报童的最佳定货策略.docVIP

2004-2005第二学期 数学模型课程设计 2005年月日月 报童的最佳定货策略 摘要: 本论文讨论的是报童卖报的问题,报童卖报问题实际上就是通过分析,找出几种可能的方案,通过求解,找出一个最优的方案来订报,使得报童赢利取得最大期望值或报童损失的最小期望值的临界值，也就是使报童获得的利益最大,本文首先建立了最大期望值和最小期望值的模型，然后分别用连续的方法和离散的方法求解，最后得出结论，尽管报童赢利最大期望值和报童损失最小期望值是不相同的，但确定最佳订购量的条件是相同的。并将模型进行推广。我们利用的是函数的应用, 函数在现实生活中的应用函数是高中数学中十分重要的一个分支，而它在现实生活中也有着非常大的实际意义。它在国民经济、物理、化学及其诸多方面都有广泛的应用。 函数在方面的应用比如人们长说的薄利多销并不一定获利最多，往往依据市场变化规律，建立恰当的函数关系式，通过研究函数的最值问题来确定获利情况。i=1,2,……m） ai——第i种报纸的零售价格；（ i=1,2,m） bi——第i种报纸的购进价格； ci——第i种报纸的退回价格； ——第i种报纸的需求量； pi（r）——第i种报纸销售量为r的密度函数； Fi（r）——第i种报纸销售量为r的分布函数； Gi（r）——第i种报纸赢利的数学期望； gi（r）——第i种报纸销售量为r时的利润； ni——第i种报纸的购进数量； G(m)---- m种报纸赢利的数学期望； 因此问题就归结为上面的符号已知时，求第i种报纸的购进量使 G（m）最大。 五 模型的建立与求解 先来看只有一种报纸的情况：我们有总的收益是： 其中，g(r)是r个人购买报纸时的收益，f(r)是每天有r个人购买这种报纸的概率，n为需求量： 为了使G(n)达到极大值，有： （1）离散的情况下， ，可以解得。 （2）连续的情况下，对以上公式求导，令,得到 （1） 可得出卖一种报纸时能达到最大收益的条件： 其中，a为零售价，b为购进价，c为退还价，为需求量的概率密度函数。这样，便可求出报童的购进量n。由（1）式可知，购进的份数n应该是卖不完与卖完的概率之比，恰好等于卖出一份赚的钱a-b与退回一份赔的钱b-c之比。显然，当报童与报社签订的合同使报童每份赚钱与赔钱之比越答时，报童购进的份数就越多。 购入多种报纸，资金无限制的情况 当报纸有m种时，在没有其他约束条件的情况下，我们可以把这几种报纸看成是独立的：计算出第i种报纸的购进量ni，使的Max即可。 购入多种报纸，资金有限制的情况 当投放的资金量不能超过S时，就的考虑报纸的分险情况，使得报童所受到的分险尽量的小，就需要考虑这几种报纸之间的关系： 在的条件下，考虑不同报纸的利益风险不同，利用利润方差来表示风险程度： 则满足最大且最小的的分配方案，使得G（m）最大，就是最优方案。即就是使分险最小。 则MaxG（m）=； 求解： 资金无限制时，各种报纸的情况与上面的一种报纸的情况是一样的, 我们所取的数据如下(m=3)，i=1,2,3，假设概率分布为连续的 ai 0.5 1 0.8 bi 0.3 0.75 0.6 ci 0.2 0.6 0.5 pi(r) N(100,25) N(50,10) N(40,5) 则利用数学软件可以求得。 资金有限时， 转化为最优化问题，最大且最小，也就是达到最大值，其他条件与分开考虑各种报纸的情况相同。为了把连续的正态分布函数离散化以便计算，我们利用数值方法建立了三个随机的正态分布的近似函数Fi(r)，由Fi(200)约为0，我们用200代替。而可以建立整数规划模型如下： 目标函数： 限制条件： 利用Lingo软件编程实现上述模型，代入测试数据如下：(程序见下面) Lingo程序 model: sets: paper/1..3/:a, b, c, dab, dbc, n, Gp, v; buyer/1..200/; freq(paper, buyer):F; prof(paper, buyer):g; endsets a1=1.07691*(10^-11); c1=0.000485641; a2=3.73872*10^-11; c2=0 a3=1.53267*10^-10; c3=0.0124477; !Init the values; @for (paper(i): dab(i)=a(i)-b(i); dbc(i)=b(i)-c(i); @gin(n(i)); ); @for (buyer(i): F(1, i)=a1/4*i^4-100*a1*i^3+10000*a1*i^2+c1; F(2, i)=a2/4*i^4-50*a2*i^3+7500*a2*i^2+c2; F