校车安排.docVIP

校车安排模型 摘要 本文研究了如何合理安排车辆并让教师和工作人员满意的问题。 在问题一中，我们利用算法求出了最短路距离矩阵，在此基础上，我们以各区域到最近乘车点的距离和最小为目标函数对50个区域进行遍历分析，建立模型一，找出n个最优乘车点。并利用模型求出了如果设立2个乘车点则区号为18区和31区，其最短总距离为24492米。如果设立3个乘车个点则分别为15区、21区和31区，其最短总距离为19660米。 在问题二中，为了表示满意度随距离的增大而减小的关系，我们建立满意度函数，并对各区人数进行了归一化处理，然后以所有区域人员满意度最大为目标函数建立模型二。并依据模型求出当建立2个乘车点时最优解为19点和32点，总满意度为0.78。当建立3个乘车点时的最优解为第15，21，32点，满意度为0.83。 在处理问题三时，我们利用总满意度最大模型和最少车辆的双目标函数，求得满意度最大的情况下的3个乘车点车辆使用情况；然后与“全区极限最少车辆数53.23”进行比较，发现和模型结果一致，于是确定车辆最少需要54辆，并且15，21，32三个乘车点各需17，19，18辆车。 最后，我们结合模型对校车的安排问题提供了建议。 一 问题提出 许多学校都建有新校区，常常需要将老校区的教师和工作人员用校车送到新校区。由于每天到新校区的教师和工作人员很多，往往需要安排许多车辆。有效的安排车辆并让教师和工作人员尽量满意是个十分重要的问题。 假设老校区的教室和工作人员分布在50个区。 问题一：建立个乘车点，使各区人员到乘车点的距离最小，建立模型，并分别建立两个和三个乘车点的校车安排方案。 问题二：考虑每个区的乘车人数，使工作人员和教室的满意度最大，建立模型，并分别建立两个和三个乘车点的校车安排方案。(假定车只在起始点载人) 问题三：在教师和工作人员尽量满意的前提下，在50个区内找出最优的三个乘车点的位置，并根据各个乘车点的人数，（车辆最多载客47人）确定车辆个数。 最后，跟据以上所得出的结论，在提高乘车人员的满意度，又可节省运行成本的前提下，对如何改进校车的安排方案提出意见。 二 模型分析 第一问要求建立个乘车点，使各区人员到最近乘车点的距离最小。首先结合表一，利用算法求得任意两点之间最短距离；其次在50个区域中任意选取n个区域作为乘车点，，找出每个区域所对应的最近乘车点，最后以50个区域到各自最近乘车点的最短距离和的最小值为目标函数建立模型一。并对设立2个和3个乘车点时的校车安排问题进行求解。 [编辑本段]定义 　　Floyd算法又称为弗洛伊德算法，插点法，是一种用于寻找给定的加权图中顶点间最短路径的算法。 [编辑本段]核心思路 　　通过一个图的权值矩阵求出它的每两点间的最短路径矩阵。 　　从图的带权邻接矩阵A=[a(i,j)] n×n开始，递归地进行n次更新，即由矩阵D(0)=A，按一个公式，构造出矩阵D(1)；又用同样地公式由D(1)构造出D(2)；……；最后又用同样的公式由D(n-1)构造出矩阵D(n)。矩阵D(n)的i行j列元素便是i号顶点到j号顶点的最短路径长度，称D(n)为图的距离矩阵，同时还可引入一个后继节点矩阵path来记录两点间的最短路径。 　　采用的是松弛技术，对在i和j之间的所有其他点进行一次松弛。所以时间复杂度为O(n^3); [编辑本段]算法描述 　　a)　初始化：D[u,v]=A[u,v] 　　b)　For k:=1 to n 　　For i:=1 to n 　　For j:=1 to n 　　If D[i,j]D[i,k]+D[k,j] Then 　　D[i,j]:=D[i,k]+D[k,j]; 　　c)　算法结束：D即为所有点对的最短路径矩阵 [编辑本段]算法过程 　　把图用邻接矩阵G表示出来，如果从Vi到Vj有路可达，则G[i,j]=d，d表示该路的长度；否则G[i,j]=空值。 　　定义一个矩阵D用来记录所插入点的信息，D[i,j]表示从Vi到Vj需要经过的点，初始化D[i,j]=j。 　　把各个顶点插入图中，比较插点后的距离与原来的距离，G[i,j] = min( G[i,j], G[i,k]+G[k,j] )，如果G[i,j]的值变小，则D[i,j]=k。 　　在G中包含有两点之间最短道路的信息，而在D中则包含了最短通路径的信息。 　　比如，要寻找从V5到V1的路径。根据D，假如D(5,1)=3则说明从V5到V1经过V3，路径为{V5,V3,V1}，如果D(5,3)=3，说明V5与V3直接相连，如果D(3,1)=1，说明V3与V1直接相连。 [编辑本段]时间复杂度 　　O(n^3) [编辑本段]优缺点分析 　　Floyd算法适用于APSP(All Pairs Shortest Paths)，是一种动态规划算法，稠密图