数学建模论文-油井维护的设置调度与原油运输的网络设计.docVIP

油井维护的设置调度与原油运输的网络设计摘要由于维护班组的有限性，对维护班组建立恰当的模型，使其对油井区管辖范围的分配和调度都起着至关重要的作用，而原油运输则是通过有容量限制的容量的网络从各自油井运输到起点；在运输过程中对路径提出了额外要求，比如时间，不仅要考虑运送多个商品的费用，而且还要考虑用来运送商品网络的建设费用，目标函数是寻找最优的运送方案使得两类费用的总和最小。对于油井维护班的确立，采用图的相关知识建立数学模型，而对于原油运输，借助并利用dijstra算法和遗传算法给予解决。 针对一问，以维护班组的维修时间最快和工作量尽量均衡为约束条件，将维护班组的分配管辖平台抽象为无向加权图，运用floyd算法建立“最短路径模型”，得到最短路径矩阵，在漏油损失最少的情况下按照就近原则给出了分配方案。 针对二问，利用hungry算法求得20个维护班组的合理调度方案，最后结合实际情况，开采速度则与漏油速度正相关运用加优先级分析模型，对于相近的两个油井点安排维修顺序时优先维修储油量多的油田，最终确定结果为a3-62a4-38 a5-21 a6-29 a7-30 a9-28 a10-24 a11-22 a12-12 a13-23 a14-14 a15-48 a16-16 针对三问可抽象为带路径约束的一种带路径约束的多商品流网络设计问题，假定所有路线为决策弧，每个油井都对应一个起点和终点，对于路径约束条件是的考虑，对运输路径用遗传算法和dijstra算法混合算法求出最终结果，存储量未增加前修建一条公路，由油井点22通往原点建立高级公路，而存储量增大后则是新建4条通往原点的高级公路，通过数据我们可以看出，遗传算法在最初的几次迭代中个体的出现会是良莠并存的，个体适应度不高，但随着迭代次数的增加，适应度高的被遗传出来。针对四问，在三问解决的基础上我们运用dijkstra算法求出三问基础上的每个油井在所求运输网络上的最短路径所经过的油井节点，然后通过调用tabulate函数求得各个油井节点在92个油井各自的最短路径出现的概率分布排序，利用floyd判断两个油井节点是否连通，再计算成本进行比较得出结论。最后，为了让所建立模型更具体实际运用价值，对模型提出了相应得改进方向，使模型适用范围扩大。关键词：油井维护班组 原油运输 floyd算法 hungry算法 加优先级分析 多商品网络流 dijkstra算法 遗传算法 轮盘赌 tabulate函数调用 穷举法 1.问题重述试就某油田设置维护班组和原油运输的相关情况建立数学模型分析研究下面问题：（1） 附件1中的附图给出了某油田a区的交通道路和现有的20个维护班组的设置情况示意图，相关的数据信息见附件2。维护班组每天的工作是巡视其管辖范围内的采油井，请为20个维护班组合理分配管辖范围，使各维护班组的工作量尽量均衡，且在其所管辖油井发生事故时能尽快到达。（2） 假设13个采油点同时发生漏油事故，需要调度20个维护班组实现快速维修，恢复生产。实际中一个班组最多维修一个采油点，一个采油点也仅需一个班组维修，为了尽量减少漏油损失，请给出20个维护班组的合理调度方案。（注：假设采油点的原油开采速度与可采储量成正比）（3）为了将各采油点的原油快速运输到o点（坐标原点），计划将部分现有道路修建为高等级公路，作为原油的运输专线。假设公路修建及采油期内的养护成本合计为1百万/公里，公路运输成本为0.1百万/万吨公里，请设计一个合理的公路运输网络，使得修路和运输成本最小。再假设经过勘查，各采油点的可采储量增长了10倍，请重新设计一个合理的公路运输网络。（注：假设各采油点均可修建直线到达o点的公路）（4）管道输油具有建设成本高、输油成本低的特点。假设输油管道的修建及采油期内的养护成本合计为1千万/公里，输油成本忽略不计，且管道只能沿着现有道路修建。请对比公路运输分析修建输油管道的经济性，设计一个合理的原油运输方案。再假设经过勘查，各采油点的可采储量增长了10倍，请重新设计一个合理的原油运输方案。（注：假设各采油点均可修建直线到达o点的输油管道）2.问题分析2.1问题一的分析 依据题目，以现有的20个维护班组工作面覆盖整个油井网络，基于假设2,各维护班组的速度相等且维持匀速，根据附件数据采用floyd算法设计出无向加权图，对每一顶点求出最短路径算法，分配维护班组管辖范围时，应注意让各平台工作量均等。2.2问题二的分析为了实现20个维护班组对于13个漏油油井的快速到达，将合理的调度类比为指派问题，建立最优指派模型，运用“hungry算法”求调遣问题的最优解，用lingo软件进行编程，最后结果基于漏油损失的最小化，采用模糊加权设置优先级，最终确定模型。2.3问题三的分析对于实现创建原油也能输网络使其成本最小化，将问题类比为遗传算法中的轮盘赌问题，用dijstra和遗传算法结合的方法，以目标函数为总成本建立恰当的数学模型，求出结果，最后设置群体中的个体数的初始参与，寻找局部最优解，逐步探索种群个体数寻找最优解2.4问题四的分析第四问是针对第三问基础上的筛选，认为多增加了一个约束条件将公路改为管道不会影响原新建网络，在存储量增长10倍前后，利用dijkstra算法求得92个油井通往原点的最短路径经过的节点，调用tabulate函数求得各自节点出现概率的百分比进行排序，通过筛选，利用floyd算法，判断两节点是否存在弧，通过计算与三问结果比较是否需要修建管道。 3.基本假设1. 假设所有道路均畅通无阻2. 假设各维护班组速度均等且为匀速运动3. 忽略维护班组，原油运输在道路转弯所耗费的时间4. 忽略原油运输在路线上的损耗 4.符号的约定和名词解释4.1符号的约定i 第i个油井所在节点i 第i个油井的邻接油井节点l 邻接矩阵 两相邻油井之间的距离lij 第i个油井到第j个油井之间的距离si维护班组管辖范围内途径的总路程n维护班组管辖范围内的油井数量c1各维护班组的恒定速率t1维护班组巡护油井所耗费单位时间 wi各维护班组的工作量权衡指标r油井的分析矩阵p 采油点(油井点）表示运输成本表示公路新建成本为到原点的最短路径k表示无连通次数g表示惩罚系数f表示适应系数管道运输的损耗率公路运输的损耗率 5.问题一模型的建立与求解5.1建模分析将所有的油井看做节点，将维护班组看做平台，已知20个维护班组平台位于节点上，因为平台和节点上有多种到达方式，将该网络抽象成一个加权无向图。5.2基于floyd算法的“最短路径模型”建立确定管辖范围结合附件油井的示意图，将油井和维护班组以及漏油油井标注在图上并编号如下图所示：菱形表示油井的分布，浅蓝色圆圈表示漏油油井，深色圆圈代表的维护班组的设置点，依次编号a1-a20与20个维护班组相对应。对于维护班组设置合理的管辖范围，采用floyd-warshall基于图论的动态规划算法，建立相应的数学模型，求出任意两点间的最短路径。方法如下1. 油井道路任意两油井之间的距离公式lij=2. 结合不是相邻两个油井点，任意油井点之间的距离为lii,在两个油井之间插入油井节点，mij表示第i个油井到达第j个油井所要经过的油井节点3. 进行遍历，求得任意两油井之间的距离：lij=5.2.3对于管辖范围的分配依据所建立的最短路径模型，应用floyd算法可求得各个油井点之间的最短距离，如下图所示：对于油井的管辖分配应基于时间最短作为约束条件，从最短路径出发，利用matlab自定义若干命令函数，对所得图表进行筛选，得到初步筛选结果如下图1所示（图1）维护班组管辖范围维护班组管辖范围a11 67、68、69、71、73、74、75、76、78a1126、27 11a238、40、44、70、2a1225 12a354、55、65、66 3a1321、22、23、24 13a457、58、59、60、62、63、64 4a1414a549、50、51、52、53、56 5a1528、29 15a66a1636、37、39 16a730、32、47、48、61 7a1741、42、43 17a846 8a18 18 81、82、83、84、90、91a933、34、35、45 9a1977、79、80 19a1010a20 20 85、86、87、88、89、92 5.3对于维护班组管辖范围分配方案的优化明显看出若明显看出若按距离最近分配范围，a1，a4，a18，a20班组任务较繁重，a6，a8，a10，a11，a12，a14，a15班组任务较轻。若使工作均衡,可将任务较繁重的班组管辖油井分配一部分给距离较近的且任务较轻的班组。5.3.1对于工作均衡的定义工作均衡是反应工作量的指标，下面建立函数衡量工作均衡的数值1. 定义个维护班组的工作量为维护班组在管辖范围内所途径的总路程除以恒定速率加上巡护油井数量和所耗费单位时间的成绩，计算公式：wi=si/ci+n*t2. 赋值合适的初值进行20个油井工作量的计算，对管辖范围进行在优化(剔除维护班组所在的油井点，还剩72个油井点）如下图所示维护班组管辖范围维护班组管辖范围a169、71、73、74、75、76、78a1126、27a238、40、44、70、a1225a354、55、65、66 67a1321、22、23、24a457、58、60、62、63、64a1414a549、50、51、52、53、56a1528、29 31a66 59a1636、37、39a730、32、47、48、61a1741、42、43 72a846 35a1881、82、83、84、90、91a933、34、45a1977、79、80 68a1010a2085、86、87、88、89、925.3.2求解的结果与分析对于工作均衡的计算公式wi=si/ci+n*t对t和ci赋予不同的比重，会对最后的优化模型起到一定的影响，例如t的增大会让几个维护班组管辖范围内油井量大的工作量加重，而ci的减少则会让几个管辖范围内距离远的工作量加重，依照实际情况对变量做调整。 6.问题二的模型建立与求解6.1.1基于floyd算法找出模型的初步解通过问题一的数据，利用matlab进行筛选，我们可以得到以下数据21号油井距离a13维护班组最近,距离为27.083122号油井距离a13维护班组最近,距离为9.055423号油井距离a13维护班组最近,距离为524号油井距离a13维护班组最近,距离为23.853725号油井距离a12维护班组最近,距离为17.888526号油井距离a11维护班组最近,距离为927号油井距离a11维护班组最近,距离为16.43328号油井距离a15维护班组最近,距离为47.518429号油井距离a15维护班组最近,距离为57.005330号油井距离a7维护班组最近,距离为5.83131号油井距离a15维护班组最近,距离为87.641332号油井距离a7维护班组最近,距离为11.401833号油井距离a9维护班组最近,距离为12.591334号油井距离a9维护班组最近,距离为5.024935号油井距离a9维护班组最近,距离为4.242636号油井距离a16维护班组最近,距离为6.082837号油井距离a16维护班组最近,距离为11.181838号油井距离a2维护班组最近,距离为36.651339号油井距离a16维护班组最近,距离为34.365740号油井距离a2维护班组最近,距离为19.144241号油井距离a17维护班组最近,距离为8.542号油井距离a17维护班组最近,距离为9.848943号油井距离a17维护班组最近,距离为17.911144号油井距离a2维护班组最近,距离为9.486845号油井距离a9维护班组最近,距离为10.950846号油井距离a8维护班组最近,距离为9.300547号油井距离a7维护班组最近,距离为12.806248号油井距离a7维护班组最近,距离为12.90249号油井距离a5维护班组最近,距离为550号油井距离a5维护班组最近,距离为8.485351号油井距离a5维护班组最近,距离为12.293252号油井距离a5维护班组最近,距离为16.594353号油井距离a5维护班组最近,距离为11.708254号油井距离a3维护班组最近,距离为22.708955号油井距离a3维护班组最近,距离为12.65956号油井距离a5维护班组最近,距离为20.526957号油井距离a4维护班组最近,距离为18.681558号油井距离a4维护班组最近,距离为26.181559号油井距离a4维护班组最近,距离为33.991860号油井距离a4维护班组最近,距离为17.392461号油井距离a7维护班组最近,距离为41.90262号油井距离a4维护班组最近,距离为3.563号油井距离a4维护班组最近,距离为10.307864号油井距离a4维护班组最近,距离为19.363165号油井距离a3维护班组最近,距离为15.239866号油井距离a3维护班组最近,距离为18.40267号油井距离a1维护班组最近,距离为16.194268号油井距离a1维护班组最近,距离为12.071169号油井距离a1维护班组最近,距离为570号油井距离a2维护班组最近,距离为8.602371号油井距离a1维护班组最近,距离为11.403172号油井距离a17维护班组最近,距离为13.011173号油井距离a1维护班组最近,距离为18.573774号油井距离a1维护班组最近,距离为14.542575号油井距离a1维护班组最近,距离为9.300576号油井距离a1维护班组最近,距离为12.836177号油井距离a19维护班组最近,距离为9.848978号油井距离a1维护班组最近,距离为6.403179号油井距离a19维护班组最近,距离为4.472180号油井距离a19维护班组最近,距离为8.944381号油井距离a18维护班组最近,距离为15.818482号油井距离a18维护班组最近,距离为10.793583号油井距离a18维护班组最近,距离为5.385284号油井距离a18维护班组最近,距离为15.23485号油井距离a20维护班组最近,距离为4.472186号油井距离a20维护班组最近,距离为3.605687号油井距离a20维护班组最近,距离为14.650988号油井距离a20维护班组最近,距离为12.946389号油井距离a20维护班组最近,距离为16.977590号油井距离a18维护班组最近,距离为19.525691号油井距离a18维护班组最近,距离为24.26992号油井距离a20维护班组最近,距离为36.0285a1维护班组距离a2维护班组最近,距离为18.9875a2维护班组距离a1维护班组最近,距离为18.9875a3维护班组距离a2维护班组最近,距离为21.1165a4维护班组距离a3维护班组最近,距离为40.4339a5维护班组距离a6维护班组最近,距离为25.4902a6维护班组距离a7维护班组最近,距离为27.6723a7维护班组距离a5维护班组最近,距离为27.3665a8维护班组距离a9维护班组最近,距离为11.5974a9维护班组距离a8维护班组最近,距离为11.5974a10维护班组距离a11维护班组最近,距离为44.3836a11维护班组距离a12维护班组最近,距离为37.9135a12维护班组距离a11维护班组最近,距离为37.9135a13维护班组距离a11维护班组最近,距离为41.751a14维护班组距离a13维护班组最近,距离为59.7328a15维护班组距离a7维护班组最近,距离为38.1838a16维护班组距离a9维护班组最近,距离为15.3254a17维护班组距离a2维护班组最近,距离为14.4222a18维护班组距离a19维护班组最近,距离为20.9859a19维护班组距离a1维护班组最近,距离为17.5105a20维护班组距离a18维护班组最近,距离为26.9863我们可以初步选定13个漏油油井离得最近的维护班组a3-62 a4-38 a5-21 a6-29 a7-30 a9-28 a10-24 a11-22 a12-12 a13-23 a14-14a15-48 a16-166.1.2 建模分析对于问题二抽象成建立目标函数为从20个维护班组优选出最快的到达方案，可将两种对象理解为二分图，维护班组和油井等效替代为边集，这样问题转化为二分图的分配问题，利用hungry算法结合lingo解决6.2.1匹配hungry算法的调度方案确定建立模型1. 建立二分图2. 定义集合q1代表的漏油油井的集合3. 定义集合q2代表维护班组的集合4. 使用hungry算法看是否能得到完美匹配5. 重复上述步骤直到求得最小值对附件计算各油井节点之间的最短距离进行提取整合6.3对于维护班组合理调度方案的优化在实际问题中，由于为了达成将漏油损失降到最低的约束条件，根据采油点的原油开采速度与可采储量成正比，而开采速度则与漏油速度正相关，对于可采储量大的漏油油井赋予优先级，优先被维护。6.3.1加优先级模型的确定1. 根据可存储量确定采油速度大小排列油井的优先级定下标志位避免重复2. 利用flyod算法求出距离漏油油井最近的维护班组3. 判断漏油油井的优先级保存在数据中避免重复4. 判断前后配对关系5. 确定分析矩阵r求得最终的调度关系a3-62 a4-38 a5-21 a6-29 a7-30 a9-28 a10-24 a11-22 a12-12 a13-23 a14-14a15-48 a16-16（直观配对图如上）6.3.2对于结果的分析考虑优先级别的结果并不完善，在实际运用中，根据维护班组的速度和漏油速率赋予合适的权值进行模糊加权分析，在现实情况中，调整方案更优。 7.问题三的模型建立与求解7.1.建模分析将原有原油运输网络简化成g=(v,e)是一个带权有向图，把图中顶点集合v分成两组1. 已求出最短路径顶点集合2. 其余未确定最短路径的顶点集合按最短路径长度的递增次序依次把点存入集合中7.2模型准备7.2.1基于dijstra算法求得路径最小值算法步骤1. 初始，只含源点s，即s=v，v的距离为0，u包含除v外其他顶点，即：u=其他顶点，若v与u中顶点u有边，则正常有权值，若u不是v的出邻接点，则权值为无穷2. 从u中选取一个距离v最小的顶点k，把k，加入s中，3. 以k为新考虑的中间点，修改u中各项点的距离，若从源点v到顶点u的距离比原来距离短，则修改顶点u的距离值，修改后的距离值的顶点k的距离加上边上的权。4. 重复2,3操作直到所有顶点都包含在s中。7.2.2 数学模型的建立设采油点为pi i=1.92 决策变量xi i=1.92 pi=(xi ,yi)设置01变量 xi=0不开通一条新公路到原点 xi=1开通一条新公路到原点目标函数 =min 其中表示运输成本，表示公路新建成本，其中表示运油的油量（即为可存储量） price为运输单价 为到原点的最短路径， price2为建立更高等级公路价格所以目标函数s.t 有解(即任意采油点都有路径通向原点）7.2.3利用优化遗传算法求得新建的路径对于新建路径的选择，采用遗传算法，模仿生物进化过程，每一条染色体都赋予一个可行解，该染色体的适应值即为对应可行解的函数值因为原有运输网络的网络固定，故先用dijstra算法求出原运输网络的最短路径用遗传算法在dijstra的基础上对染色体进行操作，包含不同染色体之间的交叉操作，对每条染色体计算适应值。创立初始种群1初始化种群p(t)；2对种群进行评价；3利用交叉和变异重组p(t)以产生c(t)4评价c(t)，从p(t)和c(t)选择出p(t+1)，令t=t+1；若达到繁殖代数，5转到76否回到47返回结果。理想状态下的适应值函数用赌轮算法，n条路径任意一条适应度为该条的总路径除以改图所有路线图的平均总长度。而每两个油井点之间并不是相互连通，可能存在断路的情况，对于此类情况，对于无连通赋予一定的惩罚，表达式，k表示无连通次数，g表示惩罚系数，f表示适应系数。交叉和变异操作将被选中的两个染色体进行交叉操作的过程是先产生一个随机数。确定交叉 点 , 位于染色体的第几位基因上，然后在此位置进行部分基因交换。变异操作是将染色体中某位基因逆变,即由1变为0， 或反之。 变异的意义为在某条 路径去掉或增加某顶点 ，为了使算法尽可能快地获得更好的解 , 改善遗传算法 的收敛性 。7.3混合算法求得模型结果1. 采储量未增长10倍利用遗传算法求得新建的公路如下图利用dijstra算法和遗传混合算法在约束条件下进行最短路径求解求得公路运输网络如下图所示最终成本结果：最小成本为683.9565百万元修建成本为33.0926百万元运输成本为650.8639百万元2. 存储量增长10倍利用遗传算法求得新建公路如下图利用dijstra算法和遗传混合算法在约束条件下进行最短路径求解求得公路运输网络如下图所示最终成本结果：最小成本为6502.9812百万元修建成本为181.0193百万元运输成本为6321.9619百万元7.4对于混合模型的优化通过数据我们可以看出，遗传算法在最初的几次迭代中个体的出现会是良莠并存的，个体适应度不高，但随着迭代次数的增加，适应度高的被遗传出来7.5对于结果的分析通过对比可以看出当存储量扩大10倍后，运输成本随之，新建公路来缓解运输成本带来的成本负担。而存储量未增加之前，运输成本相较于修建公路成本低一个数量级，只需建立一条到原点的公路即可，符合实际情况的需求。通 过用 遗传算法解题可知遗传算法 明显的优点:( 1) 算法 是使用参数的编码集参数的选择十分方便( 2) 遗传算法是在点详中寻优;( 3) 它仅使用问题本身 所具有的 目标数据进行工作,而不需其它任何先决条件或辅助信息( 4) 它使用的是随机规则 8.问题四的模型建立与求解8.1.1建模分析通过在第三问的基础上运用dijkstra算法求得92个油井节点各自在三问所建运输网络通往节点的最短路径，此油井到o点的路径1号1、69、70、2、40、39、38、16、14、21、22、932号2、40、39、38、16、14、21、22、933号3、45、35、36、16、14、21、22、934号4、39、38、16、14、21、22、935号5、47、8、33、34、10、26、11、22、936号6、47、8、33、34、10、26、11、22、937号7、32、33、34、10、26、11、22、938号8、33、34、10、26、11、22、939号9、34、10、26、11、22、9310号10、26、11、22、9311号11、22、9312号12、25、24、13、22、9313号13、22、9314号14、21、22、9315号15、31、34、10、26、11、22、9316号16、14、21、22、9317号17、40、39、38、16、14、21、22、9318号73、72、43、2、40、39、38、16、14、21、22、9319号19、77、76、66、65、3、45、35、36、16、14、21、22、9320号20、85、84、18、73、72、43、2、40、39、38、16、14、21、22、9321号21、22、9322号22、9323号23、13、22、9324号24、13、22、9325号25、24、13、22、9326号26、11、22、9327号27、26、11、22、9328号28、15、31、34、10、26、11、22、9329号29、28、15、31、34、10、26、11、22、9330号30、7、32、33、34、10、26、11、22、9331号31、34、10、26、11、22、9332号32、33、34、10、26、11、22、9333号33、34、10、26、11、22、9334号34、10、26、11、22、9335号35、36、16、14、21、22、9336号36、16、14、21、22、9337号37、36、16、14、21、22、9338号16、14、21、22、9339号39、38、16、14、21、22、9340号40、39、38、16、14、21、22、9341号41、38、16、14、21、22、9342号42、43、2、40、39、38、16、14、21、22、9343号43、2、40、39、38、16、14、21、22、9344号44、3、45、35、36、16、14、21、22、9345号45、35、36、16、14、21、22、9346号46、45、35、36、16、14、21、22、9347号47、8、33、34、10、26、11、22、9348号48、30、7、32、33、34、10、26、11、22、9349号49、5、47、8、33、34、10、26、11、22、9350号50、5、47、8、33、34、10、26、11、22、9351号51、50、5、47、8、33、34、10、26、11、22、9352号52、51、50、5、47、8、33、34、10、26、11、22、9353号53、49、5、47、8、33、34、10、26、11、22、9354号54、55、46、45、35、36、16、14、21、22、9355号55、46、45、35、36、16、14、21、22、9356号56、52、51、50、5、47、8、33、34、10、26、11、22、9357号57、58、59、51、50、5、47、8、33、34、10、26、11、22、9358号58、59、51、50、5、47、8、33、34、10、26、11、22、9359号59、51、50、5、47、8、33、34、10、26、11、22、9360号60、57、58、59、51、50、5、47、8、33、34、10、26、11、22、9361号61、48、30、7、32、33、34、10、26、11、22、9362号62、4、39、38、16、14、21、22、9363号63、54、55、46、45、35、36、16、14、21、22、9364号64、65、3、45、35、36、16、14、21、22、9365号65、3、45、35、36、16、14、21、22、9366号66、65、3、45、35、36、16、14、21、22、9367号67、66、65、3、45、35、36、16、14、21、22、9368号68、67、66、65、3、45、35、36、16、14、21、22、9369号69、70、2、40、39、38、16、14、21、22、9370号70、2、40、39、38、16、14、21、22、9371号71、69、70、2、40、39、38、16、14、21、22、9372号72、43、2、40、39、38、16、14、21、22、9373号73、72、43、2、40、39、38、16、14、21、22、9374号74、1、69、70、2、40、39、38、16、14、21、22、9375号75、76、66、65、3、45、35、36、16、14、21、22、9376号76、66、65、3、45、35、36、16、14、21、22、9377号77、76、66、65、3、45、35、36、16、14、21、22、9378号78、1、69、70、2、40、39、38、16、14、21、22、9379号79、78、1、69、70、2、40、39、38、16、14、21、22、9380号80、79、78、1、69、70、2、40、39、38、16、14、21、22、9381号81、17、40、39、38、16、14、21、22、9382号82、81、17、40、39、38、16、14、21、22、9383号83、18、73、72、43、2、40、39、38、16、14、21、22、9384号84、83、18、73、72、43、2、40、39、38、16、14、21、22、9385号85、84、83、18、73、72、43、2、40、39、38、16、14、21、22、9386号86、20、85、84、83、18、73、72、43、2、40、39、38、16、14、21、2287号87、92、41、38、16、14、21、22、9388号88、89、84、83、18、73、72、43、2、40、39、38、16、14、21、22、9389号89、84、83、18、73、72、43、2、40、39、38、16、14、21、22、93 90号90、82、81、17、40、39、38、16、14、21、22、9391号91、90、82、81、17、40、39、38、16、14、21、22、9392号92、41、38、16、14、21、22、9393号93号为原点 7.2模型建立首先考虑22号油井节点所建立的新公路是否需要替换成管道，所有原油均要通过22号油井所建立的公路通往原点 计算的e1=4457.83024百万 e2=3580.058654百万 故22号油井到原点的公路要替换成管道利用tabulate函数求得各个油井节点在92个油井各自的最短路径出现的概率分布排序第一列：元素值，第二列：元素个数，第三列：元素个数占总个数的百分比 1.00006.00000.78642.000022.00002.88343.000011.00001.44174.00002.00000.26215.000011.00001.44176.00001.00000.13117.00004.00000.52428.000014.00001.83499.00001.00000.131110.000027.00003.538711.000030.00003.931812.00001.00000.131113.00005.00000.655314.000059.00007.732615.00003.00000.393216.000058.00007.601617.00005.00000.655318.00008.00001.048519.00001.00000.131120.00002.00000.262121.000060.00007.863722.00000023.00001.00000.131124.00003.00000.393225.00002.00000.262126.000029.00003.800827.00001.00000.131128.00002.00000.262129.00001.00000.131130.00003.00000.393231.00004.00000.524232.00005.00000.655333.000020.00002.621234.000026.00003.407635.000017.00002.228036.000019.00002.490237.00001.00000.131138.000038.00004.980339.000033.00004.325040.000029.00003.800841.00004.00000.524242.00001.00000.131143.000012.00001.572744.00001.00000.131145.000016.00002.097046.00004.00000.524247.000013.00001.703848.00002.00000.262149.00002.00000.262150.00007.00000.917451.00007.00000.917452.00002.00000.262153.00001.00000.131154.00002.00000.262155.00003.00000.393256.00001.00