货运公司申请量的预测及的收益估计模型.docVIP

PAGE PAGE 8 货运公司申请量的预测及的收益估计模型 摘要 本文建立了货运公司经济效益的整数优化模型，解决了货运公司的日收益和后一小段时间申请量预测极其预计收益问题。在预测下一步的申请量数据时采用了两种不同的方法（时间序列的加权平均值平移模型和神经网络预测模型），对下周七天的申请量和收益情况做出的预测。 模型I——整数规划模型： 首先，第一个问题针对每一天的申请量，求解出了最佳批复方案即活鲜类：6460 kg 禽苗类：5000 kg 服装类：4000 kg 其他：0 kg，且得出货运公司的最大获利。 模型 = 2 \* ROMAN II——加权平均值时间序列平移预测模型： 其次，第二个问题考虑到题目所给数据没有确定的规律性，针对相邻数据较大的跳跃性，我们对数据进行间隔分组后，建立了平均值平移预测模型，并用该模型根据已知的数据的前26项数据对第27至30项数据作出预测，并与原给的同期数据进行比较，作了相对误差分析，发现预测数据具有较高的可信度，我们用此模型合理的推测了下周七天的申请量的数据。 模型 = 3 \* ROMAN III——神经网络预测模型： 然后，以申请前的数据作为输入因子，以要预测的申请量数据作为输出因子，建立神经网络预测模型，对后面的数据进行仿真预测如：前30天中的前29天的数据作为测试集的输入矢量，第30天的数据作为测试集的输出矢量。将30天中的后29天的数据作为测试集的输入，第31天的数据作为仿真结果。 模型IV——效益预计整数规划模型： 再由于第三个问题跟第一个问题很相似，我们通过对模型I修改，建立了模型IV，并根据第二题模型 = 2 \* ROMAN II中得出的预测数据，利用该模型IV预计下周七天的收益。 最后我们还对所建模型进行了评估，提出了模型的改进思路，为提高货运公司的收益作了相关因素分析，对货运公司的决策优化有一定帮助。 关键字：整数规划模型 预测模型 时间序列 间隔分组 加权平均值平移预测 神经网络预测 问题重述 1. 问题的提出 某货运公司拥有3辆卡车，每辆载重均为8000kg，可载体积为9.084 ，该公司为客户从甲地托运货物到乙地，收取一定的费用。托运货物可分为四类：A、鲜活类 B、禽苗类 C、服装类 D、其他类，公司有技术实现四类货物任意混装。并且题目中给出了平均每类每kg所占体积和相应的托运单价。 托运手续是客户首先向公司提出托运申请，公司给予批复，客户根据批复量交货给公司托运。申请量与批复量均以公斤为单位，例如客户申请量为1000kg，批复量可以为0~1000kg内的任意整数，若取0则表示拒绝客户的申请。 在以上的条件下，题目中提出三个要解决的问题：（1）在已知条件下，求使得公司获利最大的批复方案；（2）在给出的一个月的申请量的情况下，要求预测以后七天内，每天各类货物申请量的约数。（3）根据题目二的预测结果，估算这七天的收益各位多少。 2 问题的分析 货运公司的收益问题是一个求最大收益的整数规划问题，一个公司是赢利单位当然以最大的收益为主要目标。问题一就是求解最大收益的批复方案，就一个最优解问题，找出目标函数，列出所有的约束条件，就可以解决该问题；问题二是在已知的30天的申请量，来预测下周的各类货物的申请量，看到题目所给数据，并没有规律性，用简单的数学模型很难解决，我们可以建立加权平均值时间序列评议预测模型来解决这个问题。问题三是在问题二的基础上提出的，该问题用整数规划模型就可以很容易解决。 3 符号说明 S ：货运公司每天的收益， ：货运公司对第i类货物的批复量， ：第i类货物平均每千克所占的体积， ：第i类货物的托运单价， ：第i类货物的客户申请量， M1：表示前26天的第一组的申请量数据， M2：表示前26天的第二组的申请量数据， W1：表示第一组申请量数据的权向量， W2：表示第二组申请量数据的权向量。 4、基本假设 1.卡车在两地间的托运成本不变 2.附件一提供的数据真实可靠 3托运单价稳定不变，申请客户不会毁约 4.假设各货物的申请量数据受季节因素的影响不大 5.突发事件（交通事故，经济危机等）对货运公司运营不计 6.卡车最大承载量固定不变，且每辆卡车都能在最大限度内使用 5、模型的建立与求解 5.1 问题一的分析、模型建立与求解 5.1.1 问题一的分析 （1）求公司每天的收益，由于运输的固定成本不变，所以求解出运输的收入可看成是公司收益的反映，问题中求公司最大收益的问题可转化为求最大收入的问题。由题意，每天的申请量y和公司的批复量x应该满足条件x≤y。 （2）货运公司有三辆卡车，每辆卡车的载重量为8000kg，最大载重体积为9.084m。为了使公司收益最大，应当使卡车得到充分利用，同时还应该保证安全，所以还必须不能超载