数学建模——存贮模型

这篇具有很好参考价值的文章主要介绍了数学建模——存贮模型。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。

 工厂定期订购原料,加工零件,商店批量采购,水库雨季蓄水,其中的贮存量问题都涉及到存贮模型。该模型分为两种:不允许缺货、允许缺货。

不允许缺货模型

该模型适用于一旦缺货就会造成巨大损失的情况

经典问题分析

某厂生产部件,进行轮换生产,每次生产部件需要生产准备费(与生产数量无关),部件量大于需求量时需要付贮存费。要求生产能力远大于需求,不允许出现缺货。试安排生产计划,多少天生产一次,每次产量多少,使每天平均消费最少。

基本常识可得:生产周期越短,产量越少会使生产准备费越高,贮存费越小。

故构建存贮模型⬇️

模型假设

为了处理的方便,考虑连续模型,即设生产周期 和产量 均为连续量:

1. 产品每天的需求量为常数r

2.每次生产准备费为c1,每天每件产品贮存费为c2

3. 生产能力为无限大(相对于需求量),当贮存量降到零时,Q 件产品立即生产(不允许缺货)

产品需求量 r
生产准备费 c1
每件产品贮存费 c2

生产周期

T
单次生产量 Q

模型建立

将贮存量表示为时间t的函数q(t),t=0时进行第一次生产,q(t)以r速率递减.建立坐标轴画出q(t)

数学建模——存贮模型

不允许缺货模型的贮存量q(t) 

显然 Q=rT

一个周期内的贮存费用为:   

即图中三角形A的面积乘c2

得一个周期的总费用:


数学建模——存贮模型

每天平均费用:

数学建模——存贮模型

 C(T)即为优化模型的目标函数 min C(T)

模型求解 

由基本不等式 ,容易得到时,C(T)取最小值

带入可得:

 根据题目所给数据带入,即可求得最优解(最低的每日消费),和此时对应的生产周期T和单词生产量Q.

‘’此处不考虑生产单件产品的成本费用,因为这对于最优结果的Q和T,对于下面的允许缺货模型也是一样‘’

允许缺货的贮存模型

允许短时间缺货,会造成一定损失但损失费可以衡量

模型假设

前两条与不允许缺货模型假设相同,第三点改为:

允许缺货,每天每件产品缺货损失费为c3,缺货数量在下一次生产时补足

产品需求量 r
生产准备费 c1
每件产品贮存费 c2

生产周期

T
周期初始贮存量 Q
单日产品缺货损失费 c3
单次生产量 R

数学建模——存贮模型 

 同理建立q-t坐标图

容易得到Q=rT1

三角形A的面积代表贮存费用

三角形B的面积代表缺货的损失费用

故一个周期的总费用

数学建模——存贮模型 ​​​​​​​

每天平均费用C(T,Q),是一个二元函数:

数学建模——存贮模型 

用微分法求T,Q,使目标函数C(T,Q)最小 ,即令其对T,Q,偏导数都等于0

解得:

数学建模——存贮模型

数学建模——存贮模型

 再根据R=rT

数学建模——存贮模型

数学建模——存贮模型,对比不允许缺货模型,易得:

​​​​​​​

 此时若c3趋于无穷则lambda趋于1,则成为了不允许缺货模型文章来源地址https://www.toymoban.com/news/detail-458547.html

到了这里,关于数学建模——存贮模型的文章就介绍完了。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

  • 数学建模常用模型——回归

            今天我们来介绍一下回归。回归在百度百科里面的定义是:回归是一种数学模型,研究一组随机变量(Y1 ,Y2 ,…,Yi)和另一组(X1,X2,…,Xk)变量之间关系的统计分析方法,又称多重回归分析。通常Y1,Y2,…,Yi是因变量,X1、X2,…,Xk是自变量。回归主要的种类有

    2024年02月16日
    浏览(39)
  • 数学建模 —— 评价模型

    对于评价类模型,最好还是使用 Topsis法,主成分分析主观因素太大,灰色关联分析因为这个灰色理论近几年才在国内出现,使用范围较小,可能评委老师了解不多。模糊综合评价的话也可以使用,但是能用 Topsis法最好还用 Topsis法。 评价类模型主要研究的是多个指标中各个指

    2024年02月07日
    浏览(75)
  • 数学建模:灰色预测模型

    🔆 文章首发于我的个人博客:欢迎大佬们来逛逛 三个基本方法: 累加数列 :计算一阶累加生成数列 x ( 1 ) ( k ) = ∑ i = 1 k x ( 0 ) ( i ) , k = 1 , 2 , ⋯   , n , x^{(1)}(k)=sum_{i=1}^kx^{(0)}(i),k=1,2,cdots,n, x ( 1 ) ( k ) = i = 1 ∑ k ​ x ( 0 ) ( i ) , k = 1 , 2 , ⋯ , n , 累减数列 :计算一阶累减生

    2024年02月09日
    浏览(40)
  • 数学建模常用模型

    作为数学建模的编程手还掌握一些 各类模型常用算法,数学建模评价类模型、分类模型、预测类模型比较常用的方法总结如下: 接下来对这些比较典型的模型进行详细进行介绍说明。 一、评价模型 在数学建模中,评价模型是比较基础的模型之一,通常根据问题的特点和需求

    2024年02月03日
    浏览(42)
  • 【数学建模】 灰色预测模型

    https://www.cnblogs.com/somedayLi/p/9542835.html https://blog.csdn.net/qq_39798423/article/details/89283000?ops_request_misc=request_id=biz_id=102utm_term=%E7%81%B0%E8%89%B2%E9%A2%84%E6%B5%8B%E6%A8%A1%E5%9E%8Butm_medium=distribute.pc_search_result.none-task-blog-2 all sobaiduweb~default-2-89283000.142 v88 control_2,239 v2 insert_chatgptspm=1018.2226.3001.418

    2024年02月12日
    浏览(52)
  • 遗传算法模型--数学建模

    遗传算法是一种模仿自然选择和遗传机制的优化算法,主要用于求解最优化问题。它模拟了生物进化过程中的遗传、交叉和变异过程,通过不断地进化优秀的个体,逐渐搜索到全局最优解。 在开始之前,我们先来了解下遗传算法中的几个概念。 在遗传算法中,我们首先需要

    2024年02月16日
    浏览(40)
  • 数学建模—分类模型

    本题按水果分类的例子         思路:逻辑回归原始现象 设置虚拟变量y  进行回归,估计出来的y-hat于虚拟变量中哪个更接近则分类为那个。   Eg:设1苹果,2橙子 若y与1接近为苹果,与0近为橙子 数据预处理生成虚拟变量 自变量mass重量,width水果宽度,height水果高度,c

    2024年02月14日
    浏览(42)
  • 【数学建模】--聚类模型

    聚类模型的定义: “物以类聚,人以群分”,所谓的聚类,就是将样本划分为由类似的对象组成的多个类的过程。聚类后,我们可以更加准确的在每个类中单独使用统计模型进行估计,分析或预测;也可以探究不同类之间的相关性和主要差异。 聚类和分类的区别:分类是已

    2024年02月13日
    浏览(38)
  • 数学建模:人口增长模型

    模型目标 : 通过给定的一组人口增长数据,预测后续的人口增长情况. 假设增长率不变: 若已知人口年增长率为r,今年人口为 x 0 x_0 x 0 ​ ,预测k年后的人口可以用简单的公式得到: x k = x 0 ( 1 + r ) k x_k = x_0(1+r)^k x k ​ = x 0 ​ ( 1 + r ) k *以美国人口为例,数据点取下表: 用matlab输入好

    2023年04月27日
    浏览(71)
  • 数学建模常见模型汇总

    线性规划、半定规划、几何规划、 非线性规划、整数规划、多目标规划(分层序列法) 、动态规划、存贮论、代理模型、响应面分析法、列生成算法 微分方程、小波分析、回归分析、 灰色预测 、马尔可夫预测、 时间序列分析 (AR MAMA.RMA ARTMA LSTM神经网络)、混沌模型时间序列预

    2024年02月14日
    浏览(38)

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