数学建模论文设计——城市公共系统规划自行车租赁服务

《数学建模论文设计——城市公共系统规划自行车租赁服务》由会员分享，可在线阅读，更多相关《数学建模论文设计——城市公共系统规划自行车租赁服务（27页珍藏版）》请在装配图网上搜索。

1、word装订线目 录一、问题的重述21.1 问题背景21.2 问题提出2二、问题的分析32.1 问题一的分析32.2 问题二的分析32.3 问题三的分析3三、模型的假设3四、符号的说明4五、模型的建立、求解与结果分析55.1 问题一的模型5模型建立5模型求解7结果分析75.2 问题二的模型13模型建立13模型求解13结果分析145.3 问题三的模型15模型建立15模型求解17结果分析18六、模型的评价196.1 模型的优点196.2 模型的不足196.3 模型的改良19七、参考文献19八、附录20装订线一、问题的重述1.1 问题背景近年来，随着经济的开展，我国各级城市的机动车保有量都进入了持续

2、高速增长时期，但由此所引发的道路拥堵、空气污染也引起了政府以与百姓的极大关注。众所周知，建立快速、便捷的城市公共交通体系是解决这一问题的有效手段之一。然而，居民居住地和交通站点通常都有一段距离，这段不远的距离以与现实存在的公共交通拥挤现象如此使居民乘坐公共交通的意愿降低，公共自行车服务系统已被证明能够从一定程度上缓解这一现象。1.2 问题提出公共自行车服务系统是指在某个区域，隔一定距离规划出一些停放自行车的租赁点如地铁出口、城市中心等人员密集的地方，一个租赁点放置一定数量的自行车，很多的自行车租赁点共同组成一个网络以形成一个服务系统，居民可以在任意租赁点租、还车辆，费用全免某些城市收取少量的超

3、时费用，但目的只是用来提高自行车的利用率，不以盈利为目的，根据租赁点自行车的使用频率，防止局部租赁点的自行车短缺或堆积现象发生，将通过调度专用车进展合理调度，以最大程度地满足居民对车辆需求，提高车辆利用率系统有自动报警功能。公共自行车租赁服务系统纳入城市公共交通体系，有助于解决公交出行“最后一公里问题，使公共交通服务网络趋于更加完善。市经开区公共自行车服务系统于2011年4月开始建设，到目前为止，已建成租赁点30个附件1，自行车总量达到850辆。目前正在筹备第三期建设。根据题目中给出的条件和附录中的信息解决如下几个问题：1根据目前经开区网点自行车需求情况等信息，假如要求调度平均耗时尽量少，请针

4、对已有的30个租赁点设计最优车辆分配方案、调度方案，并给出完成调度所消耗的时间。2假设经开区公共自行车服务系统三期建设准备投入建设经费200万元，据此建立数学模型，确定新增租赁点数目、位置以与适宜的放置车辆数目。3针对问题2，进一步研究，如果要求在150min完成调度，是否需要增加调度车辆购置调度车辆费用由其它项目经费解决，不包含在三期建设提供的200万元经费中间？并给出该情形下的自行车调度方案。装订线二、问题的分析2.1 问题一的分析问题一是一个TSP问题即货郎担问题，没有提与任何的费用问题，只需要考虑时间以与路程，而在分析过程中路程可以用时间来衡量，装卸自行车也使用时间来衡量，因此这可以看

5、成是一个单目标规划问题，利用lingo编程用穷举的的方法对最短路程进展求解，进而转化成时间，目标是使调度车行驶的时间最少。2.2 问题二的分析问题二中，经开区公共自行车服务系统三期建设准备投入建设经费200万元，由此建立线性规划数学模型，确定新增租赁点数目、位置以与适宜的放置车辆数目。我们在此首先考虑居民需求，也就是在满足租赁点自行车数量上限的前提下，使得公共自行车数量达到最大值，确定租赁点相应数目对应地点后，利用几何关系，分析比拟新增租赁点分布合理性，从而解出新增租赁点的数目、位置和各个租赁点分配的自行车数量。2.3 问题三的分析问题三中，针对问题2，进一步研究，题目要求在150min完成调

6、度，假如总用时低于150min如此不需要增加调度车辆，假如总用时大于150min如此需要增加调度车辆。该问相当于是问题一的拓广，我们在此利用问题一的模型，只需要考虑时间以与路程，而在分析过程中路程可以用时间来衡量，由此转化成关于时间的单目标函数求解，即求解一辆调度车时的最短路径，两辆调度车时的调度总用时，三辆车时的调度总用时当车辆数目满足调度用时小于150min时，确定此时的调度路线，即为所求解。装订线三、模型的假设1. 租赁点之间的距离使用经纬度计算，即假设到达任意租赁点所走的路程就是两租赁点之间的距离，不考虑街道等因素对此题模型的影响。2. 为简化模型，不考虑调度车启动和停止的时间，假设调

7、度车运输过程匀速行驶，不会受到交通事故、红绿灯等外界因素的影响。3. 假设各个租赁点每天的自行车需求量不变，且自行车的需求时间刚好处在附件二中的时间段。4. 假设居民的骑行距离不超过2km，在某个租赁点还车的概率与租车点和还车点的距离成反比，骑行距离超过2km的情况一定不会发生。5. 求解过程中，自行车数量出现小数时采用四舍五入取整。四、符号的说明第i个租赁点在第s个时段车辆需求量i=1,2,30;s=1,2,3第i个租赁点在第s个时段车辆实际量i=1,2,30;s=1,2,3第j个租赁点在第i个租赁点还车的概率i,j=1,2,30第j个租赁点在第i个租赁点还车的比例系数i,j=1,2,30第

8、i个租赁点装卸车用时i=1,2,30第i个租赁点到第j个租赁点调度车用时Z调度总用时Z1调度车行驶用时Z2调度车装卸车辆用时W新增租赁点与车辆总花费K新增租赁点个数编号为l的某租赁点日平均车辆需求量l=1,2,70m新增车辆的数目编号为l的某租赁点实际车辆数装订线五、模型的建立、求解与结果分析5.1 问题一的模型模型建立在问题一中，我们考虑编号为1到30的租点。建立以调度车行驶时间最少为目标的模型，我们结合调度车行驶的方向性，运用lingo编程找出任意两个租赁点的可行最短路径，也就是运用穷举的方法筛选出最短的行驶路径，从而求出从一个点到另一个点花费的时间。设租赁点之间的距离用矩阵来表示，表示租

9、赁点与租赁点之间的距离。而租赁点之间的距离本模型按照题目要求用经纬度进展计算，此运算过程用Matlab编程实现，设0-1矩阵用来表示经过的个城市之间的路线。设：考虑每个租赁点后只有一个租赁点，如此考虑每个租赁点前只有一个租赁点，如此但仅有以上约束条件不能防止在一次遍历中产生多于一个互不连通回路。为此我们引入额外变量，附加一下充分约束条件，即该约束的解释为：与不会构成回路，假如构成回路有=1，=1，如此从而有,导致矛盾；，与不会构成回路，假如构成回路有=1，=1，=1，如此-1，从而有，导致矛盾。其他情况以此类推。于是我们可以得到如下的模型：然后运用lingo程序进展实现，求得在一辆调度车的行驶

10、的最短路径，即本全局最优解。本文中有两辆调度车，可以将租赁点合理地分为两组，得出两组的最优行驶路线，而行驶速率一定，如此时间达到最短。lingo程序代码如附录二所示。租赁点车辆的分配数，需求量附件二中网点格式简单的需求量满足关系第个租赁点下一时间段的分配数表示点在时段的自行车需求量，与相区别。由于居民可以在任意一个租赁点还车，在某个租赁点还车的概率与租车点和还车点的距离成反比，且假设居民的骑行距离不超过2km；在此我们设在某租赁点还车的概率，依据概率论相关知识必然事件概率和为1，如此由Matlab编程可以求得三十个方程的结果，得到反比例系数的三十个数值。Matlab程序如附录三所示。又由此可以

11、确定，共有900个数值其中包括租赁点的距离大于2km情况，但其概率为0，为防止数据量大导致误差，我们在此并未将概率算出，而是直接将概率使用到了求解自行车分配数的求解程序中，既简化了模型求解步骤，又保证了数据的准确性。从其余租赁点还到租赁点的自行车数，=经过Matlab编程可以求得的一系列数值，Matlab程序如附录四所示。也就可以得到问题一调度方案中需要调度的最少自行车数。第个租赁点装卸车用时=，从而求得目标函数：完成调度所消耗的时间=。模型求解经过lingo编程能够得到最短路线经过的租赁点序号：x(1,2)=1, x(2,3)=1, x(3,17)=1, x(4,22)=1, x(5,19)

12、=1, x(6,23)=1, x(7,8)=1, x(8,27)=1, x(9,30)=1, x(10,28)=1, x(11,12)=1, x(12,14)=1, x(13,15)=1, x(14,13)=1, x(15,16)=1, x(16,1)=1, x(17,4)=1, x(18,11)=1, x(19,29)=1, x(20,5)=1, x(21,20)=1, x(22,6)=1, x(23,24)=1, x(24,10)=1, x(25,21)=1, x(26,25)=1, x(27,26)=1, x(28,9)=1, x(29,18)=1, x(30,7)=1而其余全为0。由以

13、上数据可以得到一辆调度车时的最优行车回路为：1231742262324102893078272625212051929181112141315161总共用时。本文问题一中有两辆调度车进展运输，考虑到调度问题的复杂性，结合实际情况把租赁点进展分区管理，使调度过程简单、效率高，本模型将只有一辆调度车时最优行驶路线经过的租赁点划分为两局部，两辆调度车分别经过各自租赁点的时间根本相等。分组如下第一组：1112141315161231742262324第二组：10289307827262521205192918假设每辆调度车负责的区域一定，如此每组的租赁点调度时应该构成行驶路线回路，使用附录二中的程序分

14、别对两组租赁点的最优行驶路线进展求解，得到最优行驶路线：第一组：7302810982120519182526277所花费时间第二组：1151112131423174222423629161所花费时间如如下图所示由附录四程序可以得到每个租赁点在三个时间段所还车辆，所需车辆比照如如下图：7:00-8:3011:00-12:3017:30-19:00编号所还车辆所需车辆编号所还车辆所需车辆编号所还车辆所需车辆120 15 122 30 120 15 222 23 224 35 222 23 323 38 327 31 323 38 421 38 422 22 421 38 522 17 523 28

15、 522 17 623 32 623 10 623 32 725 13 722 34 725 13 826 40 824 16 826 40 926 26 924 19 926 26 1023 18 1022 37 1023 18 1123 18 1123 27 1123 18 1222 35 1224 33 1222 35 1321 7 1322 28 1321 7 1426 12 1425 13 1426 12 1522 38 1524 12 1522 38 1622 17 1622 6 1622 17 1725 21 1724 23 1725 21 1822 23 1822 32 182

16、2 23 1923 28 1924 20 1923 28 2025 23 2024 20 2025 23 2123 15 2123 34 2123 15 2223 35 2223 6 2223 35 2321 15 2322 38 2321 15 2423 34 2422 10 2423 34 2526 21 2525 13 2526 21 2625 23 2623 20 2625 23 2723 35 2723 35 2723 35 2830 18 2828 20 2830 18 2923 13 2924 17 2923 13 3024 18 3023 38 3024 18 由以上各个时间段

17、的所还、所需车数可求出两者的差值，也就是调度车在租赁点需要装卸的自行车的数目，本模型为了满足车辆调度只在附件2中车辆需要最多的时间段进展和每个租赁点自行车数量最多不超过40辆的要求，并完成调度任务，本模型做了如下调整，调整前后增减车辆数代数和相等：实际所需增减车辆数调整后时间增减车辆数0-85-4-45-1-11-1-4-5-4-4-2-13-6-7-6-50-7-5-3-42-55-1-231213-9664-12-1212-8-8848-1400-2450333-2-155-6-64-3-45-2-222-9-13-6-7-7-9-614-5-37758776812-1646-6-3165

18、675-1114-2-1-3-15-10-1-16-2-834-522-2142223-8-118-6-651714-156644-166-6-661812-1187615125101110532433-5-12-12991048128882710667-2-156-7-67下表是两回路各个时间段需要调度的车辆数，最后一行是各个租赁点各时间段需要调度车辆数的总和，即完成调度所需要的时间=。回路1回路27:00-8:307:00-8:3017:30-19:007:00-8:307:00-8:3017:30-19:006644457674668882226646773335370027766654

19、5422367612321322253416286641011108764336669910664667675806672838382将对应相加得到=的两回路各时间段调度所消耗的时间。回路一：7:008:30用时11:0012:30用时17:3019:00用时回路二：7:008:30用时11:0012:30用时17:3019:00用时最初车辆各点分配方案以中午时刻为开始点序号12345678910分配车辆38403522331634161931序号11121314151617181920分配车辆2940311312624341818序号21222324252627282930分配车辆40640

20、10132035201738结果分析1.该模型的调度时间在合理可控的围之，能够很好地实现车辆调度只在附件2中车辆需要最多的时间段进展这一目标，本模型的计算结果有很高的理论意义和实用价值。2.各租赁点实际装卸车辆时间和该组运输过程已经超出了要求的时间，即在车辆需要最多的时间段完成调度，本模型对租赁点增减调度车辆进展适当的调整，使模型的最终结果很好地满足题目中的要求。3.本模型中数据使用四舍五入取整，使模型的数据易于计算，但此处由路程求得的时间并未进展取整，使得最终结果相对于全部取整得到的结果更加准确。5.2 问题二的模型模型建立问题2中，要求在事先确定了70个备选租赁点选择k个点作为三期建设点，

21、利用excel求出该70个点的日平均车辆需求量，数据处理得到降序的日需求量值，按照日均值数据大小进展编号，如如下图所示序号123456789101112租赁点565060777273889047874963均值403432313129取整403634333231313131292929序号131415161718192021222324租点466984628031763691334534均值282525取整282828282825252525232322序号252627282930313233343536租赁点325981404365415571863954均值1919181818取整2121

22、21201919191818181818序号3738394041424344454647租点3557684494513779923848均值14取整1616161514141414141313序号484950515253545556575859租点1006167959752708275426453均值12111111取整121212121211111111111110序号6061626364656667686970租赁点5889746678839998859693均值866取整109988888666建设经费为200万元，一辆自行车的花费金额为0.1万元，设建设花费总金额为W，新增租赁点个数为

23、k,新增自行车数目为m,对应的降序排列日平均车辆需求量为因此，由线性关系，得到目标函数：maxW200;约束条件为;% ,0,40,m,k均为整数，利用以上线性规划模型，用matlab求解。模型求解求解结果为k=24,m762，如此新增租赁点数目为24个，可购置自max M=800结合该新增的24个租赁点一天三个时间段自行车需求量与平均需求量，对相应租赁点自行车放置数目进展初步的配置，如下列图;租赁点号313334364546474950566062放置车数402322252228303336403427租赁点号636972737677808487889091放置车数2839323125332

24、52829313132新增租赁点具体位置分布简化为如下图所示，以问题1中分化区域界限为基准，新增点分布在对应的上下区域；结果分析新增租赁点设置以满足日均最大需求量为基准，在经费额度，三期设置24个点时，车辆日平均总需求量为692辆，如此实际车辆数目应满足超出需求的10%，即762辆，此时花费总额为万元；当三期设置25个点时，车辆日均总需求量为713辆，实际车辆数为784辆，此时花费总额为203万，超出经费总额度；故三期建设设置24个租赁点满足最大经费利用。且以该区域中心点为原点时，新增24个点较为均匀的分布在该区域。5.3 问题三的模型模型建立在问题三中，我们将已建成的30个租赁点与问题二中求

25、解的三期新增的24个租赁点重新编号为1到54，建立以调度车行驶时间最少为目标的模型中，结合调度车行驶的方向性，运用lingo编程找出全程租赁点的可行最短路径，也就是运用穷举的方法筛选出最短的行驶路径，从而求出调度车完成调度时道路行驶花费的时间。问题三处理过程相当于是对问题一的拓广，模型建立一样，即利用lingo求解货郎担问题解法。如下的模型：然后运用lingo程序进展实现，求得在一辆调度车的行驶的最短路径，即本全局最优解。然后利用问题一中上下区域分界限，对应的54个租赁点分布在上下区域，求解两辆调度车调度最短路径；同问题一，建立线性规划模型，求解调度车装卸车用时，第个租赁点下一时间段的分配数表

26、示点在时段的自行车需求量，与相区别。由于居民可以在任意一个租赁点还车，在某个租赁点还车的概率与租车点和还车点的距离成反比，且假设居民的骑行距离不超过2km；在此我们设在某租赁点还车的概率，依据概率论相关知识必然事件概率和为1，如此由Matlab编程可以求得五十四个方程的结果，得到反比例系数的三十个数值。Matlab程序代码同附录三所示。又由此可以确定，共有2916个数值其中包括租赁点的距离大于2km情况，但其概率为0，为防止数据量大导致误差，我们在此并未将概率算出，而是直接将概率使用到了求解自行车分配数的求解程序中，既简化了模型求解步骤，又保证了数据的准确性。从其余租赁点还到租赁点的自行车数，

27、=经过Matlab编程可以求得的一系列数值，Matlab程序如附录四所示。也就可以得到问题一调度方案中需要调度的最少自行车数。易得第个租赁点装卸车用时=，从而求得目标函数：完成调度所消耗的时间=。将z与150min比拟，假如满足z小于150min,如此调度车分配合理；假如z大于150min,如此将一辆调度车工作时最短路线分为三个工作段，3辆调度车循环工作在该三个段中，即该时段在1段调度，下时段在2段调度，在下一时段在3段调度，三辆车循环工作，比拟与150min大小，直至满足z小于150min.模型求解利用lingo求解，当增加两辆调度车，即总共4辆调度车时满足z小于150min。数据呈现为，当

28、为一辆调度车工作时，最短路径为363331141388128784118077721819520216925262763730847910285660796273762916151234317462346495024452236，此时耗时为t=73.58min;当两辆调度车分区工作时，上区域最短调度路径为73084791028566079627376777218195202169252627637，此时耗时t=31.32min;下区域最短调度路径为1234317462346495024452236333114138812878411802916151，此时耗时t=40,50min;装卸车用时仅

29、考虑三个时段中的早时段上区域耗时t=138min，下区域耗时t=146min,总用时均超出150min;运用matlab软件求解，当将该最短路径按照相应调度用时分为四段时，即有4辆调度车工作时，t1=138.11min,t2=128.09min,t3=117.17min,t4=132.03min,t值均小于150min,此时调度情况为，一段：2236333114138812878411807772二段：7218195202169252627637308三段：84791028566079627376291615四段：1512343174623464950244522该四段构成一个完整的调度路线，

30、且满足题设条件。结果分析该模型的调度时间在合理可控的围之，能够很好地实现车辆调度只在车辆需要最多的时间段进展这一目标，本模型的计算结果有很高的理论意义和实用价值。该模型先将在一辆调度车工作时的最短路径求解出来，通过逐一增加调度车辆数目以对上述路径分段，求解出各段调度车调度总用时来与条件进展比拟，方法较繁琐却较为准确的满足条件。本模型中数据使用四舍五入取整，使模型的数据易于计算，但此处由路程求得的时间并未进展取整，使得最终结果相对于全部取整得到的结果更加准确。六、模型的评价6.1 模型的优点1) 根据题目要时观测到的数据归结到3个车辆使用需求最多的时间段，并进展了平均可以认为每天的需求量不变，这

31、样使我们的求解简单易行，且不影响结果的正确性。2) 我们使用了TSP问题模型，通过Lingo求解可以很容易求出通过每个点的最优路径，具有非常好的普适性，并且该模型符合调度车辆调度时根本经过每一个租赁点的实际情况，具有很好的实用性。3) 求最优行驶路径时我们未考虑红、绿灯，十字路口等实际问题，而且并未涉与天气变化对自行车出租造成的影响，仅考虑租赁点间距离，所以该方法可以很容易推广到求解其他类似问题。4) 求解最短调度时间时，我们采用的是尽量满足大多数人的需求，所以对由MATLAB计算出的数据采用Excel表格进展了合理平均和取整处理，同时该方法也符合实际多数资源优化配置所采用的策略方案，具有很好

32、的推广性。6.2 模型的不足1) 本模型开始求解阶段根据一辆车的最优运行路径和租赁点的具体位置对租赁点进展了人为划分，该划分很有可能并非最优的。2) 本模型距离是通过经纬度计算求得的直线距离，两点之间永远是直线距离最短，且未考虑到实际中的道路畅通与否问题。但该问题仅给出了各点的经纬度，未给出实际距离，而采用经纬度计算出结果是在误差允许的围之的，因此这样的假设是可以承受的。3) 求解问题二时，模型建立相当粗糙，约束条件较少，使得结果呈现的效果局限性较大6.3 模型的改良第三问模型在前两问的根底上并未继续分区，而是采用分片负责，循环往复的方法，该方法节省了调度车辆的运行时间。如果第一问也采用该方法

33、，将会节约大约5min调度的时间，而随着调度车辆数量的增加，该时间将进一步减少。七、参考文献1. 肖华勇.实用数学建模与软件应用.：西北工业大学，20082. 承平.数学建模方法.：高等教育，20023. 蓬.matlab根底教程.：清华大学，20114. 徐伟，师义民，超英，浩.概率论与数理统计.：高等教育，2009装订线八、附录附录一Latitude=34.324828, 34.323762, 34.326341, 34.333265, 34.334874, 34.338787, 34.350865, 34.347572, 34.353369, 34.362644, ., 34.32186

34、2, 34.320289, 34.320766, 34.319536, 34.325223, 34.326699, 34.327779, 34.332914, 34.333272, 34.336238, ., 34.339934, 34.339114, 34.342825, 34.346730, 34.347557, 34.347512, 34.347840, 34.362294, 34.330239, 34.353466, ., 34.319670, 34.316808, 34.323129, 34.323307, 34.322830, 34.328435, 34.331893, 34.33

35、2668, 34.330462, 34.335888, ., 34.336245, 34.336424, 34.339405, 34.343161, 34.342922, 34.347572, 34.347632, 34.346916, 34.350552, 34.353056, ., 34.353771, 34.357645, 34.357884, 34.358718, 34.366227, 34.367896, 34.361221, 34.364738, 34.358241, 34.359850, ., 34.353652, 34.347810, 34.350195, 34.351983,

36、 34.343757, 34.343042, 34.342684, 34.345009, 34.341074, 34.342714, ., 34.336603, 34.333145, 34.346708, 34.335560, 34.330254, 34.338720, 34.328584, 34.332162, 34.335679, 34.328435, ., 34.323785, 34.326289, 34.325275, 34.320684, 34.316868, 34.316808, 34.316927, 34.317702, 34.324275, 34.357764, ., 34.3

37、53413, 34.350254, 34.340597, 34.334159, 34.329270, 34.326408, 34.321698, 34.318537, 34.322473, 34.317166;Longitude=108.952954, 108.948562, 108.943199, 108.943387, 108.953161, 108.944636, 108.952532, 108.950232, 108.945525, 108.936075, ., 108.966896, 108.958515, 108.954131, 108.953233, 108.954643, 10

38、8.955020, 108.943360, 108.959745, 108.953439, 108.954014, ., 108.954176, 108.940288, 108.944591, 108.932985, 108.962386, 108.959018, 108.956170, 108.945435, 108.953287, 108.950170, ., 108.945121, 108.937072, 108.937072, 108.943540, 108.929958, 108.935779, 108.928377, 108.936929, 108.943540, 108.9275

39、14, ., 108.936569, 108.945193, 108.935707, 108.935563, 108.927658, 108.936785, 108.943827, 108.927442, 108.935779, 108.926867, ., 108.936857, 108.936138, 108.927514, 108.945049, 108.945768, 108.951301, 108.947421, 108.952308, 108.952954, 108.959566, ., 108.960284, 108.967399, 108.955254, 108.964093,

40、 108.953098, 108.966177, 108.957194, 108.962297, 108.963375, 108.972034, ., 108.960213, 108.960716, 108.971459, 108.975628, 108.963985, 108.971891, 108.971172, 108.969088, 108.966932, 108.960788, ., 108.960788, 108.966824, 108.971711, 108.974226, 108.976813, 108.969268, 108.962584, 108.955182, 108.9

41、68405, 108.971567, ., 108.966177, 108.971280, 108.949217, 108.949002, 108.948858, 108.947996, 108.947852, 108.948283, 108.957913, 108.950152;dist = zeros(100, 100);for i = 1:100 for j = 1:100 dist(i, j) = distance(Latitude(i), Longitude(i), Latitude(j), Longitude(j) / 180 * pi * 6370; endendfor i =

42、1:10fprintf( );endfor i = 1:100fprintf(%-10d, i);endfprintf(n);for i = 1:100 fprintf(%-10d, i); for j = 1:100 fprintf(%-10.6f, dist(i, j); end fprintf(n);end附录二!TSP question;MODEL:SETS:position/1.14/: u;link(position, position): d, x;ENDSETSDATA: 0.85 0.00 1.55 4.24 3.70 2.61 1.85 2.23 1.61 1.09 3.3

43、9 1.31 2.87 3.24 4.21 3.70 5.24 7.91 0.00 1.29 1.87 3.29 3.25 3.38 7.04 4.90 1.29 1.16 2.45 1.85 3.38 6.04 1.87 0.82 0.00 2.27 1.91 1.80 5.22 3.10 1.14 1.49 3.92 3.24 4.70 7.27 1.16 0.67 1.49 3.58 3.33 2.28 6.62 4.53 0.36 0.00; ENDDATAMIN = SUM(link: d * x);for(position(j): sum(position(i) | j #ne#

44、i: x(i, j) = 1);!地点j前有一个地点相连;for(position(i): sum(position(j) | j #ne# i: x(i, j) = 1);!地点i后有一个城市相连;for(link(i, j) | i #ne# j #and# i #gt# 1: u(i) - u(j) + 14 * x(i,j) = 13);for(link: BIN(x);end附录三d = 0.00 0.420.911.291.121.730.000.000.000.001.320.720.460.590.160.280.941.090.941.271.681.970.000.000.

45、000.000.000.000.600.00; 0.420.000.571.161.311.710.000.000.000.001.700.990.610.640.580.680.651.451.151.471.871.870.000.000.000.000.000.000.840.00; 0.910.570.000.771.321.390.000.000.000.000.001.561.181.191.061.090.161.691.221.481.821.441.840.000.000.000.000.001.020.00; 1.291.160.770.000.910.620.001.71

46、0.000.000.000.001.701.771.371.290.611.500.921.031.240.711.071.780.000.000.000.000.970.00; 1.121.311.320.910.000.901.781.440.000.001.921.691.571.711.080.921.200.640.180.170.571.271.180.001.641.501.470.000.520.00; 1.731.711.390.620.900.001.531.101.620.000.000.000.000.001.771.651.231.531.010.910.890.40

47、0.451.391.901.641.460.001.241.71; 0.000.000.000.001.781.530.000.420.702.000.000.000.000.000.000.000.000.001.961.631.221.721.151.850.980.700.471.430.000.36; 0.000.000.001.711.441.100.420.000.780.000.000.000.000.000.000.000.001.851.621.310.921.310.741.591.120.810.551.691.950.66; 0.000.000.000.000.001.

48、620.700.780.001.350.000.000.000.000.000.000.000.000.000.001.691.661.181.371.681.401.150.990.000.43; 0.000.000.000.000.000.002.000.001.350.000.000.000.000.000.000.000.000.000.000.000.000.000.001.790.000.000.000.860.001.65; 1.321.700.000.001.920.000.000.000.000.000.000.791.181.281.191.220.001.391.771.

49、990.000.000.000.000.000.000.000.001.560.00; 0.720.991.560.001.690.000.000.000.000.000.790.000.410.490.650.781.621.411.521.820.000.000.000.000.000.000.000.001.210.00; 0.460.611.181.701.570.000.000.000.000.001.180.410.000.160.500.661.261.451.391.720.000.000.000.000.000.000.000.001.060.00; 0.590.641.19

50、1.771.710.000.000.000.000.001.280.490.160.000.650.811.291.601.531.860.000.000.000.000.000.000.000.001.190.00; 0.160.581.061.371.081.770.000.000.000.001.190.650.500.650.000.171.070.970.901.231.640.000.000.000.000.000.000.000.570.00; 0.280.681.091.290.921.650.000.000.000.001.220.780.660.810.170.001.08

51、0.820.751.061.471.930.000.000.000.000.000.000.420.00; 0.940.650.160.611.201.230.000.000.000.000.001.621.261.291.071.080.001.611.111.361.681.291.680.000.000.000.000.000.950.00; 1.091.451.691.500.641.530.001.850.000.001.391.411.451.600.970.821.610.000.580.640.931.911.770.001.651.621.690.000.660.00; 0.

52、941.151.220.920.181.011.961.620.000.001.771.521.391.530.900.751.110.580.000.330.741.371.340.001.791.661.640.000.340.00; 1.271.471.481.030.170.911.631.310.000.001.991.821.721.861.231.061.360.640.330.000.411.301.130.001.471.331.300.000.671.95; 1.681.871.821.240.570.891.220.921.690.000.000.000.000.001.

53、641.471.680.930.740.410.001.280.940.001.130.950.900.001.081.55; 1.971.871.440.711.270.401.721.311.660.000.000.000.000.000.001.931.291.911.371.301.280.000.571.080.001.961.750.001.551.84; 0.000.001.841.071.180.451.150.741.180.000.000.000.000.000.000.001.681.771.341.130.940.570.001.151.721.421.200.001.

54、611.29; 0.000.000.001.780.001.391.851.591.371.790.000.000.000.000.000.000.000.000.000.000.001.081.150.000.000.000.000.000.001.75; 0.000.000.000.001.641.900.981.121.680.000.000.000.000.000.000.000.001.651.791.471.130.001.720.000.000.310.570.000.001.30; 0.000.000.000.001.501.640.700.811.400.000.000.000.000.000.000.000.001.621.661.330.951.961.420.000.310.000.260.001.991.05; 0.000.000.000.001.471.460.470.551.150.000.000.000.000.000.000.000.001.691.641.300.901.751.200.000.570.260.001.881.970.83; 0.000.000.000.000.000.00