6 动力系统模型.doc

一个基于马尔可夫链的餐厅顾客人数的长期趋势 摘 要：根据一张美国大学生就餐习惯调查表，建立一个美国大学餐厅顾客人数的长期趋势的预测模型。根据这个模型，在给定初始状态的前提下，可以比较准确的预测出每一个餐厅顾客人数的长期趋势，并发现这个趋势最总会趋于某个极限值。 关键字：离散概率模型；动力系统模型；马尔可夫链；预测模型 问题认识 以美国大学生的就餐习惯调查，来了解美国大学校园各种类型的餐厅的光顾人数的长期趋势。表1统计了美国大学校园三个类型的餐厅的数据。其中数据的含义是 第一行，当前在Grease餐厅就餐的学生中，在下次就餐时会有25%的学生继续在Grease餐厅就餐，25%的学生会选择到Sweet餐厅就餐，另外50%的学生选择比萨饼外卖的就餐方式； 第二行，当前在Sweet餐厅就餐的学生中，在下次就餐时会有30%的学生继续在Sweet餐厅就餐，10%的学生会选择到Grease餐厅就餐，另外60%的学生选择比萨饼外卖的就餐方式； 第三行，，当前在比萨饼外卖就餐的学生中，在下次就餐时会有80%的学生继续在比萨饼外卖就餐，5%的学生会选择到Grease餐厅就餐，另外15%的学生选择Sweet餐厅的就餐方式。 图1是美国大学生就餐的三个状态转移的马尔可夫链。这里我们主要用数学工具中的动力系统方程和马尔可夫链来预测一个美国大学生就餐习惯的长期趋势的预测模型。 表1 美国大学生就餐调查 Grease餐厅 Sweet餐厅 比萨饼外卖 Grease餐厅 0.25 0.25 0.50 Sweet餐厅 0.10 0.30 0.60 比萨饼外卖 0.05 0.15 0.80 图1在三个餐厅就餐问题的三种状态下的马尔客可夫链 符号说明： n表示就餐的时段，n=1，2，3··· ； =第n时段末在Grease餐厅就餐学生的百分比； =第n时段末在Sweet餐厅就餐学生的百分比； =第n时段末在比萨饼外卖就餐学生的百分比； 模型的假设与构造 因为在最初的时候，消费者没有特别的理由来偏爱某家餐厅，假定消费者第一次消费时是等可能的取其中一家餐厅就餐的，即取每家餐厅就餐的概率的初始值为1/3。随后，通过若干的比较，消费者会根据餐厅的服务和食品的质量及价格等各种因素，在三家餐厅重新开始分流。 根据表一的数据和图1所示的马尔可夫链，建立下面的动力系统模型： =0.25+0.25+0.05 =0.25+0.30+0.15 =0.50+0.60+0.80 模型的求解和结果分析 利用MATLAB软件对上述的动力系统方程组进行求解，其代码见文本框1。经求解发现，大约经过11个时间段，系统基本处于稳定状态，大学生就餐的长期习惯已非常明显，其中，大约有7%的学生在Grease餐厅就餐，19%的学生在Sweet餐厅就餐，剩余74%的学生在比萨饼外卖就餐。由表2和图2可看出，这个系统是稳定的，且存在平衡点。结果说明大多数的美国大学生更倾向于选择比萨饼外卖这种就餐方式。 文本框1 MATLAB求解代码 表2三个餐厅就餐问题的迭代解 n Grease餐厅 Sweet餐厅 比萨饼外卖 1 0.33333 0.33333 0.33333 2 0.13333 0.23333 0.63333 3 0.088333 0.19833 0.71333 4 0.077583 0.18858 0.73383 5 0.074946 0.18605 0.73901 6 0.074291 0.1854 0.74031 7 0.074128 0.18524 0.74063 8 0.074088 0.1852 0.74071 9 0.074077 0.18519 0.74073 10 0.074075 0.18519 0.74074 11 0.074074 0.18519 0.74074 12 0.074074 0.18519 0.74074 13 0.074074 0.18519 0.74074 14 0.074074 0.18519 0.74074 图2 餐厅顾客人数的长期趋势 模型评价与推广 这里所建立的美国大学餐厅顾客人数的长期趋势的动力系统模型，可以给餐厅的经营者提供一定的参考。同时，本模型与预测政党投票趋势，商品销售预测，消费者消费行为预测，以及相同生存环境下的多种生物群的数量变化等涉及马尔可夫链的问题，有着相同的数学背景，因此有着广泛的应用价值。 下 一 状 态 当 前 状 态 比萨饼 外卖 Sweet 餐厅 Grease 餐厅 MATLAB代码： p(1)=1/3; q(1)=1/3; r(1)=1/3; for n=1:14 p(n+1)=0.25*p(n)+0.10*q(n)+0.05*r(n); q(n+1)=0