good200772044的专栏

供应链优化模型供应链优化模型供应链优化模型供应链优化模型供应链优化模型供应链优化模型供应链优化模型供应链优化模型供应链优化模型供应链优化模型供应链优化模型供应链优化模型供应链优化模型供应链优化模型供应链优化模型供应链优化模型供应链优化模型

2010年第七届苏北2010年第七届苏北数学建模联赛数学建模联赛2010年第七届苏北数学2010年第七届苏北数学建模联赛建模联赛2010年第七届苏北数2010年第七届苏北数学建模联赛学建模联赛2010年第七届苏北数学建模联赛

2010年第七届2010年第七届苏北数学建模联赛苏北数学建模联赛2010年第七2010年第七届苏北数学建模联赛届苏北数学建模联赛2010年第七22010年第七届苏北数学建模联赛010年第七届苏北数学2010年第七届苏北数学建模联赛建模2010年第七届苏北数学建模联赛联赛届苏北数学建模联赛

线性相关分析计算两个变量间的相关关系,分析两个变量间线性关系的程度。往往因为第三个变量的作用,使相关系数不能真正反映两个变量间的线性程度。如身高、体重与肺活量之间的关系。如果使用Pearson相关计算其相关系数,可以得出肺活量与身高和体重均存在较强的线性关系。但实际上,如果对体重相同的人,分析身高和肺活量,是否身高越高,肺活量就越大呢？不是的。原因是身高与体重有线性关系,体重与肺活量存在线性关系,因此得出身高和肺活量之间存在着较强的线性关系的错误结论。 偏相关分析的任务就是在研究两个变量之间的线性相关关系时控制可能对其产生影响的变量。 分析身高与肺活量之间的相关性，就要控制体重在相关分析中的影响。实际生活中有许多这样的关系，如可以控制年龄和工作经验两个变量的影响，估计工资收入与受教育程度之间的相关关系。可以在控制了销售能力与各种其他经济指标的情况下，研究销售量与广告费用之间的关系等。

传统的计量经济思想是首先根据经济理论或实践经验确定变量,然后建立模型,进行回归分析,通过假设检验判断所选解释变量是否对被解释变量有显著影响.虽然我们也测定了两个变量之间的相关系数,但高度相关的两个变量,并不意味着他们之间就一定存在着因果关系

， ， 。 成 虚 假 繁 荣 ， 加 大 风 险 性 ， 造 成 不 可 挽 回 的 损 失 。 这 种 例 子 在 发 达 国 家 的 金 融 市 场 发 展 中 屡 见 不 鲜 。 例 如 ， 1 9 2 9 年 1 0 月 2 8 日 ， 美 国 纽 约 华 尔 街 股 票 市 场 行 情 一 天 暴 跌 了 1 2 . 8 % ， 引 起 了 股 票 市 场 的 一 场 大 混 乱 。 这 一 天 拉 开 了 人 们 至 今 仍 谈 虎 色 变 的 3 0 年 代 全 球 性 经 济 大 萧 条 的 序 幕 。 1 9 8 7 年 1 0 月 1 9 日 ， 世 界 著 名 的 纽 约 华 尔 街 ， 道 · 琼 斯 工 业 股 票 平 均 数 忽 然 莫 名 其 妙 地 开 始 下 跌 ， 短 短 的 一 天 内 竟 然 下 跌 5 0 8 . 3 8 点 ， 其 跌 落 幅 度 高 达 2 2 . 6 2 % . 随 后 几 天 ， 西 方 各 主 要

住房问题是关系民生的大问题。自2001年以来，随着居民生活水平提高，居民消费结构升级带动产业结构升级，工业化进程加快和城镇化率快速提高，使中国经济进入了以住房、汽车、电子通讯、能源和基础原材料业较快发展的新一轮增长周期。其中，房地产、钢铁、水泥等行业投资迅猛增长，带动了整个固定资产投资的快速增长。2004年1-2月份固定资产投资完成额增长53％，经济运行中出现了新的不平衡，能源、运输供应紧张，居民消费品价格指数(CPI)开始走高（6月同比上涨5％），中国经济运行出现偏热的迹象。

多目标优化问题一直是科学和工程研究领域的一个难题和热点问题，在遗传算法应用到这一领域以前，已经产生了许多经典的方法，经典方法在处理大维数、多模态等复杂问题上存在不足。多目标遗传算法具有处理大的问题空间的能力在依次进化过程中可以得到多个可行解，对问题域的先验知识没有要求，对函数定义域的凸性不敏感，这正是经典算法不具备的。所以，应用遗传算法求解多目标问题，是这一领域的发展趋势。 路径问题是网络设计中遇到的最常见的问题之一，寻找指定两点间总长度最短或费用最低的路径。经典的Dijkstra算法能够精确的求出两点间的最短路径，但是经典的Dijkstra算法存在着占用时间、空间消耗过大的缺点。利用遗传算法求解路径问题可以减少算法对时间、空间的消耗。 利用遗传算法求解多目标路径寻优要考虑两个方面的问题。1．在多目标优化过程中，如何给出确保遗传算法进化的选择压力；2在路径问题中，如何对路径进行遗传操作。 本文对遗传算法及其面向多目标优化问题和路径寻优问题的基础理论和基本方法进行了阐述，提出了自己的方法，并进行了实验分析，主要内容如下： 1．介绍了遗传算法的基本理论、方法和一般流程，遗传多目标优化的现状。 2．利用遗传算法对路径进行遗传操作进行寻优，并利用改进的Dijkstra算法进行验证。 3．在遗传算法多目标优化中权重和原有产生权的方法的基础上对权重的给出进行了改进。以此对多目标路径进行寻优。