数学建模(一)——DVD在线租赁(05年国赛B题)

2024-03-24 18:40

本文主要是介绍数学建模(一)——DVD在线租赁(05年国赛B题),希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

题目到全国大学生数学建模竞赛网站下载。

在学习阶段的十几年甚至二十多年里,很多时候我们都是在顺向思维地接受知识,但是建模需要我们自己去创造,它要求我们对已学的知识的掌握有很高的灵活度;建模的问题可能很生活化,也可能和物理关联密切,总之它使我们遇到的问题丰富多样,能够提升我们对数学知识的运用能力,使我们真正把数学用起来,而不是一味记忆,认同地积累,积累···

DVD在线租赁是一个很经典的建模题目,主要使用概率知识和整数规划优化模型,题目难度不算太大但很有意思。本博客参考了一份当年获得特等奖(作者是西北工业大学的王颖 高德宏 施恒)的论文(以下直接简称 论文),其中确有很多吸睛亮点使我非常称赞,一眼看出作者们的小脑袋很灵光 ,明白自己和优秀的他们的差距 ,但也当然有一些仔细考察能够发现的瑕疵。

本文只是分析记录自己认为的重点,并不面面俱到,详细求解请参考原论文。


(一)题目梳理

首先把题目梳理清楚,把关键信息提炼出来,做成思维导图,便于分析:

学习建模万不能一上来就看别人的解决方案,这样就又是学习,接受,还是顺向的走完全程,对我们的大脑没有足够的训练,应该自己仔仔细细梳理几遍题目,把条理理顺,然后尽量开动脑子多去想,看自己能想出多少有关的点来,能够想到多深就再也想不下去了,到了自己思考这道题的极限了,可反复思考几遍,感受到山穷水尽已无路,对这道题的难度有个初步评估,再去看别人的论文,你会发现,自己真是挺聪明的,想到的还挺多挺正确,也会发现别人拿特等奖是多么的当之无愧理所应当,你也会感慨这么简单的数学知识自己竟然没有挖掘出来,其实不会灵活运用······这样子,趣味才会浮现出来。

在这里插入图片描述


(二)问题一

表1的5种DVD,应分别准备多少张,以保证想看此DVD的会员中,至少50%在1月内能看到
表1的5种DVD,应分别准备多少张,以保证想看此DVD的会员中,至少95%在3月内能看到

看完题目我们知道,必须对偏爱程度,用户满意度进行具体的量化。

其次,我们需要做出必要的假设以简化问题的分析,我认为论文的这几个假设非常合理和必要。

不要觉得建模里假设不重要,实际上假设很能体现出你对问题的分析深度和考察问题的全面性。你可以自己试着提几条你觉得应该写的假设,有可能写不到这几点。
每条假设对于后面的建模求解是非常重要和必须的。

在这里插入图片描述在这里插入图片描述

(1)Highlight 1

发现 ξ i j \xi_{ij} ξij服从两点分布
从而发现 η j \eta_j ηj服从二项分布
从而计算出每种DVD需求量的期望值 E ( η j ) E(\eta_j) E(ηj)

在这里插入图片描述
在这里插入图片描述

(2)Highlight 2

在下图的假设后进一步考察了这么假设的可靠程度!!!
这是大多数人所考虑不到的!! !

在这里插入图片描述
“要使50%的会员在一月内看到想要的DVD,直接把需求量的期望除以2”这个假设我们都容易想到,我们可能会觉得这个假设有点粗糙,但不知道可以用下面这个计算来求解出这个假设使结论成立的概率,也就是文中所说的可靠程度。
在这里插入图片描述
这个计算很简单很好理解,但 P ( 50 % η j ≤ 1 2 E ( η j ) ) P(50\% \eta_j\leq\frac12E(\eta_j)) P(50%ηj21E(ηj)的列出确实甩掉一拨人。

由于50%的可靠度太低,为了提高可靠度,需要对这个购买量假设(需求量的期望除以2,即 1 2 E ( η j ) \frac12E(\eta_j) 21E(ηj))适当增加,以提高满足结论的可靠程度:
在这里插入图片描述
增加的量是: 在这里插入图片描述
在这里插入图片描述

(3)Highlight 3

利用条件“60%的会员每月租2次,40%的会员每月只租1次”进一步缩减DVD的购买量。
在这里插入图片描述
作者想到去计算每张DVD的重用期望概率,真是很清奇的思路和角度,值得膜拜。

但我觉得这个亮点相比前两个要暗淡一点,因为

  • “一张DVD是第一次被租赁还是第二次被租赁是等可能的”的假设实际上不是很合理,但是题目中无更多信息得到具体概率,算无奈之举。
  • 不能通过一张DVD的重用期望概率是0.3就得到“只需要准备所需量的70%”的结论。假设对某张DVD,买了x张,那么就有0.3x张是可以重用的,也就是 x + 0.3 x = 所 需 量 x+0.3x=所需量 x+0.3x=,所以 x = 所 需 量 1.3 ≈ 0.77 > 70 % x=\frac{所需量}{1.3}\approx0.77>70\% x=1.30.77>70%,当然差距不大,所以也还好。

对于问题1的第二个小问,一般都是稍微变化第一小问就可以得到答案:
在这里插入图片描述


(二)问题二

网站手上现有100种DVD,有1000个会员订单,如何分配可以让会员获得最大的满意度?

问题一只涉及到概率的知识,两点分布,二项分布,标准正态分布的分布函数,期望···

现在问题二就要涉及到优化了。也就是在一定约束下,max或者min某个目标函数的问题

(1)Highlight 1

用了三个矩阵,而不用分量形式,大大简化了模型的表示。

  • 分配矩阵,表述了分配方案
    在这里插入图片描述
  • 偏爱程度矩阵
    在这里插入图片描述
  • 满意度矩阵
    在这里插入图片描述

(2)Highlight 2

把用户满意度进行归一化,即标准化:
在这里插入图片描述
在这里插入图片描述
最终整数规划模型是:
在这里插入图片描述
使用lingo软件求解。


(三)问题三

如果100种DVD现有数量为0,如何采买和分发可以使得1月内95%的会员得到想看的DVD,并且满意度最大?

个人觉得论文对问题三的求解不算好,分两次采买,比较次优吧,先不写,以后看了别的论文的方案再来补充。

这篇关于数学建模(一)——DVD在线租赁(05年国赛B题)的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/842440

相关文章

水位雨量在线监测系统概述及应用介绍

在当今社会,随着科技的飞速发展,各种智能监测系统已成为保障公共安全、促进资源管理和环境保护的重要工具。其中,水位雨量在线监测系统作为自然灾害预警、水资源管理及水利工程运行的关键技术,其重要性不言而喻。 一、水位雨量在线监测系统的基本原理 水位雨量在线监测系统主要由数据采集单元、数据传输网络、数据处理中心及用户终端四大部分构成,形成了一个完整的闭环系统。 数据采集单元:这是系统的“眼睛”,

电力系统中的A类在线监测装置—APView400

随着电力系统的日益复杂和人们对电能质量要求的提高,电能质量在线监测装置在电力系统中得到广泛应用。目前,市场上的在线监测装置主要分为A类和B类两种类型,A类和B类在线监测装置主要区别在于应用场景、技术参数、通讯协议和扩展性。选择时应根据实际需求和应用场景综合考虑,并定期维护和校准。电能质量在线监测装置是用于实时监测电力系统中的电能质量参数的设备。 APView400电能质量A类在线监测装置以其多核

uva 10014 Simple calculations(数学推导)

直接按照题意来推导最后的结果就行了。 开始的时候只做到了第一个推导,第二次没有继续下去。 代码: #include<stdio.h>int main(){int T, n, i;double a, aa, sum, temp, ans;scanf("%d", &T);while(T--){scanf("%d", &n);scanf("%lf", &first);scanf

uva 10025 The ? 1 ? 2 ? ... ? n = k problem(数学)

题意是    ?  1  ?  2  ?  ...  ?  n = k 式子中给k,? 处可以填 + 也可以填 - ,问最小满足条件的n。 e.g k = 12  - 1 + 2 + 3 + 4 + 5 + 6 - 7 = 12 with n = 7。 先给证明,令 S(n) = 1 + 2 + 3 + 4 + 5 + .... + n 暴搜n,搜出当 S(n) >=

uva 11044 Searching for Nessy(小学数学)

题意是给出一个n*m的格子,求出里面有多少个不重合的九宫格。 (rows / 3) * (columns / 3) K.o 代码: #include <stdio.h>int main(){int ncase;scanf("%d", &ncase);while (ncase--){int rows, columns;scanf("%d%d", &rows, &col

【生成模型系列(初级)】嵌入(Embedding)方程——自然语言处理的数学灵魂【通俗理解】

【通俗理解】嵌入(Embedding)方程——自然语言处理的数学灵魂 关键词提炼 #嵌入方程 #自然语言处理 #词向量 #机器学习 #神经网络 #向量空间模型 #Siri #Google翻译 #AlexNet 第一节:嵌入方程的类比与核心概念【尽可能通俗】 嵌入方程可以被看作是自然语言处理中的“翻译机”,它将文本中的单词或短语转换成计算机能够理解的数学形式,即向量。 正如翻译机将一种语言

基于UE5和ROS2的激光雷达+深度RGBD相机小车的仿真指南(五):Blender锥桶建模

前言 本系列教程旨在使用UE5配置一个具备激光雷达+深度摄像机的仿真小车,并使用通过跨平台的方式进行ROS2和UE5仿真的通讯,达到小车自主导航的目的。本教程默认有ROS2导航及其gazebo仿真相关方面基础,Nav2相关的学习教程可以参考本人的其他博客Nav2代价地图实现和原理–Nav2源码解读之CostMap2D(上)-CSDN博客往期教程: 第一期:基于UE5和ROS2的激光雷达+深度RG

JavaFX应用更新检测功能(在线自动更新方案)

JavaFX开发的桌面应用属于C端,一般来说需要版本检测和自动更新功能,这里记录一下一种版本检测和自动更新的方法。 1. 整体方案 JavaFX.应用版本检测、自动更新主要涉及一下步骤: 读取本地应用版本拉取远程版本并比较两个版本如果需要升级,那么拉取更新历史弹出升级控制窗口用户选择升级时,拉取升级包解压,重启应用用户选择忽略时,本地版本标志为忽略版本用户选择取消时,隐藏升级控制窗口 2.

Go Playground 在线编程环境

For all examples in this and the next chapter, we will use Go Playground. Go Playground represents a web service that can run programs written in Go. It can be opened in a web browser using the follow

数学建模笔记—— 非线性规划

数学建模笔记—— 非线性规划 非线性规划1. 模型原理1.1 非线性规划的标准型1.2 非线性规划求解的Matlab函数 2. 典型例题3. matlab代码求解3.1 例1 一个简单示例3.2 例2 选址问题1. 第一问 线性规划2. 第二问 非线性规划 非线性规划 非线性规划是一种求解目标函数或约束条件中有一个或几个非线性函数的最优化问题的方法。运筹学的一个重要分支。2