货运公司收益问题优秀论文.docVIP

承 诺 书 我们仔细阅读了中国大学生数学建模竞赛的竞赛规则. 我们完全明白，在竞赛开始后参赛队员不能以任何方式（包括电话、电子邮件、网上咨询等）与队外的任何人（包括指导教师）研究、讨论与赛题有关的问题。 我们知道，抄袭别人的成果是违反竞赛规则的, 如果引用别人的成果或其他公开的资料（包括网上查到的资料），必须按照规定的参考文献的表述方式在正文引用处和参考文献中明确列出。 我们郑重承诺，严格遵守竞赛规则，以保证竞赛的公正、公平性。如有违反竞赛规则的行为，我们将受到严肃处理。 我们参赛选择的题号是（从A/B/C中选择一项填写）： C 我们的参赛报名号为（如果赛区设置报名号的话）： 所属学院（请填写完整的全名）： 计算机科学与技术学院 参赛队员 (打印并签名) ：1. 2. 3. 日期： 2011 年 8 月 9 日 评阅编号(教师评阅时填写)： 货运公司收益问题 摘要 国家经济发展的同时也带动了物流事业的发展。货运公司依托该市所具有的物流，人流，信息的中心地位，和一批在全省有一定影响的专业市场及大型工业企业。在运营过程中，要考虑到公司的收益问题，同时也要对货物申请量进行预测。我们在研究和分析题目的实际情况时，对公司如何批复才能使收益最大和货物申请量预测这两个问题建立了整数规划模型和GM（1,1）模型、BP神经网络模型。 问题一：此问题要求在已知客户各类货物申请量的条件下，为使货运公司收益最大，求出运输公司的批复量。我们忽略了其他方面的影响，只考虑怎样批复才能使公司收益最大。因此将公司收益最大作为目标函数，车辆的载重、体积等限制作为约束条件建立了整数线性规划模型，用LINGO软件求得最优解为：E类货物6460kg，F类货物5000kg，G类货物4000kg，H类货物0kg，即公司对E、F、G、H类货物的批复量分别为6460kg，5000kg，4000kg，0kg。 问题二：此问题要求根据客户前一个月的申请量来预测后面七天的申请量。由于题目中所给的数据有限，而且数据具有一定的随机性和波动性，基于这些因素的考虑，我们建立了GM（1,1）模型，利用灰色系统理论把离散的随机数据经过生成，变为随机性显著减弱的较有规律的生成数，建立白化形式的微分方程，以E类货物的申请量为例分析，代入数据计算得到预测结果如下（以E类为例）： 七月份 1 2 3 4 5 6 7 预测值（kg） 1922 1909 1896 1883 1871 1858 1845 GM（1,1）模型能够很好的预测变化趋势，但是对于发散的、波动较大的数据，运用GM（1，1）模型时，往往不能得到很好的结果。为了进一步得到精确的预测结果，我们建立了BP神经网络模型，该模型通过选定输入样本、期望输出样本，建立学习过程，通过大量训练使其拥有了很好的自学过程。完成训练后，运用训练好的模型来做预测。为了得到较高的精度，每次只预测一个数据，（虽然牺牲了效率，但提高了预测结果的精度），对未来7天货物的申请量做出了预测，得到预测结果（以E类为例）： 七月份 1 2 3 4 5 6 7 预测值（kg） 1897 2704 1754 2951 1067 4020 1343 通过对两个模型的分析、比较，选定BP神经网络模型求解出的结果作为最终的结果。 关键词：整数线性规划 预测 灰色系统 BP神经网络 一、问题重述 1.1问题背景 某市通畅物流货运中心专业物流公司 1.2涉及材料背景 该公司拥有3辆卡车，每辆载重量均为8000kg，可载体积为9.084m3，是一个集业务受理、仓储、运输为一体的专业运输企业，运输区域遍及全国各地。该公司为客户托运货物主要有四类：E类、F类 、G类、H类，公司有技术实现四类货物任意混装。从甲地到乙地平均每类货物每公斤（kg）所占体积和相应托运单价如下表： 各类货物每公斤所占体积及托运单价 类别 E类 F类 G类 H类 体积（m3/kg）