数学建模优秀论文-货运公司的收益问题

数学建模优秀论文-货运公司的收益问题

ID:6810186

大小:454.50 KB

页数:27页

时间:2018-01-26

数学建模优秀论文-货运公司的收益问题_第1页
数学建模优秀论文-货运公司的收益问题_第2页
数学建模优秀论文-货运公司的收益问题_第3页
数学建模优秀论文-货运公司的收益问题_第4页
数学建模优秀论文-货运公司的收益问题_第5页
资源描述:

《数学建模优秀论文-货运公司的收益问题》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

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。

2、申请量与批复量均以公斤为单位,例如客户申请量为1000kg,批复量可以为0~1000kg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?

3、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116012845492622391161125421283328712431136831890448844472750135754443945542996148413473517032928508843781409763232349728293593131

4、517376226138932117864781167692167061873166679189713918064175013102103737358033865938166411118074451531714591303412162826363112775715133131723347142262441118611425843854452013731233115155135563494236510966162479265929182660107161711994335286030781147218414828825514

5、363616180192449408420083081116222020261999582232041305121169028892840131887372233742175289340831252523201525101121383394792424803409166317739325258503729273625199834262249348945526050163402716743172879447101835028366645685552117914965292029401511953239320390301238

6、36669552257917035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6460kg,B类货物5000kg,C类货物4000kg,D类货物0kg。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

7、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2866,1330,2701,2305,2521,2494,2136;B类3375,2198,3534,2827,3511,4097,3644;C类1674,4094,4711,3625,

8、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

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。