如果你也在 怎样代写运筹学Operations Research 这个学科遇到相关的难题,请随时右上角联系我们的24/7代写客服。运筹学Operations Research(英式英语:operational research),通常简称为OR,是一门研究开发和应用先进的分析方法来改善决策的学科。它有时被认为是数学科学的一个子领域。管理科学一词有时被用作同义词。
运筹学Operations Research采用了其他数学科学的技术,如建模、统计和优化,为复杂的决策问题找到最佳或接近最佳的解决方案。由于强调实际应用,运筹学与许多其他学科有重叠之处,特别是工业工程。运筹学通常关注的是确定一些现实世界目标的极端值:最大(利润、绩效或收益)或最小(损失、风险或成本)。运筹学起源于二战前的军事工作,它的技术已经发展到涉及各种行业的问题。
couryes-lab™ 为您的留学生涯保驾护航 在代写运筹学operational research方面已经树立了自己的口碑, 保证靠谱, 高质且原创的统计Statistics代写服务。我们的专家在代写运筹学operational research代写方面经验极为丰富,各种代写运筹学operational research相关的作业也就用不着说。
数学代写|运筹学作业代写operational research代考|THE ASSIGNMENT PROBLEM
The assignment problem is a special type of linear programming problem where assignees are being assigned to perform tasks. For example, the assignees might be employees who need to be given work assignments. Assigning people to jobs is a common application of the assignment problem. However, the assignees need not be people. They also could be machines, or vehicles, or plants, or even time slots to be assigned tasks. The first example below involves machines being assigned to locations, so the tasks in this case simply involve holding a machine. A subsequent example involves plants being assigned products to be produced.
To fit the definition of an assignment problem, these kinds of applications need to be formulated in a way that satisfies the following assumptions.
- The number of assignees and the number of tasks are the same. (This number is denoted by $n$. )
- Each assignee is to be assigned to exactly one task.
- Each task is to be performed by exactly one assignee.
- There is a cost $c_{i j}$ associated with assignee $i(i=1,2, \ldots, n)$ performing task $j$ $(j=1,2, \ldots, n)$.
- The objective is to determine how all $n$ assignments should be made to minimize the total cost.
Any problem satisfying all these assumptions can be solved extremely efficiently by algorithms designed specifically for assignment problems.
The first three assumptions are fairly restrictive. Many potential applications do not quite satisfy these assumptions. However, it often is possible to reformulate the problem to make it fit. For example, dummy assignees or dummy tasks frequently can be used for this purpose. We illustrate these formulation techniques in the examples.
数学代写|运筹学作业代写operational research代考|Prototype Example
The JOB SHOP COMPANY has purchased three new machines of different types. There are four available locations in the shop where a machine could be installed. Some of these locations are more desirable than others for particular machines because of their proximity to work centers that will have a heavy work flow to and from these machines. (There will be no work flow between the new machines.) Therefore, the objective is to assign the new machines to the available locations to minimize the total cost of materials handling. The estimated cost in dollars per hour of materials handling involving each of the machines is given in Table 8.24 for the respective locations. Location 2 is not considered suitable for machine 2 , so no cost is given for this case.
To formulate this problem as an assignment problem, we must introduce a dummy machine for the extra location. Also, an extremely large cost $M$ should be attached to the assignment of machine 2 to location 2 to prevent this assignment in the optimal solution. The resulting assignment problem cost table is shown in Table 8.25. This cost table contains all the necessary data for solving the problem. The optimal solution is to assign machine 1 to location 4 , machine 2 to location 3 , and machine 3 to location 1 , for a total cost of $\$ 29$ per hour. The dummy machine is assigned to location 2 , so this location is available for some future real machine.
We shall discuss how this solution is obtained after we formulate the mathematical model for the general assignment problem.
The Assignment Problem Model and Solution Procedures
The mathematical model for the assignment problem uses the following decision variables:
$$
x_{i j}= \begin{cases}1 & \text { if assignee } i \text { performs task } j \ 0 & \text { if not, }\end{cases}
$$
for $i=1,2, \ldots, n$ and $j=1,2, \ldots, n$. Thus, each $x_{i j}$ is a binary variable (it has value 0 or 1). As discussed at length in the chapter on integer programming (Chap. 12), binary variables are important in OR for representing yes/no decisions. In this case, the yes/no decision is: Should assignee $i$ perform task $j$ ?
By letting $Z$ denote the total cost, the assignment problem model is
Minimize $\quad Z=\sum_{i=1}^n \sum_{j=1}^n c_{i j} x_{i j}$,
subject to
$$
\begin{array}{ll}
\sum_{j=1}^n x_{i j}=1 & \text { for } i=1,2, \ldots, n, \
\sum_{i=1}^n x_{i j}=1 & \text { for } j=1,2, \ldots, n,
\end{array}
$$
and
$$
\begin{aligned}
& x_{i j} \geq 0, \quad \text { for all } i \text { and } j \
& \left(x_{i j} \text { binary, } \quad \text { for all } i \text { and } j\right) .
\end{aligned}
$$
运筹学代考
数学代写|运筹学作业代写operational research代考|THE ASSIGNMENT PROBLEM
分配问题是一种特殊类型的线性规划问题,其中分配给被分配者执行任务。例如,被分配者可能是需要分配工作任务的员工。给人分配工作是分配问题的一个常见应用。然而,受让人不一定是人。它们也可以是机器、交通工具、工厂,甚至是分配任务的时间段。下面的第一个示例涉及到将机器分配到不同的位置,因此在这种情况下的任务只是保持机器。接下来的一个例子涉及到工厂被分配要生产的产品。
为了符合分配问题的定义,这些类型的应用程序需要以满足以下假设的方式进行公式化。
被分配人员的数量和任务的数量是相同的。(这个数字用$n$表示。)
每个受让人只被分配一项任务。
每项任务只能由一名指定人员执行。
受让人$i(i=1,2, \ldots, n)$执行任务$j$$(j=1,2, \ldots, n)$有一个成本$c_{i j}$。
目标是确定如何进行所有$n$分配以最小化总成本。
任何满足所有这些假设的问题都可以通过专门为分配问题设计的算法非常有效地解决。
前三个假设是相当严格的。许多潜在的应用程序并不完全满足这些假设。然而,通常可以重新制定问题以使其适合。例如,可以经常为此目的使用虚拟任务或虚拟任务。我们在示例中说明这些配方技术。
数学代写|运筹学作业代写operational research代考|Prototype Example
JOB SHOP公司购买了三台不同类型的新机器。车间里有四个可用的位置可以安装机器。其中一些位置比其他位置更适合特定的机器,因为它们靠近工作中心,这些工作中心将有大量的工作流往返于这些机器。(新机器之间将没有工作流程。)因此,目标是将新机器分配到可用的位置,以最大限度地减少材料处理的总成本。表8.24列出了各地点每台机器处理物料的每小时估计费用(以美元计算)。位置2被认为不适合机器2,因此在这种情况下不给出成本。
为了将这个问题表述为一个分配问题,我们必须为额外的位置引入一个虚拟机。此外,机器2到位置2的分配应该附加一个极大的成本$M$,以防止在最优解决方案中进行这种分配。最终的分配问题成本表如表8.25所示。这个成本表包含了解决这个问题所需的所有数据。最优解决方案是将机器1分配到位置4,机器2分配到位置3,机器3分配到位置1,总成本为每小时$\$ 29$。虚拟机器被分配到位置2,因此这个位置可供将来的真实机器使用。
在建立一般赋值问题的数学模型后,我们将讨论如何得到这个解。
分配问题模型和解决程序
分配问题的数学模型使用以下决策变量:
$$
x_{i j}= \begin{cases}1 & \text { if assignee } i \text { performs task } j \ 0 & \text { if not, }\end{cases}
$$
浏览$i=1,2, \ldots, n$和$j=1,2, \ldots, n$。因此,每个$x_{i j}$都是一个二进制变量(它的值为0或1)。正如在整数规划章节(第12章)中详细讨论的那样,二进制变量在or中对于表示是/否决策很重要。在这种情况下,是/否的决定是:被指派人员$i$是否应该执行任务$j$ ?
通过让$Z$表示总成本,分配问题模型为
最小化$Z=\sum_{i=1}^n \sum_{j=1}^n c_{i j} x_{i j}$,
以
$$
\begin{array}{ll}
\sum_{j=1}^n x_{i j}=1 & \text { for } i=1,2, \ldots, n, \
\sum_{i=1}^n x_{i j}=1 & \text { for } j=1,2, \ldots, n,
\end{array}
$$
和
$$
\begin{aligned}
& x_{i j} \geq 0, \quad \text { for all } i \text { and } j \
& \left(x_{i j} \text { binary, } \quad \text { for all } i \text { and } j\right) .
\end{aligned}
$$
统计代写请认准statistics-lab™. statistics-lab™为您的留学生涯保驾护航。
金融工程代写
金融工程是使用数学技术来解决金融问题。金融工程使用计算机科学、统计学、经济学和应用数学领域的工具和知识来解决当前的金融问题,以及设计新的和创新的金融产品。
非参数统计代写
非参数统计指的是一种统计方法,其中不假设数据来自于由少数参数决定的规定模型;这种模型的例子包括正态分布模型和线性回归模型。
广义线性模型代考
广义线性模型(GLM)归属统计学领域,是一种应用灵活的线性回归模型。该模型允许因变量的偏差分布有除了正态分布之外的其它分布。
术语 广义线性模型(GLM)通常是指给定连续和/或分类预测因素的连续响应变量的常规线性回归模型。它包括多元线性回归,以及方差分析和方差分析(仅含固定效应)。
有限元方法代写
有限元方法(FEM)是一种流行的方法,用于数值解决工程和数学建模中出现的微分方程。典型的问题领域包括结构分析、传热、流体流动、质量运输和电磁势等传统领域。
有限元是一种通用的数值方法,用于解决两个或三个空间变量的偏微分方程(即一些边界值问题)。为了解决一个问题,有限元将一个大系统细分为更小、更简单的部分,称为有限元。这是通过在空间维度上的特定空间离散化来实现的,它是通过构建对象的网格来实现的:用于求解的数值域,它有有限数量的点。边界值问题的有限元方法表述最终导致一个代数方程组。该方法在域上对未知函数进行逼近。[1] 然后将模拟这些有限元的简单方程组合成一个更大的方程系统,以模拟整个问题。然后,有限元通过变化微积分使相关的误差函数最小化来逼近一个解决方案。
tatistics-lab作为专业的留学生服务机构,多年来已为美国、英国、加拿大、澳洲等留学热门地的学生提供专业的学术服务,包括但不限于Essay代写,Assignment代写,Dissertation代写,Report代写,小组作业代写,Proposal代写,Paper代写,Presentation代写,计算机作业代写,论文修改和润色,网课代做,exam代考等等。写作范围涵盖高中,本科,研究生等海外留学全阶段,辐射金融,经济学,会计学,审计学,管理学等全球99%专业科目。写作团队既有专业英语母语作者,也有海外名校硕博留学生,每位写作老师都拥有过硬的语言能力,专业的学科背景和学术写作经验。我们承诺100%原创,100%专业,100%准时,100%满意。
随机分析代写
随机微积分是数学的一个分支,对随机过程进行操作。它允许为随机过程的积分定义一个关于随机过程的一致的积分理论。这个领域是由日本数学家伊藤清在第二次世界大战期间创建并开始的。
时间序列分析代写
随机过程,是依赖于参数的一组随机变量的全体,参数通常是时间。 随机变量是随机现象的数量表现,其时间序列是一组按照时间发生先后顺序进行排列的数据点序列。通常一组时间序列的时间间隔为一恒定值(如1秒,5分钟,12小时,7天,1年),因此时间序列可以作为离散时间数据进行分析处理。研究时间序列数据的意义在于现实中,往往需要研究某个事物其随时间发展变化的规律。这就需要通过研究该事物过去发展的历史记录,以得到其自身发展的规律。
回归分析代写
多元回归分析渐进(Multiple Regression Analysis Asymptotics)属于计量经济学领域,主要是一种数学上的统计分析方法,可以分析复杂情况下各影响因素的数学关系,在自然科学、社会和经济学等多个领域内应用广泛。
MATLAB代写
MATLAB 是一种用于技术计算的高性能语言。它将计算、可视化和编程集成在一个易于使用的环境中,其中问题和解决方案以熟悉的数学符号表示。典型用途包括:数学和计算算法开发建模、仿真和原型制作数据分析、探索和可视化科学和工程图形应用程序开发,包括图形用户界面构建MATLAB 是一个交互式系统,其基本数据元素是一个不需要维度的数组。这使您可以解决许多技术计算问题,尤其是那些具有矩阵和向量公式的问题,而只需用 C 或 Fortran 等标量非交互式语言编写程序所需的时间的一小部分。MATLAB 名称代表矩阵实验室。MATLAB 最初的编写目的是提供对由 LINPACK 和 EISPACK 项目开发的矩阵软件的轻松访问,这两个项目共同代表了矩阵计算软件的最新技术。MATLAB 经过多年的发展,得到了许多用户的投入。在大学环境中,它是数学、工程和科学入门和高级课程的标准教学工具。在工业领域,MATLAB 是高效研究、开发和分析的首选工具。MATLAB 具有一系列称为工具箱的特定于应用程序的解决方案。对于大多数 MATLAB 用户来说非常重要,工具箱允许您学习和应用专业技术。工具箱是 MATLAB 函数(M 文件)的综合集合,可扩展 MATLAB 环境以解决特定类别的问题。可用工具箱的领域包括信号处理、控制系统、神经网络、模糊逻辑、小波、仿真等。