上一页 1 2 3 4 5 6 7 8 9 10 ··· 28 下一页
摘要: 线性规划(Linear Programming, LP)是一种数学优化方法,用于在给定约束条件下最大化或最小化目标函数。线性规划广泛应用于经济、工程、管理等领域,通过建立数学模型,帮助决策者找到最优解决方案。 一、线性规划数学模型 1.1 模型三要素 目标函数(Objective Function) 阅读全文
posted @ 2024-07-15 12:13 郝hai 阅读(480) 评论(0) 推荐(0) 编辑
摘要: 练习-1 用图解法给出矩阵对策的混合策略均衡,其中赢得矩阵如下所示: \[P = \begin{pmatrix} 2 & 4\\ 2 &3 \\ 3 & 2\\ -2 & 6 \end{pmatrix}\]玩家1的策略有四钟,但玩家2的策略只有两种,因此我们可以通过图解法来解出玩家1在面对玩家2两种 阅读全文
posted @ 2024-06-28 11:28 郝hai 阅读(58) 评论(0) 推荐(0) 编辑
摘要: 设施选址问题(Facility Location Problem, FLP)也称为选址-分配问题,是运筹学中非常经典的内容。该问题是指在确定选址对象,选址目标区,成本函数以及约束条件的前提下,以总物流成本最低或总服务水平最优或社会效益最大化为目标,确定物流系统中物流节点的数量,位置,从而合理规划物流 阅读全文
posted @ 2024-06-26 11:37 郝hai 阅读(704) 评论(0) 推荐(0) 编辑
摘要: 多商品流运输问题(Multi-Commodity Flow Problem,MCFP)是网络流理论中的一个重要问题,旨在在给定的网络中同时优化多种商品的流量分配。网络由节点和带容量限制和成本的有向边组成。每种商品都有其特定的源节点和汇节点,以及必须满足的需求量。目标是确定每种商品通过每条边的流量,使 阅读全文
posted @ 2024-06-24 22:16 郝hai 阅读(360) 评论(0) 推荐(0) 编辑
摘要: 线性规划的对偶问题可由拉格朗日函数导出,这不仅提供了另一种理解问题的视角,还揭示了原问题与对偶问题之间深刻的关系。通过构造拉格朗日函数,原问题的约束条件被整合到目标函数中,使得我们能够在拉格朗日乘子的空间中寻求最优解。通过拉格朗日函数,可以将原始线性规划问题的最优解与对偶问题的最优解联系起来,揭示了 阅读全文
posted @ 2024-06-23 23:59 郝hai 阅读(314) 评论(0) 推荐(0) 编辑
摘要: 练习1 一汽车厂生产小、中、大三种类型的汽车,已知各类型每辆车对钢材、劳动时间的需求,利润以及每月工厂钢材、劳动时间的现有量如下表所示,试制定月生产计划,使工厂的利润最大。进一步讨论:由于各种条件限制,如果生产某一类型汽车,则至少要生产80辆,那么最优的生产计划应作何改变。 资源/利润 小型汽车 中 阅读全文
posted @ 2024-06-21 23:25 郝hai 阅读(53) 评论(0) 推荐(0) 编辑
摘要: 马尔科夫排队网络(Markovian Queueing Networks)是一类特殊的排队网络,假设系统中的到达过程和服务时间均遵循指数分布,系统状态之间的转移遵循马尔可夫性质。这些假设使得马尔科夫排队网络可以通过解析方法进行分析,从而为实际系统的设计和性能优化提供理论依据。通过理论推导和模型构建, 阅读全文
posted @ 2024-06-19 13:49 郝hai 阅读(167) 评论(0) 推荐(0) 编辑
摘要: 练习1 自动取款机问题:银行计划安置取款机,A 机价格和平均服务率都是 B 机的 2 倍,应购置 1 台 A 机还是 2 台 B 机?顾客平均每分钟到达 1 位,A 型机的平均服务时间为 0.9,B 型机为 1.8 分钟,顾客到达间隔和服务时间都服从指数分布。 模型参数 \(\lambda\): 顾 阅读全文
posted @ 2024-06-18 20:53 郝hai 阅读(180) 评论(0) 推荐(0) 编辑
摘要: 练习1 某电子设备厂对一种元件的需求为每年2000件,不需要提前订货,每次订货费为25元。该元件每件成本为50元,年存贮费为成本的20%。如发生供应短缺,可在下批货到时补上,但缺货损失为每件每年30元。(1)求经济订货批量及全年的总费用:(2)如不允许发生供应短缺,重新求经济订货批量,并与(1)中的 阅读全文
posted @ 2024-06-18 09:24 郝hai 阅读(59) 评论(0) 推荐(0) 编辑
摘要: 练习1 设国家拨给60万元投资,供四个工厂扩建使用,每个工厂扩建后的利润与投资额的大小有关,投资后的利润函数如下表所示,试给出收益最大的投资计划。 利润\投资 0 10 20 30 40 50 60 \(g_1(r)\) 0 20 50 65 80 85 85 \(g_2(x)\) 0 20 40 阅读全文
posted @ 2024-06-17 10:23 郝hai 阅读(40) 评论(0) 推荐(0) 编辑
上一页 1 2 3 4 5 6 7 8 9 10 ··· 28 下一页