第2讲 数学建模初等模型

第第2讲讲 初等模型初等模型2.1、船艇回合问题 2.2、双层玻璃的功效2.3、崖高的估算2.4、经验模型2.5、量纲分析2.6、几个实例某航空母舰派其护卫舰去搜寻其跳伞的飞某航空母舰派其护卫舰去搜寻其跳伞的飞 行行员，护卫舰找到飞行员后，航母通知它尽快员，护卫舰找到飞行员后，航母通知它尽快 返回与其汇合并通报了航母当前的航速与方返回与其汇合并通报了航母当前的航速与方 向，问护卫舰应怎样航行，才能与航母汇合。向，问护卫舰应怎样航行，才能与航母汇合。2.1 舰艇舰艇的会合的会合令：令：则上式可简记成则上式可简记成：A(0,b)XYB(0,-b)P(x,y)O航母航母 护卫舰护卫舰 1 2 即：即：可化为：可化为：记记v2/v1=a通常通常a1 则则汇合点汇合点 p必位于此圆上。必位于此圆上。（护卫舰的路线方程）（护卫舰的路线方程）（航母的路线方程（航母的路线方程）即可求出即可求出P点的坐标和点的坐标和2 的值。的值。本模型虽简单，但分析本模型虽简单，但分析极极清晰清晰且且易于实际应用易于实际应用 2.2 双层玻璃的功效双层玻璃的功效在寒冷的北方，在寒冷的北方，许多住房的许多住房的 玻璃窗都是双层玻璃窗都是双层玻璃的，现在我们来建立一个简单玻璃的，现在我们来建立一个简单 的数学模的数学模型，研究一下双层玻璃到底有多型，研究一下双层玻璃到底有多 大的功效。大的功效。比较两座其他条件完全相同的房屋，它们比较两座其他条件完全相同的房屋，它们 的的差异仅仅在窗户不同。差异仅仅在窗户不同。不妨可以提出以下不妨可以提出以下 假设假设：1、设室内热量的流失是热传导、设室内热量的流失是热传导引起的，不存在户内外的空气对引起的，不存在户内外的空气对流。流。2、室内温、室内温 度度T1与户外温与户外温 度度T2均均为常数。为常数。3、玻璃是均匀的，热传导系数、玻璃是均匀的，热传导系数为常数。为常数。设玻璃的热传导系数设玻璃的热传导系数 为为k1，空气的，空气的热传导系数热传导系数 为为k2，单位时间通过单，单位时间通过单位面积由温度高的一侧流向温度低位面积由温度高的一侧流向温度低的一侧的热量为的一侧的热量为Q ddl室室外外T2室室内内T1TaTb由热传导公式由热传导公式 Q=kT/d 解得：解得：此函数的图形为此函数的图形为dd室室外外T2室室内内T1类似有类似有 一般一般故故记记h=l/d并令并令f(h)=01234567891000.10.20.30.40.50.60.70.80.91hf(h)考虑到考虑到美观美观和使用上和使用上 的的方便方便，h不必取得过大，例如，可不必取得过大，例如，可 取取h=3，即，即l=3d，此时房屋热量的损失不超过单层玻璃窗，此时房屋热量的损失不超过单层玻璃窗时的时的 3%。2.3 崖高的估算崖高的估算假如你站在崖顶且身上带着一只具有跑表功假如你站在崖顶且身上带着一只具有跑表功 能的计算器，你也许会出于好奇心想用扔下能的计算器，你也许会出于好奇心想用扔下 一块石头听回声的方法来估计山崖的高度，一块石头听回声的方法来估计山崖的高度，假定你能准确地测定时间，你又怎样来推算假定你能准确地测定时间，你又怎样来推算 山崖的高度呢，请你分析一下这一问题。山崖的高度呢，请你分析一下这一问题。我有一只具有跑我有一只具有跑 表功能的计算器。表功能的计算器。方法一方法一假定空气阻力不计，可以直接利用自由落体运动的公式假定空气阻力不计，可以直接利用自由落体运动的公式来计算。例如，来计算。例如，设设t=4秒，秒，g=9.81米米/秒秒2，则可求得，则可求得h78.5米。米。我学过微积分，我可以做我学过微积分，我可以做 得更好，呵呵。得更好，呵呵。除去地球吸引力外，对石块下落影响最大的当除去地球吸引力外，对石块下落影响最大的当 属属空气阻力空气阻力。根据流体力学知识，此时可设空气阻力正比于石块下落的根据流体力学知识，此时可设空气阻力正比于石块下落的速度，阻力系速度，阻力系 数数K为常数，因而，由牛顿第二定律可得：为常数，因而，由牛顿第二定律可得：令令k=K/m，解得解得 代入初始条件代入初始条件 v(0)=0，得，得c=g/k，故有，故有 再积分一次，得：再积分一次，得：若设若设k=0.05并仍设并仍设 t=4秒，则可求秒，则可求 得得h73.6米。米。听到回声再按跑表，计算得到的时间中包含了听到回声再按跑表，计算得到的时间中包含了 反应时间反应时间 进一步深入考虑进一步深入考虑进一步深入考虑进一步深入考虑不妨设不妨设平均反应时间平均反应时间 为为0.1秒秒，假如仍，假如仍 设设t=4秒，扣除反秒，扣除反应时间后应应时间后应 为为3.9秒，代入秒，代入 式式，求得，求得h69.9米。米。多测几次，取平均值多测几次，取平均值再一步深入考虑再一步深入考虑再一步深入考虑再一步深入考虑代入初始条代入初始条 件件h(0)=0，得到计算山崖高度的公式：，得到计算山崖高度的公式：将将e-kt用泰勒公式展开并用泰勒公式展开并 令令k 0+，即可，即可得出前面不考虑空气阻力时的结果。得出前面不考虑空气阻力时的结果。还应考虑还应考虑回声回声传回来所需要的时间。为此，令石块下落传回来所需要的时间。为此，令石块下落 的真正时间的真正时间 为为t1，声音传回来的时间记，声音传回来的时间记 为为t2，还得解一个，还得解一个方程组：方程组：这一方程组是这一方程组是非线性非线性的，求的，求解不太容易，解不太容易，为了估算崖高为了估算崖高竟要去解一个竟要去解一个非线性主程组非线性主程组似乎不合情理似乎不合情理 相对于石块速度，声音速度要快得多，我们可相对于石块速度，声音速度要快得多，我们可 用方法二先求一次用方法二先求一次 h，令，令t2=h/340，校正，校正t，求石，求石块下落时间块下落时间 t1t-t2将将t1代入式代入式再算一次，得出再算一次，得出崖高的近似值。例如，崖高的近似值。例如，若若h=69.9米，则米，则 t20.21秒，故秒，故 t13.69秒，求得秒，求得 h62.3米。米。最小二乘法最小二乘法 插值方法插值方法 当问题的机理非常不清楚难以直接利用其他知当问题的机理非常不清楚难以直接利用其他知识来建模时，一个较为自然的方法是利用数据识来建模时，一个较为自然的方法是利用数据进行曲线拟合，找出变量之间的近似依赖关系进行曲线拟合，找出变量之间的近似依赖关系即函数关系。即函数关系。2.4 经验模型经验模型最小二乘法最小二乘法设经实际测量已得设经实际测量已得 到到n组数据（组数据（xi,yi），），i=1,n。将数据。将数据画在平面直角坐标系中，见画在平面直角坐标系中，见 图。如果建模者判断图。如果建模者判断 这这n个点很个点很象是分布在某条直线附近，令象是分布在某条直线附近，令 该直线方程该直线方程 为为y=ax+b，进而，进而利用数据来求参利用数据来求参 数数a和和b。由于该直线只是数据近似满足的关。由于该直线只是数据近似满足的关系式，故系式，故 yi-(axi+b)=0一般不成立，但我们希望一般不成立，但我们希望 最小最小此式对此式对a和和b的偏导数均的偏导数均 为为0，解相应方程组，求得：解相应方程组，求得：y=ax+byO(xi,yi)x其中其中 和和 分别为分别为xi和和yi的平均值的平均值 如果建模者判断变量间的关系并非线性关系而是其他类型的函数，如果建模者判断变量间的关系并非线性关系而是其他类型的函数，则可作则可作 变量替换变量替换使之转化为线性关系或用类似方使之转化为线性关系或用类似方 法法拟合拟合。显然，运动员体重越大，他能举起的重量也越大，但举重显然，运动员体重越大，他能举起的重量也越大，但举重成绩和运动员体重到底是怎样关系的，不同量级运动员的成绩和运动员体重到底是怎样关系的，不同量级运动员的成绩又如何比较优劣呢？运动成绩是包括生理条件、心理成绩又如何比较优劣呢？运动成绩是包括生理条件、心理因素等等众多相关因素共同作用的结果，要建立精确的模因素等等众多相关因素共同作用的结果，要建立精确的模型至少现在还无法办到。但我们拥有大量的比赛成绩纪录，型至少现在还无法办到。但我们拥有大量的比赛成绩纪录，根据这些数据不妨可以建立一些经验模型。为简单起见，根据这些数据不妨可以建立一些经验模型。为简单起见，我们不妨取表中的数据为例。我们不妨取表中的数据为例。例例1（举重成绩的比较）（举重成绩的比较）举重举重是一种一般人都能看懂的运动，它共分是一种一般人都能看懂的运动，它共分九个重量级，有两种主要的比赛方法：抓举九个重量级，有两种主要的比赛方法：抓举和挺举。和挺举。表中给出了到表中给出了到1977年底为止九个年底为止九个重量级的世界纪录。重量级的世界纪录。255200110以上以上237.518511022118090207.517082.5195157.575180141.567.5161.513060151120.55614110952挺挺举（公斤）（公斤）抓抓举（公斤）（公斤）成成绩重量重量级（上限体（上限体重）重）模型模型1（线性模型）（线性模型）将数据画在直角坐标系中可以发现，运动成绩与体将数据画在直角坐标系中可以发现，运动成绩与体量近似满足线性关系，只有量近似满足线性关系，只有110公斤级有点例外，两公斤级有点例外，两项成绩都显得较低。应用前面叙述的方法可求出近项成绩都显得较低。应用前面叙述的方法可求出近似关似关 系式系式L=kB+C，其中，其中B为体重，为体重，L为举重成绩。为举重成绩。你在作图你在作图 时时L轴可以放轴可以放 在在50公斤或公斤或52公斤处，因为公斤处，因为没有更轻级别的比赛，具体计算留给读者自己去完没有更轻级别的比赛，具体计算留给读者自己去完成。成。模型模型2（幂函数模型）（幂函数模型）线性模型并未得到广泛的接受，要改进结果，能够线性模型并未得到广泛的接受，要改进结果，能够想到的自然首先是幂函数模型，即令想到的自然首先是幂函数模型，即令L=kBa，对此式，对此式取对数，得取对数，得 到到lnL=lnk+a lnB。将原始数据也取对数，。将原始数据也取对数，问题即转化了线性模型，可用最小二乘法求出参数。问题即转化了线性模型，可用最小二乘法求出参数。几十年前英国和爱尔兰采用的比较举重成绩优劣几十年前英国和爱尔兰采用的比较举重成绩优劣 的的Austin公式公式：L=L/B3/4就是用这一方法求得的。就是用这一方法求得的。模型模型3（经典模型）（经典模型）经典模型是根据生理学中的已知结果和比例关系推导出来的经典模型是根据生理学中的已知结果和比例关系推导出来的公式，应当说，它并不属于经验公式。为建立数学模型，先公式，应当说，它并不属于经验公式。为建立数学模型，先提出如下一些假设：提出如下一些假设：(1)举重成绩正比于选手肌肉的平均横截举重成绩正比于选手肌肉的平均横截 面积面积A，即，即L=k1A(2)A正比于身高正比于身高 l的平方，即的平方，即 A=k2l2(3)体重正比于身高体重正比于身高 l的三次方，的三次方，即即B=k3l3根据上述假设，可得根据上述假设，可得 显然，显然，K越大则成绩越好，故可用越大则成绩越好，故可用 来比较选手来比较选手比赛成绩的优劣。比赛成绩的优劣。模型模型4（O Carroll公式）公式）经验公式的主要依据是比例关系，其假设条件非常粗糙，可经验公式的主要依据是比例关系，其假设条件非常粗糙，可信度不大，因而大多数人认为它不能令人信服。信度不大，因而大多数人认为它不能令人信服。1967年，年，O Carroll基于动物学和统计分析得出了一个现在被广泛使用的基于动物学和统计分析得出了一个现在被广泛使用的公式。公式。O Carroll模型的假设条件是：模型的假设条件是：(1)L=k1Aa,a1 (2)A=k2lb,bm）。由于公式量纲齐次当且仅当它可用无量纲的量表示，）。由于公式量纲齐次当且仅当它可用无量纲的量表示，故方程当且仅当可写故方程当且仅当可写 成成f(1，,m)=0时才是量纲齐次时才是量纲齐次的，定理证毕。的，定理证毕。证证 设设x1,xk为方程中出现的变量与常数为方程中出现的变量与常数,对这些变量对这些变量与常数的任一乘积与常数的任一乘积 ,令令 函数函数g建立了建立了xi(i=1,k)的乘积所组成的空间的乘积所组成的空间 与与k维欧维欧氏空间之间的一个一一对应。现设涉及到的基本量纲有氏空间之间的一个一一对应。现设涉及到的基本量纲有n个个,它们它们 为为y1,yn.用这些基本量纲来表达用这些基本量纲来表达 该该xi的乘幂的乘幂,设此乘幂的量纲为设此乘幂的量纲为 令令易见易见dg-1是是k维欧氏空间维欧氏空间 到到n维欧氏空间的一个变换，这维欧氏空间的一个变换，这里的里的g-1为为g的逆变换。的逆变换。例例4（理想单摆的摆动周期）（理想单摆的摆动周期）考察质量集中于距支点为考察质量集中于距支点为 l 的质点上的无阻的质点上的无阻尼尼 单摆，（如图），其运动为某周单摆，（如图），其运动为某周 期期 t 的的左右摆动，现希望得到周期左右摆动，现希望得到周期 t 与其他量之间与其他量之间的的 关系。关系。lmg考察考察 ，的量纲的量纲为为MaLb+dTc-2b若若 无量纲，则有无量纲，则有此方程组中不含此方程组中不含 e，故，故（0,0,0,0,1）为一解，对应的为一解，对应的1=即即为无量纲量。为求另一个无纲量可为无量纲量。为求另一个无纲量可 令令b=1，求得，求得（0，1，2，-1，0），），对应有对应有 故单摆公式可用故单摆公式可用 表示。表示。从中解出显函数从中解出显函数 则可得：则可得：其中其中此即理想单摆的周期公式。当然此即理想单摆的周期公式。当然 k()是无法求得的，事实是无法求得的，事实上，需要用椭圆积分才能表达它。上，需要用椭圆积分才能表达它。量纲分析法虽然简单，但使用时在技巧方面的要求较高，稍量纲分析法虽然简单，但使用时在技巧方面的要求较高，稍一疏忽就会导出荒谬的结果或根本得不出任何有用的结果。一疏忽就会导出荒谬的结果或根本得不出任何有用的结果。首先，它要求建模者对研究的问题有正确而充分的了解，能首先，它要求建模者对研究的问题有正确而充分的了解，能正确列出与该问题相关的量及相关的基本量纲，容易看出，正确列出与该问题相关的量及相关的基本量纲，容易看出，其后的分析正是通过对这些量的量纲研究而得出的，列多或其后的分析正是通过对这些量的量纲研究而得出的，列多或列少均不可能得出有用的结果。其次，在为寻找无量纲量而列少均不可能得出有用的结果。其次，在为寻找无量纲量而求解齐次线性方程组时，基向量组有无穷多种取法，如何选求解齐次线性方程组时，基向量组有无穷多种取法，如何选取也很重要，此时需依靠经验，并非任取一组基都能得出有取也很重要，此时需依靠经验，并非任取一组基都能得出有用的结果。此外，建模者在使用量纲分析法时对结果也不应用的结果。此外，建模者在使用量纲分析法时对结果也不应抱有不切实际的过高要求，量纲分析法的基础是公式的量纲抱有不切实际的过高要求，量纲分析法的基础是公式的量纲齐次性，仅凭这一点又怎么可能得出十分深刻的结果，例如，齐次性，仅凭这一点又怎么可能得出十分深刻的结果，例如，公式可能包含某些无量纲常数或无量纲变量，对它们之间的公式可能包含某些无量纲常数或无量纲变量，对它们之间的关系，量纲分析法根本无法加以研究。关系，量纲分析法根本无法加以研究。在解决实际问题时，注意观察和善于想象是十分重要的，在解决实际问题时，注意观察和善于想象是十分重要的，观察与想象不仅能发现问题隐含的某些属性，有时还能顺观察与想象不仅能发现问题隐含的某些属性，有时还能顺理成章地找到解决实际问题的钥匙。本节的几个例子说明，理成章地找到解决实际问题的钥匙。本节的几个例子说明，猜测也是一种想象力。没有合理而又大胆的猜测，很难做猜测也是一种想象力。没有合理而又大胆的猜测，很难做出具有创新性的结果。开普勒的三大定律（尤其是后两条）出具有创新性的结果。开普勒的三大定律（尤其是后两条）并非一眼就能看出的，它们隐含在行星运动的轨迹之中，并非一眼就能看出的，它们隐含在行星运动的轨迹之中，隐含在第谷记录下来的一大堆数据之中。历史上这样的例隐含在第谷记录下来的一大堆数据之中。历史上这样的例子实在太多了。在获得了一定数量的资料数据后，人们常子实在太多了。在获得了一定数量的资料数据后，人们常常会先去猜测某些结果，然后试图去证明它。猜测一经证常会先去猜测某些结果，然后试图去证明它。猜测一经证明就成了定理，而定理一旦插上想象的翅膀，又常常会被明就成了定理，而定理一旦插上想象的翅膀，又常常会被推广出许多更为广泛的结果。即使猜测被证明是错误的，推广出许多更为广泛的结果。即使猜测被证明是错误的，结果也决不是一无所获的失败而常常是对问题的更为深入结果也决不是一无所获的失败而常常是对问题的更为深入的了解。的了解。2.6 几个实例几个实例 例例5（最短路径问题）（最短路径问题）设有一个半径为设有一个半径为 r 的圆形湖，圆心为的圆形湖，圆心为 O。A、B 位于湖的两侧，位于湖的两侧，AB连线过连线过O，见图。，见图。现拟从现拟从A点步行到点步行到B点，在不得进入湖中的限点，在不得进入湖中的限 制下，问怎样的路径最近。制下，问怎样的路径最近。ABOr将湖想象成凸出地面的木桩，将湖想象成凸出地面的木桩，在在AB间拉一根软线，当间拉一根软线，当线被拉紧时将得到最短路径。根据这样的想象，猜测线被拉紧时将得到最短路径。根据这样的想象，猜测 可以如下得到最短路径：可以如下得到最短路径：过过A作圆的切线切圆于作圆的切线切圆于E，过，过B作圆的切线切圆作圆的切线切圆 于于F。最短路径为由线。最短路径为由线 段段AE、弧、弧EF和线段和线段FB连接而成的连续曲线（根据对称性，连接而成的连续曲线（根据对称性，AE，弧弧EF，FB连接而成的连续曲线也是）。连接而成的连续曲线也是）。EFEF以上只是一种猜测，现在来证明这一猜测是正确的。为此，以上只是一种猜测，现在来证明这一猜测是正确的。为此，先介绍一下凸集与凸集的性质。先介绍一下凸集与凸集的性质。定义定义2.1（凸集凸集）称集合）称集合 R为凸集，若为凸集，若x1、x2R及及0，1，总有总有x1+（1+）x2R。即若。即若x1、x2R，则，则x1、x2的连线必整个地落的连线必整个地落 在在R中。中。定理定理2.2（分离定理分离定理）对平面中的凸）对平面中的凸 集集R与与R外的一点外的一点K，存在直线存在直线 l,l 分离分离R与与K，即，即R与与K分别位于分别位于 l 的两侧（注：的两侧（注：对一般的凸对一般的凸 集集R与与R外的一点外的一点K，则存在超平面分，则存在超平面分 离离R与与K），见图。），见图。klR下面证明猜想下面证明猜想猜测证明如下：猜测证明如下：（方法一）（方法一）显然，显然，由由AE、EF、FB及及AE，EF，FB围成围成的区域的区域 R是一凸集。利用是一凸集。利用分离定理分离定理易证最短径不可能经过易证最短径不可能经过R外的点，若不然，设外的点，若不然，设 为最短路径，为最短路径，过过R外的一点外的一点M，则，则必存在直必存在直 线线l分离分离M与与R，由于路径，由于路径是连续曲线，由是连续曲线，由A沿沿到到M，必交，必交l于于M1，由，由M沿沿到到B又必交又必交l于于M2。这样，直线。这样，直线 段段M1M2的长度必小于路的长度必小于路 径径M1MM2的长度，与的长度，与是是A到到B的的最短路径矛盾，至此，我们已证明最短路径必在凸集最短路径矛盾，至此，我们已证明最短路径必在凸集R内。内。不妨设路径经湖的上方到达不妨设路径经湖的上方到达B点，则弧点，则弧EF必在路径必在路径F上，又上，又直线段直线段AE是由是由A至至E的最短路径，直线的最短路径，直线FB是由是由F到到B的最短的最短路径，猜测得证。路径，猜测得证。ABOrEFEFM1M2Ml还可用还可用微积分微积分方法求弧长，根据计算证方法求弧长，根据计算证明满足限止条件的其他连续曲线必具有明满足限止条件的其他连续曲线必具有更大的长度；此外，本猜测也可用更大的长度；此外，本猜测也可用平面平面几何几何知识加以证明等。知识加以证明等。根据猜测不难看出，根据猜测不难看出，例例5中的条件可以大大放中的条件可以大大放松，可以不必松，可以不必 设设AB过圆心，甚至可不必设湖过圆心，甚至可不必设湖是圆形的。例如对是圆形的。例如对 下图，我们可断定由下图，我们可断定由A至至B的最短路径必的最短路径必 为为l1与与l2之一，其证明也不难类之一，其证明也不难类似给出。似给出。ABl1l2D到此为止，我们的研讨还只局限于平面之中，到此为止，我们的研讨还只局限于平面之中，其实上述猜测可十分自然地推广到一般空间其实上述猜测可十分自然地推广到一般空间中去。中去。1973年，年，J.W.Craggs证明了以上结果：证明了以上结果：若可行区域的边界是光滑曲面。则最短路径必由下列弧组若可行区域的边界是光滑曲面。则最短路径必由下列弧组成，它们或者是空间中的自然最短曲线，或者是可行区域成，它们或者是空间中的自然最短曲线，或者是可行区域的边界弧。而且，组成最短路径的各段弧在连接点处必定的边界弧。而且，组成最短路径的各段弧在连接点处必定相切。相切。例例6 6雨中行走问题雨中行走问题一个雨天，你有件急事需要从家中到学校去，学校离家不远，仅一公里，况且事情紧急，你来不及花时间去翻找雨具，决定碰一下运气，顶着雨去学校。假设刚刚出发雨就大了，但你不打算再回去了，一路上，你将被大雨淋湿。一个似乎很简单的事情是你应该在雨中尽可能地快走，以减少雨淋的时间。但如果考虑到降雨方向的变化，在全部距离上尽力地快跑不一定是最好的策略。试建立数学模型来探讨如何在雨中行走才能减少淋雨的程度。1 建模准备建模目标：在给定的降雨条件下，设计一个雨中行走的策略，使得你被雨水淋湿的程度最小。主要因素：淋雨量，降雨的大小，降雨的方向（风），路程的远近，行走的速度2）降雨大小用降雨强度 厘米/时来描述，降雨强度指单位 时间平面上的降下水的厚度。在这里可视其为一常量。3）风速保持不变。4）你一定常的速度 米/秒跑完全程 米。2 模型假设及符号说明1）把人体视为长方体，身高 米，宽度 米，厚度 米。淋雨总量用 升来记。3 模型建立与计算1）不考虑雨的方向，此时，你的前后左右和上方都将淋雨。淋雨的面积 雨中行走的时间 降雨强度模型中结论，结论，淋雨量与速度成反比。这也验证了尽可能快跑能减少淋雨量。从而可以计算被淋的雨水的总量为2.041（升）。经仔细分析，可知你在雨中只跑了2分47 秒，但被淋了2 升的雨水，大约有4 酒瓶的水量。这是不可思议的。表明：用此模型描述雨中行走的淋雨量不符合实际。原因：不考虑降雨的方向的假设，使问题过于简化。2）考虑降雨方向。人前进的方向若记雨滴下落速度为 （米/秒）雨滴的密度为雨滴下落的反方向表示在一定的时刻在单位体积的空间内，由雨滴所占的空间的比例数，也称为降雨强度系数。所以，因为考虑了降雨的方向，淋湿的部位只有顶部和前面。分两部分计算淋雨量。顶部的淋雨量前表面淋雨量总淋雨量（基本模型）可以看出：淋雨量与降雨的方向和行走的速度有关。问题转化为给定 ，如何选择 使得 最小。情形1结果表明：淋雨量是速度的减函数，当速度尽可能大时淋雨量是速度的减函数，当速度尽可能大时淋雨量达到最小。淋雨量达到最小。假设你以6米/秒的速度在雨中猛跑，则计算得情形2 结果表明：淋雨量是速度的减函数，当速度尽可能大时淋雨量是速度的减函数，当速度尽可能大时淋雨量达到最小。淋雨量达到最小。假设你以6米/秒的速度在雨中猛跑，则计算得情形3 此时，雨滴将从后面向你身上落下。出现这个矛盾的原因：我们给出的基本模型是针对雨从我们给出的基本模型是针对雨从你的前面落到身上情形你的前面落到身上情形。因此，对于这种情况要另行讨论。当行走速度慢于雨滴的水平运动速度，即这时，雨滴将淋在背上，而淋在背上的雨水量是淋雨总量为再次代如数据，得结果表明：当行走速度等于雨滴下落的水平速度时，淋当行走速度等于雨滴下落的水平速度时，淋雨量最小，仅仅被头顶上的雨水淋湿了。雨量最小，仅仅被头顶上的雨水淋湿了。若雨滴是以 的角度落下，即雨滴以 的角从背后落下，你应该以此时，淋雨总量为这意味着你刚好跟着雨滴前进，前后都没淋雨。当行走速度快于雨滴的水平运动速度，即你不断地追赶雨滴，雨水将淋湿你的前胸。被淋得雨量是淋雨总量为4 结论若雨是迎着你前进的方向向你落下，这时的策略很简单，应以最大的速度向前跑；若雨是从你的背后落下，你应控制你在雨中的行走速度，让它刚好等于落雨速度的水平分量。5 注意 关于模型的检验，请大家观察、体会并验证。雨中行走问题的建模过程又一次使我们看到模型假设的重 要性，模型的阶段适应性。例例7 7 席位分配问题席位分配问题 某校有200名学生，甲系100名，乙系60名，丙系40名，若学生代表会议设20个席位，问三系各有多少个席位？按惯例分配席位方案，即按人数比例分配原则 表示某单位的席位数 表示某单位的人数 表示总人数 表示总席位数1 问题的提出问题的提出2020个席位的分配结果个席位的分配结果系别人数所占比例分配方案席位数甲100100/200(50/100)20=10乙6060/200(30/100)20=6丙40 40/200(20/100)20=4现丙系有6名学生分别转到甲、乙系各3名。系别人数所占比例分配方案席位数甲103103/200=51.5%51.5%20=10.3乙6363/200=31.5%31.5%20=6.3丙34 34/200=17.0%17.0%20=3.410641064现象现象1 1 丙系虽少了丙系虽少了6 6人，但席位仍为人，但席位仍为4 4个。（不公平！）个。（不公平！）为了在表决提案时可能出现10：10的平局，再设一个席位。2121个席位的分配结果个席位的分配结果系别人数所占比例分配方案席位数甲103103/200=51.5%51.5%21=10.815乙6363/200=31.5%31.5%21=6.615丙34 34/200=17.0%17.0%21=3.5701173现象现象2 2 总席位增加一席，丙系反而减少一席。（不公平！）总席位增加一席，丙系反而减少一席。（不公平！）惯例分配方法惯例分配方法：按比例分配完取整数的名额后，剩下的名额按比例分配完取整数的名额后，剩下的名额按惯例分给小数部分较大者。按惯例分给小数部分较大者。存在不公平现象，能否给出更公平的分配席位的方案存在不公平现象，能否给出更公平的分配席位的方案？2 建模分析建模分析目标：建立公平的分配方案。反映公平分配的数量指标可用每席位代表的人数每席位代表的人数来衡量。系别 人数 席位数每席位代表的人数公平程度甲1031031010103/10=10.3103/10=10.3中中乙63636 663/6=10.563/6=10.5差差丙34 34 4 434/4=8.534/4=8.5好好系别人数席位数每席位代表的人数甲1001001010100/10=10100/10=10乙60606 660/6=1060/6=10丙40 40 4 440/4=1040/4=10系别人数席位数每席位代表的人数公平程度甲1031031111103/11=9.36103/11=9.36中中乙63637 763/7=963/7=9好好丙34 34 3 334/3=11.3334/3=11.33差差一般地，单位人数席位数每席位代表的人数A AB B当席位分配公平但通常不一定相等，席位分配的不公平程度用以下标准来判断。此值越小分配越趋于公平，但这并不是一个好的衡量标准。单位人数p席位数n每席位代表的人数绝对不公平标准A120101212-10=2B1001010C102010102102-100=2D100010100C,DC,D的不公平程度大为改善！2）相对不公平表示每个席位代表的人数，总人数一定时，此值越大，代表的人数就越多，分配的席位就越少。则A吃亏,或对A 是不公平的。定义“相对不公平”对A 的相对不公平值；同理，可定义对B 的相对不公平值为：对B 的相对不公平值；建立了衡量分配不公平程度的数量指标制定席位分配方案的原则是使它们的尽可能的小。3 3 建模建模若A、B两方已占有席位数为用相对不公平值讨论当席位增加1 个时，应该给A 还是B 方。不失一般性，有下面三种情形。情形情形1 1说明即使给A 单位增加1席，仍对A 不公平，所增这一席必须给A单位。情形情形2 2说明当对A 不公平时，给A 单位增加1席，对B 又不公平。计算对B 的相对不公平值情形情形3 3说明当对A 不公平时，给B 单位增加1席，对A 不公平。计算对A 的相对不公平值则这一席位给A 单位，否则给B 单位。结论结论：当（当（*）成立时，增加的一个席位应分配给）成立时，增加的一个席位应分配给A A 单位，单位，反之，应分配给反之，应分配给 B B 单位。单位。记记则增加的一个席位应分配给则增加的一个席位应分配给Q Q值值 较大的一方。较大的一方。这样的分配席位的方法称为Q Q值方法值方法。若A、B两方已占有席位数为4 4 推广推广 有m 方分配席位的情况设方人数为，已占有个席位，当总席位增加1 席时，计算则1 席应分给Q值最大的一方。从开始，即每方至少应得到以1 席，（如果有一方1 席也分不到，则把它排除在外。）5 举例举例甲、乙、丙三系各有人数103，63，34，有21个席位，如何分配？按按Q值方法：值方法：甲1乙1丙145678910111213141516 1718192021甲：11，乙：6，丙：4练习练习学校共1000学生，235人住在A楼，333人住在B楼，432住在C楼。学生要组织一个10人委员会，试用惯例分配方法，dHondt方法和Q值方法分配各楼的委员数，并比较结果。dHondt方法有k个单位，每单位的人数为 pi，总席位数为n。做法：用自然数1,2,3,分别除以每单位的人数，从所得的数中由大到小取前 n 个，（这n 个数来自各个单位人数用自然数相除的结果），这n 个数中哪个单位有几个所分席位就为几个。下接第三章