2022华数杯B题论文思路分析+完整代码(水下机器人组装计划)(一二问答案接出来和标准答案一样)(问题三四逼近正确答案)(完整论文,代码可直接跑)

这篇具有很好参考价值的文章主要介绍了2022华数杯B题论文思路分析+完整代码(水下机器人组装计划)(一二问答案接出来和标准答案一样)(问题三四逼近正确答案)(完整论文,代码可直接跑)。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

 写在前面:学校最近搞数学建模竞赛培训,以2022华数杯B题作为训练题目,在查资料过程中发现网上没有哪一篇论文解出了正确答案,而我们组利用Lingo软件准确的解出了正确答案,但是在第三问时,由于决策的变量激增,基于Lingo的模型已经无法解出,所以选择使用模拟退火算法进行解算。另外在文末给出了官方的标准答案。代码也在文末给出,自行复制,可直接运行。(如有读者发现错误,请及时联系指正。)另外,本文仅供大家参考交流使用^^。

还有就是,下面的论文中的表的标号会出现错误是因为把附录中的表部分粘到了正文中,排版正确文章见pdf。

不用付费,直接下(2022华数杯B题论文思路分析+完整代码(水下机器人组装计划)(一二问答案接出来和标准答案一样)(问题三四逼近正确答案)(完整论-其它文档类资源-CSDN下载)

基于线性规划的水下机器人组装计划的研究与分析

摘要

本文主要研究了水下机器人组装计划问题。主要基于Lingo软件建立线性规划模型,完成了对问题一、问题二和问题四中周生产计划的求解,并且利用Matlab软件编写模拟退火算法对第三问中检修日进行确定,最后利用SPSS软件,采取季节性一元预测模型对问题四中的历史数据进行预测。

针对问题一,从题目中提炼出五个约束条件:在周一和周日没有任何库存;忽略小组件从采购到组装与从小组件组装完成到组装WPCR的中间时间;每日的WPCR需求量必须按时、按量完成(也可以提前完成);A、B、C的生产总工时必须符合总工时限制条件;每天只采购能满足当天需求量的小组件数量,不进行小组件的存储,不产生小组件的库存费用。基于上述条件分三步建立线性规划模型“确定决策变量——确定目标函数——确定约束条件”,对问题一进行求解。结果显示按照求解出的生产计划,可使得生产总成本最小,最小值为6260.9元。

针对问题二,从题目中提炼出四个约束条件:A、B、C的生产总工时必须符合总工时限制条件;组件A、B、C需要提前一天生产入库才能组装WPCR,A1、A2、A3、B1、B2、C1、C2、C3也需要提前一天生产入库才能组装A、B、C;对于WPCR而言,某天的需求量可由当天的组装量和前一天的库存量共同提供;本周日与上个周日的相比较,各个变量的相关数值应该完全相等。基于上述条件分三步建立线性规划模型“确定决策变量——确定目标函数——确定约束条件”,对问题二进行求解。结果显示按照求解出的生产计划,可使得生产总成本最小,最小值为177212.5元。

针对问题三,从题目中提炼出四个约束条件:在30周210天内设置7次检修,并且每次检修一天,任意两次检修之间间隔6天以上;检修日停工停产,检修日的订单只能提前安排生产;检修之后设备生产能力提高,检修后的第一天A、B、C生产总工时限制将会放宽10%,随后逐日减少放宽2%的比例,直至为0;总工时限制。基于上述约束条件,本文选择使用模拟退火算法进行优化求解。

针对问题四,从题目中提炼出两个约束条件:以过去30周数据作为历史周订单数据;既保障每天的WPCR订单均以95%以上的概率正常交付,又保障每周的WPCR订单以85%以上的概率正常交付;基于上述约束条件,首先采取基于一元时间序列预测模型对WPCR未来某周7天的订单数进行预测,再以预测结果通过问题二中建立的模型求解稳妥的单周生产计划。

关键词:线性规划 Lingo 模拟退火算法 SPSS 优化 Matlab

  1. 问题重述

自来水管道清理机器人(WPCR)由3个A组件、4个B组件和5个C组件组装而成;其中A组件由6个A1组件、8个A2组件和2个A3组件组装而成,B组件由2个B1组件和4个B2组件组装而成,C组件由8个C1组件、2个C2组件和12个C3组件组装而成。

该工厂每次生产计划期为一周(即每次按照每周7天的订购数量实行订单生产),并且只有WPCR有外部需求,其他组件不对外销售。另外,A 、B 、C的工时消耗分别为 3 时/件、5 时/件和 5 时/件,表5为每天的WPCR外部 需求数及关键设备总工时限制。

在生产WPCR时需要付出生产准备费用和库存费用,生产准备费用和库存费用数据见表6。另外,所有订单到期必须全部交货,轻易不能有缺货事件发生。

请尝试建立数学模型讨论下列问题:

(1)工厂周一开始时和周日结束时不能有任何组件库存,每天各组件都可立刻用于组装。在使总成本最小的情况下,制定每周7天的生产计划,结果填入表一。

(2)组件A、B、C需要提前一天生产入库才能组装WPCR,A1、A2、A3、B1、B2、C1、C2、C3也需要提前一天生产入库才能组装A、B、C。在使总成本最小的情况下,制定每周7天的生产计划,结果填入表二。

(3)在问题二的基础上,工厂要在30周210天里设置7次停工检修,每次停工检修一天。检修之后关键设备生产能力有所提高,检修后的第一天A、B、C生产总工时限制将会放宽10%,随后逐日减少放宽2%的比例,直至为0(如第一天放宽10%,第二天就放宽8%,...)。检修日的订单必须提前安排,任意两日检修要相隔6天以上。30周的WPCR外部需求数据见表7。在使总成本最小的情况下,制定7次检修的检修日期,结果填入表三。

(4)将30周的WPCR外部需求数据作为历史订单数据,在保障每天的WPCR订单均以95%以上的概率保证正常交付,又能够以85%以上的概率保证整周的WPCR订单能正常交付的条件下,制定稳妥的周生产计划,结果填入表四。

  1. 问题分析

该题目是以自来水管道清理机器人的组装为背景的多变量约束规划问题,问题一到问题四,逐步增加约束条件,本文采取先基于问题一简单的约束条件建立初级数学模型,再根据逐步增加的约束条件对建立的初级模型进行修改完善,最后完成对问题的求解。

2.2 对问题一的分析

问题一要求制定每周七天的生产计划,使得总成本最小,并且给出如下约束条件:

  1. 在周一和周日没有任何库存;
  2. 忽略小组件从采购到组装与从小组件组装完成到组装WPCR的中间时间;
  3. 每日的WPCR需求量必须按时、按量完成(也可以提前完成);
  4. A、B、C的生产总工时必须符合总工时限制条件;

另外根据题目中条件“每天采购的组件马上就可用于组装,组装出来的组件也可以马上用于当天组装成WPCR”,有充分的理由可以推导出如下结论:“每天的小组件(指的是组装A/B/C所需要的组件)没有必要进行储存,即这些小组件不需要付库存费用”,理由如下:如果为了省下某组件的开工费,需要在前一天储存好能满足第二天WPCR生产的需要,而此时对应该部件储存的费用已经远远地大于了开工费。所以添加如下约束条件:

  1. 每天只采购能满足当天需求量的小组件数量,不进行小组件的存储,不产生小组件的库存费用。

基于上述约束条件,本文认为解决该问题的模型方法由以下三个步骤组成:

  1. 确定决策变量与相关符号说明,其目的主要是对题目中的条件进行数学化处理,找出决定目标函数大小的决策变量;
  2. 确定目标函数,主要是通过决策变量建立目标函数的表达式;
  3. 确定约束条件,对已经分析出来的约束条件用数学符号进行表达。

2.3 对问题二的分析

问题二仍然要求在总成本最低情况下,制定每周7天的生产计划,并给出如下约束条件:

  1. A、B、C的生产总工时必须符合总工时限制条件;
  2. 组件A、B、C需要提前一天生产入库才能组装WPCR;A1、A2、A3、B1、B2、C1、C2、C3也需要提前一天生产入库才能组装A、B、C;

另外,根据约束条件(2)可以推导出如下约束条件:

  1. 对于WPCR而言,某天的需求量可由当天的组装量和前一天的库存量共同提供;

然后根据问题二中的信息“在连续多周生产情况下”和“每周的WPCR需求和关键设备工时限制以及每次生产准备费用和单件库存费用数据见表5、表6”可以得出如下结论:

  1. 本周日与上个周日的相比较,各个变量的相关数值应该完全相等;

2022华数杯B题论文思路分析+完整代码(水下机器人组装计划)(一二问答案接出来和标准答案一样)(问题三四逼近正确答案)(完整论文,代码可直接跑)

2.4 对问题三的分析

问题三要求在总成本最低的情况下,确定7次检修的检修日期,并给出约束条件如下:

  1. 在30周210天内设置7次检修,并且每次检修一天,任意两次检修之间间隔6天以上;
  2. 检修日停工停产,检修日的订单只能提前安排生产;
  3. 检修之后设备生产能力提高,检修后的第一天A、B、C生产总工时限制将会放宽10%,随后逐日减少放宽2%的比例,直至为0;
  4. 总工时限制。

本文在求解问题三时,在采用问题一中建立模型的整体思路“确定决策变量——确定目标函数——确定约束条件”时,遇到变量数量过多的问题,因此选择使用模拟退火算法进行求解。

2.5 对问题四的分析

问题四要求在未知WPCR外部需求订单的前提下,给公司制定稳妥的单周生产计划,并给出如下约束条件:

  1. 以过去30周数据作为历史周订单数据;
  2. 既保障每天的WPCR订单均以95%以上的概率正常交付,又保障每周的WPCR订单以85%以上的概率正常交付;

因此,本文基于上述约束条件,首先采取基于一元时间序列预测模型对WPCR未来某周7天的订单数进行预测,再以预测结果通过问题二中建立的模型求解稳妥的单周生产计划。

3、模型假设

  1. 生产过程中,不会因为工厂停电、机械故障等突发情况打断生产;
  2. 工厂资金流正常,不会因为缺乏资金而影响生产;
  3. 只有最终WPCR装置有外部需求,其他组件不对外销售;
  4. 机器人的需求按计划而定,不受市场价格波动影响;
  5. WPCR的外部需求量不会临时发生改变。

4、符号说明

2022华数杯B题论文思路分析+完整代码(水下机器人组装计划)(一二问答案接出来和标准答案一样)(问题三四逼近正确答案)(完整论文,代码可直接跑)

5、模型的建立与求解

5.1 问题一模型的建立与求解

5.1.1 确定决策变量与相关符号说明

为了便于后续计算与表示,本文首先对WPCR装置及其所有组件进行编号处理,编号结果如下:

表 1 WPCR装置及各组件编号

名称

编号i

WPCR

1

A

2

B

3

C

4

A1

5

A2

6

A3

7

B1

8

B2

9

C1

10

C2

11

C3

12

另外对周一到周日进行编号,编号结果如下:

表 2 周一到周日对应编号

名称

编号t

周一开始的时候

1

周一结束的时候

2

周二结束的时候

3

周三结束的时候

4

周四结束的时候

5

周五结束的时候

6

周六结束的时候

7

周日结束的时候

8

接着设出相关变量来表示题目中对应信息,列表如下:

2022华数杯B题论文思路分析+完整代码(水下机器人组装计划)(一二问答案接出来和标准答案一样)(问题三四逼近正确答案)(完整论文,代码可直接跑)

2022华数杯B题论文思路分析+完整代码(水下机器人组装计划)(一二问答案接出来和标准答案一样)(问题三四逼近正确答案)(完整论文,代码可直接跑)

5.1.2 确定目标函数

2022华数杯B题论文思路分析+完整代码(水下机器人组装计划)(一二问答案接出来和标准答案一样)(问题三四逼近正确答案)(完整论文,代码可直接跑)

5.1.3 确定约束条件

          2022华数杯B题论文思路分析+完整代码(水下机器人组装计划)(一二问答案接出来和标准答案一样)(问题三四逼近正确答案)(完整论文,代码可直接跑)

2022华数杯B题论文思路分析+完整代码(水下机器人组装计划)(一二问答案接出来和标准答案一样)(问题三四逼近正确答案)(完整论文,代码可直接跑)

5.1.4 问题一的求解

根据上述步骤,本文通过Lingo软件进行进行编程解算(代码见附录一),得到如下结果:

表 5 WPCR及各组件每日剩余量

日期

WPCR剩余量

A剩余量

B剩余量

C剩余量

生产准备费用

库存费用

周一

44

0

0

1

1200

221.7

周二

8

0

344

1

340

557.7

周三

51

0

20

0

860

285

周四

11

0

20

0

0

85

周五

22

0

1

0

1200

111.5

周六

40

0

0

0

1200

200

周日

0

0

0

0

0

0

总和

176

0

385

2

6260.9

表 6 问题一的结果

日期

WPCR组装数量

A组装数量

B组装数量

C组装数量

生产准备费用

库存费用

周一

83

249

332

416

1200

221.7

周二

0

0

344

0

340

557.7

周三

81

243

0

404

860

285

周四

0

0

0

0

0

85

周五

48

144

173

240

1200

111.5

周六

51

153

203

255

1200

200

周日

0

0

0

0

0

0

总和

263

789

1052

1315

6260.9

按照表6制定每周七天的生产计划,可使得生产总成本最小,最小值为6260.9元。

model:

sets:
si/1..4/:P,C1;
st/1..8/:B,C2,T1,D;
stemp/1..7/:;
lit(si,st):X,S,K;
endsets

data:
P=240,270,340,350;
T1=0,4500,2500,2750,2100,2500,2750,1500;
D=0,39,36,38,40,37,33,40;
C1=5,2,1.5,1.7;
enddata

min=@sum(st(t):B(t)+C2(t));

@for(lit(i,t):K(i,t)=X(i,t) #gt# 0);
@for(st(t):B(t)=@sum(si(i):K(i,t)*P(i)));
@for(st(t):C2(t)=@sum(si(i):S(i,t)*C1(i)));

!Zero at begin and end;
@for(si(i):S(i,1)=0);
@for(si(i):S(i,8)=0);

@for(st(t)|t #le# 7:S(1,t+1)=X(1,t+1)+S(1,t)-D(t+1));
@for(st(t)|t #le# 7:S(2,t+1)=X(2,t+1)+S(2,t)-3*X(1,t+1));
@for(st(t)|t #le# 7:S(3,t+1)=X(3,t+1)+S(3,t)-4*X(1,t+1));
@for(st(t)|t #le# 7:S(4,t+1)=X(4,t+1)+S(4,t)-5*X(1,t+1));


@for(st(t):3*X(2,t)+5*X(3,t)+5*X(4,t)<=T1(t));

!int limited;
@for(lit:@gin(X));
@for(lit:@gin(S));
@for(lit:@bin(K));

end

5.2 问题二模型的建立与求解

5.2.1 确定决策变量与相关符号说明

2022华数杯B题论文思路分析+完整代码(水下机器人组装计划)(一二问答案接出来和标准答案一样)(问题三四逼近正确答案)(完整论文,代码可直接跑)

2022华数杯B题论文思路分析+完整代码(水下机器人组装计划)(一二问答案接出来和标准答案一样)(问题三四逼近正确答案)(完整论文,代码可直接跑)

5.2.2 确定目标函数

     2022华数杯B题论文思路分析+完整代码(水下机器人组装计划)(一二问答案接出来和标准答案一样)(问题三四逼近正确答案)(完整论文,代码可直接跑)       

5.2.3确定约束条件

2022华数杯B题论文思路分析+完整代码(水下机器人组装计划)(一二问答案接出来和标准答案一样)(问题三四逼近正确答案)(完整论文,代码可直接跑)                        2022华数杯B题论文思路分析+完整代码(水下机器人组装计划)(一二问答案接出来和标准答案一样)(问题三四逼近正确答案)(完整论文,代码可直接跑)

 2022华数杯B题论文思路分析+完整代码(水下机器人组装计划)(一二问答案接出来和标准答案一样)(问题三四逼近正确答案)(完整论文,代码可直接跑)

5.2.4 问题二的求解

根据上述步骤,本文通过Lingo软件进行进行编程解算(代码见附录),得到如下结果:

表 8 问题二的结果

日期

WPCR组装数量

A组装数量

B组装数量

C组装数量

生产准备费用

库存费用

周一

0

246

341

416

630

33737.7

周二

82

0

0

0

750

31296.7

周三

0

300

370

404

280

2101.7

周四

100

0

0

0

420

9899.7

周五

0

0

341

240

480

42572.2

周六

0

243

0

255

300

1686.0

周日

81

0

0

0

740

52318.5

总和

263

789

1052

1315

177212.5

另外WPCR及各大组件的剩余量见下表:

表 9 WPCR及各大组件的剩余量

日期

WPCR剩余量

A剩余量

B剩余量

C剩余量

生产准备费用

库存费用

周一

2

246

358

411

630

33737.7

周二

48

0

30

501

750

31296.7

周三

10

300

400

501

280

2101.7

周四

70

0

0

1

420

9899.7

周五

33

0

341

1

480

42572.2

周六

0

243

341

405

300

1686.0

周日

41

0

17

0

740

52318.5

总和

204

789

1487

1820

177212.5

(各小组件的剩余数量见附录)

由表9可知,按照表9制定每周七天的生产计划,可使得生产总成本最小,最小值为177212.5元。

表 15 各小组件组装数量

日期

A1组装数量

A2组装数量

A3组装数量

B1组装数量

B2组装数量

C1组装数量

C2组装数量

C3组装数量

周一

0

0

0

0

0

4000

1000

6000

周二

1800

2400

600

740

1480

0

0

0

周三

0

0

0

0

0

0

0

0

周四

0

0

0

682

1364

0

0

0

周五

1458

1944

486

0

0

3232

808

4848

周六

0

0

0

0

0

0

0

0

周日

1476

1968

492

682

1364

3288

822

4932

总和

4734

6312

1578

2104

4208

10520

2630

15780

表 16 各小组件剩余数量

日期

A1剩余量

A2剩余量

A3剩余量

B1剩余量

B2剩余量

C1剩余量

C2剩余量

C3剩余量

周一

0

0

0

0

0

4000

1000

6000

周二

1800

2400

600

740

1480

0

0

0

周三

0

0

0

0

0

0

0

0

周四

0

0

0

682

1364

0

0

0

周五

1458

1944

486

0

0

3232

808

4848

周六

0

0

0

0

0

0

0

0

周日

1476

1968

492

682

1364

3288

822

4932

总和

4734

6312

1578

2104

4208

10520

2630

15780

另外,其余具体各变量的解在5.2.4中给出

model:

sets:
si/1..12/:P,C1,N;
st/1..8/:B,C2,D,T1;
lit(si,st):K,X,S,C,E;
endsets

data:
P=240,120,160,180,40,60,50,80,100,60,40,70;
C1=5,2,1.5,1.7,5,3,6,4,5,3,2,3;
T1=4500,2500,2750,2100,2500,2750,1500,4500;
D=39,36,38,40,37,33,40,39;
N=0,3,4,5,6,8,2,2,4,8,2,12;
enddata

min=@sum(st(t)|t#le#7:B(t)+C2(t));

@for(lit(i,t):K(i,t)=X(i,t) #gt# 0);
@for(st(t):B(t)=@sum(si(i):K(i,t)*P(i)));
@for(st(t):C2(t)=@sum(si(i):S(i,t)*C1(i)));

@for(st(t)|t#le#7:S(1,t+1)=X(1,t+1)+S(1,t)-D(t+1));
S(1,1)=X(1,1)+S(1,7)-D(1);

@for(lit(i,t)|(t#le#7)#AND#(i#ge#2):E(i,t+1)=S(i,t)-C(i,t+1));
@for(si(i)|i#ge#2:E(i,1)=S(i,7)-C(i,1));

@for(lit(i,t)|i#ge#2:E(i,t)+X(i,t)=S(i,t));


@for(lit(i,t)|(i#ge#2)#AND#(i#le#4):C(i,t)=N(i)*X(1,t));
@for(lit(i,t)|(i#ge#5)#AND#(i#le#7):C(i,t)=N(i)*X(2,t));
@for(lit(i,t)|(i#ge#8)#AND#(i#le#9):C(i,t)=N(i)*X(3,t));
@for(lit(i,t)|(i#ge#10)#AND#(i#le#12):C(i,t)=N(i)*X(4,t));

@for(st(t):3*X(2,t)+5*X(3,t)+5*X(4,t)<=T1(t));

B(8)=B(1);
C2(8)=C2(1);
@for(si(i):X(i,8)=X(i,1));
@for(si(i):S(i,8)=S(i,1));
@for(si(i):K(i,8)=K(i,1));
@for(si(i):E(i,8)=E(i,1));
@for(si(i):C(i,8)=C(i,1));

@for(lit:@bin(K));
@for(lit:@gin(S));
@for(lit:@gin(X));
@for(lit:@gin(C));
@for(lit:@gin(E));

End

5.3 问题三模型的建立与求解

5.3.1 引入相关变量

2022华数杯B题论文思路分析+完整代码(水下机器人组装计划)(一二问答案接出来和标准答案一样)(问题三四逼近正确答案)(完整论文,代码可直接跑)

2022华数杯B题论文思路分析+完整代码(水下机器人组装计划)(一二问答案接出来和标准答案一样)(问题三四逼近正确答案)(完整论文,代码可直接跑)

                                2022华数杯B题论文思路分析+完整代码(水下机器人组装计划)(一二问答案接出来和标准答案一样)(问题三四逼近正确答案)(完整论文,代码可直接跑)       

5.3.2 约束条件

约束一:总工时限制:

                           2022华数杯B题论文思路分析+完整代码(水下机器人组装计划)(一二问答案接出来和标准答案一样)(问题三四逼近正确答案)(完整论文,代码可直接跑)  

约束二:检修后总工时限制放宽:

2022华数杯B题论文思路分析+完整代码(水下机器人组装计划)(一二问答案接出来和标准答案一样)(问题三四逼近正确答案)(完整论文,代码可直接跑)

约束三:检修日不产生任何组件:

                            2022华数杯B题论文思路分析+完整代码(水下机器人组装计划)(一二问答案接出来和标准答案一样)(问题三四逼近正确答案)(完整论文,代码可直接跑)    

约束四:保证生产可以继续:

2022华数杯B题论文思路分析+完整代码(水下机器人组装计划)(一二问答案接出来和标准答案一样)(问题三四逼近正确答案)(完整论文,代码可直接跑)

5.3.3 问题三的求解

使用Matlab软件编写模拟退火算法,寻求最优解,其结果如下:

表 10 问题三的结果

第一次

第二次

第三次

第四次

第五次

第六次

第七次

总成本

43

62

94

157

171

178

190

5655900

clear
clc
%每天WPCR需求量
WPCR=[39 36 38 40 37 33 40
39 33 37 43 34 30 39
42 36 35 38 36 35 41
38 36 36 48 34 35 39
38 36 40 40 40 34 39
40 30 36 40 34 36 37
41 36 41 41 38 29 43
33 31 40 42 42 30 40
35 36 38 33 35 37 41
43 35 42 37 36 33 39
38 32 41 36 40 31 34
37 37 41 39 38 35 38
38 38 33 42 42 29 33
39 37 44 38 35 36 38
40 39 38 38 37 34 44
35 36 38 39 39 39 39
43 28 39 41 38 30 38
35 37 40 41 40 35 41
36 35 40 41 37 38 36
37 38 39 41 38 37 44
37 37 37 36 39 33 41
39 37 42 37 36 28 43
40 32 35 45 40 34 43
38 36 37 36 40 28 45
38 40 38 36 35 40 42
31 31 44 36 31 36 40
40 36 34 43 35 32 39
33 33 36 41 34 38 40
35 34 37 37 39 36 40
37 41 39 41 36 32 44];
WPCR=reshape(WPCR',210,1)';
WPCR=[WPCR,WPCR(1:2)];
%一个WPCR队ABC需求比例
A_x=3;
B_x=4;
C_x=5;
D_x=[6;8;2;2;4;8;2;12];
%每天总工时
T=repmat([4500 2500 2750 2100 2500 2750 1500],1,30);
T=[T(end),T,T(1)];
%ABC单位工时消耗
TA=3;
TB=5;
TC=5;
%生产准备费用:A A1 A2 A3 B B1 B2 C C1 C2 C3
W=[240 120 40 60 50 160 80 100 180 60 40 70];
%单件库存费用:A A1 A2 A3 B B1 B2 C C1 C2 C3
C=[5 2 5 3 6 1.5 4 5 1.7 3 2 3];

%模拟退火-粒子群算法
T0=100; %初始化温度值
T_min=1; %设置温度下界
alpha=0.9; %温度的下降率
c1=0.4;c2=0.6; %学习因子
wmax=0.6;wmin=0.4; %惯性权重
num=2; %颗粒总数
X=[];
A=[];
F=[];
for i=1:num
    [X(i,:),A(i,:),F(i,1)]=chushihua3(WPCR,A_x,B_x,C_x,T,TA,TB,TC,W,C,D_x);
end
%以最小化为例
[bestf,a]=min(F);
bestx=X(a,:);
bestA=A(a,:);
trace(1)=bestf;
while(T0>T_min)
    XX=[];
    FF=[];
    AA=[];
 for i=1:num
        [XX(i,:),AA(i,:),FF(i,1)]=chushihua3(WPCR,A_x,B_x,C_x,T,TA,TB,TC,W,C,D_x);
        delta=FF(i,1)-F(i,1);
        if delta<0
            F(i,1)=FF(i,1);
            X(i,:)=XX(i,:);
            A(i,:)=AA(i,:);
        else
            P=exp(-delta/T0);
            if P>rand
                F(i,1)=FF(i,1);
                X(i,:)=XX(i,:);
                A(i,:)=AA(i,:);
            end
        end  
    end
    fave=mean(F);
    fmin=min(F);
    for i=1:num
        %权重更新
        if F(i)<=fave
            w=wmin+(F(i)-fmin)*(wmax-wmin)/(fave-fmin);
        else
            w=wmax;
        end
        [~,b]=min(F);
        best=X(b,:);%当前最优解
        %粒子群算法限制最多找10次位置
        m=1;
        flag=0;
        while flag==1
        v=w.*randn(1,28)+c1*rand*(best-X(i,:))+c2*rand*(bestx-X(i,:));%速度
        XX(i,:)=round(X(i,:)+v);%更新位置
        XX(i,:)=max(XX(i,:),0);%不能小于0
        %检验,不满足条件则返回之前的变量
        x=reshape(XX(i,:)',7,4)';%重新排列矩阵维度
        J=jianyan3(x,AA(i,:),WPCR,A_x,B_x,C_x);
        if (length(find((sum(x(2:4,:).*[TA;TB;TC],1)-T)>0))==0 & sum(x(1,:))>=sum(WPCR) & J==0) | m==10
            XX(i,:)=X(i,:);
        else
            m=m+1;
        end
        end
        %计算目标函数
        FF(i,1)=fun3(XX(i,:),AA(i,:),WPCR,A_x,B_x,C_x,W,C,D_x);
        %更新最优
        if FF(i,1)<F(i,1)
            F(i,1)=FF(i,1);
            X(i,:)=XX(i,:);
            A(i,:)=AA(i,:);
        end 
    end
    if min(F)<bestf
        [bestf,a]=min(F);
        bestx=X(a,:);
        bestA=A(a,:);
    end
    trace=[trace;bestf];
    T0=T0*alpha;
end
disp('最优解为:')
disp('停检时间')
disp(bestA)
disp('WPCR组装数量、A组装数量、B组装数量、C组装数量,见工作区矩阵zz')
x=reshape(bestx',212,4);
zz=[x(1:210,1),x(2:211,2:4)];
disp('生产准备费用、库存费用见工作区矩阵f1、f2')
[~,f1,f2]=fun3(bestx,bestA,WPCR,A_x,B_x,C_x,W,C,D_x);
disp('总费用')
disp(bestf)
figure
plot(trace)
xlabel('迭代次数')
ylabel('函数值')
title('模拟退火算法')
legend('最优值')
function [X,b,F]=chushihua3(WPCR,A_x,B_x,C_x,T,TA,TB,TC,W,C,D_x)
%初始化变量、计算目标函数值,小件提前两天,大件提前1天
flag1=0;
while flag1==0
%检修
flag3=0;
while flag3==0
    A=zeros(1,length(WPCR));
    a=10+randperm(length(WPCR)-20);
    aa=a(1:7);
    A(aa)=1;
    b=find(A==1);
    c=b(2:end)-b(1:end-1);
    d=find(c<6);
    if length(d)==0
        flag3=1;
    end
end
%检修后提高效率
AA=[];%对应的时间
for i=1:length(b)
    AA=[AA,b(i)+1:b(i)+5];
end
G=repmat([1.1 1.08 1.06 10.4 1.02],1,length(b));
TT=T;
TT(AA)=TT(AA).*G;
X=[];
nn=2;%延迟天数
flag1=1;
KC_WPCR=zeros(1,length(WPCR)+nn);%记录每天WPCR库存
KC=zeros(3,length(WPCR)+nn);%记录每天ABC库存
KC_x=zeros(8,length(WPCR)+nn);%记录每天ABC小件库存
SY_WPCR=zeros(1,length(WPCR)+nn);%记录每天交付WPCR情况
SY=zeros(3,length(WPCR)+nn);%记录每天使用ABC情况
% SY_x=zeros(8,length(WPCR)+nn);%记录每天使用ABC小件情况
SC_WPCR=zeros(1,length(WPCR)+nn);%记录每天组装WPCR情况
SC=zeros(3,length(WPCR)+nn);%记录每天生产ABC情况
SC_x=zeros(8,length(WPCR)+nn);%记录每天生产ABC小件情况
for i=1:length(WPCR)%循环遍历每个WPCR
    if i==1%假设第一天刚好满足WPCR
        sub=[A_x,B_x,C_x].*WPCR(i);%求出每天的WPCR最小ABC需求量
        up=sub;
    else
        sub=max([A_x,B_x,C_x].*WPCR(i)-KC(:,i+nn-1)',0);%除了第一天,每天减去前一天的库存则为当天至少增加的需求量
        up=[];
        up(1)=fix((T(i)-sub([2,3])*[TB;TC])/TA);%BC最低供应时,A最大供应量
        up(2)=fix((T(i)-sub([1,3])*[TA;TC])/TB);%AC最低供应时,B最大供应量
        up(3)=fix((T(i)-sub([1,2])*[TA;TB])/TC);%AC最低供应时,B最大供应量
        up=min(up,fix(T(i)./([A_x,B_x,C_x]*[TA;TB;TC])*2).*[A_x,B_x,C_x]);
    end
    %前面的变量会影响后面的变量范围,可能会出现上up小于sub的情况,毕竟有最大工时限制
    if length(find((up-sub)<0))>0%如果出现则重新生成
        flag1=0;
        continue
    end
    flag2=0;
    while flag2==0
        x=[randi([sub(1),up(1)]),randi([sub(2),up(2)]),randi([sub(3),up(3)])];%在区间内随机生成整数
        if i==1
            flag2=1;
        elseif i>1
            if x*[TA;TB;TC]<=T(i)%需求量必须满足在工时限制内
                flag2=1;
            end
        end
    end
    %每天组装的WPCR
    if i==1
        s=WPCR(i);%可组装最小数量
        u=min(fix(x./[A_x,B_x,C_x]));%可组装最大数量
    else
        s=max(WPCR(i)-KC_WPCR(i+nn-1),0);
        u=min(fix([x+KC(:,i+nn-1)']./[A_x,B_x,C_x]));
    end
    if u<s
        flag1=0;
        continue
    end
    %更新SC、KC、SY矩阵
    %生产
    if length(find(b==i))==1
        SC_WPCR(i+nn)=0;
    else
        SC_WPCR(i+nn)=randi([s,u]);
    end
    if length(find(b==i-1))==1
        SC(:,i+nn-1)=0;
    else
        SC(:,i+nn-1)=SC(:,i+nn-1)+x';
    end
    %放库存
    KC_WPCR(i+nn)=KC_WPCR(i+nn-1)+SC_WPCR(i+nn);
    if KC_WPCR(i+nn)<0
        KC_WPCR(i+nn)=0;
    end
    if i==1
        KC(:,i+nn-1)=SC(:,i+nn-1);
    else
        KC(:,i+nn-1)=KC(:,i+nn-1)+SC(:,i+nn-1);
    end
    KC_x(1:3,i+nn-2)=D_x(1:3).*SC(1,i+nn-1);
    KC_x(4:5,i+nn-2)=D_x(4:5).*SC(2,i+nn-1);
    KC_x(6:8,i+nn-2)=D_x(6:8).*SC(3,i+nn-1);
    %使用
    SY_WPCR(i+nn)=WPCR(i);
    SY(:,i+nn)=[A_x;B_x;C_x].*SY_WPCR(i+nn);
    %更新库存
    KC_WPCR(i+nn)=KC_WPCR(i+nn)-WPCR(i);
    KC(:,i+nn)=KC(:,i+nn-1)-SY(:,i+nn);
end
X=[SC_WPCR(:,nn+1:end);SC(:,nn:end-1)];
X=reshape(X',1,848);
end
X1=[SC_WPCR(:,nn+1:end-2);SC(:,nn+1:end-2)];%生产
X3=[KC_WPCR(:,nn+1:end-2);KC(:,nn+1:end-2)];%库存ABC
X4=[KC_x(:,nn+1:end-2)];%库存ABC小件
X1(find(X1>0))=1;
X2=[repmat(X1(2,:),3,1);repmat(X1(3,:),2,1);repmat(X1(4,:),3,1)];
X2(:,b)=0;
%最优情况,小件无库存但是有生产准备费用
f1=(sum(X1.*[W(1);W(2);W(6);W(9)],1)+sum(X2.*[W(3:5)';W(7:8)';W(10:12)'],1))';
f2=(sum(X3.*C([1,2,6,9])',1)+sum(X4.*C([3,4,5,7,8,10,11,12])',1))';
F=sum(f1)+sum(f2);
function [F,f1,f2]=fun3(X,b,WPCR,A_x,B_x,C_x,W,C,D_x)
%初始化变量、计算目标函数值
X=reshape(X',212,4);
nn=2;
KC_WPCR=zeros(1,length(WPCR)+nn);%记录每天WPCR库存
KC=zeros(3,length(WPCR)+nn);%记录每天ABC库存
KC_x=zeros(8,length(WPCR)+nn);%记录每天ABC小件库存
SY_WPCR=zeros(1,length(WPCR)+nn);%记录每天交付WPCR情况
SY=zeros(3,length(WPCR)+nn);%记录每天使用ABC情况
% SY_x=zeros(8,length(WPCR)+nn);%记录每天使用ABC小件情况
SC_WPCR=zeros(1,length(WPCR)+nn);%记录每天组装WPCR情况
SC=zeros(3,length(WPCR)+nn);%记录每天生产ABC情况
SC_x=zeros(8,length(WPCR)+nn);%记录每天生产ABC小件情况
for i=1:length(WPCR)%循环遍历每个WPCR
    x=X(i,2:4);
    %更新SC、KC、SY矩阵
    %生产
    if length(find(b==i))==1
        SC_WPCR(i+nn)=0;
    else
        SC_WPCR(i+nn)=X(i,1);
    end
    if length(find(b==i-1))==1
        SC(:,i+nn-1)=0;
    else
        SC(:,i+nn-1)=SC(:,i+nn-1)+x';
    end
    %放库存
    KC_WPCR(i+nn)=KC_WPCR(i+nn-1)+SC_WPCR(i+nn);
    if KC_WPCR(i+nn)<0
        KC_WPCR(i+nn)=0;
    end
    if i==1
        KC(:,i+nn-1)=SC(:,i+nn-1);
    else
        KC(:,i+nn-1)=KC(:,i+nn-1)+SC(:,i+nn-1);
    end
    KC_x(1:3,i+nn-2)=D_x(1:3).*SC(1,i+nn-1);
    KC_x(4:5,i+nn-2)=D_x(4:5).*SC(2,i+nn-1);
    KC_x(6:8,i+nn-2)=D_x(6:8).*SC(3,i+nn-1);
    %使用
    SY_WPCR(i+nn)=WPCR(i);
    SY(:,i+nn)=[A_x;B_x;C_x].*SY_WPCR(i+nn);
    %更新库存
    KC_WPCR(i+nn)=KC_WPCR(i+nn)-WPCR(i);
    KC(:,i+nn)=KC(:,i+nn-1)-SY(:,i+nn);
end
X1=[SC_WPCR(:,nn+1:end-2);SC(:,nn+1:end-2)];%生产
X3=[KC_WPCR(:,nn+1:end-2);KC(:,nn+1:end-2)];%库存ABC
X4=[KC_x(:,nn+1:end-2)];%库存ABC小件
X1(find(X1>0))=1;
X2=[repmat(X1(2,:),3,1);repmat(X1(3,:),2,1);repmat(X1(4,:),3,1)];
X2(:,b)=0;
%最优情况,小件无库存但是有生产准备费用
f1=(sum(X1.*[W(1);W(2);W(6);W(9)],1)+sum(X2.*[W(3:5)';W(7:8)';W(10:12)'],1))';
f2=(sum(X3.*C([1,2,6,9])',1)+sum(X4.*C([3,4,5,7,8,10,11,12])',1))';
F=sum(f1)+sum(f2);
function J=jianyan3(X,b,WPCR,A_x,B_x,C_x,D_x)
%检验变量参与运算后是否出现小于0的值,是则不满足条件
X=X';
nn=2;
KC_WPCR=zeros(1,length(WPCR)+nn);%记录每天WPCR库存
KC=zeros(3,length(WPCR)+nn);%记录每天ABC库存
KC_x=zeros(8,length(WPCR)+nn);%记录每天ABC小件库存
SY_WPCR=zeros(1,length(WPCR)+nn);%记录每天交付WPCR情况
SY=zeros(3,length(WPCR)+nn);%记录每天使用ABC情况
SY_x=zeros(8,length(WPCR)+nn);%记录每天使用ABC小件情况
SC_WPCR=zeros(1,length(WPCR)+nn);%记录每天组装WPCR情况
SC=zeros(3,length(WPCR)+nn);%记录每天生产ABC情况
SC_x=zeros(8,length(WPCR)+nn);%记录每天生产ABC小件情况
for i=1:length(WPCR)%循环遍历每个WPCR
    x=X(i,2:4);
    %更新SC、KC、SY矩阵
    %生产
    if length(find(b==i))==1
        SC_WPCR(i+nn)=0;
    else
        SC_WPCR(i+nn)=X(i,1);
    end
    if length(find(b==i-1))==1
        SC(:,i+nn-1)=0;
    else
        SC(:,i+nn-1)=SC(:,i+nn-1)+x';
    end
    %放库存
    KC_WPCR(i+nn)=KC_WPCR(i+nn-1)+SC_WPCR(i+nn);
    if KC_WPCR(i+nn)<0
        KC_WPCR(i+nn)=0;
    end
    if i==1
        KC(:,i+nn-1)=SC(:,i+nn-1);
    else
        KC(:,i+nn-1)=KC(:,i+nn-1)+SC(:,i+nn-1);
    end
    KC_x(1:3,i+nn-2)=D_x(1:3).*SC(1,i+nn-1);
    KC_x(4:5,i+nn-2)=D_x(4:5).*SC(2,i+nn-1);
    KC_x(6:8,i+nn-2)=D_x(6:8).*SC(3,i+nn-1);
    %使用
    SY_WPCR(i+nn)=WPCR(i);
    SY(:,i+nn)=[A_x;B_x;C_x].*SY_WPCR(i+nn);
    %更新库存
    KC_WPCR(i+nn)=KC_WPCR(i+nn)-WPCR(i);
    KC(:,i+nn)=KC(:,i+nn-1)-SY(:,i+nn);
end
if length(find(KC_WPCR<0))>0 | length(find(KC<0))>0 | length(find(KC_x<0))>0
    J=1;
else
    J=0;
end

5.4 问题四模型的建立与求解

5.4.1 数据分析与数据预处理

题目中给出的30周历史数据,经分析发现预测对象“未来某周的WPCR订单数”是按照时间序列排列起的,构成时间序列,从构成的这一组时间序列过去的变化规律,推断今后变化的可能性及其变化趋势、变化规律,可以选择建立时间序列预测模型。另外,观察30周201天的数据无缺失数据。定义以周为单位的时间变量,以时间为横轴,机器人数量为纵轴绘制时间序列图。分析时间序列图,发现数据在一定范围内上下波动,无趋势、呈现出相当程度的季节性(季节性指周一到周日有各自的数据特点)。

表 11 SPSS分析数据

季节因子

序列名称

周期

季节因子 (%)

VAR00010

1

100.9

2

94.5

3

102.7

4

105.4

5

99.5

6

90.2

7

106.8

WEEK, not periodic

1

104.3

2

102.8

3

101.4

4

100.1

5

98.6

6

97.1

7

95.8

DAY, period 7

1

25.0

2

50.0

3

75.0

4

100.0

5

125.0

6

150.0

7

175.0

因此,本文采取季节性序列进行预测未来某周的WPCR订单数。

5.4.2 基于一元时间季节性序列预测模型的建立与检验

训练组数据是为以7为周期长度的序列,利用SPSS专家建模器建立最优时间序列分析模型,选择简单季节性模型进行求解。

检验模型是否识别完全:估计完成时间序列模型后,本文对残差进行白噪声检验,如果残差是白噪声,则说明我们选取的模型能完全识别出时间序列谁的规律,即模型可接受;如果残差不是白噪声,说明还有部分信息没有被模型所识别,则剔除。

ACF自相关系数、PACF偏自相关函数可以帮助判断残差是否为白噪声,即该时间序列是否能被模型识别完全。

表 12 模型统计结果

2022华数杯B题论文思路分析+完整代码(水下机器人组装计划)(一二问答案接出来和标准答案一样)(问题三四逼近正确答案)(完整论文,代码可直接跑)

从上表可以看出,对残差进行Q检验得到的p值为0.451,即我们无法拒绝原假设,认为残差就是白噪声序列,因此简单季节性模型能够很好的识别本题中的机器人使用需求数据。

2022华数杯B题论文思路分析+完整代码(水下机器人组装计划)(一二问答案接出来和标准答案一样)(问题三四逼近正确答案)(完整论文,代码可直接跑)

BIC(贝叶斯信息准则)表达式如下:

                                                       2022华数杯B题论文思路分析+完整代码(水下机器人组装计划)(一二问答案接出来和标准答案一样)(问题三四逼近正确答案)(完整论文,代码可直接跑)          

得出结果如下:

表 13 WPCR预测订单量

WPCR预测订单数量

周一

39

周二

35

周三

39

周四

41

周五

38

周六

33

周日

40

5.4.3 约束条件

约束一:保障每天正常交付

为保障每天的机器人订单均已95%以上的概率交付,因此对机器人组装数量的约束条件进行修改,如下所示:

                                                   2022华数杯B题论文思路分析+完整代码(水下机器人组装计划)(一二问答案接出来和标准答案一样)(问题三四逼近正确答案)(完整论文,代码可直接跑) 

约束二:保障整周正常交付

为保障整周的机器人订单均能以85% 以上的概率交付,因此作出如下约束:

                                2022华数杯B题论文思路分析+完整代码(水下机器人组装计划)(一二问答案接出来和标准答案一样)(问题三四逼近正确答案)(完整论文,代码可直接跑)       

值得注意的是,每天的订单均已95%以上的概率交付,则整周的机器人订单必定均能以85%以上的概率交付,即(24)式已暗含于(23)式。因此保证每天正常交付即可,即可以不考虑(24)式。

5.4.4 问题四求解

将上述条件,带入基于问题二的模型中进行求解,得到结果如下表所示:

表 14 问题四的结果数据

日期

WPCR外部需求数量

WPCR组装数量

A组装数量

B组装数量

C组装数量

生产准备费用

库存费用

周一

39

0

249

333

415

390

32108

周二

35

83

0

0

475

870

30481

周三

39

0

285

379

0

160

2012.5

周四

41

95

0

0

0

520

8969

周五

38

0

0

308

0

500

40508

周六

33

0

231

0

385

180

1578.5

周日

40

77

0

0

0

980

52513

总和

265

255

765

1020

1275

171770

给出其他物件的组装量和剩余量

表 17 小组件的组装数据

A1 组装数量

A2组装数量

A3组装数量

B1 组装数量

B2 组装数量

C1 组装数量

C2 组装数量

C3 组装数量

0

0

0

0

0

3800

950

5700

1710

2280

570

758

1516

0

0

0

0

0

0

0

0

0

0

0

0

0

0

616

1232

0

0

0

1386

1848

462

0

0

3080

770

4620

0

0

0

0

0

0

0

0

1494

1992

498

666

1332

3320

830

4980

4590

6120

1530

2040

4080

10200

2550

15300

表 18 各组件的剩余量

WPCR 剩余数量

A 剩余数量

B 剩余数量

C 剩余数量

A1 剩余数量

A2 剩余数量

A3 剩余数量

B1 剩余数量

B2 剩余数量

C1 剩余数量

C2 剩余数量

C3 剩余数量

0

249

333

415

0

0

0

0

0

3800

950

5700

83

0

0

475

1710

2280

570

758

1516

0

0

0

0

285

379

0

0

0

0

0

0

0

0

0

95

0

0

0

0

0

0

616

1232

0

0

0

0

0

308

0

1386

1848

462

0

0

3080

770

4620

0

231

0

385

0

0

0

0

0

0

0

0

77

0

0

0

1494

1992

498

666

1332

3320

830

4980

255

765

1020

1275

4590

6120

1530

2040

4080

10200

2550

15300

6模型的优缺点

问题一、问题二和问题四都选择了基于Lingo软件的线性规划模型进行求解,所得结果相较于模拟退火等优化算法,有着更为准确的结果,不会出现将局部最优解作为全局最优解作为最终生产计划。但是该算法总时间复杂度来说比模拟退火等算法更为庞大,运算时间成为该模型的一个不可忽略的弊端。

正是由于基于Lingo软件的线性规划模型时间复杂度随着变量的增多而呈指数式增长。所以在解决第三问时,本小组刚开始仍然选择继续沿用问题一和问题二的模型,但是由于问题三的变量个数几乎已经达到了104的数量级,在用该模型时时间复杂度过大,在完成本论文时,已经运行了20余小时,运行过程见下图:

2022华数杯B题论文思路分析+完整代码(水下机器人组装计划)(一二问答案接出来和标准答案一样)(问题三四逼近正确答案)(完整论文,代码可直接跑)

所以,在第三问时选择使用模拟退火算法进行解算,模拟退火算法优点在于时间复杂度小,解算速度快,但是容易陷入局部最优解,所以本文问题三求解出的解存在不是最优解的可能。

问题一标准答案

2022华数杯B题论文思路分析+完整代码(水下机器人组装计划)(一二问答案接出来和标准答案一样)(问题三四逼近正确答案)(完整论文,代码可直接跑)问题二标准答案

2022华数杯B题论文思路分析+完整代码(水下机器人组装计划)(一二问答案接出来和标准答案一样)(问题三四逼近正确答案)(完整论文,代码可直接跑)问题三标准答案 

2022华数杯B题论文思路分析+完整代码(水下机器人组装计划)(一二问答案接出来和标准答案一样)(问题三四逼近正确答案)(完整论文,代码可直接跑)

 问题四标准答案

2022华数杯B题论文思路分析+完整代码(水下机器人组装计划)(一二问答案接出来和标准答案一样)(问题三四逼近正确答案)(完整论文,代码可直接跑)文章来源地址https://www.toymoban.com/news/detail-457010.html

到了这里,关于2022华数杯B题论文思路分析+完整代码(水下机器人组装计划)(一二问答案接出来和标准答案一样)(问题三四逼近正确答案)(完整论文,代码可直接跑)的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 2023 华数杯(C题)解析+代码思路文章全解!特征分析规划数学建模

    母亲是婴儿生命中最重要的人之一,她不仅为婴儿提供营养物质和身体保护,还为婴儿提供情感支持和安全感。研究显示,母亲的心理状态会对婴儿的发展产生重要影响。本研究目标是利用这些数据,建立婴儿睡眠质量与母亲身心指标之间的关联模型。我们收集了母亲的人口统计学

    2024年02月14日
    浏览(38)
  • 2023华数杯数学建模c题b题a题思路模型代码分析

    目录 2023华数杯最新 赛题思路(赛题出来以后第一时间在,发布请看文末名片) 下面给大家分析以前的题目 最新思路发布见此文末名片 1 描述 某大学数学系人力资源安排问题是一个整数规划的最优化问题,通过具体分析数学系现有的技术力量和各方面的约束条件,在问题一

    2024年02月14日
    浏览(60)
  • 2023华数杯数学建模思路A题B题C题模型代码分析

    目录 一.2023华数杯数学建模最新思路:比赛开始后第一时间更新 更新查看文末名片 二.往年华数杯赛题简介分析: 2022华数杯A题思路:  A题是一个典型的优化类问题,需要我们解决芯片中的振荡器设计结构问题,首先我们根据题中所给的指标来给出约束条件,本题中需要考虑

    2024年02月14日
    浏览(55)
  • 【2023 华数杯全国大学生数学建模竞赛】 A题 隔热材料的结构优化控制研究 问题分析及完整论文

    A 题 隔热材料的结构优化控制研究 新型隔热材料 A 具有优良的隔热特性,在航天、军工、石化、建筑、交通等高科技领域中有着广泛的应用。 目前,由单根隔热材料 A 纤维编织成的织物,其热导率可以直接测出;但是单根隔热材料 A 纤维的热导率(本题实验环境下可假定其

    2024年02月13日
    浏览(39)
  • 2023年第四届华数杯数学建模A题B题C题D题思路代码分析

    (赛题出来以后第一时间在CSDN分享) https://blog.csdn.net/dc_sinor 为了培养学生的创新意识及运用数学方法和计算机技术解决实际问题的能力,天津市未来与预测科学研究会、中国未来研究会大数据与数学模型专业委员会(协办)决定举办华数杯全国大学生数学建模竞赛。竞赛的

    2024年02月14日
    浏览(42)
  • 2023华数杯数学建模C题母亲对婴儿影响论文完整讲解

    大家好呀,从昨天发布赛题一直到现在,总算完成了华数杯数学建模C题完整的成品论文。 本论文可以保证原创,保证高质量。绝不是随便引用一大堆模型和代码复制粘贴进来完全没有应用糊弄人的垃圾半成品论文。 C题论文共72页,一些修改说明7页,正文54页,附录11页。 这

    2024年02月14日
    浏览(37)
  • 水下机器人双机械手系统动态建模与控制仿真(Matlab代码实现)

    ​       目录 💥1 概述 📚2 运行结果 🎉3 参考文献 👨‍💻4 Matlab代码 水下机器人-机械手系统(Underwater vehicle-manipulator systems, UVMS)可以完成除观测之外的水下采样、抓取、操作等任务,在海洋科学考察、海洋工程等领域得到广泛应用。通过对近年来国内外UVMS的研究现状

    2024年02月08日
    浏览(53)
  • 2023华数杯全国大学生数学建模竞赛思路模型代码

    目录 1.华数杯数学建模大赛简介 2.大赛思路模型代码见文末        比赛时间:2023.8.3———2023.8.6         比赛性质: 国家级,暑假期间含金量和比赛规模都不错的数学建模比赛,目前举办到第四届,规模一年比一年大,参与人数越来越多,认可度越来越高,赛题类型和赛

    2024年02月14日
    浏览(58)
  • 2023华数杯数学建模C题思路代码 母亲身心健康影响

    母亲是婴儿生命中最重要的人之一,她不仅为婴儿提供营养物质和身体保护, 还为婴儿提供情感支持和安全感。母亲心理健康状态的不良状况,如抑郁、焦虑、 压力等,可能会对婴儿的认知、情感、社会行为等方面产生负面影响。压力过大的母亲可能会对婴儿的生理和心理

    2024年02月14日
    浏览(39)
  • 2023华数杯数学建模A题思路分析 - 隔热材料的结构优化控制研究

    A 题 隔热材料的结构优化控制研究 新型隔热材料 A 具有优良的隔热特性,在航天、军工、石化、建筑、交通等 高科技领域中有着广泛的应用。 目前,由单根隔热材料 A 纤维编织成的织物,其热导率可以直接测出;但是 单根隔热材料 A 纤维的热导率 (本题实验环境下可假定其

    2024年02月14日
    浏览(55)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包