MATLAB & Excel定量預測與決策

內容概要

　　《MATLAB & Excel定量預測與決策：運作案例精編（含CD光盤1張）》主要內容是應用MATLAB和Excel實現(xiàn)生產運作中的定量預測與決策方法的建模和模擬求解，共四篇，第一篇為軟件應用基礎篇，介紹MATLAB和Excel的基本用法；第二篇為經典預測方法篇，包括時間序列、線性回歸、曲線回歸、利用圖表及馬爾可夫方法；第三篇為最優(yōu)規(guī)劃決策篇，包括線性規(guī)劃、非線性規(guī)劃、整數(shù)規(guī)劃、動態(tài)規(guī)劃和網絡及運輸規(guī)劃；第四篇為經典決策方法篇，包括確定型、非確定型、風險型、多目標及智能啟發(fā)優(yōu)化。全書所有案例的MATLAB程序和Excel模型隨光盤贈送。提供電子課件。

作者簡介

張建林 現(xiàn)就職于復旦大學。博士就讀于華中科技大學（原華中理工大學）管理學院管理科學與工程專業(yè)，獲管理學博士學位。目前主要從事現(xiàn)代生產與運作管理技術、最優(yōu)化理論與決策分析、高等教育與管理、噪聲控制與流一固耦合振動四個方面的研究。著作有：《快速戰(zhàn)略決策的理論與方法》、《現(xiàn)代生產動作管理：理念、理論與模型》等。2000年以來國內外重要學術期刊、會議發(fā)表科研論文30余篇。

書籍目錄

第一篇軟件應用基礎篇 案例概覽 第1章MATLAB應用基礎 1.1 MATLAB概述 1.1.1 MATLAB桌面操作環(huán)境 1.1.2 MATLAB的模塊工具箱 1.1.3 MATLAB的幫助系統(tǒng) 1.2 MATLAB計算基礎 1.2.1數(shù)值類型及顯示格式 1.2.2內置數(shù)學函數(shù) 1.2.3關系運算與邏輯運算 1.2.4向量和矩陣及其運算 1.3 MATLAB繪圖基礎 1.3.1繪圖的基本流程 1.3.2繪圖的基本方法 1.3.3圖形的修飾 1.4 MATLAB程序設計基礎 1.4.1程序設計概述 1.4.2程序設計的原則 1.4.3 M文件 1.4.4函數(shù)及調用 1.4.5程序的調試與優(yōu)化 1.4.6程序設計的技巧 本章小結 關于系統(tǒng)學習MATLAB的參考書籍 第2章Excel應用基礎 2.1函數(shù)公式基礎 2.1.1函數(shù)公式的結構 2.1.2理解函數(shù)公式中的數(shù)據(jù) 2.1.3函數(shù)的分類與加載 2.1.4快速復制函數(shù)公式的方法 2.2方案及方案管理器 2.2.1方案的應用 2.2.2方案的復制與刪除 2.2.3方案報告的生成 2.3規(guī)劃求解 2.3.1認識規(guī)劃求解 2.3.2實踐應用舉例 2.4數(shù)據(jù)分析 2.4.1安裝分析工具庫 2.4.2回歸分析 2.4.3相關系數(shù) 2.5圖表可視化 本章小結 關于系統(tǒng)學習Excel的參考書籍 本篇參考文獻 第二篇經典預測方法篇 案例概覽 第3章時間序列預測 3.1時間序列的特征及識別 3.1.1時間序列的特征 3.1.2時間序列特征的識別 3.2一次移動平均模型 3.2.1簡單移動平均模型 3.2.2加權移動平均模型 3.2.3平滑效果的均方差（MSE）檢驗 3.3一次指數(shù)平滑模型 3.3.1 一次指數(shù)平滑的計算公式及平滑系數(shù)α的討論 3.3.2平滑系數(shù)的選擇及預測有效性的檢驗 3.4線性二次移動平均模型 3.4.1二次移動平均的計算公式 3.4.2平滑效果的均方差檢驗 3.5線性二次指數(shù)平滑模型 3.5.1二次指數(shù)平滑的計算公式 3.5.2平滑系數(shù)的選擇及預測有效性的檢驗 3.6非線性三次指數(shù)平滑模型 3.6.1非線性三次指數(shù)平滑的計算公式 3.6.2平滑系數(shù)的選擇及預測有效性的檢驗 3.7具有季節(jié)性特點的時間序列的預測 3.8應用MATLAB和Excel進行時間序列分析 3.8.1一次移動平均 3.8.2一次指數(shù)平滑 3.8.3線性二次移動平均 3.8.4線性二次指數(shù)平滑 3.8.5非線性三次指數(shù)平滑 3.9應用MATLAB和Excel進行具有季節(jié)特點的時間序列的預測 本章小結 第4章線性回歸預測 4.1理論基礎 4.1.1一元線性回歸模型 4.1.2多元線性回歸模型 4.1.3關于線性回歸分析的總結 4.2應用MATLAB和Excel進行回歸分析 4.2.1應用MATLAB進行回歸分析的方法 4.2.2應用Excel進行回歸分析的方法 4.3線性回歸在生產運作中的應用 本章小結 第5章 曲線回歸預測 5.1理論基礎 5.1.1可線性化的曲線回歸 5.1.2多項式回歸 5.1.3關于曲線擬合的總結 5.2可線性化曲線回歸的軟件實現(xiàn)方法 5.2.1應用MATLAB內置函數(shù)完成可線性化曲線的回歸 5.2.2應用Excel進行可線性化曲線的回歸擬合 5.3可線性化曲線回歸的應用舉例及其軟件實現(xiàn) 5.3.1冪函數(shù)曲線 5.3.2指數(shù)函數(shù)曲線 5.3.3冪指函數(shù)曲線 5.3.4對數(shù)函數(shù)曲線 5.3.5倒數(shù)函數(shù)曲線 5.3.6 S形函數(shù)曲線 5.3.7拋物線函數(shù)曲線 5.3.8小結 5.4多項式回歸的軟件實現(xiàn) 5.5一般曲線回歸的MATLAB 實現(xiàn) 5.5.1 MATLAB函數(shù)使用說明 5.5.2一般曲線回歸軟件實現(xiàn)的應用舉例 本章小結 第6章利用圖表預測 6.1 應用Excel使用公式進行線性預測 6.1.1利用Excel圖表進行線性預測的操作步驟 6.1.2利用Excel圖表進行線性預測的舉例 6.2應用Excel使用趨勢線進行預測 6.2.1使用趨勢線進行預測 6.2.2獲取趨勢線的取值及預測精度 6.2.3選擇適當?shù)内厔菥€類型 6.3應用Excel使用多項式趨勢線進行預測 6.4應用MATLAB曲線擬合圖形界面完成預測 6.5應用MATLAB內置函數(shù)獲取預測結果及置信區(qū)間 6.5.1使用polytool函數(shù)命令 6.5.2使用rstool函數(shù)命令 6.5.3使用nlintool函數(shù)命令 本章小結 第7章馬爾可夫預測 7.1理論基礎 7.1.1基本概念 7.1.2模型與求解方法 7.2應用MATLAB和Excel求解馬爾可夫問題 7.2.1產品市場占有率預測問題 7.2.2商品銷售期望利潤預測問題 7.2.3設備維修策略問題 7.2.4項目選址問題 本章小結 關于系統(tǒng)學習馬爾可夫算法的參考書籍 本篇參考文獻 第三篇最優(yōu)規(guī)劃決策篇 案例概覽 第8章 線性規(guī)劃決策 8.1理論基礎 8.1.1單目標線性規(guī)劃 8.1.2多目標線性規(guī)劃 8.1.3線性二次規(guī)劃 8.2應用軟件求解線性規(guī)劃 8.3應用舉例 8.3.1線性規(guī)劃問題 8.3.2多目標線性規(guī)劃問題 8.3.3線性二次規(guī)劃問題 本章小結 第9章非線性規(guī)劃決策 9.1理論基礎 9.2應用軟件求解非線性規(guī)劃的 方法 9.2.1 MATLAB求解非線性規(guī)劃的方法 9.2.2應用Excel求解非線性規(guī)劃問題 9.3應用舉例 本章小結 第10章整數(shù)線性規(guī)劃決策 10.1理論基礎 10.1.1整數(shù)線性規(guī)劃的概念 10.1.2整數(shù)線性規(guī)劃的模型 10.2應用MATLAB求解整數(shù)線性規(guī)劃問題 10.2.1割平面法 10.2.2分支定界法 10.2.3 0—1規(guī)劃法 10.3應用Excel求解整數(shù)線性規(guī)劃問題 10.3.1 Excel求解整數(shù)線性規(guī)劃問題的方法 10.3.2 Excel與MATLAB求解整數(shù)線性規(guī)劃的比較 10.4 MATLAB和Excel求解整數(shù)線性規(guī)劃的應用舉例 10.4.1純整數(shù)線性規(guī)劃問題 10.4.2混合整數(shù)線性規(guī)劃問題 10.4.3 0.1線性規(guī)劃問題 本章小結 第11章動態(tài)規(guī)劃決策 11.1理論基礎 11.1.1動態(tài)規(guī)劃的基本概念 11.1.2動態(tài)規(guī)劃術語及其數(shù)學描述 1 1.1.3動態(tài)規(guī)劃的基本思想及逆序解法的基本方程 11.1.4動態(tài)規(guī)劃的建模步驟 11.2應用MATLAB求解動態(tài)規(guī)劃問題 11.3應用Excel求解動態(tài)規(guī)劃問題 11.4應用舉例 11.4.1 背包問顥——最優(yōu)裝載問題 11.4.2生產經營問題 11.4.3資金管理問題 11.4.4資源（設備）分配問題 11.4.5最短路徑問題 11.4.6復雜系統(tǒng)可靠性問題 本章小結 第12章網絡及路徑規(guī)劃決策 12.1理論基礎 12.1.1圖論的源起 12.1.2圖的基本概念 12.1.3圖的類型 12.1.4圖的矩陣表示 12.1.5圖的權值矩陣 12.1.6圖論的基本性質和定理 12.1.7一種特殊的圖——樹 12.1.8利用應用軟件求解網絡及路徑規(guī)劃問題 12.2最小費用流問題 12.2.1最小費用流問題的基本概念 12.2.2最小費用流問題的數(shù)學模型 12.2.3最小費用流問題的基本類型 12.2.4案例及其MATLAB和Excel求解 12.3最大流量問題 12.3.1最大流問題的基本概念 12.3.2最大流問題的數(shù)學模型 12.3.3最大流問題的變形 12.3.4案例及其MATLAB和Excel求解 12.4最小費用最大流問題 12.4.1最小費用最大流問題的模型 12.4.2案例及其MATLAB和Excel求解 12.5最短路問題 12.5.1最短路問題的基本概念 12.5.2最短路問題的數(shù)學模型 12.5.3案例及其MATLAB和Excel求解 12.5.4最短路問題的應用 12.6最小（大）支撐樹問題 12.6.1 最小支撐樹問題基于的假設和生產運作實踐 12.6.2貪婪算法步驟 12.6.3 MATLAB實現(xiàn) 12.6.4最大支撐樹問題及其算法的MATLAB實現(xiàn) 12.6.5應用案例 12.7最優(yōu)環(huán)游問題 12.7.1旅行售貨員問題 12.7.2中國郵遞員問題 12.8匹配（指派）問題 12.8.1匹配問題的概念 12.8.2匹配問題的數(shù)學模型  12.8.3應用舉例 12.8.4匹配問題的變形 本章小結 本篇參考文獻 第四篇經典決策方法篇 案例概覽 第13章確定型決策 13.1盈虧平衡決策模型 13.1.1盈虧平衡分析的經濟函數(shù) 13.1.2線性盈虧平衡決策模型 13.1.3非線性盈虧平衡決策模型 13.2備貨型企業(yè)年度生產計劃的制訂決策 13.2.1品種的確定 13.2.2產量的確定 13.3 訂貨型企業(yè)年度生產計劃的制訂決策 13.3.1接受訂貨決策 13.3.2品種的確定 13.3.3價格的確定 13.3.4交貨期的確定 13.4庫存優(yōu)化決策模型 13.4.1經濟訂貨批量模型 13.4.2經濟生產批量模型 13.4.3價格折扣模型 13.4.4物料需求計劃中訂貨批量的決策——MPG方法 13.5作業(yè)排序決策模型 13.5.1流水作業(yè)排列排序模型 13.5.2單件作業(yè)任務分配模型 13.5.3單件作業(yè)能動計劃模型 13.5.4單件作業(yè)無延遲計劃模型 13.5.5安排人員的服務作業(yè)計劃 13.5.6安排需求的服務作業(yè)計劃 13.6網絡計劃用于項目管理決策模型 13.6.1事件時間參數(shù)計算模型 13.6.2活動時間參數(shù)計算模型 13.6.3 網絡時間參數(shù)計算模型的計算機實現(xiàn) 本章小結 第14章非確定型決策 14.1 冒險法：“好中求好”模型 14.2保守法：“壞中求好”模型 14.3折中法：α系數(shù)折中決策模型 14.4憾悔法：“最小的最大憾悔值”模型 14.5上述四種模型的比較 本章小結 第15章風險型決策 15.1決策表 15.1.1期望收益最大決策模型 15.1.2等概率決策模型 15.2單周期庫存模型 15.2.1期望收益最大模型 15.2.2期望損失最小模型 15.2.3邊際分析模型 15.3隨機離散需求模型 15.3.1從損失期望最小的角度求解 15.3.2從贏利期望最大的角度求解 15.4隨機連續(xù)需求模型 15.4.1問題提出 15.4.2建立模型 15.4.3模型求解 15.4.4補充討論 15.5決策樹 15.5.1基本概念 15.5.2應用步驟 15.5.3應用案例 15.6貝葉斯決策 15.6.1貝葉斯決策概述 15.6.2貝葉斯模型簡介 15.6.3應用案例 15.7靈敏度分析 15.7.1進行靈敏度分析的意義 15.7.2轉折概率的確定 本章小結 第16章多目標決策 16.1多目標決策概述 16.1.1多目標決策的概念 16.1.2多目標決策的體系 16.2目標化多為少的方法 16.2.1主要目標法 16.2.2線性加權和法 16.2.3平方和加權法 16.2.4理想點法 16.2.5乘除法 16.3線性目標規(guī)劃 16.3.1相關概念與數(shù)學模型 16.3.2優(yōu)先目標規(guī)劃 16.3.3加權目標規(guī)劃 16.3.4優(yōu)先—加權組合目標規(guī)劃 16.4層次分析法 16.4.1層次分析法的原理 16.4.2層次分析法的應用 16.4.3層次分析法的總結 16.4.4層次分析法的MATIAB實現(xiàn) 16.5模糊綜合評價決策法 16.5.1基本原理 16.5.2應用舉例 16.5.3補充說明 本章小結 第17章智能啟發(fā)優(yōu)化決策 17.1 引言 17.2軟件工具及準備 17.2.1簡介 17.2.2工具箱加載 17.2.3工具箱的調用 17.3粒子群優(yōu)化算法 17.3.1 PSOA算法概述 17.3.2 PSOA算法原理與步驟 17.3.3 PSOA算法的MATLAB實現(xiàn)及應用舉例 17.4遺傳優(yōu)化算法 17.4.1 GA算法概述 17.4.2 GA算法原理、步驟與特點 17.4.3 GA算法的MATLAB實現(xiàn)及應用舉例 17.4.4 GA算法求解作業(yè)車間調度的MATLAB實現(xiàn) 17.5人工神經網絡優(yōu)化算法 17.5.1生物神經元與神經網絡 17.5.2人工神經元與ANNs算法概述 17.5.3 ANNs算法模型與建模步驟 17.5.4 ANNs算法的MATLAB實現(xiàn)及應用舉例 17.5.5 ANNs算法GUI的實現(xiàn) 17.6模擬退火優(yōu)化算法 17.6.1算法概述 17.6.2算法的原理與步驟 17.6.3算法應用舉例及MATLAB實現(xiàn) 17.6.4 SAA的MATLAB求解函數(shù) 17.7蟻群優(yōu)化算法 17.7.1算法概述 17.7.2基本ACOA的原理與操作步驟 17.7.3基本ACOA的數(shù)學模型 17.7.4基本ACOA的程序結構流程 17.7.5算法應用舉例及MATLAB實現(xiàn) 17.8禁忌搜索優(yōu)化算法 17.8.1算法概述 17.8.2算法的基本原理 17.8.3算法的要素 17.8.4算法應用舉例及MATIAB實現(xiàn) 17.9混合啟發(fā)優(yōu)化算法 17.9.1基于遺傳算法的粒子群混合算法 17.9.2基于模擬退火的粒子群混合算法 17.9.3基于遺傳算法的BP神經網絡混合算法 17.9.4基于遺傳算法的模擬退火混合算法 17.9.5基于遺傳算法的蟻群混合算法 本章小結 可供進一步深入研究的參考文獻 本篇參考文獻 第五篇 MATLAB自編程序篇（光盤中） 附錄A卡方（X2）檢驗分布表（光盤中） 附錄B相關系數(shù)檢驗臨界值表（光盤中） 附錄C F分布（檢驗）臨界值表（光盤中） 附錄D T分布（檢驗）臨界值表（光盤中）

章節(jié)摘錄

版權頁：   插圖：   需要指出的是，有向圖實際上可以看做無向圖的一種特例，因為無向圖的邊可以看做長度相等、方向相反的兩條弧。所以，在圖12—3（b）中，如果a6與a9的權值相等，則可以用一條邊來代替，從而可以將這種既包含邊又包含弧的圖稱為“混合圖”（Mixed Graph）。 （3）頂點相鄰與關聯(lián)邊：若邊e=[u，v]∈E，則稱u，v為邊e的頂點，也稱u，v相鄰（Adjacent）。稱邊e為點u，v的關聯(lián)邊。如圖12—3（a）中，e1=[v1，v2]∈E，則稱v1，v2為邊e1的頂點，e1為頂點v1，v2的關聯(lián)邊。 （4）環(huán)與多重邊：若圖中，某一條邊的兩端點是相同的，則稱該邊為環(huán)，如圖12—3（a）中的邊e7；若兩個點之間有一條以上的邊，則稱這些邊為多重邊，如圖12—3（a）中的邊e1，e2。 （5）頂點的次d（v）、出次d—（v）和人次d+（v）：以點v為端點的邊的條數(shù)稱為頂點的次，記做d（v）。如圖12—3（a）中，d（v1）=4，d（v2）=4，d（v3）=3，d（v4）=2。以頂點v為終點的弧的數(shù)目稱為頂點v的入次，記做d—（v）；以頂點v為始點的弧的數(shù)目稱為頂點v的出次，記做d+（v）。如圖12—3（b）中，d—（v3）=d+（v3）=2。對于有向圖，d（v）=d—（v）+d+（v）。 （6）懸掛點與懸掛邊：次為1的頂點為懸掛點，如圖12—3（b）中的點v7；懸掛點的關聯(lián)邊稱為懸掛邊，如圖12—3（b）中的a11。 （7）點數(shù)與邊（?。?shù)：圖G或D中的點數(shù)記為P（G）或P（D），邊（弧）數(shù)記為q（G）或q（D）。在不引起混淆的情況下，也分別記為p，q。 （8）孤立點：次為0的頂點稱為孤立點，如圖12—3（b）中的點v8。 （9）始點與終點：圖D（V，A）中，若a=（u，v），則稱a為從u到v的一條弧（或有向邊），稱u，是a的始點，v是a的終點。 （10）奇點與偶點：次為奇數(shù)的點，稱為奇點，否則稱為偶點。 （13）可到達：（有向）圖D中存在有向路P（u，v），則頂點v稱為在D中從頂點u出發(fā)可到達。 （14）簡單圖與多重圖：一個無環(huán)、無多重邊的圖稱為簡單圖，如圖12—2所示；一個無環(huán)但允許有多重邊的圖稱為多重圖，如圖12—1（b）所示。 （15）基礎圖與定向圖：給定一個有向圖D=（V，A），從D中去掉所有弧上的箭頭，就得到一個無向圖，稱之為D的基礎圖，記為G（D）；反之，給定一個無向圖G=（V，E），對于它的每一條邊，均為其端點指定一個順序，從而確定一條有向邊，由此得到一個有向圖D=（V，A），稱此有向圖為原無向圖的定向圖。 （16）賦權圖：如果圖中的每條邊（弧）都被賦予了一個權數(shù)（實數(shù)值）W。，則稱之為賦權圖，記做G（V，E，W）或D（V，A，W）。實際中，權可以代表兩點之間的距離、費用、利潤、時間和容量等不同的含義。 12.1.3 圖的類型 （1）有限圖與無限圖：圖的頂點數(shù)和邊（弧）數(shù)都是有限集，則稱為有限圖（Finite Graph）；否則稱為無限圖（Infinite Graph）。 （2）平凡圖與非平凡圖：僅有一個頂點的圖，稱為平凡圖；其他所有圖稱為非平凡圖。 （3）連通圖與非連通圖：任何兩點之間至少有一條鏈的圖，稱為連通圖；否則，稱為非連通圖。 （4）單向連通圖與雙向連通圖：有向圖中任意兩個頂點u，v，頂點u可連通u或v可連通u，則稱該有向圖為單向連通圖；若任意兩個頂點可相互到達，則稱該有向圖為雙向連通圖。 （5）網絡圖：連通的賦權圖，稱為網絡圖。

編輯推薦

《統(tǒng)計分析教材:MATLAB & Excel定量預測與決策:運作案例精編》是定量預測與決策領域里一本系統(tǒng)而又極具操作性的行動指南和參考手冊，可作為工業(yè)工程、管理科學與工程以及經濟金融專業(yè)的本科生、研究生學習，教師教學的參考書，也可供想提高自己工作中預測和決策水平的生產運作管理人員、科研工作者及數(shù)學建模愛好者參考。

圖書封面

評論、評分、閱讀與下載

---

    MATLAB & Excel定量預測與決策 PDF格式下載

---