[数学建模竞赛系列名师讲座讲稿]2011-4-29.pptVIP

P = R(t) – C(t)=(p0-rt)(w0+gt)-(c0+kt) =(p0w0-c0)+(p0g-w0r-k)t-grt2 最大值点 最优净收益 由于售猪时间与增重量的关系为 t = (7.5g–13.1)/(0.12 g)。 故可以算出在 g = 2 附近，t 关于 g 的灵敏度为 它表明，生猪的日增重量每增加 1%，将导致售猪时间要延长6.89%。 参数值的变化对于售猪的最优时间的影响是很灵敏的。 如果要得到准确的生猪最优的出售时间， 需要求更加准确地估计参数 r 和 g 的数值。 2. 参数 r, g 的变化对净收益 P 的影响 固定生猪日增重量 g = 2 kg， 价格变化 r 在对售猪得到的净收益的影响。有 P(t,r) = (7.5 – r t) (100 + 2 t) - (500 + 7.1 t) = 250 + (7.9–100 r) t– 2 r t2 由于随着r 的不同最优售猪的时间会发生变化 模型为t = (7.9 -100 r)/(4 r)。 随着 r 的变化，在最优售猪时间出售生猪时得到的净收益为P 关于 r 的灵敏度为 当模型的参数 r 和 g 在我们设定的数值附近变化时， 尽管生猪出售的最优时间会有很大的变化， 但所得到的净收益的变化是不大的。 这两个参数每改变1% 的大小， 仅使得净收益有 0.275%和 0.432% 的变化。 绝对的数值为 257.32元×0.275% = 0.77元 和 257.32元×0.432% = 1.11元的变化。 在前面关于关于生猪生长和销售情况线性变化的假设下 尽管对参数所作的估计虽然不是完全准确的，但是是可靠的。 关于猪的重量增加和价格降低是线性函数的假设不总是成立的。 但是我们确信，如果没有什么意外，在短时间内 它们的变化率 w’ 和 p’ 的变化就不会太大。 短时间内模型关于线性函数的假设是近似成立的。 这时如果参数发生较大的变化，例如g或r有5%的改变 令 g = (1.9，2，2.1) ， r = (0.057, 0.06, 0.063) 将他们配成不同的组合代入模型中，并且使用计算机绘出净收益随时间变化的图像， (2,0.06) (2.1,0.057) (2,0.057) (2.1,0.06) (2,0.06) (2，0.063) (1.9, 006) (1.9, 0.063) 可以看出， 当猪的增重量g＜2，售价的减少量r＞0.06时 生猪的最优出售时间均处于8天之前， 其最优的净收益值均低于参数组（2，0.06）时的净收益257.52元。 但是差别很小，不超过2元。 如果在这段时间内内 w’ 和 p’ 不能近似为定常的数值， 可以直接使用净收益值 P(t) = w(t) p(t) – (k0 + k t) 每天的改变量来判断生猪出售的时间。 我们分别用△P，△w 和 △p表示净收益，生猪重量和出售的价格的日改变量， 则近似地有如下的关系： △P = P(t+1) – P(t) = △w×p(t)+w(t)×△p - k - △w×△p ≈ △w×p(t) + w(t)×△p﹣k 式中第一项代表由于生猪增重而增加的收益。 第二项代表因价格下降而受到的经济损失。 这个模型告诉我们， 只要预测下一天售猪所增加的收益大于饲养的费用，就应暂不卖出，继续饲养。 建议这位农民可以放心地继续饲养一周。 在这期间是不会错过最佳售猪的时间的。 在这一周的后期每天要观察生猪增重和出售价格的情况，判断是否需要出售。 在周末净收益的动态仍旧看好， 可以依据所得到的数据重新估计w0, w’, p0和 p’，再用模型继续分析计算。 建模问题与数学问题的处理 问题的叙述：原始、粗糙、不规范。 问题的假设：问题的研究手段。 问题的分析：推理正确，符合实际情况 问题的标准：与实际情况差异不大或结论可信。 问题的答案：不确定、不封闭。 数 学 模 型 通过抽象和化简， 使用数学语言， 对实际问题的一个近似描述， 以便于人们更深刻地认识所研究的对象。 。例1：牛顿定律 假设： 1.物体为质点，忽略物体的大小和形状。 2.没有阻力、摩擦力及其他外力。 令x(t)表示在t时刻物体的位置, 则 例2：哥尼斯堡七桥问题 1736 Konigsberg Pregel Euler 数学模型 数学模型是架于数学与实际问题之间的桥梁 在数学发展的进程中无时无刻不留下数学模型的印记。 数学模型的特征 1. 实践性：有实际背景，有针对性。接受实践的检验。 2. 应用性：注意实际问