【正文】 j)))=Rp(p))。index4 (index1,index2)|amp。y=300 450 1000 950 0 300 0 0 150 1000。for(index4:gin(djp))。n=sum(index1(j):xj(j))。for(index2(p)|pLE3:(sum(index1(j):kjp(j,p)*xj(j)))=Rp(p))。index4 (index1,index2)|amp。預(yù)測(cè)序列x0p:39。%計(jì)數(shù)for i=1:lx0 if abs(e0(i)mean(e0))*Sx0 j=j+1。Se=sqrt(var(e0(1:lx0))/lx0)。mSpS=abs(sum2sum1)。endsum1=sum1+*(x0(4)x0(1))。sum1=0。濾波相對(duì)誤差：39。 drt0(i)=e0(i)/x0(i)。for i=1:lx0+n1 x0p(i+1)=x1p(i+1)x1p(i)。x1p(1)=x1(1)。*Y。 ones(lx01,1)]。 for j=1:i sum=sum+x0(j)。z=[]。[4] 謝金星，薛毅，《優(yōu)化建模與LINDO/LINGO軟件》，北京：清華大學(xué)出版社，2009 年12月。 模型缺點(diǎn)（1）在方案制定中，我們沒(méi)有考慮實(shí)際與會(huì)代表人數(shù)與預(yù)測(cè)與會(huì)代表人數(shù)不一致時(shí)可能造成的空房費(fèi)用或因客房不夠而造成代表的不滿所引起的“費(fèi)用”；（2）客車運(yùn)行規(guī)則的設(shè)定過(guò)于簡(jiǎn)單，雖然一方面簡(jiǎn)化了優(yōu)化模型的建立，但是造成了租用客車過(guò)多而引起費(fèi)用過(guò)大的問(wèn)題； 模型改進(jìn)（1）針對(duì)“模型缺點(diǎn)”中的提到的沒(méi)有考慮實(shí)際與會(huì)代表人數(shù)與預(yù)測(cè)與會(huì)代表人數(shù)不一致時(shí)可能造成的“費(fèi)用”，可以考慮建立相關(guān)概率模型，從概率學(xué)的角度建立相關(guān)優(yōu)化模型。六、本屆會(huì)議籌備方案經(jīng)過(guò)科學(xué)預(yù)測(cè)，本屆會(huì)議與會(huì)人數(shù)大約為678人，在此基礎(chǔ)上從經(jīng)濟(jì)、方便、代表滿意等方面，制定本屆會(huì)議賓館客房預(yù)訂、會(huì)議室租借、客車租用等相關(guān)方案如下：（1）與會(huì)代表下榻賓館選定擬定將與會(huì)代表安排在①、②、⑤、⑦、⑧賓館住宿，各賓館中各類客房預(yù)訂情況如下：表 12 本屆會(huì)議客房預(yù)訂方案合住1合住2合住3獨(dú)住1獨(dú)住2獨(dú)住3合計(jì)（人）①0303082916157②855503800242⑤701205400110⑦320071030103⑧261903310067（2）分組會(huì)議會(huì)議室選定本屆會(huì)議中的6個(gè)分組會(huì)議擬定在②、⑦、⑧賓館舉行，具體安排如下：表 13 本屆會(huì)議分組會(huì)議會(huì)議室租用方案規(guī)模間數(shù)價(jià)格（半天）費(fèi)用（全天）②130人21000元4000元⑦140人2800元3200元⑧130人2800元3200元即在賓館②租借兩間規(guī)模為130人的會(huì)議室，在賓館⑦租借兩間規(guī)模為140人的會(huì)議室，在賓館⑧租借兩間規(guī)模為130人的會(huì)議室。 變量說(shuō)明（以下各符號(hào)中，）： 第賓館的第個(gè)會(huì)議室選擇情況，表示選擇，表示不選擇；： 第賓館的第個(gè)會(huì)議室租借費(fèi)用；： 第賓館下榻代表人數(shù)；： 從第賓館出發(fā)的代表數(shù)；： 從第賓館發(fā)出的第類客車數(shù)量；： 第類客車租用費(fèi)用；： 第類客車載客量； 最少會(huì)議室和客車租用費(fèi)用優(yōu)化模型（模型4）1）模型建立下面以租借會(huì)議室費(fèi)用和租用客車費(fèi)用之和最小為優(yōu)化目標(biāo)，以①、②、⑤、⑦、⑧賓館中選定的滿足分會(huì)場(chǎng)最小規(guī)模的會(huì)場(chǎng)數(shù)量等于6以及從①、②、⑤、⑦、⑧賓館出發(fā)的客車載客量不小于從賓館出發(fā)的代表數(shù)量為約束條件，以①、②、⑤、⑦、⑧賓館中會(huì)場(chǎng)租借及客車租用情況為決策變量，建立如下優(yōu)化模型：其中，已知數(shù)據(jù)如下：Ⅰ）=12001200150010001000150010001000150080080010008008001000Ⅱ）=[800 700 600]Ⅲ）=[157 242 110 103 67]Ⅳ）=[45 36 33]2) 求解結(jié)果將上述優(yōu)化模型轉(zhuǎn)換成Lingo程序（見(jiàn)附錄9），求解結(jié)果（詳見(jiàn)附錄10）如下:Ⅰ）會(huì)議室租借情況表 10 本屆會(huì)議會(huì)議室租借情況預(yù)測(cè)規(guī)模間數(shù)價(jià)格（半天）費(fèi)用（全天）②130人21000元4000元⑦140人2800元3200元⑧130人2 800元3200元結(jié)果分析：求解結(jié)果顯示，租借的會(huì)議室全部為規(guī)模較小，價(jià)格相對(duì)便宜的類型；賓館⑦和賓館⑧的會(huì)議室租用價(jià)格最低，選擇這兩個(gè)賓館的會(huì)議室可以減少會(huì)議室租借費(fèi)用，比較合理；由表8可知，賓館②入住的與會(huì)代表數(shù)量最多，故在賓館②設(shè)定分會(huì)場(chǎng)，可以有效減少人員流動(dòng)量，從而減少租車數(shù)量，即減少租車費(fèi)用，也比較合理。結(jié)果分析：本屆會(huì)議在賓館②安排的與會(huì)代表最多，賓館⑧安排的最少。（模型2）1）模型建立以賓館數(shù)量最少為優(yōu)化目標(biāo)，以各賓館可提供的各類客房數(shù)量及本屆會(huì)議與會(huì)代表對(duì)各類客房的需求量為約束條件，以各賓館客房預(yù)訂情況為決策變量，建立如下優(yōu)化模型：2）模型求解將上述優(yōu)化模型轉(zhuǎn)換成Lingo程序（見(jiàn)附錄6），求得全局最優(yōu)解：Objective value: 即在滿足安排所有與會(huì)代表的前提下，最少賓館數(shù)目為5。越小表示選定的個(gè)賓館聚集程度越高。3）本題采用比例預(yù)測(cè)法比較合理，其中又分平均比例預(yù)測(cè)和最大比例預(yù)測(cè)，考慮到出現(xiàn)預(yù)訂客房數(shù)量不足將引起代表的不滿，最終采用最大比例預(yù)測(cè)模型預(yù)測(cè)本屆會(huì)議與會(huì)人數(shù)，即。另一方面，前四屆會(huì)議實(shí)際與會(huì)人數(shù)與發(fā)來(lái)回執(zhí)的代表數(shù)量最大比值，進(jìn)而有本屆會(huì)議實(shí)際與會(huì)人數(shù)最大比例預(yù)測(cè)值。圖4實(shí)際與會(huì)人數(shù)擬合及預(yù)測(cè)情況繪圖結(jié)果分析：從圖4中可以看出，預(yù)測(cè)的本屆會(huì)議與會(huì)人數(shù)（）比較合理。這樣，既保證了會(huì)議室的數(shù)目和規(guī)格的符合要求，又解決了客車的租用問(wèn)題。對(duì)于會(huì)議室的租借問(wèn)題，下榻的賓館有不同規(guī)格的不同價(jià)位的會(huì)議室，而代表參加各分組會(huì)議的概率是平均的、隨機(jī)的。從給出的10家賓館中選出預(yù)定賓館時(shí)，除了滿足與會(huì)代表在客房類型和客房數(shù)量上的需求之外，所選擇的賓館數(shù)量應(yīng)該盡可能少，并且距離上比較靠近。現(xiàn)有45座、36座和33座三種類型的客車，租金分別是半天800元、700元和600元。附表2，3都可以作為預(yù)訂賓館客房的參考。為了便于管理，除了盡量滿足代表在價(jià)位等方面的需求之外，所選擇的賓館數(shù)量應(yīng)該盡可能少，并且距離上比較靠近。我們假定各代表參加各分組會(huì)議的概率是平均的、隨機(jī)的，即每位代表參加任一分會(huì)場(chǎng)的概率為1/6。根據(jù)題意，除了盡量滿足代表在價(jià)位等方面的需求外，所選擇的賓館數(shù)量應(yīng)該盡可能少，并且距離上比較靠近。會(huì)議籌備優(yōu)化模型 班級(jí)：數(shù)教1404班小組：第十五組 成員：李若楠 12 孫夢(mèng)格 26 姚婷婷 37會(huì)議籌備優(yōu)化模型摘要本文針對(duì)某一具體的會(huì)議籌備問(wèn)題，運(yùn)用數(shù)學(xué)手段，從經(jīng)濟(jì)、方便、代表滿意等角度建立了相關(guān)優(yōu)化模型，并利用Lingo軟件求解，給出了會(huì)議期間賓館客房預(yù)訂、會(huì)議室租借、客車租用等相關(guān)籌備方案。其次，制定賓館及客房選定方案。最后，制定會(huì)議室選定及客車租用方案。由于預(yù)計(jì)會(huì)議規(guī)模龐大，而適于接待這次會(huì)議的幾家賓館的客房和會(huì)議室數(shù)量均有限，所以只能讓與會(huì)代表分散到若干家賓館住宿。從以往幾屆會(huì)議情況看，有一些發(fā)來(lái)回執(zhí)的代表不來(lái)開(kāi)會(huì)，同時(shí)也有一些與會(huì)的代表事先不提交回執(zhí)，相關(guān)數(shù)據(jù)見(jiàn)附表3。由于事先無(wú)法知道哪些代表準(zhǔn)備參加哪個(gè)分組會(huì)，籌備組還要向汽車租賃公司租用客車接送代表。同時(shí)，由于預(yù)測(cè)的實(shí)際與會(huì)人數(shù)和預(yù)定客房數(shù)量密切相關(guān)，而預(yù)訂客房數(shù)量又與空房費(fèi)用和代表滿意度之間有直接的聯(lián)系，所以在進(jìn)行本屆會(huì)議實(shí)際與會(huì)人數(shù)的預(yù)測(cè)時(shí)，我們還應(yīng)該考慮空房費(fèi)用和代表滿意度之間的關(guān)系，并建立相關(guān)的優(yōu)化模型，進(jìn)而通過(guò)對(duì)預(yù)測(cè)模型的結(jié)果進(jìn)行優(yōu)化，確定出本屆會(huì)議實(shí)際與會(huì)人數(shù)的最優(yōu)值。根據(jù)題目的要求，我們可以建立一個(gè)既滿足預(yù)定賓館數(shù)量最少，又滿足預(yù)定賓館聚集程度相對(duì)較高的雙優(yōu)化模型，從而確定出同時(shí)滿足兩者要求的客房預(yù)訂方案。我們可以將租借會(huì)議室的費(fèi)用和租車的費(fèi)用同時(shí)歸入總費(fèi)用中，建立兩者總費(fèi)用最小的優(yōu)化模型。1)擬合預(yù)測(cè)模型從圖1可以看到，歷屆會(huì)議實(shí)際與會(huì)人數(shù)與發(fā)來(lái)回執(zhí)的代表數(shù)量關(guān)系大致符合線性關(guān)系，使用Matlab中cftool[1]工具進(jìn)行一次擬合得到如下結(jié)果（附錄1）： （1）將第五屆會(huì)議發(fā)來(lái)回執(zhí)的代表數(shù)量：代入（1）式有：。據(jù)此可計(jì)算出本屆會(huì)議實(shí)際與會(huì)人數(shù)平均預(yù)測(cè)值。2）從圖5很容易看出，灰色預(yù)測(cè)模型預(yù)測(cè)不理想，不予采用。（2）聚集指標(biāo)為了從數(shù)量上反映選定的各賓館聚集程度，我們定義如下聚集指標(biāo)表達(dá)式： （2）由于表示第家賓館與第家賓館之間的直線距離，故上述聚集指標(biāo)表達(dá)式只是從直觀上反映各賓館之間的聚集程度，沒(méi)有對(duì)街道、路況等因素加以考慮。1）模型建立以聚集指標(biāo)最小為優(yōu)化目標(biāo)，以各賓館可提供的各類客房數(shù)量及本屆會(huì)議與會(huì)代表對(duì)各類客房的需求量為約束條件，以各賓館客房預(yù)訂情況為決策變量，建立如下優(yōu)化模型：其中，已知數(shù)據(jù)如下：Ⅰ）各賓館坐標(biāo)：表 5 在以第⑦家賓館為原點(diǎn)的坐標(biāo)系下第家賓館坐標(biāo)①②③④⑤⑥⑦⑧⑨⑩X002000300002002000Y30045010009500300001501000Ⅱ），Ⅲ）=[104 69 22 149 86 54]Ⅳ）=0503003020856500005024027005045000070400000040304030050004003040400045000600060001000002）求解結(jié)果及設(shè)定值C的選取將上述優(yōu)化模型轉(zhuǎn)換成Lingo[4]程序（見(jiàn)附錄5），求得全局最優(yōu)解： Objective value: ，不妨取先取進(jìn)行試探。將Lingo求解結(jié)果整理如下：表 6 按本屆會(huì)議與會(huì)代表住房要求正常入住情況預(yù)測(cè)合住1合住2合住3獨(dú)住1獨(dú)住2獨(dú)住3合計(jì)(人)①0302202916149②85170000204⑤1810000056⑦1004003072⑧0120010034表 7 在獨(dú)住客房不足時(shí)要求獨(dú)住代表單獨(dú)住雙人間情況預(yù)測(cè)獨(dú)住雙人間1獨(dú)住雙人間2獨(dú)住雙人間3合計(jì)（人）①0088②038038⑤522054⑦310031⑧267033表 8 本屆會(huì)議客房預(yù)訂整體情況預(yù)測(cè)