A陶子-數(shù)學(xué)模型-食品安全的抽檢問題論文2

1、最新A陶子-數(shù)學(xué)模型-食品平安的抽檢問題論文2食品平安的抽檢問題摘要 食品的質(zhì)量和衛(wèi)生問題是關(guān)系到民生的大問題，因此，對食品的檢查顯得非常重要。本文結(jié)合實際，應(yīng)用AHP方法、分層抽樣和線性目標(biāo)規(guī)化方法，建立了集時間、費用和效果為一體的數(shù)學(xué)模型，具體如下。 對于問題一，我們首先將主要食品進(jìn)行分類，然后將影響食品平安的因素主要分為生物性污染、化學(xué)性污染、物理性污染三大類，并將這三類污染所造成的主要危害歸納為七類，接著采用AHP法對問題進(jìn)行定量分析，最后通過一致性檢驗并得出其危害性的大小，得到結(jié)果細(xì)菌危害最嚴(yán)重，食品添加劑導(dǎo)致的危害次之等。 對于問題二，針對局部主要產(chǎn)品，我們先采用了分層抽樣的方法對

2、不同品牌不同批次的產(chǎn)品進(jìn)行抽檢，建立了樣本分配率、樣本方差、總體抽樣率、分層抽樣率等函數(shù)方程，然后對上一步所抽到的批次利用線性目標(biāo)規(guī)劃的方法，建立了集時間較短、本錢費用較低和抽樣效果較好的抽檢模型線性目標(biāo)規(guī)劃模型，并利用統(tǒng)計學(xué)原理對檢測誤差進(jìn)行分析。最后，我們根據(jù)模型針對乳制品中的酸奶進(jìn)行模擬檢驗，檢驗的結(jié)果誤差百分比為4.24%5%，可靠性較高。對于問題三，我們利用問題二所建立的模型制訂了一種較為合理的抽檢方案根據(jù)假設(shè)總共抽檢79個批次，每個批次抽檢2個工程。然后，我們進(jìn)行了可靠性分析，抽檢的誤差百分比為1.15%5%，可靠性較高。對于問題四，它實際是在問題三的根底上，對面粉進(jìn)行屢次跟蹤抽檢

3、。我們對問題二所建立的模型進(jìn)行了改良，引入新的變量建立函數(shù)關(guān)系，并運用MATLAB優(yōu)化工具箱進(jìn)行求解，得出了最正確的抽檢策略和抽檢數(shù)量結(jié)果為跟蹤抽檢3次，共抽檢113個批次，所得結(jié)果可靠性較高、本錢較低，且工時比擬少，用計算機進(jìn)行模擬檢驗時效果比擬樂觀。最后，我們對模型的優(yōu)缺點進(jìn)行了評價，討論了其推廣應(yīng)用的價值，并主管部門寫了一份報告，提出了一些解決問題的可行性建議，可為主管部門和市民提供一些參考。關(guān)鍵詞 ：AHP法，分層抽樣，目標(biāo)規(guī)劃、統(tǒng)計分析、可靠性 一 問題的重述改革開放三十年來，我國人民生活水平在不斷地提高，食品平安和衛(wèi)生問題越來越受到人們的關(guān)注。近幾年來，先后出現(xiàn)了蘇丹紅、瘦肉精、三

4、聚氰胺等事件，以及各種不利于健康的食品添加劑、強化劑問題的出現(xiàn)，食品平安和衛(wèi)生的檢測已成為全社會，乃至政府有關(guān)部門重點關(guān)注的問題之一。食品的質(zhì)量和衛(wèi)生問題涉及到原材料的使用、生產(chǎn)加工、運輸與貯存、流通與銷售等環(huán)節(jié)，在每一個環(huán)節(jié)上出現(xiàn)過失，都會導(dǎo)致食品出現(xiàn)平安和衛(wèi)生問題，食品質(zhì)量和衛(wèi)生的檢測工作在實際顯得非常重要。但是，由于食品的種類、品牌和批次繁多，從生產(chǎn)加工到銷售食用中間環(huán)節(jié)復(fù)雜，質(zhì)檢部門不可能對所有食品做到全面的質(zhì)量檢測，一般只能做一定的抽檢。當(dāng)然，對食品進(jìn)行抽檢也需要一定人力、物力和財力即本錢費用，抽檢的越多檢測效果就越好，但需要的時間就越長，其本錢費用也就越高。為此，應(yīng)該如何抽檢，既能

5、保證較好的檢測效果，又能節(jié)省時間和本錢費用？請根據(jù)實際情況，建立數(shù)學(xué)模型分析研究以下問題：1根據(jù)主要食品的分類，試分析影響各類食品平安的因素，對其可能的危害性做出定量的比擬評估分析。2針對局部主要食品，結(jié)合實際建立合理的抽檢模型，給出檢測誤差即檢測的可靠性分析的方法，并對模型進(jìn)行模擬檢驗。3面粉是我國中北部地區(qū)主要的主食原材料，不妨就已推廣食用的“營養(yǎng)強化面粉抽檢問題進(jìn)行討論，“營養(yǎng)強化面粉的配方標(biāo)準(zhǔn)如表1所示。假設(shè)某地區(qū)現(xiàn)有12個品牌的營養(yǎng)強化面粉產(chǎn)品，每個品牌每月將有不少于60個批次即同一企業(yè)、同一條生產(chǎn)線、同一批投料、同一班次生產(chǎn)的產(chǎn)品為1個批次的產(chǎn)品在市場上銷售，質(zhì)檢部門要做一次全面的

6、質(zhì)量檢查，請你幫助制訂一種合理的抽檢方案，并分析其檢測的可靠性。所需要檢驗工程、標(biāo)準(zhǔn)、本錢和工時如表2所示。4針對問題3，如果質(zhì)檢部門需要連續(xù)進(jìn)行屢次跟蹤抽檢，請你給出相應(yīng)的抽檢策略和最正確的抽檢數(shù)量，使其檢測可靠性盡量高、本錢盡量低、工時盡量少，并用計算機進(jìn)行模擬檢驗。5請根據(jù)你們的研究，深入分析食品平安存在的隱患和根源，并提出有效可行的解決問題方法和建議，可供主管部門和市民參考。二 模型的假設(shè)1、假設(shè)模型求解過程中所用的數(shù)據(jù)都是合理的；2、假設(shè)同一類食品每次抽檢的工程數(shù)相同；3、假設(shè)不考慮抽檢人數(shù)的限制；4、假設(shè)每天抽檢的最大時間為法定工作時間8小時，一個月工作22天；5、假設(shè)抽檢的最大費

7、用有限制；三 符號約定-總體均值的估計量st表示分層；-層權(quán),i=1,2N;L-抽樣系統(tǒng)中總的生產(chǎn)批次；-第i層生產(chǎn)批次數(shù)；-第i層的樣本均值；-第i層抽取的樣本量；-第i層的方差；-第i層的抽樣比/；-為L在1-置信水平下的絕對誤差限；-標(biāo)準(zhǔn)整天分布的雙側(cè)分位數(shù)；-第i層每個樣本單位的平均費用；-第i層每個樣本單位的平均檢驗工時；-固定費用；-每個抽檢批次的檢查工程；-抽檢的最長時間；-抽檢的最大費用；-抽檢的總工程數(shù)；-每次每項抽檢的平均時間；-每次每項抽檢的平均費用；四 問題的分析與模型的建立4.1對問題一的分析與模型建立問題一的分析為了分析與比擬影響食品平安因素所產(chǎn)生的危害程度，首先我

8、們將主要食品分為：肉制品、乳制品、釀造食品和蛋白質(zhì)含量較高食品等；接著分析確定影響食品平安的因素，我們從微生物污染、化學(xué)污染和物理污染三方面進(jìn)行分析與確定；然后對于各因素影響食品產(chǎn)生的危害，其一是由微生物污染導(dǎo)致的細(xì)菌危害、病毒危害和寄生蟲危害；其二是由化學(xué)污染引起的食品添加劑如非食用添加劑導(dǎo)致的危害、環(huán)境污染如農(nóng)藥，包括滅鼠藥和獸醫(yī)用藥導(dǎo)致的化學(xué)危害和天然存在的化學(xué)危害；其三是由物理性污染引起的重金屬中毒等危害。因此，問題一就可以歸結(jié)為各因素影響食品導(dǎo)致的危害對食品質(zhì)量的影響權(quán)重問題。解決這類問題首先要統(tǒng)計分析各類影響指標(biāo)的數(shù)值特征。然后再對其進(jìn)行歸一化處理，并利用層次分析法對其權(quán)重進(jìn)行賦值

9、。最終得到各因素對食品平安的影響排名。問題一的模型建立1根據(jù)影響食品平安的各因素與危害間的關(guān)系，我們建立的不完全層次分析算法的根本結(jié)構(gòu)圖如下： 2根據(jù)對問題一的分析，我們建立了如下成比照擬矩陣假設(shè)要比擬某一層的個因素對上一個因素O的影響，取兩個因素和，用表示和對的影響之比，全部比擬的結(jié)果可用成比照擬矩陣：，表示，并稱以上矩陣為正互反矩陣。3一致性檢驗及權(quán)重向量確實定成比照擬矩陣通常不是一致陣，為了能用它的最大特征根的特征向量作為被比擬因素的權(quán)向量，其不一致程度需要控制在一定的范圍內(nèi)。計算方法如下：定義：一致性指標(biāo)；一致性比率為;本文中，對應(yīng)的.當(dāng)時，認(rèn)為矩陣的不一致程度在容許的范圍內(nèi)。其中最大

10、特征根的特征向量即為相應(yīng)的權(quán)重向量。4.2問題二的分析與模型建立問題二的分析從問題二的題設(shè)我們知道，為了建立合理的抽檢模型，我們首先需要對現(xiàn)有的統(tǒng)計信息進(jìn)行定量分析。由于問題二的求解幾乎需要考慮文中提供的所有信息，所以為了簡化數(shù)學(xué)模型的計算復(fù)雜度，我們可以在某些直觀問題上進(jìn)行簡單的定性分析。例如，原文附錄中給出了主要食品和主要抽檢工程，為此我們可以主觀上認(rèn)為我們要考慮的局部食品就是附錄1中的局部主要食品，要抽檢的工程就是附錄2中給的8個工程。在根本確定主要食品和抽檢工程后，首先我們利用分層抽樣模型確定這些主要食品中每種品牌所要抽檢的批次數(shù)的最優(yōu)值，然后，我們利用法定的工作時間確定最大抽檢時間和

11、費用。最后計算出每種品牌中要抽的批次數(shù)及每個批次的藥抽檢的工程數(shù)，對其優(yōu)劣進(jìn)行綜合評價。問題二的模型一分層抽樣通過上述對問題二的分析，我們利用分層抽樣法建立以下函數(shù)關(guān)系： 設(shè)整個抽樣為一個系統(tǒng)L，系統(tǒng)中含有種品牌，每個品牌的生產(chǎn)批次數(shù)為，那么總體均值的估計量： 1第i層的方差： 2由誤差知識可得： 3聯(lián)立上述各式可得： 4調(diào)查費用函數(shù)： 5各層樣本量的最優(yōu)分配： 6由于每個樣本的調(diào)查費用相同，故上式可以化為 7聯(lián)立4和7可得，總體抽樣率為 8也可得到分層抽樣率為 9二模型的建立線性目標(biāo)規(guī)化在以上函數(shù)關(guān)系以及抽檢費用有限制的條件下，模型以抽檢工程數(shù)最多為目標(biāo)函數(shù)所建立的模型如下： S.T. 10

12、2檢測誤差即檢測的可靠性分析的方法: 114.3問題三的分析面粉是一種十分重要的原材料，因此對面份的抽檢具有代表性。根據(jù)題目的要求，質(zhì)檢部門要做一次全面的質(zhì)量調(diào)查，其抽檢方案是問題二模型的具體應(yīng)用。所以，我們只需將問題二建立的模型具體化，得出具體的抽檢方案，并對檢測的可靠性進(jìn)行分析即可。4.4問題四的分析與模型的建立問題四的分析對于問題四，它其實是在問題三的根底上，對面粉的質(zhì)量進(jìn)行屢次跟蹤抽檢，我們對問題二所建立的模型進(jìn)行了改良，引入新的變量時間，建立新的函數(shù)關(guān)系，并運用MATLAB優(yōu)化工具箱進(jìn)行求解，得出了最正確的抽檢策略和抽檢數(shù)量，使檢測可靠性較高、本錢較低，且工時比擬少，用計算機進(jìn)行模擬

13、檢驗時效果比擬樂觀。問題四的模型建立由屢次跟蹤抽檢可知：抽檢批次數(shù)與時間是成反相關(guān)的，故我們可以作L與t的函數(shù)：,分別使抽檢的效果最好、費用最低、時間最少。目標(biāo)函數(shù)為：五 模型的求解5.1模型一的求解5.1.1確定準(zhǔn)那么層對目標(biāo)層的權(quán)重向量A=,=3.0385，權(quán)重向量為w=0.6370，0.2583，0.10475.1.2確定方案層對準(zhǔn)那么層的權(quán)重向量=,= ，=1.求解結(jié)果如下：編程程序見附件一矩陣特征值一致性指標(biāo)CI隨機一致性指標(biāo)RI一致性比率CR權(quán)重向量3.03850.019250.580.0330.10.6370，0.2583，0.10473.06490.032450.580.016

14、2250.10.6491，0.2790，0.071910000.11由上表中0.1可知矩陣、都通過了一致性檢驗。5.1.3確定影響因素的權(quán)重向量組合權(quán)重：(i)=(0.6370*0.6370,0.2583*0.6370,0.1047*0.6370,0.6491*0.2583,0.2790*0.2583,0.0719*0.2583,1*0.1047)=(0.405769,0.1645371,0.0666939, 0.16766253, 0.0720657, 0.01857177,0.1047)=0.4058，0.1645，0.0667，0.1677，0.0721，0.0186，0.1047CR=

15、(0.01925*0.6370+0.03245*0.2583+0*0.1047)/(0.58*0.6370+0.58*0.2583+0*0.1047)=0.039760.1,通過了組合一致性檢驗。5.1.4排名由上述組合權(quán)重可知，各因素對食品平安的影響程度由強到弱依次為0.40580.16770.16450.10470.07210.06670.0186細(xì)菌污染食品添加劑導(dǎo)致的危害病毒危害重金屬中毒等環(huán)境污染導(dǎo)致的危害寄生蟲危害天然存在的化學(xué)危害5.2問題二的求解層次抽樣模型:主要食品包括肉制品、乳制品、釀造食品及高蛋白食品等，針對局部主要食品進(jìn)行模擬抽檢。首先針對局部主要食品乳制品中的酸奶討論

16、，進(jìn)行分層。第一層為：蒙牛、伊利、光明、百萬莊園、三元、娃哈哈六個品牌的批次數(shù)，然后對每層隨機抽樣，得到樣本。分層抽樣圖如下：局部參數(shù)的假設(shè)：各品牌生產(chǎn)批次序列為：置信度取95%，根據(jù)對其他參數(shù)的討論，按照ISO質(zhì)量管理體系和AQL抽樣標(biāo)準(zhǔn)得到實際中抽檢概率在8%10%之間能夠到達(dá)抽檢效果，標(biāo)準(zhǔn)差取值范圍在0.0370.042之間，并在此區(qū)間內(nèi)等距選取六個數(shù)進(jìn)行計算，六個數(shù)分別為，d取0.01。 由標(biāo)準(zhǔn)正態(tài)分布表查表可知：=1.64。其他參數(shù)的計算：N = =440 批 所以由有： ； 分層抽樣率的計算由9計算得到各層的抽樣率如下表：酸奶品牌蒙牛伊利光明百萬莊園三元哇哈哈抽樣率0.08130.

17、08350.08570.08790.09010.0923假設(shè)t=1.5,p=60,Pmax=6000，Tmax=176, =11工程數(shù)為2.56413項。誤差：=440/6=73.3=10.8013=1.6530誤差百分比：1.6530/39=4.24%5%權(quán)重=0.2175，0.2175，0.0725，0.0725，0.0435，0.0435，0.0362，0.0311，0.2175，0.0242，0.0242排序：三聚氰胺,維生素A,維生素B11，維生素B1、維生素B2、鐵、鋅、維生素B5、鈣、水分、蛋白精、硫氰酸鈉隨及抽檢三個工程，前三項抽檢概率最大，分別為三聚氰胺,維生素A,維生素B1

18、1.5.3 問題三的求解與結(jié)果分析 問題三的求解局部參數(shù)的假設(shè)：各品牌生產(chǎn)批次序列為：置信度取95%，d取0.01。根據(jù)對其他參數(shù)的討論，按照ISO質(zhì)量管理體系和AQL抽樣標(biāo)準(zhǔn)得到實際中抽檢概率在8%10%之間能夠到達(dá)抽檢效果，標(biāo)準(zhǔn)差取值范圍在0.03250.0365之間，并在此區(qū)間內(nèi)選取12個數(shù)進(jìn)行計算，12個數(shù)分別為5其他參數(shù)的計算：N = =880批所以由有： ； 用MATLAB對函數(shù)進(jìn)行優(yōu)化可得：工程數(shù)為1.01272項。誤差：=880/12=73.3=8.4782=0.9106誤差百分比：0.9106/79=1.15% A=1 3 5;1/3 1 3;1/5 1/3 1A = 1.0

19、000 3.0000 5.0000 0.3333 1.0000 3.0000 0.2000 0.3333 1.0000 x,y=eig(A)x = 0.9161 0.9161 0.9161 0.3715 -0.1857 + 0.3217i -0.1857 - 0.3217i 0.1506 -0.0753 - 0.1304i -0.0753 + 0.1304iy = 3.0385 0 0 0 -0.0193 + 0.3415i 0 0 0 -0.0193 - 0.3415i w=x(:,1)/sum(x(:,1)w = 0.6370 0.25830.1047=3.0385，權(quán)重向量為w=0.63

20、70，0.2583，0.1047=(3.0385-3)/(3-1)=0.01925RI=0.58=0.01925/0.58=0.033 B1=1 3 5;1/3 1 3;1/5 1/3 1B1= 1.0000 3.0000 5.0000 0.3333 1.0000 3.0000 0.2000 0.3333 1.0000 x,y=eig(B1)x = 0.9161 0.9161 0.9161 0.3715 -0.1857 + 0.3217i -0.1857 - 0.3217i 0.1506 -0.0753 - 0.1304i -0.0753 + 0.1304iy = 3.0385 0 0 0 -

21、0.0193 + 0.3415i 0 0 0 -0.0193 - 0.3415i w=x(:,1)/sum(x(:,1)w = 0.6370 0.25830.10471=3.0385，權(quán)重向量w1=0.6370，0.2583，0.1047 B2=1 3 7;1/3 1 5;1/7 1/5 1B2 = 1.0000 3.0000 7.0000 0.3333 1.0000 5.0000 0.1429 0.2000 1.0000 x,y=eig(B2)x = 0.9140 0.9140 0.9140 0.3928 -0.1964 + 0.3402i -0.1964 - 0.3402i 0.1013

22、-0.0506 - 0.0877i -0.0506 + 0.0877iy = 3.0649 0 0 0 -0.0324 + 0.4448i 0 0 0 -0.0324 - 0.4448i w2=x(:,1)/sum(x(:,1)w2 = 0.6491 0.27900.07192=3.0649，權(quán)重向量w2=0.6491，0.2790，0.0719附件2： f=0.037*(9/44*0.037+2/11*0.038+3/22*0.039+15/88*0.04+13/88*0.041+7/44*0.042)/(9/44*0.0372+2/11*0.0382+3/22*0.0392+15/88*0

23、.042+13/88*0.0412+7/44*0.0422)+440*(0.01/1.64)2)f = 0.0813 f=0.038*(9/44*0.037+2/11*0.038+3/22*0.039+15/88*0.04+13/88*0.041+7/44*0.042)/(9/44*0.0372+2/11*0.0382+3/22*0.0392+15/88*0.042+13/88*0.0412+7/44*0.0422)+440*(0.01/1.64)2)f = 0.0835 f=0.039*(9/44*0.037+2/11*0.038+3/22*0.039+15/88*0.04+13/88*0.

24、041+7/44*0.042)/(9/44*0.0372+2/11*0.0382+3/22*0.0392+15/88*0.042+13/88*0.0412+7/44*0.0422)+440*(0.01/1.64)2)f = 0.0857 f=0.04*(9/44*0.037+2/11*0.038+3/22*0.039+15/88*0.04+13/88*0.041+7/44*0.042)/(9/44*0.0372+2/11*0.0382+3/22*0.0392+15/88*0.042+13/88*0.0412+7/44*0.0422)+440*(0.01/1.64)2)f = 0.0879 f=

25、0.041*(9/44*0.037+2/11*0.038+3/22*0.039+15/88*0.04+13/88*0.041+7/44*0.042)/(9/44*0.0372+2/11*0.0382+3/22*0.0392+15/88*0.042+13/88*0.0412+7/44*0.0422)+440*(0.01/1.64)2)f = 0.0901 f=0.042*(9/44*0.037+2/11*0.038+3/22*0.039+15/88*0.04+13/88*0.041+7/44*0.042)/(9/44*0.0372+2/11*0.0382+3/22*0.0392+15/88*0.

26、042+13/88*0.0412+7/44*0.0422)+440*(0.01/1.64)2)f = 0.092390，80，60，75，65，707.317，6.68，5.142，6.5925，5.8565，6.461=38.327n=8+7+5+7+6+6=39 假設(shè)t=1.5,p=60,Pmax=6000，Tmax=176, =11附件3：c=-39; A=39;39;1; b=117.3;100;11; Aeq=; beq=; vlb=0;0;0; vub=;x,fval=linprog(c,A,b,Aeq,beq,vlb,vub)x = 2.5641fval = -100.0000

27、w=1 1 3 3 5 5 6 7 1 9 9;1 1 3 3 5 5 6 7 1 9 9;1/3 1/3 1 1 5/3 5/3 2 7/3 1/3 3 3;1/3 1/3 1 1 5/3 5/3 2 7/3 1/3 3 3;1/5 1/5 3/5 3/5 1 1 6/5 7/5 1/5 9/5 9/5;1/5 1/5 3/5 3/5 1 1 6/5 7/5 1/5 9/5 9/5;1/6 1/6 1/2 1/2 5/6 5/6 1 7/6 1/6 3/2 3/2;1/7 1/7 3/7 3/7 5/7 5/7 6/7 1 1/7 9/7 9/7;1 1 3 3 5 5 6 7 1 9 9;

28、1/9 1/9 1/3 1/3 5/9 5/9 2/3 7/9 1/9 1 1;1/9 1/9 1/3 1/3 5/9 5/9 2/3 7/9 1/9 1 1;w = 1.0000 1.0000 3.0000 3.0000 5.0000 5.0000 6.0000 7.0000 1.0000 9.0000 9.0000 1.0000 1.0000 3.0000 3.0000 5.0000 5.0000 6.0000 7.0000 1.0000 9.0000 9.0000 0.3333 0.3333 1.0000 1.0000 1.6667 1.6667 2.0000 2.3333 0.3333

29、 3.0000 3.0000 0.3333 0.3333 1.0000 1.0000 1.6667 1.6667 2.0000 2.3333 0.3333 3.0000 3.0000 0.2000 0.2000 0.6000 0.6000 1.0000 1.0000 1.2000 1.4000 0.2000 1.8000 1.8000 0.2000 0.2000 0.6000 0.6000 1.0000 1.0000 1.2000 1.4000 0.2000 1.8000 1.8000 0.1667 0.1667 0.5000 0.5000 0.8333 0.8333 1.0000 1.166

30、7 0.1667 1.5000 1.5000 0.1429 0.1429 0.4286 0.4286 0.7143 0.7143 0.8571 1.0000 0.1429 1.2857 1.2857 1.0000 1.0000 3.0000 3.0000 5.0000 5.0000 6.0000 7.0000 1.0000 9.0000 9.0000 0.1111 0.1111 0.3333 0.3333 0.5556 0.5556 0.6667 0.7778 0.1111 1.0000 1.0000 0.1111 0.1111 0.3333 0.3333 0.5556 0.5556 0.66

31、67 0.7778 0.1111 1.0000 1.0000 x,y=eig(w)x = Columns 1 through 7 -0.9883 -0.5443 0.7667 0.7667 -0.9887 0.9780 0.9841 0.0988 -0.5443 -0.2898 - 0.4162i -0.2898 + 0.4162i 0.1232 -0.0768 0.0071 0.0329 -0.1814 0.1120 + 0.0340i 0.1120 - 0.0340i 0.0352 -0.0552 -0.0970 0.0329 -0.1814 0.1120 + 0.0340i 0.1120

32、 - 0.0340i 0.0352 -0.0552 -0.0970 0.0198 -0.1089 -0.1255 + 0.0472i -0.1255 - 0.0472i -0.0104 -0.0576 -0.0638 0.0198 -0.1089 -0.1255 + 0.0472i -0.1255 - 0.0472i -0.0104 -0.0576 -0.0638 0.0165 -0.0907 0.0560 + 0.0170i 0.0560 - 0.0170i 0.0176 -0.0276 -0.0485 0.0141 -0.0778 0.0471 + 0.0559i 0.0471 - 0.0

33、559i 0.0203 -0.0342 0.0111 0.0988 -0.5443 -0.2684 - 0.0868i -0.2684 + 0.0868i -0.0443 0.1501 0.0331 0.0110 -0.0605 -0.0162 - 0.0370i -0.0162 + 0.0370i 0.0309 0.0145 0.0227 0.0110 -0.0605 -0.0162 - 0.0370i -0.0162 + 0.0370i 0.0309 0.0145 0.0227 Columns 8 through 11 0.9883 0.9883 0.9883 0.9883 -0.0988

34、 + 0.0000i -0.0988 - 0.0000i -0.0988 -0.0988 -0.0329 + 0.0000i -0.0329 - 0.0000i -0.0329 -0.0329 -0.0329 - 0.0000i -0.0329 + 0.0000i -0.0329 -0.0329 -0.0198 + 0.0000i -0.0198 - 0.0000i -0.0198 -0.0198 -0.0198 - 0.0000i -0.0198 + 0.0000i -0.0198 -0.0198 -0.0165 + 0.0000i -0.0165 - 0.0000i -0.0165 -0.

35、0165 -0.0141 + 0.0000i -0.0141 - 0.0000i -0.0141 -0.0141 -0.0988 - 0.0000i -0.0988 + 0.0000i -0.0988 -0.0988 -0.0110 - 0.0000i -0.0110 + 0.0000i -0.0110 -0.0110 -0.0110 - 0.0000i -0.0110 + 0.0000i -0.0110 -0.0110 y = Columns 1 through 7 0 0 0 0 0 0 0 0 11.0000 0 0 0 0 0 0 0 0.0000 + 0.0000i 0 0 0 0

36、0 0 0 0.0000 - 0.0000i 0 0 0 0 0 0 0 0.0000 0 0 0 0 0 0 0 -0.0000 0 0 0 0 0 0 0 -0.0000 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 Columns 8 through 11 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0.0000 + 0.0000i 0 0 0 0 0.0000 - 0.0000i 0 0 0 0 0.0000 0 0 0 0 0.0000 w1=x(:,

37、2)/sum(x(:,2)w1 = 0.2175 0.2175 0.0725 0.0725 0.0435 0.0435 0.0362 0.0311 0.2175 0.0242 0.0242=11，CI=0,CR=0,通過了一致性檢驗附件4：f=0.0325*(9/88*0.0325+1/11*0.033+3/44*0.0335+15/176*0.034+13/176*0.034+7/88*0.0345+1/1*0.0345+7/8*0.035+13/176*0.035+9/110*0.0355+41/440*0.036+71/880*0.0365)/(9/88*0.03252+1/11*0.0

38、332+3/44*0.03352+15/176*0.0342+13/176*0.0342+7/88*0.03452+1/1*0.03452+7/8*0.0352+13/176*0.0352+9/110*0.03552+41/440*0.0362+71/880*0.03652)+880*(0.01/1.64)2)f = 0.0847 f=0.033*(9/88*0.0325+1/11*0.033+3/44*0.0335+15/176*0.034+13/176*0.034+7/88*0.0345+1/1*0.0345+7/8*0.035+13/176*0.035+9/110*0.0355+41/4

39、40*0.036+71/880*0.0365)/(9/88*0.03252+1/11*0.0332+3/44*0.03352+15/176*0.0342+13/176*0.0342+7/88*0.03452+1/1*0.03452+7/8*0.0352+13/176*0.0352+9/110*0.03552+41/440*0.0362+71/880*0.03652)+880*(0.01/1.64)2)f = 0.0860 f=0.0335*(9/88*0.0325+1/11*0.033+3/44*0.0335+15/176*0.034+13/176*0.034+7/88*0.0345+1/1*

40、0.0345+7/8*0.035+13/176*0.035+9/110*0.0355+41/440*0.036+71/880*0.0365)/(9/88*0.03252+1/11*0.0332+3/44*0.03352+15/176*0.0342+13/176*0.0342+7/88*0.03452+1/1*0.03452+7/8*0.0352+13/176*0.0352+9/110*0.03552+41/440*0.0362+71/880*0.03652)+880*(0.01/1.64)2)f = 0.0873 f=0.034*(9/88*0.0325+1/11*0.033+3/44*0.0

41、335+15/176*0.034+13/176*0.034+7/88*0.0345+1/1*0.0345+7/8*0.035+13/176*0.035+9/110*0.0355+41/440*0.036+71/880*0.0365)/(9/88*0.03252+1/11*0.0332+3/44*0.03352+15/176*0.0342+13/176*0.0342+7/88*0.03452+1/1*0.03452+7/8*0.0352+13/176*0.0352+9/110*0.03552+41/440*0.0362+71/880*0.03652)+880*(0.01/1.64)2)f = 0

42、.0886 f=0.0345*(9/88*0.0325+1/11*0.033+3/44*0.0335+15/176*0.034+13/176*0.034+7/88*0.0345+1/1*0.0345+7/8*0.035+13/176*0.035+9/110*0.0355+41/440*0.036+71/880*0.0365)/(9/88*0.03252+1/11*0.0332+3/44*0.03352+15/176*0.0342+13/176*0.0342+7/88*0.03452+1/1*0.03452+7/8*0.0352+13/176*0.0352+9/110*0.03552+41/44

43、0*0.0362+71/880*0.03652)+880*(0.01/1.64)2)f = 0.0899 f=0.035*(9/88*0.0325+1/11*0.033+3/44*0.0335+15/176*0.034+13/176*0.034+7/88*0.0345+1/1*0.0345+7/8*0.035+13/176*0.035+9/110*0.0355+41/440*0.036+71/880*0.0365)/(9/88*0.03252+1/11*0.0332+3/44*0.03352+15/176*0.0342+13/176*0.0342+7/88*0.03452+1/1*0.0345

44、2+7/8*0.0352+13/176*0.0352+9/110*0.03552+41/440*0.0362+71/880*0.03652)+880*(0.01/1.64)2)f = 0.0912 f=0.0355*(9/88*0.0325+1/11*0.033+3/44*0.0335+15/176*0.034+13/176*0.034+7/88*0.0345+1/1*0.0345+7/8*0.035+13/176*0.035+9/110*0.0355+41/440*0.036+71/880*0.0365)/(9/88*0.03252+1/11*0.0332+3/44*0.03352+15/1

45、76*0.0342+13/176*0.0342+7/88*0.03452+1/1*0.03452+7/8*0.0352+13/176*0.0352+9/110*0.03552+41/440*0.0362+71/880*0.03652)+880*(0.01/1.64)2)f = 0.0925 f=0.036*(9/88*0.0325+1/11*0.033+3/44*0.0335+15/176*0.034+13/176*0.034+7/88*0.0345+1/1*0.0345+7/8*0.035+13/176*0.035+9/110*0.0355+41/440*0.036+71/880*0.036

46、5)/(9/88*0.03252+1/11*0.0332+3/44*0.03352+15/176*0.0342+13/176*0.0342+7/88*0.03452+1/1*0.03452+7/8*0.0352+13/176*0.0352+9/110*0.03552+41/440*0.0362+71/880*0.03652)+880*(0.01/1.64)2)f = 0.0938 f=0.0365*(9/88*0.0325+1/11*0.033+3/44*0.0335+15/176*0.034+13/176*0.034+7/88*0.0345+1/1*0.0345+7/8*0.035+13/1

47、76*0.035+9/110*0.0355+41/440*0.036+71/880*0.0365)/(9/88*0.03252+1/11*0.0332+3/44*0.03352+15/176*0.0342+13/176*0.0342+7/88*0.03452+1/1*0.03452+7/8*0.0352+13/176*0.0352+9/110*0.03552+41/440*0.0362+71/880*0.03652)+880*(0.01/1.64)2)f = 0.095190，80，60，75，65，70，80，70，65，72，82，717.623,6.88,5.238,6.645,5.75

48、9,6.293,7.192,6.384,5.928,6.66,7.6916,6.7521n=8+7+5+6+6+6+7+6+6+7+8+7=79附件5：S.T. 假設(shè)t=2,p=50,Pmax=4000，Tmax=176, =10c=-79; A=79;79;1; b=88;80;10; Aeq=; beq=; vlb=0;0;0; vub=;x,fval=linprog(c,A,b,Aeq,beq,vlb,vub)x = 1.0127fval = -80.0000附件6：w = 1.0000 1.0000 3.0000 3.0000 5.0000 5.0000 6.0000 7.0000 9

49、.0000 9.0000 1.0000 1.0000 3.0000 3.0000 5.0000 5.0000 6.0000 7.0000 9.0000 9.0000 0.3333 0.3333 1.0000 1.0000 1.6667 1.6667 2.0000 2.3333 3.0000 3.0000 0.3333 0.3333 1.0000 1.0000 1.6667 1.6667 2.0000 2.3333 3.0000 3.0000 0.2000 0.2000 0.6000 0.6000 1.0000 1.0000 1.2000 1.4000 1.8000 1.8000 0.2000 0.2000 0.6000 0.6000 1.0000 1.0000 1.2000 1.4000 1.8000 1.8000 0.1667 0.1667 0.5000 0.5000 0.8333 0.8333 1.0000 1.1667 1.5000 1.5000 0.1429 0.1429 0.4286 0.4286 0.7143 0.7143 0.8571 1.0000 1.2857 1.2857 0.1111 0.