《运筹学课程设计报告个人学习时间优化分配》由会员分享，可在线阅读，更多相关《运筹学课程设计报告个人学习时间优化分配（14页珍藏版）》请在金锄头文库上搜索。
1、个人学习时间优化分配设计总说明（摘要）合理的安排时间方案，采取最优化的时间组合，有利于我们充分发挥各个时 间阶段的学习效益。同时可以使我们的学习符合日常行为及自身特点，不仅使时 间得到有效安排，也使得我们的身心得到和谐。此次，研究分配一天中四个阶段 四门课程的学习时间，就是根据学生的身心特点，和各阶段对各课程学习的收获 程度，采取获得程度量化的方法，设计出一个最优的时间组合方案，从而获得最 大的收获效益。即获得学习的最大价值。在这个过程中要将运筹学的各种理论知识与具体实际情况相结合。首先是确 定所要研究的问题，考虑所需要的各种数据，根据实际需求确定所需要的数据和 模拟量化的数据。将数据整理形成
2、分析和解决问题的具体模型。其次对已得模型 利用计算机进行求解，得出方程的最优解。最后结合所研究问题的实际背景，对 模型的解进行评价、分析以及调整，并对解的实施与控制提出合理化的建议。关键词： 时间优化，线性规化，最优解，获得效益最大目录1 绪论1.1研究的背景31.2研究的主要内容与目的31.3研究的意义31.4研究的主要方法与思路32 理论方法的选择2.1 所研究的问题的特点42.2 拟采用的运筹学理论方法的特点42.3 理论方法的适用性及有效性论证53模型的建立3.1 基础数据的确定53.2 变量的设定63.3目标函数的建立63.4 限制条件的确定63.5模型的建立74 .模型的求解及解的
3、分析4.1 模型的求解74.2 解的分析与评价95 .结论与建议5.1 研究结论115.2建议与对策11个人学习时间优化分配1.绪论1.1研究的背景作为一名大学生，学习是自己的事情。我们在这个过程中占领绝对的主动权。 因此，如何分配自己的时间来安排各门功课的进度和深度，就显得十分的必要。对于学习，不仅讲究的是质量，更追求的是效益。在同一个平台上，在相同 的时间内，如果采取恰当的学习方法，获取最佳的时间方案，无疑会赢得事半功 倍的效果！不同的时段，对自己而言适合不同功课的学习，所以需要针对实际需 要合理的分配各个时间段的学习情况。那么针对自己目前的学习情况，和学习现 状，如何去分配各门功课在不同
4、阶段的时间，从而得到最大的效果那？如何分配， 这些都要求我们运用运筹学中线性规划的方法来研究解答。 1.2研究的主要内容与目的此次研究主要集中探讨在给定的时间和需要的时间下，通过各门课程各个阶 段的获得系数，分配各阶段各功课的学习时间，从而达到最大的获得效益。亦即， 达到最大的学习效率，充分利用学习时间。 因此，借助自己建立的模型，运用 线性规划的知识进行研究，从而最优的确定在什么时候哪门功课上学习多长时 间，使自己的努力换取最大的收益。这样，学习的进度，个人的发展便会沿着自 己的希望前进。为以后的考研等奠定扎实的基础。1.3 研究的意义此次研究一方面使得自己从课本上所学的线性规划的理论知识得
5、到强化，锻 炼了自己的实践能力和动手能力。另一方面使得结合计算软件运用运筹学的相关 知识解决实际问题的方法得到进一步了解，增强了我们对运筹学理论的理解程 度。同时，也解决了自己目前面临的实际问题，对自己的发展也是一个帮助。而 此次线性规划模型的确立、求解、分析又有利于类似的时间分配问题，或其 他分配问题得到解决，以到达合理安排，进行科学管理，减少资源浪费，达到最 优化的最终目的。1.4 研究的主要方法与思路本课题通过对运筹学中线性规划的理论知识与分析方法的运用，建立线性模 型达到解决实际问题的方法。在寻求本次研究的线性规划问题的最优方案时，应采用线性规划的方法和思 想进行分析，并在求解时，将其
6、转化为线性规划的模型，具体思路如下：首先根 据自己的在各个时间学习各门功课的情况，确定各个阶段各门功课的获得系数， 确定目标函数，然后找到相关数据之间的关系，分析哪些数据对解决该问题是有 用的，收集和统计上述拟定模型所需要的各种基础数据，并最终将数据整理形成 分析和解决问题的具体模型。其次对已得模型利用计算机进行求解，得出方程的 最优解。最后结合所研究问题的实际背景，对模型的解进行评价、分析以及调整， 并对解的实施与控制提出合理化的建议。2 理论方法的选择2.1 所研究的问题的特点线性规划的问题一般是研究效益最大化的问题。在这个模型中各个时间段的 学习时间，各门课程每天学习的需求量都是有限的，
7、就是模型中约束条件的右边 项，即资源限制条件。其次各门功课各个时间段的获得系数也是确定的，就是模 型中的未知量的系数，即约束条件系数。目标的实现是线性的。而在这个实际问 题中，我们要求的是效益最大化问题，在已知各个时间段的学习情况的前提下， 选择合适的时间段合适的科目选择学习时间，从而得到学习时间的最优化分配。 它要求各决策变量以及限制条件都不能为负。2.2 拟采用的运筹学理论方法的特点拟采用的运筹方法是线性规划的方法，模型为线性规划的方法建立的规划模 型对问题进行分析与求解。其中构建线性规划的模型是解决问题的一个关键性问 题。线性规划的模型的建立过程主要抓住“四个要素”和“两个关系”。所谓“
8、四个要素”是指：决策变量，资源常量，约束系数，价值系数。抓住 了这四个要素，就等于抓住了建模问题的关键所在。所谓“两个关系”是指：约 束关系和目标函数关系。建立线性规划问题的模型主要有以下六个步骤：1. 设置决策变量；2. 确定资源变量；3. 找出决策变量之间的关系与资源约束常量之间的关系；4. 找出决策变量的价值系数并形成目标函数；5. 确定每个决策变量的取值范围；6. 整理所得到的代数表达式，形成规范的线性规划数学模型。以上问题线性规划的模型是：:maxf(x)二刀刀 cijxij;St；=ai；(i=1,2,，m) Exij0(i=1,2,，m；j=1，2,，n)该模型的特点是：目标函数
9、和约束条件都是线性方程式，其中的决策变量是 由所研究问题本身的性质确定的静态变量，不会因外界环境的变化而变化，对决 策变量都为非负值。目标函数是求一个最优值的方案选择。2.3 理论方法的适用性及有效性论证所研究的问题是运筹学线性规划中关于时间分配的问题，在各个时间段可利 用资源一定的条件下根据不同事物的特点合理的分配时间已达到最优化的方案。 该方案对于在有限资源条件下的各种事物的不同条件下的安排都有效，它可以提 供给我们最好的分配方案，得到资源优化配置，从而最大限度的发挥资源的有效 价值。我们在利用计算软件LINDO将线性规划求解完毕后，还可以进一步的利用该 软件对该模型进行灵敏度分析，分析方
10、程的密切程度以及模型的优劣。这就是对 该线性规划模型有效性的论证。3 模型的建立3.1基础数据的确定大学生考研时主要复习四个方面的课程：专业课，数学，英语，政治。而一 天中的学习时段分四个：早上，上午，下午，晚上。若以半小时为时刻划分单位， 则早上为2个半小时，上午4个半小时，下午为4个半小时，晚上为6个半小时。 我们用数字来量化的表示学习的收获程度。假定数字1为最小收获值，5为最大 收获值，根据自己在不同阶段对各学科学习的收获程度得到如下关系表；表1各个阶段不同学科学习获得表（半小时）学科时间、专业课英语数学政治总自修时间（半小时）早上35152上午43354下午54444晚上42516总自
11、修时 间（半小 时）5353163.2变量的设定 因为此处研究的获得效益问题中，时间因素起重要作用，所以时间是问题 得以解决的核心问题。因此，我们利用变量xij（i=1,2,3,4;j=1,2,3,4）来表示每个时间段上学习 各门课程所花费的时间。即为模型的决策变量。因为xij是表示学习的时间，其 取值不可能为负数，所以xij=0。3.3目标函数的建立 根据自己的实际学习中在不同时间学习各课程的收获程度，可得到时间与课 专业 知识分享程之间的获得系数，即Cij，如下表所示：表3 单位利润表(元/件)课程 时间 、专业课英语数学政治早上3515上午4335下午5444晚上4251所以该模型的线性
12、规划目标函数方程如下：Maxf(x)=3x11+5x12+1x13+5x14+4x21+3x22+3x23+5x24+5x31+4x32+4x33+4x 34+4x41+2x42+5x43+x44 3.4限制条件的确定在该学习时间的线性规划模型中各时间阶段的总的学习时间与各门课程一天中的总学习时间都是有限制的，一般不可能无限制增大，这些就是模型中约束 条件的右边项，即资源限制条件。(1) 每门课程一天内的学习时间是有限制的，即它在各时间阶段学习的时间总和不能少于需要，我们设定它为ai，得约束条件为：刀 xijai,i=l,2,3,4;(2)每个时间阶段学习的总时间不能超过一定的限值，我们设定为
13、bij得约束条件为：刀 xij0(i=l，2,3,4;j=l，2,3,4)4 模型的求解及解的分析4.1 模型的求解运用计算机软件“LINDO”对该模型进行求解，可得计算结果如下：根据上述数据分析可得：LP OPTIMUM FOUND AT STEP 11OBJECTIVE FUNCTION VALUE1)77.00000VARIABLEVALUEREDUCED COSTX110.0000003.000000X122.0000000.000000X130.0000006.000000X140.0000002.000000X211.0000000.000000X220.0000000.000000X230.0000002.000000X243.0000000.000000X313.0000000.000000X321.0000000.000000X330.0000002.000000X340.0000002.000000X411.0000000.000000X420.000000
