【導(dǎo)讀】我們仔細(xì)閱讀了中國大學(xué)生數(shù)學(xué)建模競賽的競賽規(guī)則.上咨詢等）與隊外的任何人研究、討論與賽題有關(guān)的問題?？嘉墨I(xiàn)中明確列出。我們鄭重承諾，嚴(yán)格遵守競賽規(guī)則，以保證競賽的公正、公平性。則的行為，我們將受到嚴(yán)肅處理。以反應(yīng)時間最短為目標(biāo)的優(yōu)化模型，得到每個平臺所要管轄的節(jié)點。根據(jù)以上兩個原則對該市現(xiàn)有巡警服務(wù)臺的設(shè)置方。①全市有138個路口，在案發(fā)時巡警不能在3min之內(nèi)到達(dá)；是標(biāo)號為170的巡警服務(wù)臺工作量最大，為，541巡警服務(wù)臺工作量最小，為，最短為目標(biāo)，以成功圍堵為條件。交通管理、服務(wù)群眾四大職能。為了更有效地貫徹實施這些職能，需要在市區(qū)的一些交。的13條交通要道實現(xiàn)快速全封鎖。該區(qū)交巡警服務(wù)平臺警力合理的調(diào)度方案。警，犯罪嫌疑人已駕車逃跑。力資源的最佳圍堵方案。配給距離最近的交巡警平臺管轄即可最大限度滿足分配要求；平臺所用時間是所有可行方案中最少的一個，即將最大路徑最小化。進(jìn)一步考慮到方案

　　

【正文】 Distance_linshi(j)=dist(Patrol_cover{i}(j))。 end A=Sort_vector(Distance_linshi)。 %記錄最小值的相對位置 h=length(Distance_linshi)。 for j=1:h linshi_canshu=find(D_24==Patrol_cover{i}(A(j,2)))。 Patrol_occurrence(linshi_canshu)。 Patrol_cover{i}(A(j,2))。 if(Patrol_occurrence(linshi_canshu)=(Standard_occurrence+)) Patrol_xin{linshi_canshu}=[Patrol_xin{linshi_canshu},i]。 Patrol_occurrence(linshi_canshu)=Patrol_occurrence(linshi_canshu)+Occurrence(i)。 break。 end if(j==h) i end end end end Patrol_occurrence c=var(Patrol_occurrence)。 save 。 %初始化所有可能情況，構(gòu)建矩陣，共后來計算使用 function chuli a=[1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20]。 I=[28 29]。 J=[38 39]。 K=[48,61]。 L=[87 88 89 90 91 92]。 m=0 for i=1:2 for j=1:2 for k=1:2 for l=1:6 m=m+1。 B(m,:)=[a,[I(i) J(j) K(k) L(l)]]。 21 DD(m,:)=[I(i) J(j) K(k) L(l)]。 end end end end save B。 function A=Sort_vector(X) %創(chuàng)建子函數(shù)，供調(diào)用使用 a=length(X)。 for i=1:a [m0,weizhi]=min(X)。 A(i,1)=m0。 A(i,2)=weizhi。 X(weizhi)=inf。 附件四： 計算現(xiàn)有節(jié)點工 作量，不均衡度和 C 類節(jié)點個數(shù)，以判斷合理性 function Node_data=xlsread(39。39。,1,39。b2:c58339。)。 Routine_data=xlsread(39。39。,2,39。a2:b92939。)。 load 。 Record_data = cell(582,1)。 count = 0。 for i = 1 :582 Node_index = Routine_data(find(Routine_data(:,1)==i),2)。 Node_index = [Routine_data(find(Routine_data(:,2)==i),1)。Node_index]。 n = length( Node_index)。 count = count + n。 Record_data{i} = zeros(n,2)。 for j = 1 : n Record_data{i}(j,1) = Node_index(j)。 Record_data{i}(j,2) = 100*sqrt((Node_data(i,1) Node_data(Node_index(j),1))^2+(Node_data(i,2) Node_data(Node_index(j),2))^2)。 end end Adjoin_matrix = zeros(count,3)。 % 鄰接矩陣 index_adj = 1。 for i = 1 :582 [n1,n2] = size(Record_data{i})。 n = n1。 for j = 1 : n Adjoin_matrix(index_adj,:) = [i,Record_data{i}(j,1),Record_data{i}(j,2)]。 index_adj = index_adj + 1。 end end %創(chuàng)建圖論的稀疏矩陣及其圖論的求解 a1=Adjoin_matrix(:,1)39。 22 a2=Adjoin_matrix(:,2)39。 a3=Adjoin_matrix(:,3)39。 DG=sparse(a1,a2,a3)。%建立稀疏矩陣，圖論求解 load 。 % Weizhi_all=xlsread(39。39。,3,39。b2:b8139。)。 % e=budongzj39。 % Weizhi_all=[Weizhi_all。e] % Weizhi_all=[weizhi] % Weizhi_all=[Weizhi_all。[350。351。227。231。225。283。75。78。268。293。462。85。6。142。544]]。 Weizhi_all=xlsread(39。39。,7,39。a1:a8039。)。 a=length(Weizhi_all)。 Patrol_range=cell(a,1)。 for i=1:a dist=graphshortestpath(DG,Weizhi_all(i))。%求圖中任意兩個節(jié)點之間的最短距離 for j=1:582 if(dist(j)=3000) Patrol_range{i}=[Patrol_range{i},j]。 end end end save Patrol_range。 load 。 %載入數(shù)據(jù) Patrol_distribution=Patrol_range。 %復(fù)制原始數(shù)據(jù) Patrol_cover=cell(582,1)。 %定義交集 Cover=[]。 Isolated=[]。 %定義孤立點 a=length(Weizhi_all)。 for i=1:582 c=[]。 c2=[]。 for j=1:a m=length(Patrol_range{j})。 for l=1:m if(Patrol_range{j}(l)==i) c=[c,j]。 %保存 i節(jié)點所對應(yīng)的所有可能的交通巡警點 c2=[c2,Weizhi_all(j)]。 end end end m=length(c)。 if(m1) %如果大于 1，說明有交集，先去除，不分配 Cover=[Cover,i]。 Patrol_cover{i}=c2。 %保存交集 23 for k=1:m find(Patrol_distribution{c(k)}~=i)。 Patrol_distribution{c(k)}=Patrol_distribution{c(k)}(find(Patrol_distribution{c(k)}~=i))。%預(yù) 分配只屬于自己的交通節(jié)點 end end if(m==0) Isolated=[Isolated,i]。 end end save 。%完成預(yù)分配，對于交集和孤立交點另外考慮 save 。%保存交集所對應(yīng)的可能交通巡警點 load 。 load 。 load 。 %初始化預(yù)分配中每個交通巡警點的發(fā)案 次數(shù) Occurrence=xlsread(39。39。,1,39。e2:e58339。)。 %A 區(qū)每個交通節(jié)點的發(fā)案次數(shù) a=length(Weizhi_all)。 Standard_occurrence=sum(Occurrence)/a sum(Occurrence)。 Patrol_occurrence=zeros(a,1)。 for i=1:a m=length(Patrol_distribution{i})。 a=0。 if(m=1) for j=1:m a=a+Occurrence(Patrol_distribution{i}(j))。 end Patrol_occurrence(i)=a。 end end Patrol_xin=Patrol_distribution。 %進(jìn)行交集的分配 for i=1:582 m=length(Patrol_cover{i})。 Distance_linshi=[]。 if(m=1) dist=graphshortestpath(DG,i)。 for j=1:m Distance_linshi(j)=dist(Patrol_cover{i}(j))。 end A=Sort_vector(Distance_linshi)。 %記錄最小值的相對位置 h=length(Distance_linshi)。 for j=1:h linshi_canshu=find(Weizhi_all==Patrol_cover{i}(A(j,2)))。 24 Patrol_occurrence(linshi_canshu)。 Patrol_cover{i}(A(j,2))。 if(Patrol_occurrence(linshi_canshu)=(Standard_occurrence+)) Patrol_xin{linshi_canshu}=[Patrol_xin{linshi_canshu},i]。 Patrol_occurrence(linshi_canshu)=Patrol_occurrence(linshi_canshu)+Occurrence(i)。 break。 end if(j==h) i end end end end %對孤立點進(jìn)行分配 m=length(Isolated)。 for i=1:m dist=graphshortestpath(DG,Isolated(i))。 D=dist(1:20)。 Isolated(i)。 [m0,m1]=min(D)。 m1。 Patrol_xin{m1}=[Patrol_xin{m1},Isolated(i)]。 Patrol_occurrence(m1)=Patrol_occurrence(m1)+Occurrence(Isolated(i))。 end Patrol_occurrence。 %每個警力點的 工作量 length(Patrol_occurrence)。 var(Patrol_occurrence) [a,b]=max(Patrol_occurrence)。 zuidazhi=a。 b。 Weizhi_all(b)。 save 。