数学建模货物配送问题.docx

货物配送问题摘 要随着城市经济的发展，现代服务业快速发展，城市配送已经成为支撑城市正常运作和经济发展的重要手段。货物配送作为物流体系中基本的业务环节。公司通过制定完善的配送方案来获取较大利益。本文是针对梦想连锁一家主营鲜猪肉的食品加工公司的2个生产基地对其他23 个销售连锁店所需鲜猪肉的的运输调度问题提出相应的方案。针对问题一，考虑每个城镇的销售量都是固定的，并且要满足所有连锁店的需求，要求运输成本最低，转化为路径最短的问题。首先根据所给数据画出全省城镇交通网络图。采用0-1规划算法，即决策变量能到达为1，否则为0，编写程序，用lingo软件直接得出每个连锁店与生产基地所在地城镇63和城镇120之间距离的最小值和所到连锁店，得最优生产与配送方案：由生产基地120向连锁店1、2、5、9、10、11、13、14、15、19、21、22运送货物，其成本为6532.0313元，由生产基地63向连锁店3、4、6、7、8、12、17、18、20、23运送货物，其成本为4008.86118.元。因此优化得，总的最低成本为10540.89248元。针对问题二，对于第一小问，采用描述统计的方法，求得各个城镇需求的平均值、方差，通过分析数据来描述其特征。对于第二小问，在全省所有城镇年需求量已求的基础上，建立灰色预测模型，然后预测分析2012年以后各年份的需求总量，得出全省需求量达峰值时，时间为2014年2月份，并将出现峰值时所有城镇的需求结果进行排序，求解出需求量较大的前五位城镇分别为120、63、31 、106、 68；需求量较小的后五位城镇为 84、30 、54 、74 、129 。针对问题三，本题需决定连锁店的增建方案，以使全省销售量最大，这是一个优化问题。我们将采用先分析后计算，并结合0-1规划的方法。建立目标函数和约束条件。并利用lingo软件编写程序，城镇6 8 10 18 31 33 50 54 56 64 68 76 100 101 104 110 116 120 123 125 150 154需要增设连锁店，其中城镇120，31,64，10,123分别含有连锁店的个数是3,2,2,2,2个，其余的城镇连锁店个数为1个，使得全省销售量最大，最大值为919414公斤。针对问题四，采用的是0-1整数规划的方法。首先将在同一个城镇的连锁店看做一个大的销售点，提取每个点的坐标，得出各个连锁店与生产基地之间的距离，将运输成本用运货量和距离的乘积表示，运货量固定，则成本最小即距离最短。其次，建立目标函数和约束条件，综合使用matlab软件，求出目标值。结果显示，在城镇16,31,68,76,125，建立生产基地。本文对所建模型的优点和缺点进行了客观的评价，认为本文研究的结果在货物配送中中有一定的参考价值。关键词：描述统计 lingo matlab 0-1整数规划 灰色系统预测法 1问题重述随着社会经济的发展和城镇化速度的加快，越来越多的连锁店，促进城镇经济的发展。建立数学模型，从各个相关因素进行分析，降低运输成本，对全市需求状况进行分析，不断调整经营方式，增设连锁店和生产基地，使利润最大化。梦想连锁是一家肉类食品加工与销售公司，主营：鲜猪肉。问题：1、目前公司现有2个生产基地、23家销售连锁店，生产基地设在120号和63号城镇，为23家连锁店提供鲜猪肉，若运输成本为0.45元/吨公里，请你为公司设计生产与配送方案，使运输成本最低。2、根据近5年全省各城镇的鲜猪肉月度需求数据请你分析各城镇需求特征，并预测未来数年，何时全省鲜猪肉需求达到峰值，达到峰值时需求达到前5位和后5位的城镇是那些？3、通过广告宣传等手段，未来几年公司在全省的市场占有率可增至3成左右。若在当地（同一城镇）购买，则这一部分需求量与销售量相同，若在不足10公里的其他城镇的销售连锁店购买，则这一部分需求量只能实现一半，而在超过10公里的其他城镇的销售连锁店购买，销售量只能达到需求量的三成。于是，公司决定在各城镇增设销售连锁店，基于现有条件、成本等的考虑，原有的23家销售连锁店销售能力可在现有销售量的基础上上浮20%，增设的销售连锁店销售能力控制在每日20吨至40吨内，并且要求增设的销售连锁店的销售量必须达到销售能力的下限。同一城镇可设立多个销售连锁店。请你为公司设计增设销售连锁店方案，使全省销售量达到最大。4、在增设销售连锁店的基础上，公司决定增加生产基地，地址设立在城镇所在地，每日产品生产必须达到250吨以上，在生产与销售各环节不能有产品积压。请你为公司设计生产基地增设方案，使运输成本最低。5、公司产品若采用载重1.5吨的小货车从生产基地运往销售连锁店，小货车在高速公路上限速100公里/小时（高速公路见附录2），在普通公路上限速60公里/小时，销售连锁店需要的产品必须当日送达。假设：每日车辆使用时间不超过8小时，小货车装满或卸完1.5吨的货物均需要半小时，本市运输车辆行驶时间可忽略不计。在公司增设销售连锁店、增加生产基地后，为完成每日运输任务，请你为公司确定小货车的最小需求量，及各车辆的调运方案。2问题分析2.1问题一的分析要求为公司设计生产与配送方案，使运输成本最低。需考虑到各个城镇之间的相对位置，然后综合考虑两个生产基地分别向哪几个城镇运货。本题首先将全省交通网络数据转换成矩阵形式，使用matlab软件画出城镇分布的散点图，直观地表示出各个城镇的分布，如图一。然后拟采用0-1规划算法，并利用lingo软件，直接得出每个连锁店与生产基地所在地城镇63和城镇120之间距离的最小值。由于每个连锁店的日销量都是给定的，并且生产基地必须满足所有连锁店的需求，因此，本题所求的运输成本最低可以转化为生产基地到连锁店的总路线最短。从而得出最佳生产与配送方案。2.2问题二的分析要求分析各城镇的需求特征，并预测未来数年，何时全省鲜猪肉需求达到峰值，达到峰值时需求达到前5位和后5位的城镇。由于城镇数量多，显然若逐个分析不合适，拟采用统计的方法来解决。预测未来5年的全省需求可采用灰色系统预测法。对于第一小问，采用描述统计的方法，求得各个城镇需求的平均值、方差，通过分析数据来描述其特征。标准差反映各个城镇需求量波动变化的大小，而平均值，是在变化波动小的基础上，一定程度上反映各个城镇需求量的大小。对于第二小问，可采用灰色系统预测法。建立灰色预测模型，得到预测曲线，根据曲线得到全省需求峰值的时间，并由此获取在峰年各个城镇的需求量，进行排序，得出需求达到前5位和后5位的城镇。2.3问题三的分析要求增设销售连锁店，使全省销售量达到最大，要考虑到连锁店的销售量、需求量得与距离变化的关系以及增设的销售连锁店销售能力控制在每日20吨至40吨内，并且要求增设的销售连锁店的销售量必须达到销售能力的下限。根据题意拟采用01规划算法，对新增连锁店进行规划，建立目标函数。同一城镇可设立多个销售连锁店，以及连锁店对于每个城镇的供给量的实现，由此建立线性约束条件，并利用lingo软件运算出结果，得出最佳方案。2.4问题四的分析要求使得运输成本最小，应考虑基地与城镇间的相对位置和距离。由第一题可知，可将送货量与距离的乘积作为运输成本，且求成本最小可转化为求路径最短。因此根据题目，拟采用0-1规划的方法，若出现多个连锁店建立在同一个城镇，可将在同一城镇的连锁店看做一个大的销售点，设出每个销售点的坐标，建立目标函数，根据给出的条件每日生产量在250吨以上，且在生产与销售各环节不能有产品积压，建立约束条件，利用lingo软件，得出最佳方案。3符号说明序号符号符号说明1Xij决策变量2Wij最短路径距离3N1至23号连锁店所在的城镇4x0时间序列分布5(k)级比4模型假设（1） 假设数据来源真实有效（2） 假设连锁店的销售量不随季节等因素而波动，即销售量是固定的。（3） 假设在运送过程中，保持货物的完整性，无货物的损失。（4） 假设每列货车路线相互独立，互不影响，且返回时空载，不计入成本。（5） 每个城镇只会去距离他们最近的连锁店购买，不会去其他连锁店购买，这也就说各个连锁店之间不会相互影响自各的销售量。5建模过程5.1问题一模型的建立与求解5.1.1模型的建立0-1型整数规划是整数规划的特殊形式。设立决策变量，能够实现目标，则为1，若不能，则为0.在本题中，采用0-1规划方法，结合lingo和matlab软件，得出货物配送的最短路径，进而得出最佳生产和配送方案。由于要求的问题可转化为最短路问题，而解决任意两点之间的最短路问题即利用最短路径0-1规划算法。因此建立模型，将每一个城镇看做一个质点，按照城镇编号命名为点1、点2.、点154，其中点63和点120为生产基地，即为货物运输的起点。设决策变量为xij，当点63至点n的路上含弧(i,j) 时，xij =1；否则xij=0。同理，点120。比较点63和点120到相同的点n最小距离的大小，取最小的那一个情况，即为生产基地与连锁店的匹配结果，其数学规划表达式如下：运输货物所走过的总的路径的最小值，即目标函数：mini,jEwijxij s.t. j=1(i,j)Enxij-j=1(i,j)Enxij=1,i=1,-1,i=n0,i1,nxij=0或1，(i,j)E由此将最低成本的问题转化为求最短路径的过程，5.1.2模型的求解（1）将所有城镇的坐标用矩阵的形式表示出来，然后用matlab软件，绘制出各个城镇和连锁店之间的地理位置和道路分布，如表一所示：全省交通网络示意图如图所示，各个城镇连锁店之间的相对位置清晰可见。并且能够方便地观察出货物运输的道路和最短路线。（2）利用lingo软件，并结合0-1整数规划算法，编写程序， 直接得出由生产基地向各个连锁店运输货物的最短路线，详细编程见附录一。得出运输成本最小方案如下：连锁店所在城镇最短距离（公里）日销售量（kg）运费（元）生产基地12011200287330210663.7382231095.662514161.729258257.131791134.3114744891.121012003251701136151.1911503782.61241334119.5445124.260641442110.5894894721712773978.11161914572.85396531299.9242116103.6414783689.4496221235.111808141.57726生产基地633630217330431114.66239471235.593610108.368481413.550576519.0915570133.754187928.1738759491.32851227135.19265563.26571611179.156103492.00861724128.943251188.6328186302829502022168.956375484.675323647.3118406.05268如表所示，经检验符合题目要求。计算得由生产基地120向连锁店1、2、5、9、10、11、13、14、15、19、21、22运送货物，其成本为6532.0313元，由生产基地63向连锁店3、4、6、7、8、12、17、18、20、23运送货物，其成本为4008.86118.元。因此优化得，由生产基地向各个连锁店运送货物的最低成本为10540.89248元。5.2问题二的建模与求解5.2.1模型的建立（1）对于第一问，描述统计的方法来描述各个城镇需求变化特征。用excel软件计算出各个城镇需求的平均值和标准差。设每个城镇每个月的需求量为Bij，公式 =AVERAGEA(B3:BI3)(B3-BJ32+C3-BJ32+D3-BJ32+BI3-BJ3260)(1/2)标准差反映出各个城镇需求量波动的程度，而平均值在一定程度上则反映了各个城镇需求量的大小。（2）对于第二问，灰色系统理论及其应用灰色系统理论模型的主要任务是根据具体灰色系统的行为特征，充分开发利用问题中所蕴藏的显信息和隐信息，采用离散近似模型，建立一个按时间作逐段分析的模型。灰色系统理论将随机量看作是在一定范围内变化的灰色量，将原始数据进行处理，将灰色数变换为生成数，从生成数进而得到规律性较强的生成函数。灰色系统理论的量化基础是生成数，从而突破了概率统计的局限性，使其结果不再是过去依据大量数据得到的经验性的统计规律，而是现实性的生成律。第一步：在建立灰色预测模型之前，需先对原始时间序列进行数据处理，经过数据处理后的时间序列即称为生成列建立全省鲜猪肉需求量时间序列如下： x0=(x01, (x02,(x03,(x04,(x05) =(102346.6, 103074.4, 104703.7, 103518.4, 104426.4) （1）求级比(k)(k)=x0(k-1)x0(k）(2)=0.993(3)=0.9844=1.011(5)=0.991(2)级比判断：由于（k)(0.984 ，1.011)，(k=2，3，4，5)故可以建立用x（0）作满意的GM(1，1)建模。第二步：（1）由GM（1,1）建模对原始数据x作一次累加，即： X(1)=( 102346.6，205421，310124.7，413643.1，518069.5) 构造数据矩阵B及数据向量YB=-1/2(x11+x1(2)1-1/2(x14+x1(5)1 Y=x0(2)x0(5)计算u=(a，b)T=(BTB)-1BTY 得到 a，建立模型： dx(1)dy+0.002323x(1)模型的求解：x(1) )(b+1)=(x(0) ) (1)-b/a)e(-ak)+b/a得到362.579*exp(0.00275802*t)*(0.00275802*(b - 1.0*exp(-1.0*a*t)*(b - 1.0*a*x0)/a + 103076.0) - 3.73732e7（2）求生成数列值x1(k+1)及模型的还原值x0(k+1)令k=1,2,3,4 由上面的时间响应函数，可算得，其中：-1/2(x11+x1(2) 5.2.2 模型的求解对于第一小问，我们利用描述统计的方法，计算出每个城镇数据的均值以及标准差。详细数据见附录三。城镇74、30、84、143、122、118、17、34、145、16、29、137、5、89、88、99、105、96、146、82、60、3、43、134、125、93、48、123、19、151、98、92、4、42、75这些城镇的标准差的数据均在10以下，说明这些城镇数据变化范围较窄，五年来波动较小；城镇154、121、40、41、83、138、107、1、106、31、86、124、76、110、101、63、104、68、120、150，这些城镇的标准值在100以上，说明五年来这些城镇的需求变化较大，波动很大。其他城镇需求变化不显著，保持一个平稳的状态。城镇77、8、135、147、32、27、44、140、139、71、128、68、110、54、53、68、110、54、53、76、33、49、50、46、148、12、116、154、150、56、79、100、121、101、104、106、63、31、120，这些城镇的五年的需求值在1000以上，一定程度上说明这些城镇的需求量很大，然而城镇120需求量在100以下，说明需求变化量很小。对于第二小问 应用灰色预测法，对以上模型进行求解（1） 数据的分析及处理。 原始数据的处理，利用excel表格，对全县所有城镇的月需求量求和。对60个月所有城镇需求量的数据绘制散点图如下：根据散点图可以看出；每个月所有城镇的需求量分布均匀，围绕一条曲线上下波动，总体上呈上升趋势。可以拟成二次函数，多次函数，或者指数函数，为了分析问题的简便，我们直接采用灰色预测的方法通过excel求算出全省城镇每年的需求量，利用灰色预测模型直接得出每年的预测值，即可省去中间繁琐负责的考虑及讨论。（2） 使用matlab工具对模型进行求解由灰色预测模型y=362.579*exp(0.00275802*t)*(0.00275802*(b - 1.0*exp(-1.0*a*t)*(b - 1.0*a*x0)/a + 103076.0) - 3.73732e(3)模型的检验序号年份原始值预测值残差相对误差级比偏差12008102346.6102346.600022009103074.4103076.6-0.00570.01%0.002332010104703.7104689.50.16380.23%0.020342011103518.4103512.70.03290.04%-0.001852012104426.4104433.1-0.49840.70%-0.0074以建立的模型为基础，预测值与标准值进行比对分析。通过残差，相对误差，级别偏差等三项的求解来判断模型是否合理，精确。残差的范围-0.4984,0.1638相对误差的范围0,0.007级比残差的范围4,0.0203由此可知三项都在允许范围之内，所以建立的模型正确。（4） 模型的应用由y =362.579*exp(0.00275802*t)*(0.00275802*(b - 1.0*exp(-1.0*a*t)*(b - 1.0*a*x0)/a + 103076.0) - 3.73732e可以得出当销售量出现峰值时即y值最大时，解得，x=7.2 ，即峰值出现在2014年2月份。计算出在2014年2月时城镇需求量。再次从进行排序，得出数据结果如图所示：需求量前五位城镇需求量/吨需求量后五位城镇需求量/吨1208620.38499.162634326.6630104.77313576.8454105.121062894.3774110.7075682275.46129119.4549因此得出全省需求量达峰值时，时间为2014年2月份，并且此时，需求量最大的前五位城镇为120、63、31、106、68；需求量在后五位的为84、30、54、74、129.5.3模型的建立与求解5.3.1模型的建立要求为公司设计销售连锁店方案，使全省销售量达到最大。建立01规划模型，首先建立线性目标函数 首先根据现有条件设Fj表示新增的所有连锁店的销售能力；Hi表示原有的23家连锁店在增设连锁店后的销售能力；Yj表示未来j号城镇的需求；Zj表示在不足十公里的城镇的需求量，这部分只能实现一半；Xj表示超过十公里的城镇的需求量，这部分只能实现三成；Sj表示原有的23家连锁店在增设连锁店前的销售能力。maxj=1154tjFj+hj根据题目要求，建立0-1规划模型，如下：j=1154tj=1 tj=0tj=1表示j号城镇增设设有连锁店，tj=0表示j号城镇不增设连锁店。由于若在同一城镇购买，则这一部分需求量与销售量相同，若在不足10公里的其他城镇的销售连锁店购买，则这一部分需求量只能实现一半，而在超过10公里的其他城镇的销售连锁店购买，销售量只能达到需求量的三成。并且增设的销售连锁店销售能力控制在每日20吨至40吨内，并且要求增设的销售连锁店的销售量必须达到销售能力的下限。基于现有条件、成本等的考虑要求根据题意得到约束条件： s.t.xj+yj+zj+sj2000Fj2000tjhj=1.2tjFj+hjxj+yj+zj5.3.2模型的求解为解决以上目标函数，在满足约束条件的情况下，应用lingo软件，编写程序，所求城镇6 8 10 18 31 33 50 54 56 64 68 76 100 101 104 110 116 120 123 125 150 154需要增设连锁店，其中城镇120，31,64，10,123分别含有连锁店的个数是3,2,2,2,2个。使得全省销售量最大，最大值为919414公斤。5.4问题四的建模与求解5.41模型的建立设销售点F(xi，yi)，用qi等于1表示需要设立生产基地，用qi等于0表示不需要设立生产基地。将基地给连锁店的送货量与距离的乘积作为运输成本，从而建立目标函数：Min z=i=1mwijdixi-xj2+(yi-yj)2 i,j=1m要求每个生产基地产量不少于250吨，并且为了避免产品积压拟将由基地向连锁店运输的货物量等于连锁店的日销售量ni 。由此建立线性约束条件s.t.i=1kwijdi=ni j=1m j=1mwij250 i= 1k 5.4.2模型的求解取40个销售点所在城镇的坐标，在增设生产基地时，优先考虑连锁店所在城镇。先假设每个连锁店处可能个含有一个生产基地，则k=40。编写程序（程序见附录），利用lingo软件，求得，需要增设生产基地5个，且分别设立在16,31,68,76,125号城镇。6模型的综合评价（1）模型的优点灰色预测，直接预测出数据，将隐信息与显信息结合起来，根据全省各个月的需求得出未来几年的预测值，直接建立模型，求出曲线，得出峰值。操作简单明了避免了中间繁琐的分析和计算。0-1规划，设立决策变量，符合目标函数，即为1，若不符合，则为0,，根据条件，建立目标函数和约束条件，利用软件直接求出结果，快速简单。（2）缺点：建立模型时，由于模型假设理想化，许多客观因素和主观因素都没有考虑在内，使得由模型得出的结果的可行性不明。（3）改进：将路况、交通、天气等自然因素考虑在内，并将主观因素也考虑在内。参考文献 1卓金武，MATLAB在数学建模中的应用，北京市：北京航空航天大学出版社，2011年2 肖宇谷，数学，北京：中国财经经济出版社，2010年附录附录一：lingo程序以下程序用于生产基地向各个连锁店运输货物的最短路程model: sets: cities/1.2.3.154/; roads(cities,cities):w,x; endsets data: w=0; enddata calc: w(1,100)=21.14;w(1,16)=30.67;w(2,85)=9.91;w(2,90)=28.11;w(154,16)=34.66; w(154,148)=18.15;for(roads(i,j)： w(i,j)=w(i,j)+w(j,i); for(roads(i,j):w(i,j)=if(w(i,j) #eq# 0, 1000,w(i,j); endcalc n=size(cities); min=sum(roads:w*x); for(cities(i)|i #ne#1 #and# i #ne# n:sum(cities(j):x(i,j)=sum(cities(j):x(j,i); sum(cities(j):x(1,j)=1; sum(cities(j):x(j,1)=0; sum(cities(j):x(j,n)=1; for(roads:bin(x);； end 附录二：matlab程序以下程序城镇需用于绘制所有城镇需求量的散点图x1=1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60;y=74.18 68.90 72.72 75.70 74.04 83.74 85.94 76.27 80.89 76.75 87.22 81.85 81.46 94.17 84.23 83.77 91.04 95.94 99.24 91.57 96.03 91.24 103.08 89.17 99.79 94.22 106.07 105.40 98.94 102.94 94.83 104.88 101.60 96.07 103.45 105.94 98.85 100.34 114.17 113.73 106.51 115.51 115.91 114.75 111.45 101.51 110.01 117.74 112.48 115.10 112.37 115.73 117.69 108.90 115.12 113.52 117.19 125.28 109.29 120.05 ;plot(x1,y,+)附录三 表格各个城镇需求特征城镇平均值方差标准差城镇12999.2745204.006214.28307城镇109101.6152273.738916.54506城镇84104.989733.645365.800462城镇30107.569529.453875.427142城镇94107.88931103.28333.2157城镇74109.493327.944085.286216城镇102112.261881.657329.036444城镇2120.9895520.155322.80691城镇118122.427545.837056.770306城镇47122.8669.597925.87659城镇17123.34848.324726.951598城镇143125.686742.916566.551073城镇122132.224244.059316.637719城镇34133.07249.024497.001749城镇137134.281859.288867.699926城镇145135.822249.666537.047448城镇16137.65853.636457.323691城镇146141.156568.583558.281518城镇96142.775567.063928.189256城镇89145.317264.162128.010126城镇29146.123858.452327.645411城镇51147.78951927.26443.90061城镇131147.7898242.097415.55948城镇105153.320566.379158.14734城镇82153.55869.304248.324917城镇88157.791564.421548.026303城镇125158.620274.542748.633814城镇99158.825765.458288.090629城镇93159.05274.777518.647399城镇5159.515360.628547.786433城镇48160.950374.975398.658833城镇134162.413773.991898.601854城镇43165.866875.384718.682437城镇60168.52669.559128.340211城镇3171.505875.240468.674126城镇123174.1476.646978.754826城镇19174.154580.551138.975028城镇55176.73821015.43931.86595城镇42177.314100.392710.01961城镇4180.169888.97319.432555城镇114183.149213.773714.621城镇112184.905211.332614.53728城镇151185.299380.559368.975487城镇62185.4725614.547324.79006城镇98185.698383.734869.150676城镇67187.03731706.84941.31403城镇85187.419115.435310.74408城镇92192.63486.721789.312453城镇75197.6017107.383710.36261城镇45201.8417384.04519.59707城镇59214.9378131.729711.47736城镇37233.9875126.76711.25909城镇65258.6047174.200513.19851城镇130290.78531076.64932.81233城镇132303.9575252.372215.88623城镇7304.679263.924316.24575城镇73317.4932371.880419.2842城镇28325.3387346.318418.60963城镇95339.9255380.29319.5011城镇142343.4785332.086418.22324城镇39358.7413194.17856.51706城镇15368.2853365.092419.10739城镇103368.3568406.508420.16205城镇72369.3085388.455919.70928城镇66387.7828345.914718.59878城镇26389.682348.502118.66821城镇25394.3455872.857529.54416城镇40396.669212708.09112.7302城镇61405.78574727.09268.75385城镇108406.90785003.32770.7342城镇80410.9783492.773522.1985城镇152415.4605510.796522.60081城镇38416.2513553.929223.5357城镇24416.301498.934422.33684城镇126448.86751839.06442.88431城镇70455.6025516.474422.72607城镇41456.555213437.45115.92城镇78464.477761.742827.59969城镇153472.6813567.510323.82247城镇22474.3325658.635925.6639城镇115503.6368868.929129.4776城镇64544.5035883.225429.71911城镇52552.8673818.149328.60331城镇144566.2427770.731927.76206城镇91568.6658776.366227.86335城镇138577.269216806.16129.6386城镇36585.6403997.293831.57996城镇58587.4823947.165630.77606城镇90598.89821150.50333.91906城镇81627.465884.716929.74419城镇23643.7093987.683731.42744城镇18649.64351150.84433.92409城镇83659.153714256.16119.3991城镇21661.0041166.25834.15051城镇87672.43231242.30635.24636城镇119678.20121104.40233.23255城镇133686.1451407.72937.51972城镇10688.05688271.18490.94605城镇113698.57221444.67438.00887城镇20716.26954376.10266.15211城镇14732.77821627.37240.3407城镇136734.02521537.16339.20667城镇69810.1459857.12999.28308城镇117817.75371804.13742.47514城镇141834.42727846.3888.57979城镇13848.01851280.59235.78536城镇149856.88621552.439.4005城镇86866.58253754.1231.8493城镇6871.72452255.07447.48762城镇127912.54582219.04547.10674城镇124922.23854811.59234.1188城镇111926.31833429.30658.56027城镇57926.56532746.61952.40819城镇9935.8972211.1347.02265城镇97945.222053.38845.31433城镇107967.278228924.05170.0707城镇11991.86352742.65652.37037城镇771001.1792603.62451.02572城镇81014.7792526.17550.26107城镇1351027.8652643.