數(shù)學建模汽車租賃問題

1、2013高教社杯全國大學生數(shù)學建模競賽承 諾 書我們仔細閱讀了全國大學生數(shù)學建模競賽章程和全國大學生數(shù)學建模競賽參賽規(guī)則（以下簡稱為“競賽章程和參賽規(guī)則”，可從全國大學生數(shù)學建模競賽網(wǎng)站下載）。我們完全明白，在競賽開始后參賽隊員不能以任何方式（包括電話、電子郵件、網(wǎng)上咨詢等）與隊外的任何人（包括指導教師）研究、討論與賽題有關的問題。我們知道，抄襲別人的成果是違反競賽章程和參賽規(guī)則的，如果引用別人的成果或其他公開的資料（包括網(wǎng)上查到的資料），必須按照規(guī)定的參考文獻的表述方式在正文引用處和參考文獻中明確列出。我們鄭重承諾，嚴格遵守競賽章程和參賽規(guī)則，以保證競賽的公正、公平性。如有違反競賽章程和參賽

2、規(guī)則的行為，我們將受到嚴肅處理。我們授權全國大學生數(shù)學建模競賽組委會，可將我們的論文以任何形式進行公開展示（包括進行網(wǎng)上公示，在書籍、期刊和其他媒體進行正式或非正式發(fā)表等）。我們參賽選擇的題號是（從a/b/c/d中選擇一項填寫）： 我們的參賽報名號為（如果賽區(qū)設置報名號的話）： 所屬學校（請?zhí)顚懲暾娜?參賽隊員 (打印并簽名) ：1. 2. 3. 指導教師或指導教師組負責人 (打印并簽名)： （論文紙質版與電子版中的以上信息必須一致，只是電子版中無需簽名。以上內容請仔細核對，提交后將不再允許做任何修改。如填寫錯誤，論文可能被取消評獎資格。） 日期： 年 月 日賽區(qū)評閱編號（由賽區(qū)組委會

3、評閱前進行編號）：2013高教社杯全國大學生數(shù)學建模競賽編 號 專 用 頁賽區(qū)評閱編號（由賽區(qū)組委會評閱前進行編號）：賽區(qū)評閱記錄（可供賽區(qū)評閱時使用）：評閱人評分備注全國統(tǒng)一編號（由賽區(qū)組委會送交全國前編號）：全國評閱編號（由全國組委會評閱前進行編號）：汽車租賃調度問題摘要本文針對汽車租賃市場實際情況，并結合所給的真實數(shù)據(jù)進行縝密地分析及研究，主要采用線性規(guī)劃優(yōu)化問題建立模型，再加以擬合分析法進行分析，最后運用lingo程序將所有數(shù)據(jù)進行整體求解，對模型結果全局優(yōu)化處理，最大限度的保證結論的準確性。針對問題一，此問題為最優(yōu)化問題，首先要根據(jù)數(shù)據(jù)建立相應的最優(yōu)化模型，然后利用matlab和li

4、ngo進行優(yōu)化求解，得出未來四周轉運費用最低的最佳優(yōu)化方案。針對問題二，在問題一所得結果的基礎上，從轉運費和缺損費用考慮建立模型，利用lingo程序進行優(yōu)化處理，使目標函數(shù)值最小，從而得到最優(yōu)解。針對問題三，綜合考慮公司獲利、轉運費用以及短缺損失等因素建立規(guī)劃模型，先運用matlab對缺少的數(shù)據(jù)進行擬合求得，再運用lingo輔助求解。 針對問題四，我們利用lingo進行優(yōu)化求解，解出最有候選車輛，再結合往年數(shù)據(jù)，預測得求得最大值時的車輛數(shù)，并得到最終結論。關鍵詞：最優(yōu)化 租賃調度模型 數(shù)據(jù)擬合 一、問題重述某城市有一家汽車租賃公司，此公司年初在全市范圍內有379輛可供租賃的汽車，分布于20個代

5、理點中。每個代理點的位置都以地理坐標x和y的形式給出，單位為千米。假定兩個代理點之間的距離約為他們之間歐氏距離（即直線距離）的1.2倍。附件1附件6給出了問題的一些數(shù)據(jù)。請解決如下問題：1給出未來四周內每天的汽車調度方案，在盡量滿足需求的前提下，使總的轉運費用最低；2考慮到由于汽車數(shù)量不足而帶來的經濟損失，給出使未來四周總的轉運費用及短缺損失最低的汽車調度方案；3綜合考慮公司獲利、轉運費用以及短缺損失等因素，確定未來四周的汽車調度方案；4為了使年度總獲利最大，從長期考慮是否需要購買新車？如果購買的話，確定購買計劃（考慮到購買數(shù)量與價格優(yōu)惠幅度之間的關系，在此假設如果購買新車，只購買一款車型）。

6、二、模型假設1、假設汽車運輸成本只與距離有關，并且不考慮汽車在轉運途中的損耗2、假設各個代理點絕對服從調度指示 3、假設在相應的運營時間內公司的轉運成本的政策不變 4、每次調走的車輛當天不必返回原調出代理點，可作為調入代理點第二天調度使用三、符號說明i 供出車輛代理點j需求車輛代理點k第k天代理點橫坐標代理點縱坐標兩點間歐氏距離代理點i與代理點j間的距離代理點i到代理點j轉運每千米所花費的費用 （單位：萬元/千米）代理點i到代理點j轉運每輛車所花費的費用 （單位：萬元/輛）第k天從代理點i轉到代理點j的車輛數(shù)四周內最小轉運費用代理點j的需求車輛數(shù) 代理點i的供出車輛數(shù)j代理點的短缺損失費 j代

7、理點的獲利租賃獲利（萬元/輛）n汽車的使用年限i代理點購買的車輛數(shù) 未來八年內總獲利未來四周獲利四、模型分析與求解4.1問題分析4.1.1問題一首先，我們應該運用matlab對附件1所給出的數(shù)據(jù)作出了各個代理點的相對位置分布圖，以方便我們觀察，并需要求出了各個代理點間的歐氏距離；其次，我們應附件3的數(shù)據(jù)分析求出總需求量大于總擁有量（求大于供）和總需求量小于總供應量（供大于求）得具體情況，以方便我們確定約束條勁啊。并綜合以上數(shù)據(jù)運用lingo程序進行優(yōu)化求解，得出未來四周轉運費用最低的最佳優(yōu)化方案。4.1.2問題二：本題基于第一題，將目標函數(shù)改為 再針對總需求量大于總擁有量（求大于供）和總需求量

8、小于總供應量（供大于求）分別建立兩種約束條件，然后在lingo求解時運用if函數(shù)對數(shù)據(jù)進行選擇判斷，以求得全局最優(yōu)解。4.1.3問題三：首先根據(jù)所給附錄5數(shù)據(jù)，我們用matlab進行擬合，求得缺少的數(shù)據(jù)，然后基于問題二的模型，將目標函數(shù)改為，求得全局最優(yōu)解。4.1.4問題四： 首先我們應根據(jù)去年的數(shù)據(jù)確定是否需要購買汽車，然后要分析出購買哪種車比較省錢，最后得出結論。4.2、模型的建立與求解4.2.1問題一根據(jù)各代理點的橫縱坐標，用matlab做出個代理點的位置分布圖如下：x/kmy/km 求得兩個代理點之間的歐氏距離及兩代理點間的實際距離如下根據(jù)附錄6中的數(shù)據(jù)求得代理點i到代理點j轉運每輛車

9、所花費的費用公式（計算結果詳見附錄）=目標函數(shù)約束條件 當 時， 當 時，對約束條件的說明：當總的需求量大于379輛時，約束條件是轉運量要小于等于需求量，因為要盡量滿足需求，因此供出量要全部供出，轉運量等于供出量；當總的需求量小于379量時，約束條件發(fā)生變化，可以滿足需求，所以轉運量就等于需求量，并且轉運量是小于等于供出量的。運用lingo程序求解得：（本文程序以前五天為例）：結論解釋以第五天為例，詳見附錄gobal optimal solution found.objective value: 3.663876 objective bound: 3.663876infeasibilities

10、: 0.000000extended solver steps: 1141total solver iterations: 67231transport( k5, wh1, v1) 13.00000transport( k5, wh1, v2) 3.000000transport( k5, wh2, v2) 18.00000transport( k5, wh2, v13) 2.000000transport( k5, wh3, v3) 21.00000transport( k5, wh4, v4) 18.00000transport( k5, wh5, v5) 15.00000transpor

11、t( k5, wh5, v10) 2.000000transport( k5, wh5, v17) 1.000000transport( k5, wh6, v6) 18.00000transport( k5, wh7, v7) 19.00000transport( k5, wh8, v8) 17.00000transport( k5, wh9, v9) 24.00000transport( k5, wh10, v3) 1.000000transport( k5, wh10, v6) 1.000000transport( k5, wh10, v9) 1.000000transport( k5,

12、wh10, v10) 10.00000transport( k5, wh11, v11) 18.00000transport( k5, wh12, v12) 11.00000transport( k5, wh12, v16) 4.000000transport( k5, wh13, v13) 18.00000transport( k5, wh14, v14) 15.00000transport( k5, wh14, v19) 1.000000transport( k5, wh15, v15) 18.00000transport( k5, wh16, v16) 25.00000transport

13、( k5, wh17, v17) 27.00000transport( k5, wh18, v18) 23.00000transport( k5, wh19, v19) 20.00000transport( k5, wh20, v17) 2.000000transport( k5, wh20, v20) 13.00000運行結果說明：代理點1轉運13輛車到代理點1，代理點1轉運3輛車到代理點2，代理點2 轉運18輛車到代理點2，代理點2轉運2輛車到代理點13，代理點3轉運21輛車到代理點3，代理點4轉運18輛車到代理點，代理點5轉運15輛車到代理點5，代理點5轉運2輛車到代理點10，代理點5轉

14、運1輛車到代理點17，代理點6轉運18輛車到代理點6，代理點7轉運19輛車到代理點7，代理點8轉運17輛車到代理點8，代理點9轉運24輛車到代理點9，代理點10轉運1輛車到代理點3，代理點10轉運1輛車到代理點6，代理點10轉運1輛車到代理點9，代理點10轉運10輛車到代理點10，代理點11轉運18輛車到代理點11，代理點12轉運11輛車到代理點12，代理點12轉運4輛車到代理點16，代理點13轉運18輛車到代理點13，代理點14轉運15輛車到代理點14，代理點14轉運1輛車到代理點19，代理點15轉運18輛車到代理點15，代理點16轉運25輛車到代理點16，代理點17轉運27輛車到代理點17

15、，代理點18轉運23輛車到代理點18，代理點19轉運20輛車到代理點19，代理點20轉運2輛車到代理點17，代理點20轉運13輛車到代理點20。前五日的最小轉運費為3.663876萬元。未來四周的最小轉運費為11.5682萬元。4.2.2問題二 本題解法基于問題一，目標函數(shù)為： 約束條件如下 ：當 時，當 時，對約束條件的說明即當總的需求量大于379輛時，約束條件是轉運量要小于等于需求量，因為要盡量滿足需求，因此供出量要全部供出，轉運量等于供出量；當總的需求量小于379量時，約束條件發(fā)生變化，可以滿足需求，所以轉運量就等于需求量，并且轉運量是小于等于供出量的。運用lingo程序求解得：feas

16、ible solution found.objective value: 17.04869objective bound: 15.38397infeasibilities: 0.000000extended solver steps: 4238total solver iterations: 80997transport( k5, wh1, v1) transport( k5, wh1, v1) 13.00000transport( k5, wh1, v2) 3.000000transport( k5, wh2, v2) 18.00000transport( k5, wh2, v13) 2.0

17、00000transport( k5, wh3, v3) 25.00000transport( k5, wh4, v4) 17.00000transport( k5, wh4, v11) 1.000000transport( k5, wh5, v5) 15.00000transport( k5, wh5, v10) 3.000000transport( k5, wh6, v6) 18.00000transport( k5, wh7, v7) 19.00000transport( k5, wh8, v8) 17.00000transport( k5, wh9, v9) 24.00000trans

18、port( k5, wh10, v6) 1.000000transport( k5, wh10, v9) 1.000000transport( k5, wh10, v10) 9.000000transport( k5, wh10, v19) 2.000000transport( k5, wh11, v11) 20.00000transport( k5, wh12, v12) 11.00000transport( k5, wh12, v16) 4.000000transport( k5, wh13, v13) 18.00000transport( k5, wh14, v4) 1.000000tr

19、ansport( k5, wh14, v14) 15.00000transport( k5, wh15, v15) 18.00000transport( k5, wh16, v16) 25.00000transport( k5, wh17, v17) 27.00000transport( k5, wh18, v18) 23.00000transport( k5, wh19, v19) 22.00000transport( k5, wh20, v3) 3.000000transport( k5, wh20, v17) 3.000000transport( k5, wh20, v20) 1.000

20、000運行結果說明：代理點1轉運13輛車到代理點1，代理點1轉運3輛車到代理點2，代理點2轉運18輛車到代理點2，代理點2轉運2輛車到代理點13，代理點3轉運25輛車到代理點3，代理點4轉運17輛車到代理點4，代理點5轉運15輛車到代理點5，代理點5轉運3輛車到代理點10，代理點6轉運18輛車到代理點6，代理點7轉運19輛車到代理點7，代理點8轉運17輛車到代理點8，代理點9轉運24輛車到代理點9，代理點10轉運1輛車到代理點6，代理點10轉運1輛車到代理點9，代理點10轉運9輛車到代理點10，代理點10轉運2輛車到代理點19，代理點11轉運20輛車到代理點11，代理點12轉運11輛車到代理點

21、12，代理點12轉運4輛車到代理點16，代理點13轉運18輛車到代理點13，代理點14轉運1輛車到代理點4，代理點14轉運15輛車到代理點14，代理點15轉運18輛車到代理點15，代理點16轉運25輛車到代理點16，代理點17轉運27輛車到代理點17，代理點18轉運23輛車到代理點18，代理點19轉運22輛車到代理點19，代理點20轉運3輛車到代理點3，代理點20轉運3輛車到代理點17，代理點20轉運1輛車到代理點20。前五日的最小轉運費及短缺損失費為17.04869萬元。未來四周的最小轉運費及短缺損失費為38.5595萬元。4.2.3問題三本題基于問題二，運用matlab對附錄5 的數(shù)據(jù)進行

22、擬合（程序見詳見附錄），擬合結果如下：最后五個代理點每天每輛車的租賃收入依次為：0.3780，0.4332，0.4384，0.2756，0.2651（單位：萬元） 對此擬合結果檢驗：如圖可示 ，這些數(shù)據(jù)的殘差平方和（sse）為0.01862，接近于0，所以我們認為對這五個數(shù)據(jù)的預測是比較準確的。將模型變?yōu)椋哼\用lingo程序求解得：global optimal solution found.objective value: 743.2941objective bound: 743.2941infeasibilities: 0.000000extended solver steps: 0tota

23、l solver iterations: 57772transport( k5, wh1, v1) 13.00000transport( k5, wh1, v2) 2.000000transport( k5, wh1, v11) 1.000000transport( k5, wh2, v2) 19.00000transport( k5, wh2, v13) 1.000000transport( k5, wh3, v3) 25.00000transport( k5, wh4, v4) 18.00000transport( k5, wh5, v10) 5.000000transport( k5,

24、wh5, v17) 3.000000transport( k5, wh6, v6) 18.00000transport( k5, wh7, v7) 19.00000transport( k5, wh8, v8) 17.00000transport( k5, wh9, v9) 24.00000transport( k5, wh10, v3) 3.000000transport( k5, wh10, v6) 1.000000transport( k5, wh10, v9) 1.000000transport( k5, wh10, v10) 7.000000transport( k5, wh10,

25、v19) 1.000000transport( k5, wh11, v11) 20.00000transport( k5, wh12, v12) 11.00000transport( k5, wh12, v16) 4.000000transport( k5, wh13, v13) 16.00000transport( k5, wh14, v14) 15.00000transport( k5, wh14, v19) 1.000000transport( k5, wh15, v15) 18.00000transport( k5, wh16, v16) 25.00000transport( k5,

26、wh17, v17) 27.00000transport( k5, wh18, v18) 21.00000transport( k5, wh18, v19) 2.000000transport( k5, wh19, v19) 26.00000transport( k5, wh20, v18) 2.000000transport( k5, wh20, v20) 13.00000運行結果說明：代理點1轉運13輛車到代理點1，代理點1轉運2輛車到代理點2，代理點1轉運1輛車到代理點11，代理點2轉運19輛車到代理點2，代理點2轉運1輛車到代理點13，代理點3轉運25輛車到代理點3，代理點4轉運18輛

27、車到代理點4，代理點5轉運5輛車到代理點10，代理點5轉運3輛車到代理點17，代理點6轉運18輛車到代理點6，代理點7轉運19輛車到代理點7，代理點8轉運17輛車到代理點8，代理點9轉運24輛車到代理點9，代理點10轉運3輛車到代理點3，代理點10轉運1輛車到代理點6，代理點10轉運1輛車到代理點9，代理點10轉運7輛車到代理點10，代理點10轉運1輛車到代理點19，代理點11轉運20輛車到代理點11，代理點12轉運11輛車到代理點12，代理點12轉運4輛車到代理點16，代理點13轉運16輛車到代理點13，代理點14轉運15輛車到代理點14，代理點14轉運1輛車到代理點19，代理點15轉運18

28、輛車到代理點15，代理點16轉運25輛車到代理點16，代理點17轉運27輛車到代理點17，代理點18轉運21輛車到代理點18，代理點18轉運2輛車到代理點19，代理點19轉運26輛車到代理點19，代理點20轉運2輛車到代理點18，代理點20轉運13輛車到代理點20。前五日的公司獲利最大為743.2941萬元。未來四周的公司獲利最大為4199.99萬元。4.2.4問題四考慮到購買數(shù)量與價格優(yōu)惠幅度之間的關系，在此假設如果購買新車，只購買一款車型，所以需要考慮購車的成本以及維修費用，首先將汽車使用幾年所花費的費用總值計算出來，進而求出每年所花費的平均值，從下列數(shù)據(jù)可以看出如果汽車的使用壽命為8年，

29、平均每年所花費的費用最低的是第8類車，為5.1513萬元。車型第一年第二年第三年第四年第五年第六年第七年第八年第一種31.650016.10510.98008.47257.05406.203335.68715.3988第二種32.770016.68011.40338.86007.44406.598336.10005.8325第三種 33.830017.24011.82339.21757.76606.898336.37146.0938第四種30.380015.47010.60338.26756.96806.203335.76145.5338第五種42.850021.80014.890011.53

30、39.62008.460007.73297.2875第六種39.400020.02513.646710.5338.75607.690007.04516.6625第七種 40.780020.74514.160010.9409.12807.998337.28146.8388第八種30.690015.65510.69678.26756.87806.023335.48145.1513第九種45.060022.92515.636712.08510.0608.806678.01577.5300第十種44.220022.45015.243311.7189.68608.418337.60717.0850 n為

31、汽車的使用年限，y為購買汽車的費用，為購買汽車每年所花費的費用的平均值本題基于問題三，選擇第8種車型車每年的平均花費為5.1513萬元，建立出i個代理站擁有汽車數(shù)量的模型，運用lingo軟件對數(shù)據(jù)進行最優(yōu)化處理，求得要使公司獲利最多擁有的汽車數(shù)量 =391輛，公司原有的汽車數(shù)量為379輛，所以當補充的8號車型的數(shù)量為12輛時公司的獲利最大。五、結果分析與檢驗問題一結果的分析：問題一是為了求解汽車的最低轉運費用，為了盡量滿足代理站的需求，我們假設對于供大于求的代理站在滿足自身需求的前提下將多余的車輛都轉運給汽車數(shù)量不足的代理站，并且前一天轉運后每個代理站剩下的汽車數(shù)量都作為第二天它們自身的擁有量

32、，用軟件對未來四周的數(shù)據(jù)進行全局優(yōu)化處理后的出了最終的結果，雖然軟件計算可能存在一定的誤差，但是經過可靠性分析，運算結果還是比較真實的。問題二結果的分析：因為存在汽車數(shù)量不足而給代理站造成短缺損失的費用，問題二的模型可以在問題一的基礎上考慮短缺損失費用這個因素，再用lingo進行求解，經過對運算結果的檢驗，發(fā)現(xiàn)這個方法是可行的，沒有錯誤的數(shù)據(jù)出現(xiàn)問題三結果的分析：首先，運用數(shù)據(jù)擬合將最后5個代理點每天的租賃費用預測出來，經過對全部租賃費用數(shù)據(jù)的擬合結果檢驗，這些數(shù)據(jù)的殘差平方和（sse）為0.01862，接近于0，所以我們認為對這5個數(shù)據(jù)的預測還是比較準確的。4、問題四結果的分析： 首先通過計

33、算找出一種車型使年均花費金額最少，建立年度獲利值最大的數(shù)學模型，求解出得到最大利潤所需要的汽車數(shù)量，然后跟20個代理站原來擁有的車輛數(shù)作比較，進而得到需要補充的新車數(shù)量。這種方法簡便了數(shù)據(jù)的計算與分析，在lingo軟件的計算中，可以比較便捷的得出最優(yōu)值。模型優(yōu)缺點與改進方向優(yōu)點：1）算法在總體上較為簡單，只利用了幾個公式，便于理解。2）建立的模型模型具有堅實可靠的數(shù)學基礎。且模型所運用的方法符合現(xiàn)實生活。3）求解模型所考慮的因素比較全面，從全局最優(yōu)解考慮，這樣避免陷入局部最優(yōu)解的錯誤。4）使用lingo軟件運算最優(yōu)解的調配方案，為數(shù)據(jù)的分析提供了便利。缺點：1）各個問題的聯(lián)系性大，計算項目過多

34、，容易出現(xiàn)計算錯誤，導致全局出錯。2）應用擬合求解時由于給出的數(shù)據(jù)相差較大，可能對擬合的結果產生一定的影響。3）所需要運算的數(shù)據(jù)量過大，運算時間較長。模型的改進：1）使用spss、matlab等數(shù)學軟件進行更精確的統(tǒng)計分析，以求解出更精確的模型結果。2）針對運算運算數(shù)據(jù)量大，運算時間過長的狀況，我們可以限制程序的迭代次數(shù)，找出最優(yōu)解。參考文獻1胡運權，運籌學教程，清華大學出版社，2012.112李彥剛/祈忠斌數(shù)學建模方法引論北京大學出版社，2012.4.13李衛(wèi)國，優(yōu)化與策略，北京理工大學出版社，2012.7.14謝金星，優(yōu)化建模與lindo/lingo軟件，清華大學出版社，2005.7.1附

35、錄問題一：00.03394112549695430.1233288287465670.06561279143581680.1445678802500750.1081258599965800.2543142025133480.1022478870197330.1139131247925370.2052988183112610.05588702890653610.07560000000000000.06118823416311340.08222233273265850.07711631733945810.09892018600872120.09496800303260040.09665811916

36、233420.2200097816007280.1776099321547080.033941125496954300.1799299863835930.04837116496426360.1728166658629890.1241347654768800.09266486712880990.06626955862234180.1310727431619560.1374088032114390.1051712888577490.06139087880133330.01368210510118970.04291405364213450.03148691156655410.051919938366

37、68140.07854786056920970.08376868149851710.05942726646918900.1566889402606320.1233288287465670.17992998638359300.1261231398277100.06198380433629420.1567545903634090.05351784749034660.08051776449951900.1276475146644070.03727965665077940.1208400000000000.09085989214169250.1113623275618820.0649354140665

38、9390.06422141698841590.1706006705731250.04032000000000000.09174665116504250.1283360588455170.03246770703329700.06561279143581680.04837116496426360.12612313982771000.1139543908763500.08580209787645050.04346916148259590.03954924019497720.07394648876045430.05858778029589450.01697056274847710.0723591044

39、7207040.03364197378276130.02539496012991550.02271013870499250.03995044930911290.06380130406190770.02721699469081770.05411028737680110.05300578081681280.1445678802500750.1728166658629890.06198380433629420.11395439087635000.1448282182449260.02518342311918700.1241812159708540.05334806463218700.00648000

40、0000000000.09672267986361830.1754976922925200.06545370272184760.09900000000000000.06950890590420770.09129665930361310.03373110137543690.1372726571462790.07966454669424790.05009047813706710.1081258599965800.1241347654768800.1567545903634090.08580209787645050.14482821824492600.1344107138586800.0458550

41、7605489280.04700110636995690.03231544522360790.01583272560237180.09836897071739650.03192654068326230.03604497191010140.03201999375390320.08125878660181930.04303384714384710.02064558064090230.03115196302000890.04742050189527730.2543142025133480.09266486712880990.05351784749034660.04346916148259590.02

42、518342311918700.13441071385868000.1084077635596270.05566861952662380.009790117466098150.1384802079721140.1997999639639610.06364526690964540.1023438908777660.1088499885163060.08455258245612610.07050579550646880.07101019645093230.05023587562688640.1052516983235900.1022478870197330.06626955862234180.08

43、051776449951900.03954924019497720.1241812159708540.04585507605489280.10840776355962700.04435327270901210.06644890969760150.08905980911724430.08268722755057160.09096284955958670.05192992201034000.03276000000000000.08720855003954600.03304164644808130.02505673562138530.02780894820017470.012369316876853

44、00.1139131247925370.1310727431619560.1276475146644070.07394648876045430.05334806463218700.04700110636995690.05566861952662380.044353272709012100.02656313234541440.03290013981733210.07781331505597230.09697908228066500.04387883316588990.07176000000000000.04968883979325740.04479473183310730.03784283287

45、493150.04400990797536390.06439875775199390.2052988183112610.1374088032114390.03727965665077940.05858778029589450.006480000000000000.03231544522360790.009790117466098150.06644890969760150.026563132345414400.1348332303254650.2300059129674710.1209021290135120.09663152280700120.1525653591088090.14793702

46、98471620.06184658438426490.07019497417906780.04574518991107150.08046713614886510.05588702890653610.1051712888577490.1208400000000000.01697056274847710.09672267986361830.01583272560237180.1384802079721140.08905980911724430.03290013981733210.13483323032546500.09096680713315160.08260638232001210.059899

47、71619298370.04687470959910040.04146099854079730.05568000000000000.04210067932943600.04960109676206770.07105053975868160.07560000000000000.06139087880133330.09085989214169250.07235910447207040.1754976922925200.09836897071739650.1997999639639610.08268722755057160.07781331505597230.2300059129674710.090

48、966807133151600.06595471173464410.04523538437992980.08142369188387370.05062421554947790.07626903959012460.1030072618799280.06297199377501080.1131683347937930.06118823416311340.01368210510118970.1113623275618820.03364197378276130.06545370272184760.03192654068326230.06364526690964540.09096284955958670

49、.09697908228066500.1209021290135120.08260638232001210.065954711734644100.01493409521865990.3909348794876200.01223764683262270.06369050164663490.05813996904023940.02595996918334070.03241799500277590.08222233273265850.04291405364213450.06493541406659390.02539496012991550.09900000000000000.036044971910

50、10140.1023438908777660.05192992201034000.04387883316588990.09663152280700120.05989971619298370.04523538437992980.014934095218659900.01747226373427320.01713270556567180.07492498648648530.05904439008068420.01547953487673320.04722575568479560.07711631733945810.03148691156655410.06422141698841590.02271013870499250.06950890590420770.03201999375390320.1088499885163060.03276000000000000.07176000000000000.1525653591088090.04687470959910040.08142369188387370.3909348794876200.01747226