单变量最优化.pptVIP

数学建模案例之单变量最优化生猪的最佳销售时间;问题;1.问题分析与假设、符号说明;1.问题分析与假设、符号说明;1.问题分析与假设、符号说明;1.问题分析与假设、符号说明;2.建立数学模型;3.模型求解;3.模型求解;4.灵敏性分析;4.灵敏性分析：;1）考虑s不变,r发生变化时,最佳出售时机关于价格下降速率的灵敏性; ;2）考虑r不变,s发生变化时,最佳出售时机关于生长速率的灵敏性; ;3） 在1）和2）中，我们将灵敏性数据表示成了绝对改变量的形式，但实际中相对改变量或者百分比改变的形式更加使用。; 将r=0.01,t=8代入(4.4)式右端，得 S(t,r)=-7/2 （4.5） 即若r增加2%，则t下降7%。 类似地， 将s=5,t=8代入(4.6)式右端，得 S(t,s)=3.0625 （4.7） 即生猪的生长率增加1%，会导致多等待3%的时间再将生 猪售出。 注： 通常只需要选择那些有较大不确定性的参数进行灵敏性分析， 对灵敏性系数的解释还依赖于参数的不确定程度，这会影响我们对答案 的自信度。 ;5.稳定性与稳健性; 因此，一个更实际的模型应该既考虑这些函数的非线 性性，并且考虑到随着时间推进的不确定性的增加。如 果假设是错的，模型又怎能给出正确的答案呢？虽然数 学模型力求完美，但这是不可能达到的，一个更确切的 说法数学模型力求接近完美。一个好的数学模型有稳健 性，是指虽然它给出的答案并不是完全精确的，但足够 近似从而可以在实际问题中应用。 现在让我们来考虑售猪问题中的线性假设，其基本 方程为： P(t)=p(t)w(t)-0.45t ; 如果模型的初始数据和假设没有与实际相差太远,则 售猪的最佳时间应该由P’(t)=0确定。经过简单计算可得： p’(t)w(t)+ p(t)w’(t)=0.45 （5.1） 其中（5.1）左端是每天利润的增值，右端是每天投 入的资金（饲养费）。模型告数我们，只要利润的增值比 饲养的费用增长快，就应暂不卖出，继续饲养。 此外，利润的增值包含两个方面： （1） p’(t)w(t)代表因价格下降而损失的价值； （2） p(t)w’(t)代表由于猪增重而增加的价值。 更???般的模型(5.1)在应用中会遇到许多实际问题，我 们无法知道p(t),w(t)的具体形式，它们是否有意义。生猪 是否可以在明天凌晨3点出售？猪价是否可以为无理数等等.; 看看一个具体的情况:一个农民有一头重量大约为200 磅的猪，在上一周猪每天增重约5磅。5天前猪价为70美分/ 磅，但现在猪价下降为65美分/磅，他应该怎么办? 显然应该以这些数据(w=200,w’=5,p=0.65,p’=0.01)为 依据确定何时出售，我们建立的模型正是这样做的。我们 知道p’和w’记在未来几周内不会保持常数，因此，p和w也不 会是时间的线性函数。但是，只要p’和w’在这段时间内的变 化不太大，由于假设它们是线性的而导致的误差就不会太 大。 ; 下面我们给灵敏性分析的结果一个更一般化的解释。 由于S(t,s)=3,假设在下几周内猪的实际增长率在每天 4.5到5.5磅之间，即为预期值的10%内，则最佳售猪时间会 在8天的30%之内变化，即5到11天。我们来考察仍在第8天 卖出所导致的收益损失。 收益:P(t)=(0.65-0.Olt)(200+st)-0.45t 最佳出售时间：t*=(65s-245)/2s,计算结果见表3 . 由表3可得，最坏的两种情 况损失均不超过1美元，这说明 在短期内假设它们是线性的而 导致的误差就不会太大。; 在考虑价格。设我们认为今后几周内价格的改变为p’= -0.01,即每天下降1美分时最糟糕的情况。价格很有可能在 今后会下降很慢，甚至达到稳定(p’=0)。现在我们能说的只 是至少要等8天再出售。对较小的p’(接近0),模型暗示我们 等较长的时间再出售。但我们的模型对较长的时间不再有 效。因此，解决这个问题的最好的方法是将猪再饲养一周 的时间，然后重新估计p,p’,w,w’，再用模型重新计算。(完);第一次讨论作业题： 一家有80000订户的地方日报计划提高其订阅价格。现 在的价格为每周1.5美元。据估计如果每周提高订价10美