佛山科学技术学院
上机报告
课程名称数学建模
上机项目汽车的刹车距离模型及黄灯持续时间分析模型
专业班级姓名学号
一、问题提出
问题一：
司机在驾驶过程中遇到突发事件会紧急刹车，从司机决定刹车到车完全停住汽车行驶的距离称为刹车距离，车速越快，刹车距离越长。
（1）已知交通部门提供的一组汽车的刹车距离数据如下：
车速29.3 44 58.7 73.3 88 102.7 117.3 实际刹车距离42 73.5 116 173 248 343 464
分析刹车距离与车速之间具有怎样的关系，利用以上数据，求出具体的数学模型。并在同一幅图中画图，对计算出的刹车距离与实际刹车距离进行比较。
问题二：
（2）在城市道路的十字路口，都会设置红绿交通灯。为了让那些正行驶在交叉路口或离交叉路口太近而又无法停下的车辆通过路口，红绿灯转换中间还要亮起一段时间的黄灯。试建立十字路口黄灯亮的时间的数学模型。
二、问题分析
问题一：
汽车的刹车距离大致可分为反应距离和制动距离。
反应距离由反应时间和车速决定，反应时间取决于司机个人状况(灵巧、机警、视野等)和制动系统的灵敏性(从司机脚踏刹车板到制动器真正起作用的时间)，对于一般规则可以视反应时间为常数，且在这段时间内车速尚未改变。这里，我们取多数人的平均反应时间为0.75秒。
制动距离与制动器作用力(制动力)、车重、车速以及道路、气候等因素有关，制动器是一个能量耗散装置，制动力作的功被汽车动能的改变所抵消。设计制动器的一个合理原则是，最大制动力大体上与车的质量成正比，使汽车的减速度基本上是常数，这样，司机和乘客少受剧烈
的冲击。至于道路、气候等因素，对于一般规则又可以看作是固定的。
问题二：
设汽车行驶速度为法定速度0v ，一定的刹车距离为1S ，通过十字路口的距离为2S ，车身的长度为L ，则黄灯的时间应t 使距停车线1S 之内的汽车能通过路口，即021/)(v L S S t ++≈，如果考虑到司机有一定的反应时间，则黄灯持续的状态就也包括驾驶员的反应时间。根据分析，下面建立十字路口黄灯亮的时间的数学模型。
三、模型假设
（一）为了解决汽车刹车距离问题，作出以下几点假设：
（1） 道路、气候、驾驶员等条件相同，汽车没有超载，也没有出现故障；
（2） 汽车在平直道路上行驶，驾驶员紧急刹车，一脚把刹车脚踏踩到底，汽车在刹车过程没
有转方向；
（3） 驾驶员的反应时间为常数1t ，汽车在反应时间做匀速直线运动；
（4） 汽车在制动过程做匀速直线运动，减速度a 是常数，制动力所做的功等于汽车功能的损
失。 引入以下符号：
v ～车速（m/s ）；d ～刹车距离（m ）；1d ～反应距离（m ）；2d ～制动距离（m ）； 1t ～反应时间（s ）
。 （二）为了计算十字路口黄灯亮的时间，作出以下几点假设： （1）驾驶员在通过交叉路口时，匀速驾驶车辆；
（2）汽车在平直道路上行驶，驾驶员紧急刹车，一脚把刹车脚踏踩到底； （3）仅仅考虑汽车直行的情况，不考虑转弯或掉头的情况； （4）不考虑人行道中路人对来往车辆的影响。 符合说明：
四、模型建立
（显示模型函数的构造过程）
（一） 汽车刹车距离模型： 由分析得
d =1d +2d
由假设（3）得
1d =1t v
又由假设（4）得
m a 2d =
1
2
m (v ^2) 解得2d =(v ^2)/2a 则汽车距离与速度的模型为
d =1t v +k (v ^2)
其中1t 根据经验取0.75秒，则只要确定k 。 （二）黄灯持续时间的数学模型
五、模型求解
（显示模型的求解方法、步骤及运算程序、结果）
v=[29.3 44 58.7 73.3 88 102.7 117.3]; d=[42 73.5 116 173 248 343 464]; fun=inline('0.75*v+k*v.^2','k','v') k=lsqcurvefit(fun,0,v,d)
fprintf('0.75*v+k*v.^2μ?2?êyk=%.4f\n',k)
y=0.75*v+_0.0255*v.^2 hold on plot(v,d) plot(v,y 'r+')
求得
k=0.0255
拟合后的曲线中各点的数据是
y =
43.8665 82.3680 131.8901 191.9837 263.4720 345.9809 438.8369 可得，汽车刹车实际距离与计算距离相当。
兰州交通大学 数学建模大作业 学院：机电工程学院 班级：车辆093 学号：200903812 姓名：刘键学号：200903813 姓名：杨海斌学号：200903814 姓名：彭福泰学号：200903815 姓名：程二永学号：200903816 姓名：屈辉
高速公路问题 1 实验案例 (2) 1.1 高速公路问题(简化) (2) 1.1.1 问题分析 (3) 1.1.2 变量说明 (3) 1.1.3 模型假设 (3) 1.1.4 模型建立 (3) 1.1.5 模型求解 (4) 1.1.6 求解模型的程序 (4) 1实验案例 1.1 高速公路问题(简化) A城和B城之间准备建一条高速公路，B城位于A城正南20公里和正东30公里交汇处，它们之间有东西走向连绵起伏的山脉。公路造价与地形特点有关，图4.2.4给出了整个地区的大致地貌情况，显示可分为三条沿东西方向的地形带。 你的任务是建立一个数学模型，在给定三种地形上每公里的建造费用的情况下，确定最便宜的路线。图中直线AB显然是路径最短的，但不一定最便宜。而路径ARSB过山地的路段最短，但是否是最好的路径呢？ A B 图8.2 高速公路修建地段
1.1.1 问题分析 在建设高速公路时，总是希望建造费用最小。如果要建造的起点、终点在同一地貌 中，那么最佳路线则是两点间连接的线段，这样费用则最省。因此本问题是一个典型的最优化问题，以建造费用最小为目标，需要做出的决策则是确定在各个地貌交界处的汇合点。 1.1.2 变量说明 i x ：在第i 个汇合点上的横坐标（以左下角为直角坐标原点），i ＝1，2，…，4；x 5＝30（指目的地B 点的横坐标） x=[x 1，x 2，x 3，x 4]T l i ：第i 段南北方向的长度（i ＝1，2， (5) S i ：在第i 段上地所建公路的长度（i ＝1，2， (5) 由问题分析可知， () ()() () 2 542552 432442 322332212 222 1211x x l S x x l S x x l S x x l S x l S -+=-+=-+=-+=+= C 1：平原每公里的造价（单位：万元/公里） C 2：高地每公里的造价（单位：万元/公里） C 3：高山每公里的造价（单位：万元/公里） 1.1.3 模型假设 1、 假设在相同地貌中修建高速公路，建造费用与公路长度成正比； 2、 假设在相同地貌中修建高速公路在一条直线上。在理论上，可以使得建造费用最少， 当然实际中一般达不到。 1.1.4 模型建立 在A 城与B 城之间建造一条高速公路的问题可以转化为下面的非线性规划模型。优化目标是在A 城与B 城之间建造高速公路的费用。 () 4,3,2,1300. .)(min 5142332211=≤≤++++=i x t s S C S C S C S C S C x f i
数学建模作业——实验1 学院：软件学院 姓名： 学号： 班级：软件工程2015级 GCT班 邮箱： 电话： 日期：2016年5月10日
基本实验 1.椅子放平问题 依照1.2.1节中的“椅子问题”的方法，将假设中的“四腿长相同并且四脚连线呈正方形”，改为“四腿长相同并且四脚连线呈长方形”，其余假设不变，问椅子还能放平吗？如果能，请证明；如果不能，请举出相应的例子。 答：能放平，证明如下： 如上图，以椅子的中心点建立坐标，O为原点，A、B、C、D为椅子四脚的初始位置，通过旋转椅子到A’、B’、C’、D’，旋转的角度为α，记A、B两脚，C、D两脚距离地面的距离为f(α)和g(α)，由于椅子的四脚在任何位置至少有3脚着地，且f(α)、g(α)是α的连续函数，则f(α)和g(α)至少有一个的值为0，即f(α)g(α)=0，f(α)≥ 0，g(α)≥0，若f(0)＞0，g(0)=0，
则一定存在α’∈（0，π），使得 f(α’)=g(α’)=0 令α=π（即椅子旋转180°,AB 边与CD 边互换），则 f(π)=0，g(π)＞0 定义h(α)=f(α)-g(α)，得到 h(0)=f(0)-g(0)＞0 h(π)=f(π)-g(π)＜0 根据连续函数的零点定理，则存在α’∈（0，π），使得 h(α’)=f(α’)-g(α’)=0 结合条件f(α’)g(α’)=0,从而得到 f(α’)=g(α’)=0，即四脚着地，椅子放平。 2. 过河问题 依照1.2.2节中的“商人安全过河”的方法，完成下面的智力游戏：人带着猫、鸡、米过河，船除需要人划之外，至多能载猫、鸡、米之一，而当人不在场时，猫要吃鸡、鸡要吃米，试设计一个安全过河的方案，并使渡河的次数尽量的少。 答：用i =1,2,3,4分别代表人，猫，鸡，米。1=i x 在此岸，0=i x 在对岸，()4321,,,x x x x s =此岸状态，()43211,1,1,1x x x x D ----=对岸状态。安全状态集合为 :
数学建模期末大作业论文 题目：A题美好的一天 组长：何曦（2014112739） 组员：李颖（2014112747）张楚良（2014112740） 班级：交通工程三班 指导老师：陈崇双
美好的一天 摘要 关键字：Dijkstra算法多目标规划有向赋权图 MATLAB SPSS
1 问题的重述 Hello！大家好，我是没头脑,住在西南宇宙大学巨偏远的新校区（节点22）。明天我一个外地同学来找我玩，TA叫不高兴，是个镁铝\帅锅，期待ing。我想陪TA在城里转转，当然是去些不怎么花钱的地方啦~~。目前想到的有林湾步行街(节点76)、郫郫公园（节点91），大川博物院（节点72）。交通嘛，只坐公交车好了,反正公交比较发达，你能想出来的路线都有车啊。另外，进城顺便办两件事，去老校区财务处一趟（节点50），还要去新东方（节点34）找我们宿舍老三，他抽奖中了两张电影票，我要霸占过来明晚吃了饭跟TA一起看。电影院嘛，TASHIWODE电影院（节点54）不错，比较便宜哈。我攒了很久的钱，订了明晚开心面馆（节点63）的烛光晚餐，额哈哈，为了TA，破费一下也是可以的哈。哦，对了，老三说了，他明天一整天都上课，只有中午休息的时候能接见我给我票。 我主要是想请教一下各位大神： 1）明天我应该怎么安排路线才能够让花在坐车上的时间最少？ 2）考虑到可能堵车啊，TA比较没耐心啊，因为TA叫不高兴嘛。尤其是堵车啊，等车啊，这种事，万一影响了气氛就悲剧了。我感觉路口越密的地方越容易堵，如果考虑这个，又应该怎么安排路线呢？ 3）我们城比较挫啊，连地图也没有，Z老师搞地图测绘的，他有地图，跟他要他不给，只给了我一个破表格（见附件，一个文件有两页啊），说“你自己画吧”。帮我画一张地图吧，最好能标明我们要去的那几个地方和比较省时的路线啊，拜托了~ 2 问题的分析 2.1 对问题一的分析 问题一要求安排路线使得坐车花费的时间最少。 对于问题一，假设公交车的速度维持不变，要使花费的时间最少，则将问题转化为对最短路径的求解。求解最短路径使用Dijkstra算法很容易进行求解，在运用MATLAB编程，得到最优的一条路径，则这条路径所对应的时间即为最少用时。 2.2 对问题二的分析 问题二要求在考虑堵车的情况下，路口越密越容易发生拥堵，安排路线是乘车时间最短。 对于问题二，在问题的基础上增加了附加因素，即公交车的速度会因道路的密集程度而发生改变，从而问题一建立的基本Dijkstra算法对于问题二就不再适用了，因此对问题一的基本Dijkstra算法进行改进，并结合蚁群算法的机理与特点，运用MATLAB求解出最短路径，保证了花费时间的最少性。 2.3 对问题三的分析 问题三要求根据提供的附件，画出一张地图，标明要去的那几个地方和比较省时的路线。 对于问题三，在问题一和问题二的基础上，根据求解的结果，运用SPSS软件画出地图。
基于ARMA模型的社会融资规模增长分析 ————ARMA模型实验
第一部分实验分析目的及方法 一般说来,若时间序列满足平稳随机过程的性质,则可用经典的ARMA模型进行建模和预则。但是, 由于金融时间序列随机波动较大,很少满足ARMA模型的适用条件,无法直接采用该模型进行处理。通过对数化及差分处理后,将原本非平稳的序列处理为近似平稳的序列,可以采用ARMA模型进行建模和分析。 第二部分实验数据 2.1数据来源 数据来源于中经网统计数据库。具体数据见附录表5.1 。 2.2所选数据变量 社会融资规模指一定时期（每月、每季或每年）实体经济从金融体系获得的全部资金总额，为一增量概念，即期末余额减去期初余额的差额，或当期发行或发生额扣除当期兑付或偿还额的差额。社会融资规模作为重要的宏观监测指标，由实体经济需求所决定，反映金融体系对实体经济的资金量支持。 本实验拟选取2005年11月到2014年9月我国以月为单位的社会融资规模的数据来构建ARMA模型，并利用该模型进行分析预测。 第三部分 ARMA模型构建 3.1判断序列的平稳性 首先绘制出M的折线图，结果如下图：
图3.1 社会融资规模M曲线图 从图中可以看出，社会融资规模M序列具有一定的趋势性，由此可以初步判断该序列是非平稳的。此外，m在每年同时期出现相同的变动趋势，表明m还存在季节特征。下面对m的平稳性和季节性·进行进一步检验。 为了减少m的变动趋势以及异方差性，先对m进行对数化处理，记为lm，其时序图如下： 图3.2 lm曲线图
对数化后的趋势性减弱，但仍存在一定的趋势性，下面观察lm的自相关图 表3.1 lm的自相关图 上表可以看出，该lm序列的PACF只在滞后一期、二期和三期是显著的，ACF随着滞后结束的增加慢慢衰减至0，由此可以看出该序列表现出一定的平稳性。进一步进行单位根检验，由于存在较弱的趋势性且均值不为零，选择存在趋势项的形式，并根据AIC自动选择之后结束，单位根检验结果如下： 表3.2 单位根输出结果 Null Hypothesis: LM has a unit root Exogenous: Constant, Linear Trend Lag Length: 0 (Automatic - based on SIC, maxlag=12) t-Statistic Prob.*
郑重声明： 本作业仅供参考，可能会有错误，请自己甄别。 应用运筹学作业 6.某工厂生产A，B，C，D四种产品，加工这些产品一般需要经刨、磨、钻、镗四道工序，每种产品在各工序加工时所需设备台时如表1-18所示，设每月工作25天，每天工作8小时，且该厂有刨床、磨床、钻床、镗床各一台。问：如何安排生产，才能使月利润最大？又如A，B，C，D四种产品，每月最大的销售量分别为300件、350件、200件和400件，则该问题的线性规划问题又该如何？ 1234 四种产品的数量，则得目标函数： Max=(200?150)x1+(130?100)x2+(150?120)x3+(230?200)x4 =50x1+30x2+30x3+30x4 生产四种产品所用时间： (0.3+0.9+0.7+0.4)x1+(0.5+0.5+0.5+0.5)x2+(0.2+0.7+0.4+ 0.8)x3+(0.4+0.8+0.6+0.7)x4≤25×8 即：2.3x1+2.0x2+2.1x3+2.5x4≤200 又产品数量不可能为负，所以：x i≥0(i=1,2,3,4) 综上，该问题的线性规划模型如下： Max Z=50x1+30x2+30x3+30x4 S.T.{2.3x1+2.0x2+2.1x3+2.5x4≤200 x i≥0(i=1,2,3,4) 下求解目标函数的最优解： max=50*x1+30*x2+30*x3+30*x4; 2.3*x1+2.0*x2+2.1*x3+2.5*x4<200; Global optimal solution found. Objective value: 4347.826 Total solver iterations: 0 Variable Value Reduced Cost X1 86.95652 0.000000 X2 0.000000 13.47826 X3 0.000000 15.65217
打车软件的竞争问题 班级:电子科学与技术1102班组员: 二零一四年五月
打车软件的竞争问题 摘要：随着打车软件的日趋火热，越来越多的出行者使用打车软件预约出租车。基于移动互联网的打车软件相对于已往的传统的统一出租车电招平台庞杂的预定流程，显示出了很大的便捷优势，这种约车新形式服务正在悄然改变人们传统打车模式，它的新颖性、神奇性、创新性、高效性以及便利性在一定程度上迎合了人们现代化的生活方式。消费者每次使用打车软件预约出租车，被使用的软件公司都会给予司机和消费者相应的补贴，而且随着竞争的升级，补贴的力度越来越大。打车软件给一部分人带来了便捷，同时也带来了很多的社会问题，如拒载、爽约、空车不停等。正是这些争议性问题使得人们对这种新事物的出现产生一些疑虑。因此，国内一些城市开始对这类打车软件紧急进行“叫停”，使得目前这些打车软件的发展陷入迷茫状态。 本文通过建立科学的数学模型，论述了打车软件目前发展模式和存在的问题，并阐述了如何对打车软件进行安全管理与标准化的建议；同时，通过模型分析讨论了打车软件之间的竞争问题；最后指出打车软件企业需要不断地完善自己的软件产品，提高用户体验，使打车软件更符合出租车营运行业市场的需求。 关键词：打车软件；软件补贴；竞争；发展前景
一、打车软件市场发展状况 随着移动互联网的飞速发展，打车软件开始变得异常的火热，开始成为了越来越多的年轻时尚人士出行必备的工具。随着竞争的深入，各家打车软件公司依托于背后强大的母公司支撑和金元的后盾，开始了现金补贴的营销战略，消费者每次使用打车软件预约出租车，被使用的软件公司都会给予司机和消费者相应的补贴，而且随着竞争的升级，补贴的力度越来越大。如表1所示。 表1 补贴政策 时间事件 1月10日 嘀嘀打车软件在32个城市开通微信支付，使用微信支付，乘客车费立减10元、 司机立奖10元。 1月20日“快的打车”和支付宝宣布，乘客车费返现10元，司机奖励10元。 1月21日快的和支付宝再次提升力度，司机奖励增至15元。 2月10日嘀嘀打车宣布对乘客补贴降至5元。 2月10日快的打车表示奖励不变，乘客每单仍可得到10元奖励。 2月17日嘀嘀打车宣布，乘客奖10元，每天3次；北京、上海、深圳、杭州的司机每单奖10元，每天10单，其他城市的司机每天前5单每单奖5元，后5单每单奖10元。新乘客首单立减15元，新司机首单立奖50元。 2月17日支付宝和快的也宣布，乘客每单立减11元。司机北京每天奖10单，高峰期每单奖11元(每天5笔)，非高峰期每单奖5元(每天5笔)；上海、杭州、广州、深圳每天奖10单。 2月18日 嘀嘀打车开启“游戏补贴”模式：使用嘀嘀打车并且微信支付每次能随机获得 12至20元不等的补贴，每天3次。 2月18日快的打车表示每单最少给乘客减免13元，每天2次。 随之而来的是出租车行业的怪相：出租车司机的主要收入变成了软件公司的补贴，一个司机一个月保守的收入增加都在800～1800元；而消费者打车的费用也同样基本变由打车软件承担，有些短途的打车变成了免费甚至还赚钱。与此同时，问题和矛盾也出现了：不使用打车软件的消费者无法打到车，拒载、空车不停等投诉也比比皆是；司机开车时频频使用手机看打车软件，也产生了潜在交通
Lecture 6 6. Time series analysis: Multivariate models 6.1Learning outcomes ?Vector autoregression (VAR) ?Cointegration ?Vector error correction model (VECM) ?Application: pairs trading 6.2Vector autoregression (VAR)向量自回归 The classical linear regression model assumes strict exogeneity; hence, there is no serial correlation between error terms and any realisation of any independent variable (lead or lag). As we discovered, serial correlation (or autocorrelation) is very common in financial time series and panel data. Furthermore, we assumed a pre-defined relation of causality: explanatory variable affect the dependent variable? 传统的线性回归模型假设严格的外主性，误差项与可实现的独立变量之间没有序列相关性。金融时间序列及面板数据往往都有很强的自相关性，假定解释变量影响因变量。 We now relax bo什］assumptions using a VAR model. VAR models can be regarded as a generalisation of AR(p) processes by adding additional time series. Hence, we enter the field of multivariate time series analysis. VAR模型可以'"l作是在一般的自回归过程中加入时间序列。 Lefs look at a standard AR(p) process for hvo variables (y( and xj? (1)%= Ql + 琅］仇『一 +仏 (2)x t = a2 + - + ￡2t The next step is to allow that lagged values of xt can affect y( and vice versa. This means that we obtain a system of equations for two dependent variables(y(and xj?Both dependent variables are influenced by past realisations of y(and x t. By doing that, we violate strict exogeneity (see Lecture 2); however, we can use a more relaxed concept, namely weak exogeneity?As we use lagged values of bodi dependent variables, we can argue that these lagged values are known to us, as we observed them in the previous period? We call these variables predetermined? Predetermined (lagged) variables fulfil weak exogeneity in the sense that they have to be uncorrelated with the contemporaneoiis error term in t? We can still use OLS to estimate the following system of equations, which is called a VAR in reduced form. (3)+y 仇1化_丫+sr=i ^12 +￡it (4)X t = a2+2X1021”—, + _i + f2t
习 题 1 1. 请编写绘制以下图形的MA TLAB 命令，并展示绘得的图形. (1) 221x y +=、224x y +=分别是椭圆2241x y +=的内切圆和外切圆. (2) 指数函数x y e =和对数函数ln y x =的图像关于直线y=x 对称. (3) 黎曼函数 1, (0)(0,1) 0 , (0,1), 0,1 q x p q q x y x x x =>∈?=? ∈=?当为既约分数且当为无理数且或者 的图像（要求分母q 的最大值由键盘输入）. 3. 两个人玩双骰子游戏，一个人掷骰子，另一个人打赌掷骰子者不能掷出所需点数，输赢的规则如下：如果第一次掷出3或11点，打赌者赢；如果第一次掷出2、7或12点，打赌者输；如果第一次掷出4、5、6、8、9或10点，记住这个点数，继续掷骰子，如果不能在掷出7点之前再次掷出该点数，则打赌者赢. 请模拟双骰子游戏，要求写出算法和程序，估计打赌者赢的概率. 你能从理论上计算出打赌者赢的精确概率吗？请问随着试验次数的增加，这些概率收敛吗？
4. 根据表1.14的数据，完成下列数据拟合问题： (1) 如果用指数增长模型0()0()e r t t x t x -=模拟美国人口从1790年至2000年的变化过程，请用MATLAB 统计工具箱的函数nlinfit 计算指数增长模型的以下三个数据拟合问题： (i) 取定0x =3.9，0t =1790，拟合待定参数r ； (ii) 取定0t =1790，拟合待定参数0x 和r ； (iii) 拟合待定参数0t 、0x 和r . 要求写出程序，给出拟合参数和误差平方和的计算结果，并展示误差平方和最小的拟合效果图. (2) 通过变量替换，可以将属于非线性模型的指数增长模型转化成线性模型，并用MA TLAB 函数polyfit 进行计算，请说明转化成线性模型的详细过程，然后写出程序，给出拟合参数和误差平方和的计算结果，并展示拟合效果图. (3) 请分析指数增长模型非线性拟合和线性化拟合的结果有何区别？原因是什么？ (4) 如果用阻滞增长模型00 () 00()()e r t t Nx x t x N x --= +-模拟美国人口从1790年至2000年的变化过程，请用MA TLAB 统计工具箱的函数nlinfit 计算阻滞增长模型的以下三个数据拟合问题： (i) 取定0x =3.9，0t =1790，拟合待定参数r 和N ； (ii) 取定0t =1790，拟合待定参数0x 、r 和N ； (iii) 拟合待定参数0t 、0x 、r 和N . 要求写出程序，给出拟合参数和误差平方和的计算结果，并展示误差平方和最小的拟合效果图. 年份 1790 1800 1810 1820 1830 1840 1850 1860 1870 1880 1890
《数学模型》作业解答 第二章(1)（2008年9月16日） 1． 学校共1000名学生，235人住在A 宿舍，333人住在B 宿舍，432人住在C 宿舍.学生们 要组织一个10人的委员会，试用下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,剩下的名额按惯例分给小数部分较大者; （2）. §1中的Q 值方法； （3）.d ’Hondt 方法：将A 、B 、C 各宿舍的人数用正整数n=1,2,3,……相除，其商数如下表： 将所得商数从大到小取前10个（10为席位数），在数字下标以横线，表中A 、B 、C 行有横线的数分别为2，3，5，这就是3个宿舍分配的席位.你能解释这种方法的道理吗？ 如果委员会从10个人增至15人，用以上3种方法再分配名额，将3种方法两次分配的结果列表比较. 解：先考虑N=10的分配方案， ,432 ,333 ,235321===p p p ∑==3 1 .1000i i p 方法一（按比例分配） ,35.23 1 11== ∑=i i p N p q ,33.33 1 22== ∑=i i p N p q 32.43 1 33== ∑=i i p N p q 分配结果为： 4 ,3 ,3321===n n n 方法二（Q 值方法） 9个席位的分配结果（可用按比例分配）为： 4 ,3 ,2321===n n n
第10个席位：计算Q 值为 ,17.92043223521=?=Q ,75.92404333322=?=Q 2.9331544322 3=?=Q 3Q 最大，第10个席位应给C.分配结果为 5 ,3 ,2321===n n n 方法三（d ’Hondt 方法） 此方法的分配结果为：5 ,3 ,2321===n n n 此方法的道理是：记i p 和i n 为各宿舍的人数和席位（i=1,2,3代表A 、B 、C 宿舍）. i i n p 是每席位代表的人数，取,,2,1Λ=i n 从而得到的i i n p 中选较大者，可使对所有的,i i i n p 尽量接近. 再考虑15=N 的分配方案，类似地可得名额分配结果.现将3种方法两次分配的结果列表如下： 2． 试用微积分方法，建立录像带记数器读数n 与转过时间的数学模型. 解： 设录像带记数器读数为n 时，录像带转过时间为t.其模型的假设见课本. 考虑t 到t t ?+时间内录像带缠绕在右轮盘上的长度，可得,2)(kdn wkn r vdt π+=两边积分，得 ?? +=n t dn wkn r k vdt 0 )(2π )22 2 n wk k(r n πvt +=∴ .2 22n v k w n v rk t ππ+=∴ 第二章(2)（2008年10月9日） 15．速度为v 的风吹在迎风面积为s 的风车上，空气密度是ρ ，用量纲分析方法确定风车
数学建模创新思维课大作业 一、使用MATLAB 求解一下问题,请贴出代码. 1. cos 1000x mx y e =，求''y >>clear >>clc >> syms x m; >> y=exp(x)*cos(m*x/1000); >> dfdx2=diff(y,x,2) dfdx2 = exp(x)*cos((m*x)/1000) - (m*exp(x)*sin((m*x)/1000))/500 - (m^2*exp(x)*cos((m*x)/1000))/1000000 >> L=simplify(dfdx2) L = -(exp(x)*(2000*m*sin((m*x)/1000) - 1000000*cos((m*x)/1000) + m^2*cos((m*x)/1000)))/1000000 2.计算22 1100x y e dxdy +?? >> clear >> clc; >> syms x y >> L=int(int(exp(x^2+y^2),x,0,1),y,0,1) L = (pi*erfi(1)^2)/4 3. 计算4 224x dx m x +? >> clear; >> syms x m; >> f=x^4/(m^2+4*x^2); >> intf=int(f,x) intf =
(m^3*atan((2*x)/m))/32 - (m^2*x)/16 + x^3/12 >> L=simplify(intf) L = (m^3*atan((2*x)/m))/32 - (m^2*x)/16 + x^3/12 4. (10)cos ,x y e mx y =求 >> clear; >> syms x m; >> y=exp(x)*cos(m*x); >> L=diff(y,x,10); >> L=simplify(L) L = -exp(x)*(10*m*sin(m*x) - cos(m*x) + 45*m^2*cos(m*x) - 210*m^4*cos(m*x) + 210*m^6*cos(m*x) - 45*m^8*cos(m*x) + m^10*cos(m*x) - 120*m^3*sin(m*x) + 252*m^5*sin(m*x) - 120*m^7*sin(m*x) + 10*m^9*sin(m*x)) 5. 0x =的泰勒展式(最高次幂为4). >> clear; >> syms m x; >> y=sqrt(m/1000.0+x)； >> y1=taylor(y,x,'order',5)； >> L=simplify(y1) L = (10^(1/2)*(m^4 + 500*m^3*x - 125000*m^2*x^2 + 62500000*m*x^3 - 39062500000*x^4))/(100*m^(7/2)) 6. Fibonacci 数列{}n x 的定义是121,1x x ==12,(3,4, )n n n x x x n --=+=用循环语句编程 给出该数列的前20项（要求将结果用向量的形式给出）。 >> x=[1,1]; >> for n=3:20
分析，我们仅利用1x 和2x 来建立y 的预测模型。 四、模型建立 （显示模型函数的构造过程） （1）为了大致地分析y 与1x 和2x 的关系，首先利用表一的数据分别作出y 对1x 和2x 的散点图 y 与x1的关系 程序代码： x1=[ 0 0 ]; y=[ ]; A=polyfit(x1,y,1) y1=polyval(A,x1); plot(x1,y1,x1,y,'go') y 与x2的关系 x2=[ ]; y=[ ]; A=polyfit(x2,y,2) x3=::; y2=polyval(A,x3); plot(x2,y,'go',x3,y2)
图1 y 对x1的散点图 图2 y 与x2的散点图 从图1 可以发现，随着1x 的增加，y 的值有比较明显的线性增长趋势，图中的直线是用线性模型 011y x ββε=++ （1） 拟合的（其中ε是随机误差），而在图2中，当2x 增大时，y 有向上弯曲增长的趋势，图中的曲 线是用二次函数模型 2 01122y x x βββε=+++ （2） 拟合的。 综合上面的分析，结合模型（1）和（2）建立如下的回归模型 2 0112232y x x x ββββε=++++ (3) (3)式右端的1x 和2x 称为回归变量（自变量），2 0112232x x x ββββ+++是给定价格差1x ，广告费 用2x 时，牙膏销售量y 的平均值，其中的参数0123,,,ββββ称为回归系数，由表1的数据估计，影响y 的其他因素作用都包含在随机误差ε中，如果，模型选择的合适，ε应大致服从均值为0的正态分布。 五、模型求解 （2）确定回归模型系数，求解出教程中模型（3）； 程序代码：
数学模型课程期末大作业题 要求: 1）选题方式：共53题，每个同学做一题，你要做的题目编号是你的学号mod52所得的值+1。(例如：你的学号为119084157，则你要做的题为mod(119084157,52)+1=50)。 2）该类题目基本为优划问题，要求提交一篇完整格式的建模论文，文字使用小四号宋体，公式用word的公式编辑器编写，正文中不得出现程序以及程序冗长的输出结果，程序以附录形式附在论文的后面，若为规划求解必须用lingo 集合形式编程，其它可用Matlab或Mathmatica编写。 3）论文以纸质文档提交，同时要交一份文章和程序电子文档，由班长统一收上来，我要验证程序。 1、生产安排问题 某厂拥有4台磨床，2台立式钻床，3台卧式钻床，一台镗床和一台刨床，用以生产7种产品，记作p1至p7。工厂收益规定作产品售价减去原材料费用之余。每种产品单件的收益及所需各机床的加工工时（以小时计）列于下表（表1）： 表 到6月底每种产品有存货50件。 工厂每周工作6天，每天2班，每班8小时。 不需要考虑排队等待加工的问题。 在工厂计划问题中，各台机床的停工维修不是规定了月份，而是选择最合
适的月份维修。除了磨床外，每月机床在这6个月中的一个月中必须停工维修；6个月中4台磨床只有2台需要维修。扩展工厂计划模型，以使可作上述灵活安排维修时间的决策。停工时间的这种灵活性价值若何？ 注意，可假设每月仅有24个工作日。 5、生产计划 某厂有4台磨床，2台立钻，3台水平钻，1台镗床和1台刨床，用来生产7种产品，已知生产单位各种产品所需的有关设备台时以及它们的利润如表所示： 台镗床，4月—1台立钻，5月—1台磨床和1台立钻，6月—1台刨床和1台水平钻，被维修的设备在当月内不能安排生产。又知从1月到6月份市场对上述7种产品最大需求量如表所示： 量均不得超过100件。现在无库存，要求6月末各种产品各贮存50件。若该厂每月工作24天，每天两班，每班8小时，假定不考虑产品在各种设备上的加工顺序，要求： （a）该厂如何安排计划，使总利润最大； （b）在什么价格的条件下，该厂可考虑租用或购买有关的设备。 34、瓶颈机器上的任务排序 在工厂车间中，经常会出现整个车间的生产能力取决于一台机器的情况（例如，仅有一台的某型号机床，生产线上速度最慢的机器等）。这台机器就称为关键机器或瓶颈机器。此时很重要的一点就是尽可能地优化此机器将要处理的任务计划。
题目： 某种电子系统由三种元件组成，为了使系统正常运转，每个元件都必须工作良好，如果一个或多个元件安装备用件将会提高系统的可靠性，已知系统运转的可靠性为各元件可靠性的乘积，而每一个元件的可靠性是备用元件函数，具体数值见下表。 若全部备用件费用限制为150元，重量限制为20公斤，问每个元件安装多少备用件可使系统可靠性达到极大值？ 要求：①作出全局最优解 ②列出这个问题的整数规划模型
假设：系统在运转过程中相互间没有影响，并且系统在增加备用件后 可靠性可以相互叠加。 建模： 设原件1,2,3需要的备用件各为x,y,z，可靠性为p分别为xp,yp,zp，整 个设备的可靠性为p，则由题意可得到： p=xp*yp*zp; 2x+4y+6z<=20; 20x+30y+40z<=150; x,y,z均为整数； 求出适当的x,y,z使p的值最大。 运用穷举法，编写C++程序如下： #include 数学建模作业 ：成靖 学号：1408030311 班级：计科1403班 日期：2015.12.30 1.某班准备从5名游泳队员中选4人组成接力队，参加学校的4×100m混合泳接力比赛，5名队员4种泳姿的百米平均成绩如下表所示，问应如何选拔队员组成接力队？ 如果最近队员丁的蛙泳成绩有较大的退步，只有1′15"2；而队员戊经过艰苦训练自由泳成绩有所进步，达到57"5，组成接力队的方案是否应该调整？ 名队员4种泳姿的百米平均成绩 ij 若参选择队员i加泳姿j 的比赛，记x ij=1, 否则记x ij=0 目标函数: 即 min=66.8*x11+75.6*x12+87*x13+58.6*x14+57.2*x21+66*x22+66.4*x23+53*x24 +78*x31+67.8*x32+84.6*x33+59.4*x34+70*x41+74.2*x42+69.6*x43+57.2*x44+ 67.4*x51+71*x52+83.8*x53+62.4*x54; 约束条件: x11+x12+x13+x14<=1; x21+x22+x23+x24<=1; x31+x32+x33+x34<=1; x41+x42+x43+x44<=1; x51+x52+x53+x54<=1; x11+x21+x31+x41+x51=1; x12+x22+x32+x42+x52=1; x13+x23+x33+x43+x53=1; x14+x24+x34+x44+x54=1; ∑∑ == = 4 1 5 1 j i ij ij x c Z Min lingo模型程序和运行结果 因此，最优解为x14=1,x21=1,x32=1,x43=1,其余变量为0 成绩为253.2(秒)=4′13"2 即：甲~ 自由泳、乙~ 蝶泳、丙~ 仰泳、丁~ 蛙泳. 期末大作业题目 一、小行星的轨道问题 一天文学家要确定一颗小行星绕太阳运行的轨道，他在轨道平面内建立了以太阳为原点的直角坐标系，在两坐标轴上取天文观测单位。在5个不同的时间对 （1 ） 建立小行星运行的轨道方程并画出其图形； （2） 求出近日点和远日点及轨道的中心（是太阳吗？）； （3） 计算轨道的周长。 二、发电机使用计划 为了满足每日电力需求（单位：兆瓦），可以选用四种不同类型的发电机。每日电力需求如下所示： 一最小输出功率。所有发电机都存在一个启动成本，以及工作于最小功率状态时的固定的每小时成本，并且如果功率高于最小功率，则超出部分的功率每兆瓦每小时还存在一个成本，即边际成本。这些数据均列于下表中。 电机不需要付出任何代价。我们的问题是： （1）在每个时段应分别使用哪些发电机才能够使每天的总成本最小？ （2）如果增加表3中的关闭成本，那么在每个时段应分别使用哪些发电机才能够使每天的总成本最小？ （3）如果增加表4中的关闭成本，那么在每个时段应分别使用哪些发电机才能够使每天的总成本最小？ 三、合理计税问题 所以此人一年上税为： 245×12+11445=14385元 在实际的执行过程中，每月的岗位津贴和年末一次性奖金实际上是放在一起结算给个人的，而具体每月发放多少岗位津贴和年末一次性发放多少奖金可以由职工本人在年初根据自己的需要进行选择。显然，不同的选择发放方式所缴纳的税是不同的，这就产生一个合理计税的问题。假定该事业单位一年中的津贴与奖金之和的上限是160000元，试解决下面这个问题： 四、光伏电池的选购问题 早在1839年，法国科学家贝克雷尔（Becqurel）就发现，光照能使半导体材料的不同部位之间产生电位差。这种现象后来被称为“光生伏特效应”，简称“光伏效应”。1954年，美国科学家恰宾和皮尔松在美国贝尔实验室首次制成了实用的单晶硅太阳电池，诞生了将太阳光能转换为电能的实用光伏发电技术。据预测，太阳能光伏发电在未来会占据世界能源消费的重要席位，不但要替代部分常规能源，而且将成为世界能源供应的主体。 现有一家公司欲在面积为30平方米的一片向阳的屋顶安装光伏电池以解决部分电力紧张的问题。请你利用附件提供的数据通过建立数学模型解决下面三个问题： （1）如果该公司准备投资6万5千元购买A或者B两种类型的光伏电池，请你为该公司确定购买方案使得发电总功率最大。 （2）如果购买的光伏电池的开路电压之间的差不能超过2V，请你为该公司重新确定购买方案。 （3）实际中还要考虑电池串并联后并网发电的要求，即如果要购买两种或者两种类型以上的电池时，不同型号的电池的购买数量应该相等。请你在满足（1） Eviews时间序列分析实例 时间序列是市场预测中经常涉及的一类数据形式，本书第七章对它进行了比较详细的介绍。通过第七章的学习，读者了解了什么是时间序列，并接触到有关时间序列分析方法的原理和一些分析实例。本节的主要内容是说明如何使用Eviews软件进行分析。 一、指数平滑法实例 所谓指数平滑实际就是对历史数据的加权平均。它可以用于任何一种没有明显函数规律，但确实存在某种前后关联的时间序列的短期预测。由于其他很多分析方法都不具有这种特点，指数平滑法在时间序列预测中仍然占据着相当重要的位置。 （－）一次指数平滑 一次指数平滑又称单指数平滑。它最突出的优点是方法非常简单，甚至只要样本末期的平滑值，就可以得到预测结果。 一次指数平滑的特点是：能够跟踪数据变化。这一特点所有指数都具有。预测过程中添加最新的样本数据后，新数据应取代老数据的地位，老数据会逐渐居于次要的地位，直至被淘汰。这样，预测值总是反映最新的数据结构。 一次指数平滑有局限性。第一，预测值不能反映趋势变动、季节波动等有规律的变动；第二，这种方法多适用于短期预测，而不适合作中长期的预测；第三，由于预测值是历史数据的均值，因此与实际序列的变化相比有滞后现象。 指数平滑预测是否理想，很大程度上取决于平滑系数。Eviews提供两种确定指数平滑系数的方法：自动给定和人工确定。选择自动给定，系统将按照预测误差平方和最小原则自动确定系数。如果系数接近1，说明该序列近似纯随机序列，这时最新的观测值就是最理想的预测值。 出于预测的考虑，有时系统给定的系数不是很理想，用户需要自己指定平滑系数值。平滑系数取什么值比较合适呢？一般来说，如果序列变化比较平缓，平滑系数值应该比较小，比如小于0.l；如果序列变化比较剧烈，平滑系数值可以取得大一些，如0.3～0.5。若平滑系数值大于0.5才能跟上序列的变化，表明序列有很强的趋势，不能采用一次指数平滑进行预测。 ［例1］某企业食盐销售量预测。现在拥有最近连续30个月份的历史资料（见表l），试预测下一月份销售量。 表1 某企业食盐销售量单位：吨 解：使用Eviews对数据进行分析，第一步是建立工作文件和录入数据。有关操作在本 《建模基础》习题 1.超市进货问题 一家大型超市每天需要储存大量物品以满足顾客的需要。现在只考虑其中一种物品的销售和进货情况。 （1）假设需求是随机的，不考虑缺货损失的情况下，确定最佳进货策略。 （2）考虑缺货损失情况下的最佳进货策略。 （3）可进一步考虑有替代品的情况下的最佳进货策略。 注：测试数据可以自己设置。 2.城市快速交通线项目问题 随着经济和社会的快速发展，我们不得不面对城市快速交通线项目问题。城市快速交通线项目的建设与运营涉及公众利益，政府通常要对票价实行管制。票价的高低影响到公众的利益、项目投资者的利益和政府的财政支出。因此，应兼顾公众利益、投资者利益和政府的财政支付能力。 要求： （1）试建立最优票价模型，从而为乘客选择交通工具提供指导。 （2）城市快速交通线项目票价和运量之间存在着相关关系，对于城市快速交通线项目，需要兼顾公众的利益、项目投资者的利益和政府的承受能力。请建立数学模型，结合运量预测研究票价的合理水平。 （3）当项目的票款收入不足于维持正常运营或不足于使民间投资者获得合理的投资回报时，政府需要采取适当的方式给予投资者以合理的经济补偿。试分析并确定合理的年经济补偿或一次性的经济补偿。 3.电梯控制问题 学校某楼北楼有两台电梯。等电梯的人给出要上下的信号，电梯只有在空闲或同方向行进时才接受这个指令。然而，电梯经常出现十分拥挤的状况，特别在上下课的时候，要等很长的时间，所以埋怨声很多。你能否为电梯设计一个调度方案，减少大家的等待时间，减少师生的不满。 4传染病的疫情分析 假设某直接接触性高危型传染病是经由近距离接触已被传染病人，或在病源存活时间内直接接触受病源感染的物件才有可能感染。以往研究已有结果显示一个人的人际关系及活动范围大部分是固定不变的，也就是一个人大部分时间会近接触的人都是以前的熟识，到访的地点大多以前曾去过。而且一个人熟识常往来的亲友数目不多，常去的地点也不太多。只有一些很小的机会会近距离接触到不熟识的人和去以前较少去过的地点。请以上述讨论为出发点，建立一个模型，分析一个正在蔓延中的传染病。在模型建立时可以再参考以下事项： （1）可以H1N1为实例，搜集相关资料；数学建模作业
数学建模期末大作业-2013年
Eviews时间序列分析实例.
数学建模大作业
相关主题
文本预览