运筹学1绪论幻灯片.pptVIP

算机应用软件是否适应模型的条件，解的精度及可行性是否能够达到需要。若没有现成可直接应用的计算机软件，则需要以下两步工作： ① 计算手段的拟定。在模型研制的同时，需要研究如何用数值方法求解模 型。其中包括对问题变量性质(确定性、随机性、模糊性)、关系特征(线性，非线性)、手段(模拟，优化)及使用方法(现有的，新构造的)等 的确定； ② 程序明细表的编制。程序设计和调试。对于计算过程需要编制程序来实现计算机运算，运算学研究应包含算法过程的描述，计算流程框图绘制。程序的实现及调试可以交由程序员完成，或会同程序员完成。 (6)数据收集。把有效性试验和实行方案所需的数据收集起来加以分 析，研究输入的灵敏性，从而可以更准确地估计得到的结果。 (7)解的检验（验证）。验证在运筹学的研究与应用中的重要性无论怎样强调都不会过分。验证包括两个方面：第一是确定验证模型，包括为验证一致性、灵敏性，似然性和工作能力而设计的分析和实验；第二是验证的进行，即把前一步收集的数据用来对模型作完全试验。这样一种试验的结果，往往使模型必须重新设计，并要求相联系的重编程序。 (8)解方案的实施。有些人认为，在模型验证后任务就完成了，这是不对的。事实上，一项研究的真正困难往往在解方案实施的这最后一步。很多问题常常在这时暴露出来，他们会涉及到研制方案的全过程。因此，必须由参与整个过程的有关人员参与才能解决。（二）运筹学建模的一般思路 运筹学建模在理论上，应是属于数学建模的一个部分。因此，运筹学建模所采用的手段、 途径与一般在数学建模中所采用的类似。下面介绍的是根据运筹学本身的特征来处理建模问题的一般思路。 经过长期、深入的研究和发展，运筹学处理的问题归纳成一系列具有较强背景和规范特征的典型问题。因此，运筹学建模就要把相当的精力放在将实际问题合理地描述为某种典型的运筹模型上。在这个过程中，一般要求运筹学工作者具有以下几个方面的知识和能力： (1)熟悉典型运筹模型的特征和它的应用背景； (2)有分析、理解实际问题的能力，包括广博的知识、搜集信息、资料和数据的能力； (3)有抽象分析问题的能力，包括善于抓主要矛盾，善于逻辑思维、推理、归纳、联想、类比等形成的创新能力； (4)有运用各类工具知识的能力，包括运用数学、计算机、其它自然科学的知识和工程技 术等的能力； (5)有试验校正和维护修正模型等的能力。 根据问题本身的情况，运筹学在解决问题时，按研究对象不同可构造各种不同的模型。模型是研究者对客观现实经过思维抽象后用文字、图表、符号、关系式以及实体描述所认识到的客观对象。模型的有关参数和关系式比较容易改变，这样将有助于问题的分析和研究。利用模型可以对所研究的问题进行 一定预测及灵敏度分析等。 目前运筹学中用得最多的是符号或数学模型。建立、构造模型是一种创造性劳动，成功的模型往往是科学和艺术的结晶，常见的构模方法和思路有以下几种： (1)直接分析方法。当我们对问题的内在关系、特征等比较熟悉时，可以根据对问题内在机理的认识直接构造出模型。运筹学中已有不少现存的模型，如线性规划模型、投入 产出模型、排队模型、存贮模型、决策和对策模型等等。这些模型都有很好的求解方法及求解的软件。有时模型的参数也可直接从问题本身得到。 (2)类比方法。通过对问题的深入分析，结合经验，常常会发现有些模型的结构性质是类同的。这就可以互相类比，通过类比把新遇到的问题用已知类似问题的模型来建立该问题模型。这种情况往往得到的是模型归类， 而模型参数需用其它的方法取得。 (3)模拟方法。利用计算机程序实现对问题的实际运行模拟，可得到有用的数据。这些数据常用来求得模型参数或对所建立模型进行合理性、正确性的检验。 (4)数据分析法。利用数据处理的方法分析各数据变量之间的关系是确 定关系，还是相关关系，以及是何种相关等。这种方法还可以用回归分析找出变量的变化趋势，从 而得到合理的数学模型。大量的模型参数求得也常常使用数据处理的统计方法。另外，回归模型常常就是一个无约束最优化模型。 (5)试验分析法。通过试验分析建模是工程管理中常用的方法。这类方法是以局部的试验产生数据，经过统计处理得到总体的模型或模型归类。试验分析更多地用于产生模型参数。 (6)构想法。当有些问题的机理不清，既缺少 数据，又不能作试验来获得数据时，例如一些社会、经济、军事问题等。这种情况下，人们只能在已有的知识、经验和某些研究的基础上，对于将来可能发生的情况给出逻辑上合理的设想和描述，然后用已有的方法构造模型，并不断修正完善，直至比较满意为止。这种方法基于人们的构想。 （ 三）如何学好运筹学 运筹学是一门基础性的应用学科，主要 研究系统最