热门标签 | HotTags
当前位置:  开发笔记 > 人工智能 > 正文

使用mathematica求解最优化模型

问题1、彩电生产问题的最优化分析一家彩电制造商计划推出两种新产品:一种19英寸液晶平板电视机,制造商建议零售价为339美元;另一种21英寸液晶平板电视机,零售价为399美元。公司付
问题

1、彩电生产问题的最优化分析

一家彩电制造商计划推出两种新产品:一种19英寸液晶平板电视机,制造商建议零售价为339美元;另一种21英寸液晶平板电视机,零售价为399美元。公司付出的成本为19英寸彩电每台195美元,21英寸彩电每台225美元;还要加上400000美元的固定成本。在竞争的销售市场中,每年售出的彩电数量会影响彩电的平均售价。据估计,对每种类型的彩电,每多售出一台,平均销售价格会下降1美分。而且19英寸彩电的销售会影响21英寸彩电的销售,反之亦然。据估计,每售出一台21英寸彩电,19英寸彩电的平均售价会下降0.3美分,而每售出一台19英寸彩电,21英寸彩电的平均售价会下降0.4美分。

(1)每种彩电应该各生产多少台,每种彩电的平均售价是多少?

(2)最大的盈利利润是多少,利润率是多少?

 

2、彩电生产的关税问题分析

仍然是上述的无约束的彩电问题。由于公司的装配厂在海外,所以美国政府要对每台电视机征收25美元的关税。

(1)将关税考虑进去,求最优生产量。这笔关税会使公司有多少花费?在这笔花费中,有多少是直接付给政府,又有多少是销售额的损失?

(2)为了避免关税,公司是否应该将生产企业重新定址在美国本土上?假设海外的工厂可以按每年200000美元的价格出租给另一家制造公司,在美国国内建设一个新工厂并使其运转起来每年需要花费550000美元。这里建筑费用按新厂的预期使用年限分期偿还。

(3)征收关税的目的是为了促使制造公司美国国内建厂。能够使公司愿意在国内重新建厂的最低关税额是多少?

(4)将关税定得足够高,使公司要重建工厂。讨论生产量和利润关于关税的灵敏性。说明实际关税额的重要性。

 

解答

一、彩电生产问题的最优化分析

根据五步法求解过程如下:

第一步:提出问题

变量:

       s=19英寸彩电的售出数量(每年)

       t=21英寸彩电的售出数量(每年)

       p=19英寸彩电的销售价格(美元)

       q=19英寸彩电的销售价格(美元)

       C=生产彩电的成本(美元/年)

       R=彩电销售的收入(美元/年)

       P=彩电销售的利润(美元/年)

假设:

       p=339-0.01s-0.003t

       q=399-0.004s-0.01t

       R=ps+qt

       C=400 000+195s+225t

       P=R-C

       s≥0

       t≥0

目标:求P的最大值

 

第二步:选择建模方法

这个彩电问题是无约束的多变量最优化问题,这类问题通常用多元积分解决。

第三步:推导数学表达式

P=R-C

             = ps+qt-(400 000+195s+255t)

             = (339-0.01s-0.003t) s+(399-0.004s-0.01t) t-(400 000+195s+255t)

现在令y=P作为最大值的目标变量,x₁ = s , x₂ = t 作为决策变量,则该问题可以化为针对y=f(x₁,x₂)求最大值,得:

       y= f( x₁,x₂)

        = (339-0.01 x₁-0.003 x₂) x+(399-0.004 x₁-0.01 x₂) x₂-(400 000+195 x₁+255 x₂)

 

第四步:求解模型

(1)运用mathematica画出该函数的图形

绘制三维模型如下:

《使用mathematica求解最优化模型》

图1 – 绘制三维图形

绘制等高线如下:

《使用mathematica求解最优化模型》

图2 – 绘制等高线

(2)由于如果用手工方法通过第二步选择的微积分求解过于复杂,所以我们可以通过mathematica来求解,求解过程如下图1所示:

《使用mathematica求解最优化模型》

图3 – mathematica求解过程

第五步:回答问题

这家公司可以通过生产4753台19英寸彩电和7043台21英寸彩电获得最大利润,每年获得的净利润553641美元。每台19英寸彩电的平均售价为270.52美元,每台21 英寸彩电的平均售价为309.63美元。生产总支出为2908000美元,相应的利润率为19%。

 

二、彩电生产的关税问题分析

1、第二题第一问

第一步:提出问题

变量:

       s=19英寸彩电的售出数量(每年)

       t=21英寸彩电的售出数量(每年)

       p=19英寸彩电的销售价格(美元)

       q=19英寸彩电的销售价格(美元)

k=关税总花费(美元)

       C=生产彩电的成本(美元/年)

       R=彩电销售的收入(美元/年)

       P=彩电销售的利润(美元/年)

假设:

       p=339-0.01s-0,003t

       q=399-0.004s-0.01t

       R=ps+qt

k=25(s+t)

       C=400 000+195s+225t

       P=R-C-k

       s≥0

       t≥0

目标:求P的最大值

第二步:选择建模方法

虽然本次加入关税,但整体仍是无约束的多变量最优化问题。所以求解思路同上题目。

 

第三步:推导数学表达式

根据上题已有公式,加入关税花费k,得到公式如下:

P=R-C-k

             = ps+qt-(400 000+195s+255t)-25(s+t)

             = (339-0.01s-0.003t) s+(399-0.004s-0.01t) t-

(400 000+195s+255t)-25(s+t)

现在令y=P作为最大值的目标变量,x₁ = s , x₂ = t 作为决策变量,则该问题可以化为针对y=f(x₁,x₂)求最大值,得:

       y= f( x₁,x₂)

        = (339-0.01 x₁-0.003 x₂) x+(399-0.004 x₁-0.01 x₂) x₂-(400 000+195 x₁+255 x₂)-25(x1+x2)

 

第四步:求解模型

(1)通过mathematica求解,得到两种不同英寸最佳分配量,以及关税总额如下图所示:

《使用mathematica求解最优化模型》

图4 – mathematica求解过程

(2)计算关税分配

 

第五步:回答问题

当考虑了关税后,应生产19英寸彩电3809台,21英寸彩电6117台,可获得最大利润282345美元,其中共产生了关税248148美元。

 

2、第二题第二问

撤回国内后,生产成本增加量为:

     550 000-200 000=350 000

若在海外办厂,则仍需要交关税,根据题1所得利润减去题2(1)问所求利润得:

     553641–283245=271296

     271296<350000,所以不应该搬回国内

3、第二题第三问

利用五步法分析结果如下:

第一步:提出问题

变量:

       s=19英寸彩电的售出数量(每年)

       t=21英寸彩电的售出数量(每年)

       p=19英寸彩电的销售价格(美元)

       q=19英寸彩电的销售价格(美元)

       e=关税额(美元/台)

       v=回国的成本增加额(美元)

       k=关税总花费(美元)

       C=生产彩电的成本(美元/年)

       R=彩电销售的收入(美元/年)

       P=彩电销售的利润(美元/年)

假设:

       p=339-0.01s-0,003t

       q=399-0.004s-0.001t

       R=ps+qt

       k=e(s+t)

       C=400 000+195s+225t

       P=R-C-k

       s≥0,t≥0,e≥0

目标:求使得P无关税-P有关税max≥v的e的值

 

第二步:选择建模方法

本次题目关税额不定,应求使得厂商能在国内建厂且利润比国外大的关税额的点(当且仅当收关税使得利润减少额大于等于搬回国内成本)。

第三步:推导数学公式

根据上题以求得公式得到新题设为

     553641-P有关税max≥350000

     ∴P有关税max≤203641

     ∵P有关税max=(339-0.01s-0.003t)s+(399-0.004s-0.01t)t-

(400000+195s+255t)-e(s+t)

     ∴e≥[(339-0.01s-0.003t)s+(399-0.004s-0.01t)t-

          (400000+195s+255t+203641)]/(s+t)

现在令y=e作为最大值的目标变量,x₁ = s , x₂ = t 作为决策变量,则该问题可以化为针对y=f(x₁,x₂)求最大值,得:

y≥[-603641-195x+(339-0.01&#215;1-0.003&#215;2)x1-225&#215;2+(399-0.004&#215;1-0.01&#215;2)x2]/(x1+x2)

第四步:求解模型

首先,利用mathematica绘制图行预估最高点:

(1)利用Plot命令绘制三维图形如下图所示:

《使用mathematica求解最优化模型》

图5 &#8211; 三维图形绘制

(2)利用ContourPlot命令绘制等高线如下图所示

《使用mathematica求解最优化模型》

图6 &#8211; 等高线绘制

通过上述图形可以得到最高点大约在x1=4000,x2=6000左右。

利用mathematica求解过程如下:

《使用mathematica求解最优化模型》

图7 &#8211; FindRoot求解

第五步:回答问题

根据计算结果可以得出结论,当所收关税高于33.1787时,公司才会愿意搬回国内。

4、第二题第四问

该问的前提是关税足够高,使得公司将在美国境内建厂,利润公式如下:

       y=(339-0.01&#215;1-0.003&#215;2)x1+(399-0.004&#215;1-0.01&#215;2)x2-

(400000+195&#215;1+255&#215;2)-e(x1+x2)

其中:

y: 利润

x1: 19英寸生产量

x2: 21英寸菜彩电生产量

通过mathematica求偏导并令他们为零可以得到如下图所示:

《使用mathematica求解最优化模型》

图8 &#8211; 求偏导

同样使用工具求解得出x1.x2分别等于如下图所示:

《使用mathematica求解最优化模型》

通过mathematica分别绘制x1和x2的函数图形如下:

《使用mathematica求解最优化模型》

图9 &#8211; x1关于关税的曲线图

《使用mathematica求解最优化模型》

图10 &#8211; x2关于关税的曲线图

下面讨论y对e的灵敏度分析,将上面所求的的x1和x2带入y=f(x1,x2)中,可以得到式子如下

《使用mathematica求解最优化模型》

图11 &#8211; 带入求值

画出y关于a的表达式如下如下图所示

《使用mathematica求解最优化模型》

图12 &#8211; y关于关税的曲线图

通过上述分析可以得出,关税对于销量和利润都有非常大的影响。


推荐阅读
  • P4168[Violet]蒲公英题目背景亲爱的哥哥:你在那个城市里面过得好吗?我在家里面最近很开心呢。昨天晚上奶奶给我讲了那个叫「绝望」的大坏蛋的故事的 ... [详细]
  • 随着技术的发展,黑客开始利用AI技术在暗网中创建用户的‘数字孪生’,这一现象引起了安全专家的高度关注。 ... [详细]
  • 随着iPhone 11系列的发布,苹果公司引入了先进的夜间模式,显著提升了夜间摄影的质量,解决了之前版本在低光环境下拍摄效果不佳的问题。 ... [详细]
  • 一面问题:MySQLRedisKafka线程算法mysql知道哪些存储引擎,它们的区别mysql索引在什么情况下会失效mysql在项目中的优化场景&# ... [详细]
  • 不同城市的Python工程师薪资对比与工程机械操作员的薪资分析
    本文探讨了中国各主要城市Python工程师的薪资水平,并对工程机械行业中多种机械设备操作员的薪资进行了详细分析。通过对比不同设备的操作难度和技术要求,为有意进入该领域的求职者提供了参考。 ... [详细]
  • 深入理解Kafka架构
    本文将详细介绍Kafka的内部工作机制,包括其工作流程、文件存储机制、生产者与消费者的具体实现,以及如何通过高效读写技术和Zookeeper支持来确保系统的高性能和稳定性。 ... [详细]
  • 58同城的Elasticsearch应用与平台构建实践
    本文由58同城高级架构师于伯伟分享,由陈树昌编辑整理,内容源自DataFunTalk。文章探讨了Elasticsearch作为分布式搜索和分析引擎的应用,特别是在58同城的实施案例,包括集群优化、典型应用实例及自动化平台建设等方面。 ... [详细]
  • 在Ubuntu 16.04中使用Anaconda安装TensorFlow
    本文详细介绍了如何在Ubuntu 16.04系统上通过Anaconda环境管理工具安装TensorFlow。首先,需要下载并安装Anaconda,然后配置环境变量以确保系统能够识别Anaconda命令。接着,创建一个特定的Python环境用于安装TensorFlow,并通过指定的镜像源加速安装过程。最后,通过一个简单的线性回归示例验证TensorFlow的安装是否成功。 ... [详细]
  • 探索微信影响力排名的秘密:解读并计算WCI指数
    在日常浏览微信时,我们经常能见到各类新媒体影响力排行榜。其中,最后一列的WCI指标常引起人们的好奇。本文将深入解析WCI的含义及其计算方法,并通过Python代码实例展示如何计算WCI V14.2。 ... [详细]
  • 深入探讨机器学习中的查准率、查全率及F1分数
    本文详细解析了机器学习领域中常用的性能评估指标——查准率、查全率及其综合评价指标F1分数,通过具体案例分析这些指标在实际应用中的重要性和差异。 ... [详细]
  • 对称与非对称加密技术的比较及应用
    本文探讨了对称加密与非对称加密的主要区别,重点分析了非对称加密中的公钥体系及其在解决密钥分发问题上的优势。对称加密依赖单一密钥进行加密解密,而非对称加密则采用一对公私钥来完成安全通信。 ... [详细]
  • 聚焦法是一种采用穷尽搜索策略的Filter型特征选择方法,其核心在于寻找能有效区分不同样本的最小特征集合。此方法的评估标准主要依赖于一致性测量。 ... [详细]
  • Serato 推出全新 Stems 功能,DJ 软件迎来重大升级
    Serato 最近为其 DJ 软件推出了全新的 Stems 功能,使得用户能够轻松地将音乐中的不同部分如人声、旋律、贝斯和节奏进行分离,为音乐创作和现场表演提供了更多可能性。 ... [详细]
  • 本文详细介绍了WebRTC提供的音频处理引擎,包括自动增益控制(AGC)、噪声抑制(ANS)、移动设备声学回声消除(AEC)及静音检测(VAD)等核心算法,并提供了完整的C语言实现代码。 ... [详细]
  • 最近在深入学习《数据结构与算法–JavaScript描述》一书,尝试通过npmjs.org寻找合适的库作为参考,但未能找到完全符合需求的资源。因此,决定自行实现一个字典数据结构,以便日后能够直接应用。 ... [详细]
author-avatar
书友53099678
这个家伙很懒,什么也没留下!
PHP1.CN | 中国最专业的PHP中文社区 | DevBox开发工具箱 | json解析格式化 |PHP资讯 | PHP教程 | 数据库技术 | 服务器技术 | 前端开发技术 | PHP框架 | 开发工具 | 在线工具
Copyright © 1998 - 2020 PHP1.CN. All Rights Reserved | 京公网安备 11010802041100号 | 京ICP备19059560号-4 | PHP1.CN 第一PHP社区 版权所有