【正文】 )(40, 100)(60,80)(60,100)(80,100)對每種情況重復(fù)運(yùn)行20次，寫出各項(xiàng)配置下的平均每天總成本的均值和置信區(qū)間。并寫出以上最優(yōu)的（使得平均每天總成本最低）的（s，S）。，分別計(jì)算平均每天缺貨成本、平均每天儲存成本、平均每天訂貨成本的均值和置信區(qū)間。，Discrete Event模塊繪制當(dāng)前庫存水平的波動曲線，并同時繪制一條高度為20（即訂購點(diǎn)）的水平直線，和一條高度為0的水平直線（連接constant模塊到plotter DE模塊），觀察并庫存曲線的波動情況以及和兩條直線的關(guān)系，根據(jù)你的觀察，缺貨情況經(jīng)常發(fā)生嗎？每當(dāng)庫存數(shù)據(jù)發(fā)生變化時，用Read模塊讀取庫存（kc）的值，Read設(shè)置如下： 當(dāng)庫存大于0時，通過max模塊與0比較得到當(dāng)前庫存值，并通過Meanamp。Varience模塊（運(yùn)行10次）計(jì)算平均每天的庫存，再用Equation模塊計(jì)算平均每天儲存成本。計(jì)算平均每天儲存成本的模型與設(shè)置如下所示： 當(dāng)庫存小于0時，通過max模塊與0比較得到當(dāng)前缺貨數(shù)，并通過Meanamp。Varience模塊（運(yùn)行10次）計(jì)算平均每天的缺貨數(shù)，用Equation模塊（缺貨數(shù)取反）計(jì)算平均每天缺貨成本。計(jì)算平均每天缺貨成本的模型與設(shè)置如下所示：利用Read模塊讀取運(yùn)行完后數(shù)據(jù)庫中的總訂貨成本，再用Math模塊除以系統(tǒng)運(yùn)行當(dāng)前時間，得到平均每天訂貨成本。平均每天訂貨成本模型和設(shè)置如下：利用Math模塊將第4步所計(jì)算出的平均每天儲存成本，平均每天缺貨成本和平均每天訂貨成本相加即得到平均每天總成本。在Math模塊后用Meanamp。Varience模塊計(jì)算運(yùn)行10次之后的平均每天總成本的均值和置信區(qū)間。本實(shí)驗(yàn)實(shí)驗(yàn)?zāi)Ｐ腿缦拢海河捎诒緦?shí)驗(yàn)要求在庫存發(fā)生變化時讀取數(shù)據(jù)庫的庫存水平，因此在Read模塊中的Option選項(xiàng)中，選擇Discrete eventread data during when 以及勾中data sources change，意思即為數(shù)據(jù)發(fā)生變化時讀取數(shù)據(jù)庫。設(shè)置如下：：用Meanamp。Varience模塊計(jì)算平均每天總成本的均值和置信區(qū)間時，要勾中Calculate for multiplte simulations，意思是計(jì)算出運(yùn)行多次情況（這里為10）次時平均每天總成本的均值和置信區(qū)間。： 10種情況的運(yùn)行結(jié)果如下，其中最優(yōu)的（s，S）為（20,60）。（20，40）（20，60）（20，80）均值： 均值： 均值：置信區(qū)間（177。）置信區(qū)間（177。）置信區(qū)間（177。）（20，100）（40,60）（40，80）均值： 均值： 均值：置信區(qū)間（177。）置信區(qū)間（177。）置信區(qū)間（177。）（40,100）（60,80）（60，100）均值： 均值： 均值：置信區(qū)間（177。）置信區(qū)間（177。）置信區(qū)間（177。）（80,100）均值： 置信區(qū)間（177。）：用3個Meanamp。Varience模塊計(jì)算平均每天存儲成本、缺貨成本和訂貨成本的均值和置信區(qū)間，Meanamp。Varience模塊勾中Calculate for multiplte simulations。添加模塊后的模型以及運(yùn)行結(jié)果如下：平均每天存儲成本：平均每天缺貨成本 置信區(qū)間為（177。）置信區(qū)間為（177。）平均每天訂貨成本：置信區(qū)間為（177。）： Plotter Discrete Event模塊設(shè)置和運(yùn)行后的庫存水平波動曲線如下圖所示，由曲線圖可以看出庫存水平在0和20之間以及上下變動。由圖可以看出，位于0以下的曲線分布比較多，這意味著缺貨的情況發(fā)生的比較頻繁；曲線在0和20之間的分布也較多，這意味著需要訂貨的情況也發(fā)生的比較多。實(shí)驗(yàn)12 : ，然后根據(jù)以上視頻，建立優(yōu)化模型。（Optimizer）中，整數(shù)型決策變量和連續(xù)型（實(shí)數(shù)型）的輸入方法有何不同？，使用Extendsim軟件提供的優(yōu)化器來尋找（s，S）的最佳設(shè)置（總成本最小）。令s在1和99之間取值（步長為1，即為整數(shù)），S在2和100之間取值（步長為1，即為整數(shù)）。要注意s和S必須是整數(shù)而且滿足s S。 Defaults，寫出優(yōu)化結(jié)果（s，S）和平均每天總成本。 Defaults，寫出優(yōu)化結(jié)果（s，S）和平均每天總成本。（第2題）的基礎(chǔ)上，通過將庫存檢查間隔（Evaluation Interval，目前為1天）作為變量加入到優(yōu)化變量集中，來研究在每天開始工作時查看并補(bǔ)充（當(dāng)需要時）庫存是否是最佳方案，讓該值在半天到5天之間連續(xù)取值，s和S的取值情況與上題相同。應(yīng)用優(yōu)化器求取最優(yōu)設(shè)置。 Defaults，寫出優(yōu)化結(jié)果（s，S）、Evaluation Interval和平均每天總成本。 Defaults，寫出優(yōu)化結(jié)果（s，S）、和平均每天總成本。 Init模塊初始化最小最大庫存(s，S) 從value庫中將Optimizer模塊放進(jìn)模型中，在查庫與訂貨處理模型中將決策變量訂貨點(diǎn)(xs，1~99)和最大庫存(ds，2~100)和輸出變量平均每天總成本（toc）克隆拖放到Optimizer模塊上，然后建立目標(biāo)函數(shù)方程和約束條件。Optimizer模塊設(shè)置如下：在Optimizer模塊中的Constraints中添加約束方程，約束條件為s和S必須是整數(shù)而且滿足s S，約束條件的代碼設(shè)置如下：在Optimizer模塊下的Run Parameters中，由于模型為隨機(jī)模型，所以單機(jī)Random mode下的Quicker Defaults按鈕快速設(shè)置所有優(yōu)化參數(shù)（速度快精度低），然后點(diǎn)擊New Run。運(yùn)行結(jié)束后選擇Better Default按鈕設(shè)置規(guī)模更大的優(yōu)化參數(shù)（耗時長精度高），并比較兩次的結(jié)果。,查看結(jié)果通過Optimizer模塊下的Results可以看MinCost數(shù)值的變化，運(yùn)行結(jié)束時最頂行會給出最優(yōu)解。分別用Quicker Defaults參數(shù)和Better Defaults參數(shù)運(yùn)行兩次比較結(jié)果。結(jié)果見實(shí)驗(yàn)結(jié)論3。：整數(shù)型決策變量的輸入方法為輸入范圍的時候不要輸入小數(shù)點(diǎn)，如1；而實(shí)數(shù)型的輸入方法為輸入范圍時輸入帶有小數(shù)點(diǎn)的數(shù)字。：選擇Quicker Defaults參數(shù)，（s，S）優(yōu)化結(jié)果為（27,43）。Quicker Defaults選擇Better Defaults參數(shù)，（s，S）優(yōu)化結(jié)果為（20,58）。Better Defaults：將庫存檢查間隔ei克隆拖入Optimizer模塊上，在訂貨模型create模塊后加隊(duì)列防止其堵塞，ei的范圍設(shè)置如下。分別運(yùn)行Quicker Defaults參數(shù)Better Defaults進(jìn)行優(yōu)化。l Quicker Defaults做法第一步：選擇Quicker Defaults參數(shù),并開始運(yùn)行第二步：分析結(jié)果。（s，S）優(yōu)化結(jié)果為（9,74），Evaluation Interval（ei）。Quicker Defaultsl Better Defaults做法第一步：選擇Better Defaults參數(shù)第二步：分析結(jié)果。（s，S）優(yōu)化結(jié)果為（38,54），Evaluation Interval（ei），平均每天總成本約為,。Better Defaults第五篇：數(shù)學(xué)建模實(shí)驗(yàn)報(bào)告層次分析法數(shù)學(xué)建模實(shí)驗(yàn)報(bào)告一、實(shí)驗(yàn)要求柴靜的紀(jì)錄片《穹頂之下》從獨(dú)立媒體人的角度調(diào)查了席卷全國多個省份的霧霾的成因，提出解決的方法有：關(guān)停重污染的鋼鐵廠、提高汽柴油品質(zhì)、淘汰排放不達(dá)標(biāo)汽車、提高洗煤率等，請仔細(xì)觀看該紀(jì)錄片，根據(jù)霧霾的成因，選擇你認(rèn)為治理霧霾確實(shí)可行的幾個方案，并用AHP方法給出這幾個主要方案的重要性排序。二、前期準(zhǔn)備理解層次分析法（AHP）的原理、作用，掌握其使用方法。觀看兩遍柴靜所拍攝的紀(jì)錄片《穹頂之下》，選出我認(rèn)為可較為有效地治理霧霾的幾個方法，初步確定各方法的有效性（即權(quán)重）。初步擬定三個方案，每個方案中各個治理方法的權(quán)重不同。三、思路amp。分析根據(jù)紀(jì)錄片《穹頂之下》和個人的經(jīng)驗(yàn)判斷給出各個記錄霧霾的方法對于治理霧霾的判斷矩陣，以及三個不同方案對于五大措施的判斷矩陣。了解了AHP的原理后，不難發(fā)現(xiàn)MATLAB在其中的作用主要是將判斷矩陣轉(zhuǎn)化為因素的權(quán)重矩陣。當(dāng)然矩陣要通過一致性檢驗(yàn)，得到的權(quán)重才足夠可靠。分別得到準(zhǔn)則層對目標(biāo)層、方案層對準(zhǔn)則層的權(quán)重之后，進(jìn)行層次總排序及一致性檢驗(yàn)。得到組合權(quán)向量（方案層對目標(biāo)層）即可確定適用方案。四、實(shí)驗(yàn)過程確定層次結(jié)構(gòu)構(gòu)造判斷矩陣（1）五大措施對于治理霧霾（準(zhǔn)則層對目標(biāo)層）的判斷矩陣（2）三個方案對于五大措施（方案層對準(zhǔn)則層）的判斷矩陣層次單排序及一致性檢驗(yàn)該部分在MATLAB中實(shí)現(xiàn)，每次進(jìn)行一致性檢驗(yàn)和權(quán)向量計(jì)算時，步驟相同，輸入、輸出參數(shù)一致。（雖然輸入的矩陣階數(shù)可能不同，但可以不把矩陣階數(shù)作為參數(shù)輸入，而通過 [n,n]=size（A）來算得階數(shù)。）因此考慮將這個部分定義為一個函數(shù)judge,輸入一個矩陣A,打印一致性檢驗(yàn)結(jié)果和權(quán)向量計(jì)算結(jié)果，并返回權(quán)向量、一致性指標(biāo)CI、平均隨機(jī)一致性指標(biāo)RI。代碼如下： 調(diào)試通過后，下面便用此函數(shù)進(jìn)行一致性檢驗(yàn)及權(quán)向量計(jì)算：（1）準(zhǔn)則層對目標(biāo)層（A矩陣）（2）方案層對準(zhǔn)則層（BB矩陣）代碼：結(jié)果：注：實(shí)際實(shí)驗(yàn)時，一開始構(gòu)造的五個矩陣中有兩個沒有通過一致性檢驗(yàn)。反復(fù)調(diào)整后方才通過，考慮到實(shí)驗(yàn)報(bào)告的簡潔性要求，不在此贅述調(diào)整判斷矩陣的過程。層次總排序及一致性檢驗(yàn)原理簡述如下：因此，編寫如下代碼：其中，max是權(quán)重最大的方案的序號：結(jié)果如下：五、實(shí)驗(yàn)心得體會函數(shù)化、模塊化的思想在此實(shí)驗(yàn)中十分重要。盡管最終呈現(xiàn)的代碼看似很簡單，但是這得益于將一致性檢驗(yàn)和權(quán)向量計(jì)算的模塊定義成了函數(shù)，并且這個函數(shù)不需要輸入矩陣的階數(shù)做參數(shù)。判斷矩陣的構(gòu)造并不是個輕松的過程。由于考慮欠妥，調(diào)整過程中才漸漸找到了構(gòu)造的技巧。由于AHP方法的主觀性，該實(shí)驗(yàn)得到的結(jié)果僅供參考。實(shí)際上，調(diào)整其中一個判斷矩陣便有可能得到不同的結(jié)果（選擇不同的方案），我認(rèn)為如果有一些足夠可靠的實(shí)踐依據(jù)（即：通過長期調(diào)查研究得到的某種方法對于治理霧霾實(shí)際起到的效果）。以此為參考構(gòu)造判斷矩陣，那么該實(shí)驗(yàn)結(jié)果將更有科學(xué)價值。六、參考文獻(xiàn) 北京。北京航空航天大學(xué)出社,~20陳恩水， 北京；科學(xué)出版社，~56吳建國 層次分析法（AHP法）建模 仰恩大學(xué)數(shù)學(xué)系（另外感謝CSDN、網(wǎng)易博客等網(wǎng)站上各位不知名的熱心解答問題的網(wǎng)友。）