数学模型

张滦云

目录

  • 1 建立数学模型
    • 1.1 从现实对象到数学模型
    • 1.2 数学建模的重要意义
    • 1.3 建模示例之一  包饺子中的数学
    • 1.4 建模示例之二  路障间距的设计
    • 1.5 建模示例之三  椅子能在不平的地面上放稳吗
    • 1.6 数学建模的基本方法和步骤
    • 1.7 数学模型的特点和分类
    • 1.8 怎样学习数学建模——学习课程和参加竞赛
    • 1.9 更多案例
      • 1.9.1 商人们怎样安全过河
  • 2 初等模型
    • 2.1 光盘的数据容量
    • 2.2 双层玻璃的功效
    • 2.3 实物交换
    • 2.4 汽车刹车距离与道路通行能力
    • 2.5 更多案例
      • 2.5.1 信号灯控制的十字路口的通行能力
      • 2.5.2 估计出租车的总数
      • 2.5.3 污水均流池的设计
      • 2.5.4 天气预报的评价
  • 3 简单的优化模型
    • 3.1 存贮模型
    • 3.2 森林救火
    • 3.3 不买贵的只买对的
    • 3.4 易拉罐形状和尺寸的最优设计
    • 3.5 更多案例
      • 3.5.1 啤酒杯的重心
      • 3.5.2 生猪的出售时机
      • 3.5.3 生产者的决策
  • 4 数学规划模型
    • 4.1 奶制品的生产与销售
    • 4.2 更多案例
      • 4.2.1 选课策略
  • 5 微分方程模型
    • 5.1 人口模型
    • 5.2 药物中毒急救
    • 5.3 资金、劳动力与经济增长
    • 5.4 捕鱼业的持续收获
    • 5.5 食饵-捕食者模型
    • 5.6 传染病模型和SARS的传播
    • 5.7 更多案例
      • 5.7.1 药物在体内的分布与排除
      • 5.7.2 种群的相互竞争
      • 5.7.3 种群的相互依存
  • 6 差分方程与代数方程模型
    • 6.1 贷款购房
    • 6.2 管住嘴迈开腿
    • 6.3 市场经济中的物价波动
    • 6.4 动物的繁殖与收获
    • 6.5 更多案例
      • 6.5.1 投入产出模型
      • 6.5.2 中国人口增长预测
  • 7 离散模型
    • 7.1 职员晋升
    • 7.2 公平的席位分配
    • 7.3 循环比赛的名次
    • 7.4 更多案例
      • 7.4.1 层次分析法
  • 8 概率模型
    • 8.1 报童的诀窍
    • 8.2 钢琴销售的存贮策略
    • 8.3 更多案例
      • 8.3.1 健康与疾病
      • 8.3.2 航空公司的预订票策略
      • 8.3.3 作弊行为的调查和估计
        • 8.3.3.1 随机基因表达的建模
  • 9 统计模型
    • 9.1 牙膏的销售量
    • 9.2 软件开发人员的薪金
    • 9.3 更多案例
      • 9.3.1 酶促反应
  • 10 课内实验
    • 10.1 数学规划模型及LINGO实验
    • 10.2 统计回归模型及MATLAB实验
    • 10.3 优化模型建模
    • 10.4 微分方程模型建模
职员晋升

7  离散模型

  • 离散模型:代数方程与差分方程(第6章)、整数规划(第4章)、图论、对策论、网络流、…

  • 应用较广,是分析社会经济系统的有力工具.

  • 只用到代数、集合及(少许)图论的知识.

7.1  职员晋升

  • 日常工作、生活中的决策问题.

  • 涉及经济、社会等方面的因素.

  • 作比较判断时人的主观选择起相当大的作用,各因素的重要性难以量化. 

  • Saaty于20世纪70年代提出层次分析法AHP (Analytic Hierarchy Process).

  • AHP——一种定性与定量相结合的、系统化、层次化的分析方法.

职员晋升

  • 职场中如何公平、公正地实施职员晋升?管理者的一种简单易行、具有一定合理性的决策办法.

  • 订立全面评价一位职员的几条准则,如工作年限、教育程度、工作能力、道德品质等;

  • 确定各条准则在目标(职员晋升)中所占的权重;

  • 按照每一准则对各位申报者进行比较和评判;

  • 将准则的权重与按准则评判的结果加以综合,得到各位申报者的排序,作为职员晋升的决策.

  • 层次分析法将定性分析与定量分析结合起来完成以上步骤,给出决策问题的定量结果.

层次分析法(AHP)的几个要素

1. 层次结构图

  • 将决策问题自上而下地分为目标、准则、方案3个层次,直观地用一个层次结构图表示.

  • 确定各准则对目标的权重.

  • 确定各方案对每一准则的权重.

  • 二者综合得到方案对目标的权重.

                 

2.  成对比较矩阵和特征向量

  • 确定n个准则X1,X2,… X4对目标Y的权重.

  • n个准则两两对比: aij~ Xi和Xj对Y的重要性之比 ,    A~成对比较阵,正互反阵

  • 对比采用相对尺度

  工作年限X1,教育程度X2,工作能力X3,道德品质X4对职员晋升Y的成对比较阵:

            

  • 成对比较的一致性

  a12=1/2 ~X1与X2重要性之比是1:2

  a23=1/2 ~X2与X3重要性之比是1:2

  由成对比较一致性,可推得,X1与X3重要性之比应是1:4

  而a13=1/3 ~成对比较不一致

  • n个元素需做n(n-1)/2次成对比较, 要求全部一致是不现实、也不必要的.

  • AHP容许成对比较存在不一致,并确定了这种不一致的容许范围.

  • 成对比较完全一致

  假定X1,X2,…,Xn对Y的重要性之比已精确测定为w1:w2…:wn

  • 令aij=wi/wj

            

  • 成对比较阵A满足称为一致阵. 

    一致阵的各列均相差一个比例因子

  • 一致阵A的代数性质:秩为1, 唯一非零特征根为n.

  任一列向量都是对应于n的特征向量.

  • 取权向量为w=(w1,w2,...,wn)T ,

  • 如果成对比较阵A不一致(但在容许范围内),

    用对应于A最大特征根λ的特征向量(归一化后)为权向量w

3. 一致性指标和一致性检验

  • 界定成对比较阵 (正互反阵) A不一致的范围.

  • n阶正互反阵A的最大特征根λ n, A是一致阵的充要条件为λ= n.

  • λ比n大得越多, A与一致阵相差越大, 用特征向量作为权向量引起的判断误差越大. λ-n的大小衡量A的不一致程度.

  • Saaty定义一致性指标:

    CI=0时A是一致阵, CI越大A越不一致.

  • 制定衡量CI数值的标准,界定A不一致的范围.

  • Saaty引入随机一致性指标RI——从1,2,…,9及1,1/2,…,1/9随机取值构成A, 计算CI的平均值作为RI.

  • Saaty给出

       

  • 应用时将n阶成对比较阵A的CI与同阶的RI比较.

  • 定义一致性比率CR = CI/RI

    当CR<0.1时通过一致性检验.

  • “职员晋升”中准则层对目标的权向量及一致性检验:

  • 准则对目标的成对比较阵

  • 计算最大特征根λ、特征向量w及一致性指标CI.

    λ=4.0104 RI=0.90

     一致性检验通过

  • 归一化的w=(0.1223,0.2270,0.4236,0.2270)T为权向量.

4. 综合权重

  • 3位职员对4个准则的成对比较阵

     

 

  • 3位职员对晋升的综合权重

    =(0.4505, 0.3202, 0.2292)T

  • 3位职员的优劣顺序为A1, A2,A3

  W(3)~第3层(方案)对第2层(准则)的权向量构成的矩阵

  w(2)~第2层(准则)对第1层(目标)的权向量

  w(3)~第3层(方案)对第1层(目标)的权向量

  • AHP推广到s层 

  分层加权和法

  W(k)~第k层对第k-1层的权向量构成的矩阵

  w(s)~最下层对第1层的权向量

5. 1-9比较尺度

  • Saaty提出1~9尺度: aij=1,2,…,9及1,1/2,,…,1/9.

  • 便于定性到定量的转化:

  • aij = 1,1/2,,…,1/9 ~Xi和Xj对Y重要性与上面相反

  • 心理学家认为成对比较的因素不宜超过9个.用1~3,1~5,…,1~17,…,

    1p~9p(p=2,3,4,5), d+0.1~d+0.9 (d=1,2,3,4)等27种比较尺度对若干实例构造成对比较阵,算出权向量,与实际对比发现, 1~9尺度较优.

职员晋升问题的再讨论

            

  • 每一准则分若干等级:工作年限、教育程度用入职时间和学历分级, 工作能力、道德品质按照优、良、中划分.

           

  • 4个准则的权重仍为成对比较得到的w1,w2,w3,w4.

  • 每一准则中最高等级为100分,决定其他分数wij.


  • 每个申报者根据在准则中所处等级的位置对号入座.

  • 工作4年、能力优秀、品质良好的本科毕业生Ak总分: 

   60×0.1223+90×0.2270+100×0.4236+80×0.2270=88.29

  • 评定前确定标准分(如80),标准分以上才可以晋升.

层次分析法应用的步骤

  • 建立由目标层、准则层、方案层等构成的层次结构.

  • 构造下层各元素对上层每一元素的成对比较阵.

  • 计算各个成对比较阵的特征根和特征向量,作一致性检验,通过后将特征向量取作权向量.

  • 对各层权向量进行综合,用分层加权和法计算最下层各元素对最上层元素的权重.

层次分析法的广泛应用

  • 应用领域:经济计划和管理,能源政策和分配,人才选拔和评价,生产决策,交通运输,科研选题,产业结构,教育,医疗,环境,军事等.

  • 处理问题类型:决策、评价、分析、预测等.

  • 建立层次结构模型是关键的一步,要有主要决策层参与.

  • 构造成对比较阵是整个工作的数量依据,应由经验丰富、判断力强的专家给出.

  • 广泛应用:

    例1.国家实力分析

    例2.工作选择

    例3.横渡江河、海峡方案的抉择

    例4.科技成果的综合评价

正互反阵最大特征根和特征向量的简化计算

  • 精确计算复杂且不必要.

  • 简化计算的思路——一致阵的任一列向量都是特征向量,一致性尚好的正互反阵的列向量都应近似特征向量,可取其某种意义下的平均.

  • 和法——取列向量的算术平均

       


            


  • 精确结果: w=(0.588,0.322,0.090)T, λ=3.010

  • 根法——取列向量的几何平均

  • 幂法——迭代算法

层次分析法的优点

  • 系统性——将对象视作系统,按照分解、比较、判断、综合的思维方式进行决策——系统分析(与机理分析、测试分析并列);

  • 实用性——定性与定量相结合,能处理传统的优化方法不能解决的问题;

  • 简洁性——计算简便,结果明确,便于决策者直接了解和掌握.

层次分析法的局限

  • 囿旧——只能从原方案中选优,不能产生新方案;

  • 粗略——定性化为定量,结果粗糙;

  • 主观——主观因素作用大,结果可能难以服人.