)(55=x f此递推关系叫做动态方程,即最短路径问题(de)动态规划模型,应用动态规划方法解决问题(de)关键是根据所给问题建立具体(de)动态规划模型,建立动态规划模型时(de)主要困难在于：如何将所遇到(de)最优化解释为合适(de)多段决策过程问题．从例6看出,划分I 阶段、定义状态、确定指标函数,是动态规划模型化时(de)主要工作,其合适性决定应用动态规划(de)成败．建模时,除将实际问题根据时间和空间恰当地划分若干阶段外,还须明确下列几点： (1)正确选择状态变量,使它既能描述过程(de)状态,又。

数学建模大作业题目

(1) 用起泡法对10个数由小到大排序. 即将相邻两个数比较,将小的调到前头. （10个数字自己选择，方法要一般）(2)有一个45⨯矩阵,编程求出其绝对值最大值及其所处的位置. （用abs 函数求绝对值）(3)编程求201!n n =∑ （分别用for 和while 循环）(4)一球从100米高度自由落下,每次落地后反跳回原高度的一半,再落下. 求它在第10次落地时,共经过多少米?第10次反弹有多高? (5)有一函数2(,)sin 2f x y x xy y =++,写一程序,输入自变量的值,输出函数值，并画出其图像，加上图例和注释. （区间自理） (6) 建立一个脚本M 文件将向量a,b 的值互换。

(7) 某商场对顾客所购买的商品实行打折销售，标准如下(商品价格用price 来表示)： price<200 没有折扣; 200≤price<500 3%折扣; 500≤price<1000 5%折扣; 1000≤price<2500 8%折扣; 2500≤price<5000 10%折扣;5000≤price 14%折扣;输入所售商品的价格，求其实际销售价格。

(用input 函数) (8) 已知y ，22221111123y n=++++,当n=100时，求y 的值。

(9)画出分段函数2221y 1 122 1 2x x x x x x x ⎧<⎪=-≤<⎨⎪-+≥⎩的图像，并求分段函数在任意几点的函数值。

(用hold on 函数)(10) 给定5阶方阵，求方阵的行列式、特征值、迹、上三角元素的和。

(11) 输入40个数字，按照从小到大的顺序排列输出。

(12) 把当前窗口分成四个区域，在每个区域中分别用不同的颜色和线形画sin ;tan y x y x==，x y e =和31y x x =++的图像。

（区间自理）(13) 对于,AXB YA B==，如果⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡=753467294A ，⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡=282637B ，，求解X,Y ;(14) 如果⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡=753467294A ，242679836B ⎡⎤⎢⎥=⎢⎥⎢⎥⎣⎦,求1122,*,.*,,,,T A B A B A B AB A B A A ---。

初中数学建模题目

初中数学建模题目一、代数方程建模1. 小明每天早上7点上学，他以每分钟70米的速度走到学校，需要30分钟。

请问小明家离学校的距离是多少？2. 一个化肥厂生产化肥，每生产一吨需要耗电40度。

如果电费每度为0.6元，那么生产100吨化肥需要多少电费？二、几何图形建模1. 一个矩形花园的长是15米，宽是8米。

要在花园四周种上花边，花边的总长度是多少？2. 一个三角形ABC的三边长分别为3、4、5厘米，求三角形的面积？三、概率统计建模1. 一盒子里有红球和白球共10个，其中红球有6个。

如果随机从盒子里摸出一个球，那么摸到红球的概率是多少？2. 小华在数学考试中得了85分，全班平均分是90分。

求小华的分数高于全班平均分的概率？四、函数关系建模1. 小明从家里出发去公园，走了1小时后，他走了3公里。

如果他的速度保持不变，请问他还需要多少时间才能到达公园？2. 一个水库的水位高度与降雨量有关，当降雨量为50毫米时，水位会上升5米。

求水库的水位高度与降雨量的函数关系。

五、三角函数建模1. 一个摩天轮的高度为40米，直径为50米。

当摩天轮转过一圈时，求最顶端点到地面的高度？2. 一个登山队要从山脚爬到山顶，已知山的斜度为60度，登山队爬了300米后，他们还有多远才能到达山顶？六、数列建模1. 一个自然数列的前两项分别为1和2，以后各项都是其前面各项的和。

求这个数列的第10项是多少？2. 一个商场销售某商品，每件商品的进价为8元，售价为10元。

每天售出50件，求一个月（30天）后，商场能赚多少钱？七、线性规划建模1. 某地计划建设一个生态公园，需要种上一些树木。

已知种一棵树需要花费100元，而生态公园的总预算是5000元。

问在满足预算限制的条件下，最多能种多少棵树？2. 某公司生产两种产品：产品A的单价为20元，利润率为20%；产品B的单价为15元，利润率为15%。

公司现有资金20万元，问应如何安排两种产品的生产量，才能使公司获得最大利润？。

大一高数建模作业

大一高数建模作业大一高数建模作业主要是为了帮助学生巩固高数知识，提高运用数学解决实际问题的能力。

以下是一些建议的建模作业题目：1. 线性方程组建模：根据实际问题，建立线性方程组，并求解。

例如，可以考虑用线性方程组描述几个人在不同时间点的年龄关系。

2. 函数建模：根据实际问题，选择合适的数学函数进行建模，并分析函数的性质。

例如，可以考虑用指数函数或对数函数描述某种增长或衰减现象。

3. 微分方程建模：根据实际问题，建立微分方程模型，并求解。

例如，可以考虑用一阶微分方程描述某物体在不同时间点的速度关系。

4. 概率论建模：根据实际问题，运用概率论知识进行建模，分析事件的概率和风险。

例如，可以考虑用二项分布描述某人在多次试验中成功的概率。

5. 数值计算建模：根据实际问题，运用数值计算方法进行建模，解决数学问题。

例如，可以考虑用数值积分方法计算连续函数的定积分。

6. 数学建模竞赛：参加数学建模竞赛，锻炼团队协作和解决问题的能力。

例如，可以考虑参加全国大学生数学建模竞赛或MCM/ICM国际数学建模竞赛。

7. 应用高数知识解决实际问题：结合所学的高数知识，尝试解决一些实际问题。

例如，可以考虑利用微积分知识优化某个工程问题，提高效率。

在完成这些建模作业时，要注意以下几点：1. 理解题意：在开始建模之前，首先要确保自己清楚题目的要求，理解问题的背景和意义。

2. 建立模型：根据实际问题，选择合适的数学模型，如线性方程组、函数、微分方程等。

3. 求解模型：运用相应的数学方法，求解建立的模型。

这可能涉及到一些高数公式和计算方法，如求导、积分、解方程等。

4. 分析结果：在求解出模型后，要对结果进行分析，判断其合理性和有效性。

这可能需要借助一些数学软件或工具，如Excel、MATLAB等。

5. 撰写报告：最后，要将建模过程和结果整理成报告，以便与他人交流和分享。

报告应包括问题背景、模型建立、求解过程、结果分析等内容。

通过完成这些大一高数建模作业，可以帮助学生更好地理解高数知识，提高解决实际问题的能力，为未来的学术和职业生涯打下坚实基础。

数学建模作业(mathematica)

3.问题求解：
化简可得y= ,
又y（0）=1，y（24）=5,可得c[1]=1999 ,2000k=0.1329014
通过观察发现，60小时的患者人数比50小时时翻了一倍还多，说明这一时期是传染最为严重的时刻，因此应该在这之前采取适当措施，才能有效控制住病情的发展。否则通过图像可以看到，当时间到达90小时时，所有学生基本都被传染了。这时再采取措施就太晚了。
3.问题求解（附程序源代码）
用数学软件求解
观察图形发现，三次函数的拟合度比二次函数更好一些，因此用三次函数作为花园的边界曲线。
可见，修建花园总的花费为234万元左右。
问题二
宿舍楼里的传染病问题
1.问题描述
禽流感的爆发威胁着人们的健康，但是这种传染病如果能及时发现，就可以做到可治可控。对于学校来讲，人员密集，更要引起大家的注重。假设一个宿舍楼有2000名学生，现在有一名学生患了禽流感，24小时后会传染给5个人。禽流感是有潜伏期的，早起并不容易察觉，因此没法及时隔离病毒携带者。假设学校和医院在第一个患病学生回到学校10天之后才开始采取防治措施，求此时患传染病的人数。
数学实验与数学建模作业
（电子信息工程学院）
问题一
小区里街心花园的设计与造价问题
1.问题描述
有一个小区，入住率很高，但是业主对小区的环境和绿化并不是很满意。物业为了改善小区的居住环境，打算在小区里修建一个小型的街心花园，以便让业主休息放松。由于小区的面积比较狭窄，且建筑物比较稠密，因此没有很大的空间修建街心花园，只能修一个面积形状不规则的花园。物业计划要在开发出的空间里全部铺上草坪，并在每单位面积内种植一定数目和花卉，以及必要的灌溉设施（造价见符号说明）。计算花园的造价。
2.问题分析：
假设为发现速率。