数学建模优秀论文货运公司的收益问题.doc

《数学建模优秀论文货运公司的收益问题.doc》由会员分享，可在线阅读，更多相关《数学建模优秀论文货运公司的收益问题.doc（27页珍藏版）》请在三一办公上搜索。

1、D 货运公司的收益问题某货运公司拥有3辆卡车，每辆载重量均为8000kg，可载体积为9.084m3，该公司为客户从甲地托运货物到乙地，收取一定费用。托运货物可分为四类：A、鲜活类 B、禽苗类 C、服装类 D、其他类，公司有技术实现四类货物任意混装。平均每类每kg所占体积和相应托运单价如下表：类别A、鲜活类B、禽苗类C、服装类D、其他类体积 (m3/kg)0.00120.00150.0030.0008托运单价 (元/kg)1.72.254.51.12托运手续是客户首先向公司提出托运申请，公司给予批复，客户根据批复量交货给公司托运。申请量与批复量均以公斤为单位，例如客户申请量为1000kg，批复量

2、可以为01000kg内的任意整数，若取0则表示拒绝客户的申请。问题1、如果某天客户申请量为：A 类 6500kg，B类 5000kg，C 类 4000kg，D 类3000kg，如果要求C类货物占用的体积不能超过B、D两类体积之和的三倍 (注意：仅在问题1中作此要求)。问公司应如何批复，才能使得公司获利最大？问题2、每天各类货物的申请总量是随机量，为了获取更大收益，需要对将来的申请总量进行预测。现有一个月的数据（见附件一），请预测其后7天内，每天各类货物申请量大约是多少？问题3、一般，客户的申请是在一周前随机出现的，各类申请单立即批复，批复后即不能更改，并且不能将拒绝量（即申请量减批复量）累计到

3、以后的申请量。请根据你对下周7天中各类货物申请量的预测，估算这7天的收益各为多少？附件一 某月申请量数据表(单位：kg)日期A类B类C类D类总计116012845492622391161125421283328712431136831890448844472750135754443945542996148413473517032928508843781409763232349728293593131517376226138932117864781167692167061873166679189713918064175013102103737358033865938166411118074451

4、531714591303412162826363112775715133131723347142262441118611425843854452013731233115155135563494236510966162479265929182660107161711994335286030781147218414828825514363616180192449408420083081116222020261999582232041305121169028892840131887372233742175289340831252523201525101121383394792424803409166

5、31773932525850372927362519983426224934894552605016340271674317287944710183502836664568555211791496529202940151195323932039030123836669552257917035 收益问题的数学建模一、 摘要 本题是一个关于货运收益的问题。题目告诉了货运公司的基本运输条件以及运输与收益之间的基本关系。根据问题要求我们建立了以下模型进行求解： 问题一是已知客户的申请量来求得运输公司的批复量。我们根据所给的约束条件建立线性整数规划模型，确定目标函数，求得最优解为:A类货物 6460 k

6、g，B类货物 5000 kg，C类货物 4000 kg，D类货物 0 kg。 问题二是根据客户前一个月的申请量来预测后面七天的申请量。首先我们运用了时间序列中的一次移动平均值法。先对所给数据进行了处理，然后通过试验对每一项货物申请量的预测采用最佳的步数预测，最后得到后来七天四类货物的申请量。但是根据已知数据对该模型进行检验，误差较大。所以我们采用了另外一种运算模型BP神经网络。先对数据进行处理，然后利用前面十五天的数据对后面十五天预测，并将该预测值与真实值进行比较，判断该预测方法是否合理。然后用这种方法预测得到后面七天客户的申请量分别为：A类2866，1330，2701，2305，2521，2

7、494，2136；B类3375，2198，3534，2827，3511，4097，3644；C类1674，4094，4711，3625，5444，5644，4280；D类4543，2654，5861，4669，2790，6263，2856。通过对该模型进行检验，与实际情况符合较好。所以采用BP神经网络模型求解更好。 问题三是在问题二的基础上，再加上公司的运输条件，得出后面七天每天的批复量以及最大收益。对于该问题，我们采用了问题一用到的线性规划模型，得到公司每天的运输效益如下：25087，28602，40150，31822，39806，40510，34293。 在此问题目中我们所采用的数学模型有

8、着广泛的用途，对于很多预测规划相关的问题都很实用。 二、 问题重述 题目首先以货运公司车辆的数量，即最多能运输的重量和体积为限制条件，然后以获得最大的货运收益为基本原则对客户的申请进行批复。问题一、题目给出了客户的申请量为：A 类 6500kg，B类 5000kg，C 类 4000kg，D 类3000kg，并且要满足四类货物之间的关系，即C类货物占用的体积不能超过B、D两类体积之和的三倍。在此基础上要求我们站在公司的立场进行分析，得出怎样批复才能使公司的获利最大。问题二、每天各类货物的申请总量是随机量，为了获取更大收益，要求我们对将来的申请总量进行预测。题目给出了一个月的数据（见附件一），预测

9、其后7天内每天各类货物申请量大约是多少。问题三、基本条件为：客户的申请是在一周前随机出现的，各类申请单立即批复，批复后即不能更改，并且不能将拒绝量（即申请量减批复量）累计到以后的申请量。要求我们在对下周7天中各类货物申请量进行预测的基础上估算这七天的收益分别为多少。三、模型假设以及符号说明 1、模型假设（1）、假设在预测时期内其他各因素对客户的申请量的影响可以忽略。 （2）、客户每天的申请量是随机的。 2、符号说明：符号符号说明符号符号说明aA类货物的批复量bA类货物的批复量cA类货物的批复量dA类货物的批复量第t期的步长为N的移动平均值N 一次平移的步长xi第i天的申请量四、模型的建立和求解

10、 问题一 根据题目和问题所给的约束条件，利用线性规划模型求得最优解。 假设公司对A、B、C、D四类货物的批复量分别为a、b、c、d。得到线性方程组为： (a,b,c,d=0) 目标函数为：Max Z=1.7a+2.25b+4.5c+1.12d 即模型I利用lingo求解结果：Objective value: 40232.00Variable Value Reduced Costa 6460.000 b 5000.000 c 4000.000 d 0.000000 程序：model:title 货运分配问题;max Z=1.7*a+2.25*b+4.5*c+1.12*d;-0.0045*b+0.

11、003*c-0.0024*d0;0.0012*a+0.0015*b+0.003*c+0.0008*d27.252;a+b+c+d24000;a6500;b5000;c4000;d=0) 目标函数为：Max Z=1.7a+2.25b+4.5c+1.12d第一天有以下程序进行求解model:title 货运分配问题;max=1.7*a+2.25*b+4.5*c+1.12*d;0.0012*a+0.0015*b+0.003*c+0.0008*d27.252;a+b+c+d24000;a2866;b3375;c1674;d4543;end Global optimal solution found. Objective value: 25087.11 Total solver iterations: 0 Model Title: 货运分配问题 Variable Value