优化所得税的缴费点的选址.docx

优化所得税的缴费点的选址 摘要本文主要内容是对所得税缴费点进行合理化选址，同时提出合理缴费点的标准。最后分析居民距离缴费点的路径和缴费点周围的居民人口数对缴费点选址的影响，并且进行模型的优缺点分析。本文设计一个算法程序以建立一个图，并求其最短路径。其具体要求如下：以邻接矩阵的形式确定一个图，给出某一确定顶点到其他定点的最短路径。为了求出某一确定顶点到其他所有顶点所有最短路径，我们采用了Floyd算法思想,按路径长度递增的次序产生最短路径。 通过上述数据大量分析和修改计算，本文从缴费点周围的居民人口数和居民距离缴费点的路径等方面，重点分析各种方案的预测数据，得出一切重要应用和有社会意义的结论。如果按照最优化方案选出缴费点位置，选用2,4,7,12位置为缴费点，得出最短路径10850（百米*千人）。按照增加一个缴费点的方案，则增加5位置为缴费点，得出最短路径为10720（百米*千人）。通过本次设计最终达到能够在实际生活中应用为目的。关键词： 数据结构 图 floyd算法 最短路径一．问题提出问题背景在许多国家，所得税在财政收入中占较大比重，对经济也有大影响。因此缴费点的选址问题十分关键，着力改善纳税环境以更好的服务于纳税人，提高税收效率和工作质量。需要解决的问题根据本题的要求，我们必须找出合理化的选址标准，根据提出的标准计算出最优化的选址方案，在解决以上问题之后，考虑迁移一个缴费点的最优解和增加一个缴费点的 最合理方案，对各个数据进行定量分析，得出明确有说服力的结论。并且根据建模分析的结果，向有关部门提交一份报告，提出相关建议。二．问题的假设假设同一个居民点的居民到缴费点的距离相同假设不考虑缴费点周围的人口密度。假设缴费点每天都可以交费。假设每条通往缴费点的路都畅通无阻。假设缴费点的周围的人口过多不影响缴费点处的工作效率和工作质量。 三．符号的约定令G-(V,E)表示无向图Vertices表示顶点集E为边集 Edge[maxv][maxv]表示有权的邻接矩阵Dist[maxv][maxv]表示每对顶点最短距离NumE表示边数NumV表示顶点数Sgeshu表示最小值个数Szuixiaozhi表示四点最短路程四．问题的模型建立与求解 根据题意，我们给出合理的选址标准是：所有居民能够与附近最近的纳税点之间总距离最小，即最短路径。路程应为改点的人数乘以该点到纳税点的最短距离。如①到②距离应为： （居民数50 ）*（距离20）=1000(千人*百米) 本问题主要转化为最短路径问题，把问题通过编程来解决。因此可考虑使用Floyd算法作为主要的解决方法，最短且最优。 数据处理因为所给图为无向带权图，所以要根据图论或数据结构制成邻接矩阵，来储存数据。所得图如下： 具体分析由于题中所给的问题具有统一特征，所以我们根据弗洛伊的算法之建立了一个数据程序模型，只是在这个程序模型中条件被要求不同，综上我们将之列出相关程序。用于本为题中的主要程序为： void Graph::floyd(int n)//为修改后的运算算法。{ for(int i=0;in;i++) { for(int j=0;jn;j++) { dist[i][j]=Edge[i][j]; } } for(int k=0;kn;k++) { for(int m=0;mn;m++) { for(int l=0;ln;l++) { if(dist[m][k]+dist[k][l]dist[m][l]){dist[m][l]=dist[m][k]+dist[k][l]; } } } }//弗洛伊德算法根据此函数得出如下表格：原始最优缴费点2,6,13,152,4,7,12路程（百米*千人）1399810850所以分析得出最优选址缴费点为：2,4,7,12.最优路径为10850（百米*千人）最终得出：原方设计案不合理。首先介绍下弗洛伊的算法：弗洛伊的算法是用来求有向带权图的最短路径的算法，首先设置一个n*n的方阵dist[n][n].元素 dist[n][n]为edge[i][j]的值，表示从顶点vi到顶点vj的初始长度，该路径不一定是最短路径，尚需进行n次实验。0 20 18 18 15 20 0 26 28 28 30 30 18 26 0 20 20 26 18 20 0 18 18 50 18 15 28 18 0 38 32 18 0 36 50 38 0 34 32 0 36 30 36 0 28 0 30 30 30 0 26 32 30 20 26 0 28 32 28 0 32 26 32 0 34 34 0 24 36 18 24 0 30 36 30 0 32 36 34 32 0 ∞ ∞