1、電力生產問題為滿足每日電力需求（單位為兆瓦（MW）,可以選用四種不同類型的發電機。每日電力需求如下表1。表1:每日用電需求（兆瓦）時段(0-24)0-66-99-1212-1414-1818-2222-24需求12000320002500036000250003000018000每種發電機都有一個最大發電能力，當接入電網時，其輸出功率不應低于某一最小輸出功率。所有發電機都存在一個啟動成本，以及工作于最小功率狀態時的固定的每小時成本，并且如果功率高于最小功率，則超出部分的功率每兆瓦每小時還存在一個成本，即邊際成本。這些數據均列于表2中。表2:發電機情況X可用數量最小輸出功率（MVV最大輸出功率（

2、MVV固定成本（元/小時）每兆瓦邊際成本（兀/小時）啟動成本型號110750175022502.75000型號241000150018002.21600型號3812002000；37501.82400型號431800350048003.81200只有在每個時段開始時才允許啟動或關閉發電機。與啟動發電機不同，關閉發電機不需要付出任何代價。問題（1）在每個時段應分別使用哪些發電機才能使每天的總成本最小，最小總成本為多少？問題（2）如果在任何時刻，正在工作的發電機組必須留出20%勺發電能力余量，以防用電量突然上升。那么每個時段又應分別使用哪些發電機才能使每天的總成本最小，此時最小總成本又為多少？電力

3、生產問題的數學模型摘要本文解決的是電力生產問題，在發電機的發電量能滿足每日的電力需求的條件下，為了使每日的總成本達到最低，我們建立了一個最優化模型。對于問題一：由已知條件可知有固定成本、邊際成本、啟用成本，據此，我們確定了三個指標：即固定總成本、邊際總成本、啟動總成本。總成本即為這三項總成本之和。每天分為七個時段，發電機共有四種型號，方案結果應該包括每個時段每種型號平均功率及該時段該型號發電機的數量，一共有56個未知數，為減少未知數，并將非線性約束條件轉化為線性約束條件，將整數規劃轉化為非整數規劃，我們以每個時段每種型號的幾個發電機發出的總功率為變量，并列出相應的約束條件，然后通過LINGO求

4、出個時段各種型號發電機的總功率，再采用分支定界法求出最小總成本為146.9210萬元。再根據總功率利用Matlab軟件計算出總功率所對應的該型號發電機的數量（見表對于問題二：題目要求在任何時刻，正在工作的發電機組必須留出20%勺發電能力余量，以防用電量突然上升。其他條件與問題一相同，因此，只需增加一個約束條件，即發電機機組所能發出的最大總功率乘以80淅大于用電需求。為鍛煉編程技術，故在第二問改用Matlab軟件編程來求解，將所要求的7個時段4種型號的發電機的平均功率一共28個未知數用X1,X2,X28表示，將其對應的發電機數量用X29,X30,X56表示，并利用矩陣列出約束條件和目標函數，然后

5、編程最小總并運行求解，得到的發電機數量有的不為整數，然后采用分支定界法，得到調整后的結果，成本為157.5426萬元。關鍵詞：線性規劃、總功率、使用數量、總成本1 .問題重述1.1 問題背景為滿足每日電力需求（單位為兆瓦（MW）,可以選用四種不同類型的發電機。每日電力需求如下表1。表1:每日用電需求（兆瓦）時段(0-24)0-66-99-1212-1414-1818-2222-24需求12000320002500036000250003000018000每種發電機都有一個最大發電能力，當接入電網時，其輸出功率不應低于某一最小輸出功率。所有發電機都存在一個啟動成本，以及工作于最小功率狀態時的固定

6、的每小時成本，并且如果功率高于最小功率，則超出部分的功率每兆瓦每小時還存在一個成本，即邊際成本。這些數據均列于表2中。表2:發電機情況X可用數量最小輸出功率（MVV最大輸出功率（MVV固定成本（元/小時）每兆瓦邊際成本（兀/小時）啟動成本型號1107501750122502.75000型號241000150018002.21600型號38120020001375011.82400型號431800350048003.81200只有在每個時段開始時才允許啟動或關閉發電機。與啟動發電機不同，關閉發電機不需要付出任何代價。1.2 需要解決的問題問題（1）在每個時段應分別使用哪些發電機才能使每天的總成本

7、最小，最小總成本為多少？問題（2）如果在任何時刻，正在工作的發電機組必須留出20%勺發電能力余量，以防用電量突然上升。那么每個時段又應分別使用哪些發電機才能使每天的總成本最小，此時最小總成本又為多少？2 .模型假設假設1:調整發電機功率沒有成本假設2:發電機生產的電量在傳輸過程中沒有損耗假設3:忽略發電機啟動的時間假設4:發電機的功率在時段初調整好后在那個時段內保持不變3 .符號說明符號符號說明型號j發電機在第i個時間段的總功率型號j發電機的總數量單個型號j發電機的最小功率單個型號j發電機的最大功率第i個時間段的時間型號j發電機每小時的固定成本型號j發電機每兆瓦邊際成本型號j發電機的啟用成本第

8、i個時間段的用電需求量型號j發電機在第i個時間段的使用數量，式中口代表向卜取整型號j發電機在第(i-1)個時間段的使用數量，式中口代表向卜取整第i時段型號為j的發電機的平均輸出功率第i時段型號為j的發電機的數量4 .問題分析此題研究的是電力生產中在滿足每日電力需求的條件下，使每日的總成本達到最小的數學建模問題。針對問題一：從以下三方面來分析(1)對已知條件的分析：從已知的條件來看，本題將一天分為了七個時間段，在每一個時間段都有對應的電力需求量。為了滿足每日的電力需求，有四種型號的發電機可供使用，每種型號的發電機都已知其可用數量、最小輸出功率、最大輸出功率、固定成本、每兆瓦邊際成本、啟用成本。要

9、使總成本達到最小，則問題的目標函數就是總成本函數。(2)對目標函數的分析：總成本由三個指標組成，即固定總成本、邊際總成本、啟動總成本。分別對每個指標進行分析。固定總成本為第i個時間段的時間、型號j發電機在第i個時間段的數量、型號j發電機每小時的固定成本這三者之積的累積和。邊際總成本為第i個時間段的時間、型號j發電機在第i個時間段超出此時間段最小總功率的功率、型號j發電機每兆瓦邊際成本這三者之積的累積和。啟動總成本為型號j發電機啟動數量和型號j發電機的啟動成本之積的累積和。(3)對約束條件的分析：對機型j發電機在第i個時間段總功率的約束有兩個。一是若機型j發電機在第i個時間段不使用，則機型j發電

10、機在第i個時間段的總功率為零；若機型j發電機在第i個時間段使用，則機型j發電機在第i個時間段的總功率要滿足大于等于單個機型j發電機的最小輸出功率且小于等于全部機型j發電機最大輸出功率之和；二是四種機型的發電機在第i個時間段生產的總功率要滿足大于等于第i個時間段的用電量需求。針對問題二：題目要求在任何時刻，正在工作的發電機組必須留出20%勺發電能力余量，以防用電量突然上升，即發電機組在第i個時間段所能發出的最大總功率的80%?大于等于該時段的用電需求05.問題一的解答針對問題一我們建立了模型一6.1 模型一的建立在滿足每日電力需求的條件下，用四類不同型號的發電機在一該模型是為了解決電力生產中,天

11、的七個時段進行電力生產，使總成本達到最小的問題。總成本由以下三項指標組成:指標一：固定總成本74Cij"S#Gji=1jQj74,指標二：邊際總成本-Si(Ciji=1j1C-jPj)BQj指標三：啟用總成本Cj74sign(-、Qji=1j42CT)1CijC(-j-Qj(i)jQj)Vj發電機在第i個時間則機型j發電為了使總成本達到最小，我們建立了如下的目標函數:(1)若機型j發電機在第i個時間段不使用，則機型j段的總功率為零；若機型j發電機在第i個時間段使用,機在第i個時間段的總功率要滿足大于等于單個機型j發電機的最小輸出功率且小于等于全部機型j發電機最大輸出功率之和。據此，我

12、們建立了如下約束條件：其中i=1,2,7j=1,2,3,4(2)四種機型的發電機在第i個時間段生產的總功率要滿足大于等于第i個時間段的用電量需求。據此，我們建立如下約束條件：其中i=1,2,7j=1,2,3,46.2 模型一的求解我們用Lingo軟件求解這個模型，對于用-CijwNjQj或C0=0這個約束條件，Lingo軟件不能直接處理，因此，我們先用分支定界法將此條件改為0WGjwNjQj,然后用Lingo軟件求解，分析計算結果發現有的時段的某型號發電機輸出功率小于該型號發電機的最小功率，故對Cj進行調整，調整后得到滿足約束條件的最低總成本為146.9210萬元。根據Lingo軟件計算得到的

13、第i時段型號為j的幾個發電機發出的總功率，然后用Matlab軟件以總功率除以該型號單個發電機的最大輸出功率，然后向正無窮方向取整，得到第i時段型號為j的發電機的數量。各個時段各種型號幾個發電機發出的總功率及對應的發電機數量如下表一所示：表一時段型號型號1型號2型號3型號4總功率數量總功率數量總功率數量總功率數量0-6006000460003006-91816.9502600041600088183.05039-123047.90826000415952.0980012-143500.00236000416000810500314-1830002600041600080018-22857.168

14、71600041600087142.831322-24005285.470412714.837006 .問題二的解答根據問題一的模型，我們已經求出了在滿足每日電力需求的條件下，用四類不同型號的發電機在一天的七個時段進行電力生產，使總成本達到最小，而問題二要求在任何時刻，正在工作的發電機組必須留出20%勺發電能力余量，以防用電量突然上升。故在第一問的目標函數和約束條件保持不變的情況下，應再增加一個約束條件，即第i個時段發電機組所能輸出地最大功率的80加大于第i個時段的用電需求。列出目標函數和約束條件如下：將目標函數和約束條件用矩陣的形式表示出來，然后用Matlab軟件求解，求解結果中有的Nj不為

15、整數，故用分支定界法進行調整，調整后得到滿足約束條件的最小總成本為每天157.5426萬元。各個時段各種型號的發電機發出的平均功率和對應的數量見下表：表二時段型號1型號2型號3型號4型號平均功數平均功數平均功數平均功數率量率量率量率量0-67503143.75420002006-992051500420008180039-12750611254200080012-141075815004200081800314-18750611254200080018-22750414004200081800322-247503100043189.96007 .模型的評價、改進及推廣7.1 模型評價優點：(1

16、)根據題目的要求我們確立了三個指標，即固定總成本、邊際總成本、啟用總成本，以上三項總成本之和即為總成本，通過對三項總成本的逐項分析，建立了最優的目標函數。(2)對于約束條件的建立，我們綜合考慮了各種情況，使約束條件達到了具體化全面化。(3)以每個時段每種型號的幾個發電機發出的總功率為變量，將56個未知數縮減為28個，將約束條件中的非線性約束轉化為線性約束，將整數規劃轉化為非整數規劃，并提高了運行速度，缺點：我們用總功率來表示數量，通過總功率來求數量，而此數量的結果不能在LINGO中直接表示出來，需要另外通過其他軟件來得出結果，使建模工作復雜化7.2 模型改進(1)所建模型是在發電機無故障的條件

17、下建立的，如果考慮發電機隨使用時間的增加，在不同的時間段(譬如以月為時間段單位)需要不同的檢修費用，再把檢修費用平分到每一天，將此檢修費用也算作總成本的一部分。增加約束條件，使模型更精準優化。(3)所建模型假設了發電機的功率在時段初調整好后在那個時段內保持不變，如果在每個時段，發電機的功率在滿足約束條的情況下為可變的，則可以根據實際情況做不同調整，使模型更實際化。7.3 模型推廣我們建的模型不僅適用于電力生產，也適用于其它方面的生產，也可用于產銷平衡問題，選址問題，值班問題等等。8 .參考文獻1趙靜，但琦，數學建模與數學實驗，高等教育出版社，2008.2樓順天，姚若玉，沈俊霞，MATLAB7.

18、M序設計語言，西安電子科技大學出版社，2008.9 .附錄附錄一：問題一中發電機組各時段的功率和開啟的數量時段型號型號1型號2型號3型號4總功率數量總功率數量總功率數量總功率數量0-6006000460003006-91816.9502600041600088183.05039-123047.90826000415952.0980012-143500.00236000416000810500314-1830002600041600080018-22857.16871600041600087142.831322-24005285.470412714.83700附錄二：問題二中發電機組各時段的功率

19、和開啟的數量表二時段型號型號1型號2型號3型號4總功率數量總功率數量總功率數量總功率數量0-680014800464004006-910400848004112007560029-1290007480041120070012-14112008480041280087200314-1890007480041120070018-2284006480041120075600222-2400480049600636002附錄三：模型一調整前所用程序sets:!電力生產問題；shiduan/1.7/:s,x;xinghao/1.4/:n,p,q,g,b,v;link(shiduan,xinghao):c

20、;endsetsdata:!各個時段的小時數；s=6,3,3,2,4,4,2;!各個時段的用電需求；x=12000,32000,25000,36000,25000,30000,18000;!可用數量；n=10,4,8,3;!最小輸出功率；p=750,1000,1200,1800;!最大輸出功率；q=1750,1500,2000,3500;!固定成本；g=2500,1800,3750,4800;!邊際成本；b=2.7,2.2,1.8,3.8;!啟動成本；v=5000,1600,2400,1200;enddata!目標函數floor(c(i,j)/q(j)+0.999999)為第i時段型號為j的發

21、電機的數量if函數用來判斷：當i=1時，i-1=7;min=sum(link(i,j):s(i)*(floor(c(i,j)/q(j)+0.999999)*g(j)+(c(i,j)-(floor(c(i,j)/q(j)+0.999999)*p(j)*b(j)+(sign(floor(c(i,j)/q(j)+0.999999)-(floor(if(i#ge#2,c(i-1,j),0)/q(j)+0.999999)+1)/2*(if(i#ge#2,floor(c(i,j)/q(j)+0.999999)-(floor(c(i-1,j)/q(j)+0.999999),floor(c(1,j)/q(j)

22、+0.999999)*v(j);Bi時段的總發電量大于該時段的用電需求；for(shiduan(i):sum(xinghao(j):c(i,j)>=x(i);!型號為j的發電機發出的總功率小于或等于該型號幾個發電機所能發出的最大功率for(link(i,j):c(i,j)<=n(j)*q(j);!型號為j的發電機發出的總功率大于或等于0;for(link(i,j):c(i,j)>=0);End程序運行結果Feasiblesolutionfound.Objectivevalue:1463554.Infeasibilities:0.2394529E-11Totalsolverit

23、erations:377VariableValueReducedCostS(1)6.0000000.000000S(2)3.0000000.000000S(3)3.0000000.000000S(4)2.0000000.000000S(5)4.0000000.000000S(6)4.0000000.000000S(7)2.0000000.000000X(1)12000.000.000000X(2)32000.000.000000X(3)25000.000.000000X(4)36000.000.000000X(5)25000.000.000000X(6)30000.000.000000X(7)

24、18000.000.000000N(1)10.000000.000000N(2)4.0000000.000000N(3)8.0000000.000000N(4)3.0000000.000000P(1)750.00000.000000P(2)1000.0000.000000P(3)1200.0000.000000P(4)1800.0000.000000Q(1)1750.0000.000000Q(2)1500.0000.000000Q(3)2000.0000.000000Q(4)3500.0000.000000G(1)2500.0000.000000G(2)1800.0000.000000G(3)

25、3750.0000.000000G(4)4800.0000.000000B(1)2.7000000.000000B(2)2.2000000.000000B(3)1.8000000.000000B(4)3,8000000.000000V(1)5000.0000.000000V(2)1600.0000.000000V(3)2400.0000.000000V(4)1200.0000.0000000(1,1)0.0000000.0000000(1,2)6000.0000.0000000(1,3)6000.0000.0000000(1,4)0.0000000.0000000(2,1)1743.539-1

26、.9371430(2,2)6000.0000.0000000(2,3)14769.190.0000000(2,4)9487.2720.0000000(3,1)2957.0260.0000000(3,2)6000.0000.0000000(3,3)16000.000.0000000(3,4)42.97358-0.29142860(4,1)4645.5110.0000000(4,2)6000.0000.0000000(4,3)16000.000.0000000(4,4)9354.4890.0000000(5,1)2892.3220.0000000(5,2)6000.0000.0000000(5,3

27、)15986.150.0000000(5,4)121.52832.9828570(6,1)2294.0311.0171430(6,2)6000.0000.0000000(6,3)16000.000.0000000(6,4)5705.9690.0000000(7,1)9.4007851.1242860(7,2)5997.4050.0000000(7,3)11993.190.0000000(7,4)0.0000000.000000RowSlackorSurplusDualPrice11463554.-1.00000020.000000-14.3700030.000000-10.8514340.00

28、0000-8.91428650.000000-10.2285760.000000-9.02857170.000000-13.7257180.000000-3.390000917500.000.000000100.0000000.63666671110000.000.0000001210500.000.0000001315756.460.000000140.0000005.051429151230.8110.6642857E-01161012.7280.0000001714542.970.000000180.0000003.114286190.0000001.1292862010457.030.

29、0000002112854.490.000000220.0000006.361905230.0000005.038571241145.5112.7657142514607.680.000000260.0000001.2952382713.84997-1.3514292810378.470.0000002915205.970.000000300.0000005.992381310.0000000.9457143324794.0310.0000003317490.600.000000342.594708-1.010000354006.8060.0000003610500.000.000000370

30、.000000-2.030000386000.0000.000000396000.0000.000000400.000000-4.418571411743.5390.000000426000.0000.0000004314769.190.000000449487.2720.000000452957.0260.000000466000.0000.0000004716000.000.0000004842.973580.000000494645.5110.000000506000.0000.0000005116000.000.000000529354.4890.000000532892.3220.0

31、00000546000.0000.0000005515986.150.00000056121.52830.000000572294.0310.000000586000.0000.0000005916000.000.000000605705.9690.000000619.4007850.000000625997.4050.0000006311993.190.000000640.000000-2.530000附錄四：模型一調整后所用程序sets:!電力生產問題；shiduan/1.7/:s,x;xinghao/1.4/:n,p,q,g,b,v;link(shiduan,xinghao):c;end

32、setsdata:!各個時段的小時數；s=6,3,3,2,4,4,2;!各個時段的用電需求；x=12000,32000,25000,36000,25000,30000,18000;!可用數量；n=10,4,8,3;!最小輸出功率；p=750,1000,1200,1800;!最大輸出功率(留有20嗾量)；q=1400,1200,1600,2800;!固定成本；g=2500,1800,3750,4800;!邊際成本；b=2.7,2.2,1.8,3.8;!啟動成本；v=5000,1600,2400,1200;enddata!目標函數floor(c(i,j)/q(j)+0.999999)為第i時段型號

33、為j的發電機的數量if函數用來判斷：當i=1時，i-1=7;min=sum(link(i,j):s(i)*(floor(c(i,j)/q(j)+0.999999)*g(j)+(c(i,j)-(floor(c(i,j)/q(j)+0.999999)*p(j)*b(j)+(sign(floor(c(i,j)/q(j)+0.999999)-(floor(if(i#ge#2,c(i-1,j),0)/q(j)+0.999999)+1)/2*(if(i#ge#2,floor(c(i,j)/q(j)+0.999999)-(floor(c(i-1,j)/q(j)+0.999999),floor(c(1,j)/

34、q(j)+0.999999)*v(j);Bi時段的總發電量大于該時段的用電需求；for(shiduan(i):sum(xinghao(j):c(i,j)>=x(i);!型號為j的發電機發出的總功率小于或等于該型號幾個發電機所能發出的最大功率；for(link(i,j):c(i,j)<=n(j)*q(j);!型號為j的發電機發出的總功率大于或等于0；for(link(i,j):c(i,j)>=0);c(3,4)=0;c(5,4)=0;c(7,1)=0;c(6,1)>=750;EndLocaloptimalsolutionfound.Objectivevalue:15754

35、26.Objectivebound:1541773.Infeasibilities:0.1818989E-11Extendedsolversteps:4Totalsolveriterations:685024VariableValueReducedCostS(1)6.0000000.000000S(2)3.0000000.000000S(3)3.0000000.000000S(4)2.0000000.000000S(5)4.0000000.000000S(6)4.0000000.000000S(7)2.0000000.000000X(1)12000.000.000000X(2)32000.00

36、0.000000X(3)25000.000.000000X(4)36000.000.000000X(5)25000.000.000000X(6)30000.000.000000X(7)18000.000.000000N(1)10.000000.000000N(2)4.0000000.000000N(3)8.0000000.000000N(4)3.0000000.000000P(1)750.00000.000000P(2)1000.0000.000000P(3)1200.0000.000000P(4)1800.0000.000000Q(1)1400.0000.000000Q(2)1200.000

37、0.000000Q(3)1600.0000.000000Q(4)2800.0000.000000G(1)2500.0000.000000G(2)1800.0000.000000G(3)3750.0000.000000G(4)4800.0000.000000B(1)2.7000000.000000B(2)2.2000000.000000B(3)1.8000000.000000B(4)3.8000000.000000V(1)5000.0000.000000V(2)1600.0000.000000V(3)2400.0000.000000V(4)1200.0000.000000C(1,1)800.02

38、24-9.991071C(1,2)4799.989-3.645833C(1,3)6399.9860.000000C(1,4)0.2800000E-020.7017857C(2,1)10400.020.000000C(2,2)4799.989-19.58929C(2,3)11199.99-14.55804C(2,4)5600.003-14.47500C(3,1)9000.025-3.870536C(3,2)4799.989-2.031250C(3,3)11199.990.000000C(3,4)0.0000000.000000C(4,1)11199.990.000000C(4,2)4799.98

39、9-7.702381C(4,3)12799.99-3.598214C(4,4)7200.038-3.578571C(5,1)9000.0250.000000C(5,2)4799.989-4.690476C(5,3)11199.99-2.482143C(5,4)0.0000000.000000C(6,1)8399.98710.19643C(6,2)4799.989-5.208333C(6,3)11199.990.000000C(6,4)5600.0380.6821429C(7,1)0.0000000.000000C(7,2)4799.989-0.4375000C(7,3)9599.9860.00

40、0000C(7,4)3600.0251.091071RowSlackorSurplusDualPrice11575426.-1.00000020.000000-17.5125030.000000-25.1892940.000000-7.63125050.000000-11.4357160.000000-12.1571470.000000-12.6750080.000000-4.837500913199.980.000000100.1080000E-010.000000116400.0140.000000128399.9970.000000133599.9780.000000140.108000

41、0E-010.000000151600.0140.000000162799.9970.000000174999.9750.000000180.1080000E-010.000000191600.0140.000000208400.0000.000000212800.0130.000000220.1080000E-010.000000230.1440000E-010.000000241199.9620.000000254999.9750.000000260.1080000E-010.000000271600.0140.000000288400.0000.000000295600.0130.000

42、000300.1080000E-010.000000311600.0140.000000322799.9620.0000003314000.000.000000340.1080000E-010.000000353200.0140.000000364799.9750.00000037800.02240.000000384799.9890.000000396399.9860.000000400.2800000E-020.0000004110400.020.000000424799.9890.0000004311199.990.000000445600.0030.000000459000.0250.

43、000000464799.9890.0000004711199.990.000000480.0000000.0000004911199.990.000000504799.9890.0000005112799.990.000000527200.0380.000000539000.0250.000000544799.9890.0000005511199.990.000000560.0000000.000000578399.9870.000000584799.9890.0000005911199.990.000000605600.0380.000000610.0000000.000000624799

44、.9890.000000639599.9860.000000643600.0250.000000650.000000-3.768750660.000000-3.042858670.000000-0.5624996i個時間段型號j發電機的數量的程序687649.9870.000000附錄五：問題一中用Matlab軟件求第c=06000600001816.9506000160008183.0503047.908600015952.0903500.0026000160001050030006000160000857.16876000160007142.83105285.47012714.830;%c

45、(i,j)為第i時段型號為j的幾個發電機發出的總功率q=1750150020003500;qq=repmat(q,7,1);%qq(i,j)為型號為j的單個發電機所能發出的最大功率n=10483;nn=repmat(n,7,1);%nn(i,j)為型號為j的發電機的可用數量N=ceil(c./qq)%N(i,j)為第i時段型號為j的發電機的數量N<=nr%N(i,j)應小于nn(i,j),故運算結果應該為所有元素均為1的7行4列的矩陣，此運算用于檢驗程序運行結果N=0430248324803483248014830470ans=1111111111111111111111111111附錄

46、六：問題二中用Matlab軟件求第i個時間段型號j發電機的數量的程序c=8004800640001040048001120056009000480011200011200480012800720090004800112000840048001120056000480096003600;%c(i,j)為第i時段型號為j的幾個發電機發出的總功率q=1400120016002800;qq=repmat(q,7,1);%qq(i,j)為型號為j的單個發電機所能發出的最大功率n=10483;nn=repmat(n,7,1);%nn(i,j)為型號為j的發電機的可用數量N=ceil(c./qq)%N(i,j)為第i時段型號為j的發電機的數量N<=nr%N(i,j)應小于nn(i,j),故運算結果應該為所有元素均為1的7行4列的矩陣，此運算用于檢驗N=1440847274708483747064720462ans=1111111111111111111111111111M文件(總成本：zchb)functionf=zchb(