2019年数维杯数学建模

A题 我国省际生态环境与经济交互状况的综合评价

原题再现：

  改革开放以来，我国经济社会发展取得了举世瞩目的成就。经济的快速发展伴随着工业化和城镇化进程的快速推进。但在长期粗放式的发展模式下，生态脆弱性增加、生态恶化和环境污染问题掣肘现代化进程、制约经济社会发展、影响人民生活质量。推进生态文明建设是破解资源高效利用，减少环境污染，提升国家长远可持续发展能力。在推进生态文明建设这项庞大的系统工程中，我国当前最突出的短板是缺乏系统性的评价与整体协协作治理机制，这将会严重影响我国生态文明建设的成效。借鉴国际经验，立足我国国情，大力推进国家生态治理体系和治理能力是一项关键而紧迫的任务。

  为了对我国各省经济与生态环境相关状况进行深入的分析，附件1中给出了2017年部分与我国经济与生态环境相关的数据。请大家结合附件1中的数据及国家统计年鉴中的相关数据试解决如下三个问题：

  问题1：对2017年各省生态环境与经济交互状况进行合理的评价与排序。

  问题2：通过合理的数据建模方法提供在保障2017年各省经济发展的同时如何展开各省之间生态环境协作治理的具体方式或策略。

  问题3：请通过国家统计年鉴整理获得更多年份的生态与经济相关数据，并重新回答问题1和问题2。

整体求解过程概述(摘要)

  随着经济的快速发展，生态环境与经济发展的交互状况日益明显。经济发展与生态环境协调发展的目的是在经济的适度发展中，尽可能采用污染少、对生态环境破坏较轻的生产和生活方式，使经济发展对生态环境的影响控制在生态环境的承载力之内，以使经济发展能够持续，同时又不能因保护生态环境而限制经济的发展。本文在理论与实际相结合、规范分析和实证分析相结合、横向比较和纵向比较相结合的研究方法的基础上，建立探究经济发展与生态环境交互状况的数学模型。结合因子分析法，分析影响各省经济发展与生态环境交互情况的主要影响因素，从而提出合理开展各省之间生态环境协作治理的具体方式。
  对于问题 1：为对 2017 年各省生态环境与经济交互状况进行合理的评价与排序，需建立生态环境与经济协调发展的综合评价模型，利用指标体系的构建、量纲化数据处理以及耦合度模型对数据进行处理分析，从而得到对各省生态环境与经济交互状况的合理评价与排序。
  对于问题 2：为提供各省之间对生态环境协作治理的具体方式，利用因子分析选择出贡献各省经济发展的最为关键的指标以及造成负面影响的指标，进行合理有效的选择。后对各省的经济增长异同进行比较后，制定各省之间对生态环境协作治理的具体方式。
  对于问题 3 :通过收集 2013～2017 年各省经济发展与生态环境的有关数据，构建了经济发展与生态环境协调发展的指标体系，利用该指标体系，我们综合评价了各省经济发展与生态环境的交互状况。

模型的建立与求解

  本章主要以 2017 年各省表征生态环境状况和经济状况的相关指标数据为依据，从科学发展观的角度出发，根据权威机构典型指标频率、易获取性、代表性与全面性结合的三个原则筛选出生态环境与经济各项指标，以此来构成生态环境——经济系统的协调发展评价指标体系，对经济综合发展水平和生态环境综合状况水平进行综合打分，在此基础上建立了基于协调发展度的生态环境——经济系统协调发展评价模型，通过计算生态环境——经济系统的协调发展度及协调发展趋势，科学客观评价各省生态环境与经济交互的状况，为因地制宜制定生态环境与经济的可持续发展提供科学依据。

生态环境与经济协调发展评价指标体系

指标体系构建原则

  合理构建指标体系是进行生态环境与经济协调发展评价的基础，本文遵循以下原则：
  （1）系统性原则
  对生态环境与经济协调发展状况进行评价，是以生态环境和经济两个复杂系统的综合发展实力指数为基础，本文据此将整个指标体系分为“生态环境综合实力评价指标”和“经济综合实力评价指标”两大部乐完整性原则在于强调两部分指标的选择要能尽量全面综合地反映各自系统的综合发展实力。
  （2）简明性原则
  完整性原则要求我们在选用指标时，要尽量选用那些能全面综合反映经济和环境综合发展实力的指标，尽量避免指标的片面性。但系统性原则决不意味着指标个数要越多越好，相反，指标体系应该尽可能简单明了，只要它能反映我们所需的信息。
  （3）客观性原则
  尽量选用客观指标，对一些主观印象指标，例如政策法律的完善程度、政策法律投入对经济或环境产生的效益等，由于很难用客观尺度衡量,而凭主观印象评估，又难免产生偏差,所以不选用这些指标。
  （4）实用性原则
  实用性原则反映到评价流程中，就是各指标的可操作性。前已述及，如果指标的构建太过理论化，使得根本收集不到相关资料和数据，则所有的工作都失去了意义。本着实用性和可操作性原则，我们将尽量选用定期公开发布、又具有权威性的统计指标以及数据。

生态环境与经济协调发展评价指标体系

  遵循前述构建指标体系的原则，参考不同学者的相关研究成果一，构建生态环境与经济协调发展评价指标体系。整个指标体系由两部分组成，一是生态环境综合实力评价指标，二是经济综合实力评价指标。生态环境实力评价指标方面，考虑到经济快速发展的今天，随着工业化进程的加速和转型，工业三废排放在很大程度上成为导致环境污染的重要原因，而三废治理指标则是影响环境质量的重要因素，最终确定的生态环境综合实力评价指标由“三废排放指标”和“三废治理指标”。而经济综合实力通过经济效益、人民生活水平和经济水平指数三个方面进行综合表达。
  1. 生态环境综合实力评价指标
  （1）三废排放指标
  三废排放指标由“工业废水排放量”、“工业废气排放量”和“工业固体废物排放量”组成。
  （2）三废治理指标
  三废治理指标主要由“生活垃圾无害化处理率”组成。
  2. 经济综合实力评价指标
  （1）经济效益指标
  经济实力指标由“人均地区生产总值”和“地区生产总值”指标组成。
  （2）人民生活水平指标
  人民生活水平指标是由“城镇居民人均可支配收入”和“农村居民人均可支配收入”指标组成。
  （3）经济水平指数指标
  经济水平指数指标是由“第三产业所占比重”和“批发和零售业增加值”指标组成。

经济发展与生态环境协调发展的综合评价方法

  经济发展与生态环境协调发展的指标体系设计出来后，要对经济发展与生态环境协调发展状况进行评价，就涉及到计算方法的问题。由于指标太多，指标间经常具有一定的相关性，给计算带来了难度。在这里我们试图采用因子分析法以达到降维、简化问题的目的。同时，利用该法消除指标间的相互影响，减少指标选择的工作量。

数据的无量纲化

各省生态环境与经济发展的耦合协调分析

  根据协同论原理，系统走向有序的关键在于系统内部各子系统间的协同作用，耦合度描述了系统发展过程中序参量之间协同作用的强弱程度。本文将生态环境与经济发展两个系统通过各自的要素产生相互作用、彼此影响的程度定义为系统耦合度，建立耦合度模型来分析生态环境与经济发展的耦合一致性，反映两者之间相互作用程度的强弱。耦合度无法反映两个系统协调发展水平的高低，单纯依靠耦合度进行判别有可能会产生误导，从而得出与事实不符的结论，对实际问题的指导意义不明显，必须引入耦合协调度模型才能衡量两个系统交互耦合的协调程度。因此，进一步建立耦合协调度模型来分析生态环境与经济发展的耦合协调情况。

耦合度模型

模型实证分析

  由前文所述，将 2017 年各省生态环境与经济发展指标进行无量纲化后，经上述耦合度模型计算后，得到经济发展子系统和生态环境子系统的耦合交互情况如下表：

  从耦合度来看，各省环境竞争力和经济发展子系统的耦合度最低为 0.2528100，最高达到0.4992352，说明各省生态环境子系统与经济发展子系统具有内在的耦合一致性，两个子系统相互影响、相互依存，具有很强的相互协同作用。
  从耦合度来看，各省生态环境和经济发展子系统的耦合度都相近，说明各省生态环境与经济发展的耦合性具有一致性，环境竞争力子系统与经济发展子系统相互影响、相互依存，两者之间的相互作用程度较强。但从耦合协调度来看，各省环境与经济逐渐协调发展，但耦合协调水平仍然比较低，两者的协调性还不够，还有较大的提升空间。各省要推动相互之间协调发展，相互促进，协同进化，更好地实现环境与经济的协调发展。经对 2017 年各省生态环境和经济发展情况综合评价分析后，得到 2017 年各省生态环境与经济交互状况的排序情况如下表所示：

  要在保障 2017 年各省经济发展的同时展开分析各省之间生态环境协作治理的具体方式或策略。本章我们采用因子分析法对目的指标数据进行处理，以达到降维、简化问题的目的。同时，利用该法消除指标间的相互影响，减少指标选择的工作量。

因子分析

  Ui 为所求的系统值；Gij 为 i 系统提取的第 j 个因子与指标的相关系数；wij 为 i 系统提取第j 个因子的贡献率；n 为 i 系统提取因子的个数。将各系统值进行加权求和，得到经济发展与生态环境协调发展系统的协调发展指数 U 为经济发展与生态环境协调发展的综合评价指数，指数越大，相对越协调；指数越小，相对越不协调。依据不同时期经济发展与生态环境的协调发展指数，可以判断经济发展与生态环境协调发展的相对程度。
  下面用因子分析法对中国经济发展与生态环境协调发展状况进行实证分析。考虑数据的可获取性及指标的代表性，我们选取 20 个影响中国经济发展与生态环境协调发展的因素进行分析。
选取影响中国经济发展与生态环境协调发展的 20 个指标，指标体系构建如下

  从上表可以看出，该指标体系中指数层有一个，为经济发展与生态环境协调发展指数；系统层有 2 个，经济发展系统与生态环境系统；指标层有 9 个，其中经济指标层有 6 个，分别为经济规模指标层、经济结构指标层、经济竞争力指标层、经济效率指标层、经济体制指标层和全体及城乡居民收支基本情况指标层；生态环境指标层有 3 个，分别为环境质量指标层、环境治理指标层和资源利用指标层；变量层有变量 20 个，其中经济发展变量有 12 个，分别为 GDP 总值、第三产业占 GDP的比重、利用外资占 GDP 的比重、全员劳动生产率、万元产值能耗、财政收入占 GDP 的比重、居民人均可支配收入、城镇居民人均可支配收入、农村居民人均可支配收入、居民人均消费支出、城镇居民人均消费支出、农村居民人均消费支出；生态环境变量有 8 个，分别为二氧化硫排放量、氮氧化物排放量、烟（粉）尘排放量、环境治理投资总量、工业废水排放达标率、工业固体废物综合处理率、能源消耗量、能源加工转换率等（见表 5）。


  通过上述方法对原始数据进行处理，可得到影响经济发展与生态环境协调发展的各因子累积贡献率表（如表 7）。由表 7 可以看出，在影响经济与生态环境协调发展的 20 个指标中，前三个因子的累积贡献率为 89.635%，大于 85%，基本包含了 20 个变量中的大部分信息，可用这三个因子来反映中国经济发展与生态环境协调发展的状况。

  公因子 1 在 GDP 总量、第三产业占 GDP 的比重、全员劳动生产率、万元产值能耗、人均支配收入、居民人均消费、城镇人均消费、农村人均消费、环治理额、工业固体废物处理率、能源耗量、能源加工转换率等变量上都有大于 0.8 的载荷，其贡献率最大，为 64.495%，主要反映经济综合实力与环境治理的能力。公因子 2 与人均 GDP、废水达标率、工业固体废物处理率、城镇人均支配收入有较大的关系，其方差贡献率为 15.102%，主要反映工业化程度与大气污染状况。公因子 3 与财政收入占 GDP 的比重、财政比重有较大的关系，其贡献率为 10.038%，主要反映体制因素和公众参与度。进行因子分析之后，通过回归法计算主因子得分，并以各因子的方差贡献率为权重进行加权求和，得出青海、甘肃、海南、安徽、河南、河北、湖北、天津、北京、上海、山东等各省经济发展与生态环境协调发展的综合得分，计算公式如下：

  从图中可以看出，青海、甘肃、海南、安徽、河南、河北经济发展与生态环境协调发展的指数呈上升趋势；湖北、天津经济发展与生态环境协调发展呈下降趋势；北京、上海、山东经济发展与生态环境协调发展指数呈上升趋势。随着中国经济实力的进一步增强，中国经济发展与生态环境的协调发展状况会越来越好，原因有以下几点： 一是对经济发展与生态环境协调发展日益重视。1992年联合国环境与发展大会后，我国政府组织制定了《中国 21 纪议程—中国 21 世纪人口、环境与发展白皮书》，作为指导我国国民经济和社会发展的纲领性文件，这显示出中国政府对经济发展与生态环境协调发展的重视程度，标志着中国开始了经济发展与生态环境协调发展的进程。 二是全民生态环境保护意识明显提高。随经济发展水平的提高，政府及公众经济发展与生态环境协调发展的意识逐渐增强。如中国政府正在逐步制定和完善经济发展与生态环境协调发展的相关法律法规；各地区、各部门已将经济发展与生态环境协调发展纳入了各级各类规划和计划之中；全民经济发展与生态环境保护意识明显提高。

协调度模型及协调发展度模型

  1. 协调度模型
  协调度是刻画系统之间或系统内部各要素之间在系统发展过程中彼此和谐一致程度的定量指标。它体现了系统由无序走向有序的趋势，可以用来定量描述系统协调状况的好坏程度。依照协调度的概念，协调度可以度量区域在不同发展阶段中环境系统与经济系统之间协调状况好坏程度，可在一定程度上反映区域的可持续发展状况。本章通过变异系数对生态环境与经济协调度的计算模型进行推导。

  2. 协调发展度模型

  3. 总体协调发展状态的趋势指数

生态环境与经济交互状况的综合评价

  由上述模型，将 2013 年-2017 年各省生态环境与经济发展指标进行无量纲化后，经上述协调度模型计算后，得到各省经济指标和生态环境指标的协调发展度，如下表（以北京为例）：




  经上述模型分析，我们可以由各省的协调发展度将各省分为三类：失调衰退类、过渡协调发展、协调发展类。
  （1）失调衰退类
  失调衰退类有广西、贵州省、新疆、宁夏、西藏、甘肃省、青海省、陕西省、云南省、吉林省、山西省、海南省，尽管生态环境与经济的协调发展值一直趋于增大，但总体上处于失调衰退类。原因有两点：一是由于粗放式的经济增长方式，污染严重的钢铁、有色金属、纺织、电力、石化等夕阳产业仍然占据着区域的主导经济地位。二是环境保护意识薄弱，人口、资源矛盾突出，环境治理工作没有得到应有的重视。
  （2）过渡协调发展类
  湖北省、湖南省、辽宁省、四川省、河北省、内蒙古、河南省、安徽省、江西省、重庆市、黑龙江生态环境与经济协调发展状况处于过渡协调发展类。一方面主要是由于粗放式经济增长方式开始得到转变，污染严重的传统工业比例降低，战略性新兴产业开始发展，高新技术产业产值占规模以上工业总产值的比例提升。另一方面是随着可持续发展意识的深入，国家开始出台相关政策，要求各地方政府完成一定的节能减排任务。
  （3）协调发展类
  山东省、上海市、浙江省、北京、广东省、江苏省、天津、福建省生态环境与经济协调发展状况处于协调发展类，且协调发展度处于直线上升的趋势。主要是由于这期间战略性新兴产业开始蓬勃发展，服务业的发展得到了空前的重视，同时前期各省节能减排任务成效显著，环境治理工作得到了深入开展，生态省、生态市、生态县的建设也不断加强。

各省间生态环境协作治理的具体方式分析

  经由上述综合评价模型，对 2013 年至 2017 年生态环境与经济发展综合分析后，我们可以总结出各省建生态环境协作治理的具体方式。
  1. 树立经济发展与生态环境协调发展的理念
  各省应以人与环境相互协调为宗旨，以城市建设中经济发展、社会进步和环境保护的高度和谐为目标，利用环境建设与治理，调整城市产业结构与工业布局，改善人民居住的自然环境和社会环境，提升城市功能和价值，从而最大限度地发挥人类的创造力、生产力，并促使城市文明程度不断提高，人和自然达到充分融合，城市稳定、协调和永续发展。
  2. 将环境因素纳入经济决策中，科学定位城市发展方向
  治理改善环境不是单纯的为环境而环境，而是经济发展不可缺少的因子或载体。各省建设依据可持续发展战略，对城市规模、功能进行重新定位，以环境革命为突破口，以生态城市为建设目标进行规划。限制城市建设规模，提高建筑水准；限制人口规模，提高人口素质；重在质的提高，而不是量的扩张。在经济发展过程中，突出自己特有的地理环境、人文景观，使人文景观和自然山水浑然一体。城市功能由过去的工业中心重新定位为区域性国际航运、商贸、金融、旅游、信息中心。通过环境优先、城建优先、创造良好的经济发展环境，从根本上解决城市发展的出路。
  3. 注重长期利益
  环境保护的前期投资具有投入大、资本回收期长的特点，但从收益与投入资金的比例来说，环境保护的收益却具有投入小、收益高的特点。
  4. 坚持“四个统一”和“六个转变”的原则
  各省在经济发展与生态环境协调发展过程中要始终坚持四个统一和六个转变的原则。“四个统一”，即一是环境保护与经济发展相统一。找准结合点，把环境保护融入经济发展全局，避免决策失误，增强经济发展后劲。二是环境保护与产业结构调整相统一。坚决淘汰污染严重、资源浪费的落后生产工艺，优化产业结构，重点支持高新技术产业发展。三是治标与治本相统一。在抓好“一控双达标”的同时，狠抓源头控制，严格执行环境影响评价和“三同时”制度，提高可持续发展水平。四是严格执法与优质服务相统一。既严厉打击各种破坏生态、污染环境的行为，又坚持“法德并行”，提高办事效率，为治理污染和保护生态提供优质服务。“六个转变”，即：一是由被动应付向主动出击、依法保护转变，改变先污染后治理的局面。二是由重点治理老污染源向从严格控制新污染源转变。通过抓源头，切实控制污染物排放总量。三是由点源治理向面源控制转变。把生活污染、农村面源污染和工艺过程的跑冒滴漏等分散型污染的整治摆上重要议程。四是由低水平的末端治理向应用高科技的全过程控制转变。对生产原料、工艺技术进行全过程控制和管理。五是由局部环境专项整治向流域性、区域性和行业性综合防治转变。通过经济结构战略性调整，使环境质量得到根本性改善。六是由单纯工业治理向生态环境综合治理转变。树立“大环保”观念，建设良好生态环境，实现污染防治与生态保护同步发展。

论文缩略图：

程序代码：

Matlab 源程序

%%%%函数一
function [fff] = f3_20(T,X)
%F3_20
a0=[0.064 48 401
0.014 43 212
0.053 42 781
0.007 40 832
0.328 37 86
0.008 44 382
0.001 35 595
0.023 41 284
0.005 36 665
0.008 34 600
0.042 43 350
0.054 38 250
0.217 33 200
];% ??a,b,c
b0=[4 4 3 3 5 4 2 6 1];
b0=[b0;T];
%limited number 
cot=zeros(length(a0),1);%??? hangxiangliang
for k=1:length(a0)
 cot(k)=(a0(k,1).*(X(k)^2)+a0(k,2).*X(k)+a0(k,3)).*b0(k);
end
fff=sum(cot);
end
%%%%函数二
function [costy] = f3_21(T)
%F3_2 %???2030??????????????????????????????
costy=0;
%????????????\
P=[0.67 0.63 0.59 0.58 0.59 0.60 0.74 0.86 0.95 0.96 0.96 0.95 0.94 0.95 0.95 0.96 0.98 1.00 1.00 0.95 0.91 0.82 
0.73 0.63 ];
P1=1.3*1.2*2850.*P;P2=2850.*P*1.3+400;PP=sort([P1,P2]');PP=PP(2,:);PP=PP';
a0=[0.064 48 401
0.014 43 212
0.053 42 781
0.007 40 832

0.328 37 86
0.008 44 382
0.001 35 595
0.023 41 284
0.005 36 665
0.008 34 600
0.042 43 350
0.054 38 250
0.217 33 200
];% ??a,b,c
b0=[4 4 3 3 5 4 2 6 1];
b0=[b0;T];
%limited number 
lb0=[10 15.2 40 69 4 54.3 150 20 140 100 40 25 15];
ub0=[20 76 100 197 12 155 400 50 350 250 100 65 50];
A=-1.*b0';
for l=1:24
b=-PP(l);
cost1y=0;
[cost1x,cost1y]=fmincon(@(X) f3_20(T,X),ones(length(lb0),1),A,b,[],[],lb0,ub0);
costy=costy+cost1y;
end
%???????????
SS0=0.08882743.*10^6.*[220 90 60 50];
costy=365*costy+SS0*T;
end
%%%%执行函数
clear all,clc
T=[];Costy0=inf;
for i=1:4
 for j=1:7
 for k=1:11
 for m=1:11
 if (i-1).*250+(j-1).*100+65.*(k-1)+50.*(m-1)>4446-3405
 T=[T;i-1,j-1,k-1,m-1];
 end
 end
 end
 end
end
T=T';
for o=1:2297
 o
o
 [Costy1]=f3_21(T(:,o));
 %Costy1=Costy1+([220 90 60 50].*10^6)*T(:,o);
 if Costy1<Costy0
 Costy0=Costy1;
 TT=T(:,o);
 end
end

Matlab 源程序2

%%%%%%函数一
function [fff] = f3_20(T,X)
%F3_20
a0=[0.064 48 401
0.014 43 212
0.053 42 781
0.007 40 832
0.328 37 86
0.008 44 382
0.001 35 595
0.023 41 284
0.005 36 665
0.008 34 600
0.042 43 350
0.054 38 250
0.217 33 200
];% ??a,b,c
b0=[4 4 3 3 5 4 2 6 1];
b0=[b0;T];
%limited number 
cot=zeros(length(a0),1);%??? hangxiangliang
for k=1:length(a0)
 cot(k)=(a0(k,1).*(X(k)^2)+a0(k,2).*X(k)+a0(k,3)).*b0(k);
end
fff=sum(cot);
end
%%%%%%函数二
function [costy] = f3_21(T)
%F3_2 %???2030??????????????????????????????
costy=0;
%????????????\
P=[0.67 0.63 0.59 0.58 0.59 0.60 0.74 0.86 0.95 0.96 0.96 0.95 0.94 0.95 0.95 0.96 0.98 1.00 1.00 0.95 0.91 0.82
0.73 0.63 ];
P1=1.3*1.2*2850.*P;P2=2850.*P*1.3+400;PP=sort([P1,P2]');PP=PP(2,:);PP=PP';
a0=[0.064 48 401
0.014 43 212
0.053 42 781
0.007 40 832
0.328 37 86
0.008 44 382
0.001 35 595
0.023 41 284
0.005 36 665
0.008 34 600
0.042 43 350
0.054 38 250
0.217 33 200
];% ??a,b,c
b0=[4 4 3 3 5 4 2 6 1];
b0=[b0;T];
%limited number 
lb0=[10 15.2 40 69 4 54.3 150 20 140 100 40 25 15];
ub0=[20 76 100 197 12 155 400 50 350 250 100 65 50];
A=-1.*b0';
for l=1:24
b=-PP(l);
cost1y=0;
[cost1x,cost1y]=fmincon(@(X) f3_20(T,X),ones(length(lb0),1),A,b,[],[],lb0,ub0);
costy=costy+cost1y;
end
%???????????
SS0=0.08882743.*10^6.*[220 90 60 50];
costy=365*costy+SS0*T;
end
%%%%%%函数三
function [costy] = f42(T,PP)
%F42
N=sum(T)+32;%??????
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%Part1??????????? 
M%%%%%%%%
M0=zeros(1,N);
M1=eye(N);
%2
t2=combntns(N,2);R2=zeros(t2,2);h2=1;
for i=1:N
 for j=i+1:N
 
 R2(h2,:)=[i,j];
 h2=h2+1;
 end
end
M2=zeros(t2,N);
for i=1:t2
 M2(i,R2(i,1))=1;
 M2(i,R2(i,2))=1;
end
%3
t3=combntns(N,3);R3=zeros(t3,3);h3=1;
for i=1:N
 for j=i+1:N
 for k=j+1:N
 R3(h3,:)=[i,j,k];
 h3=h3+1;
 end
 end 
end
M3=zeros(t3,N);
for i=1:t3
 M3(i,R3(i,1))=1;
 M3(i,R3(i,2))=1;
 M3(i,R3(i,3))=1;
end
%4
t4=combntns(N,4);R4=zeros(t4,4);h4=1;
for i=1:N
 for j=i+1:N
 for k=j+1:N
 for l=k+1:N
 R4(h4,:)=[i,j,k,l];
 h4=h4+1;
 end
 end
 end
end
M4=zeros(t4,N);
for i=1:t4
 M4(i,R4(i,1))=1;
 M4(i,R4(i,2))=1;
 M4(i,R4(i,3))=1;
 M4(i,R4(i,4))=1;
end
MM=[M0;M1;M2;M3;M4];
M=abs(MM-1);
%%%%%%%%%%%%%%%%%%%%%%%%Part2 ????????? P%%%%%%%
PA0=[0.899845917 0.979865772 0.96 0.95010846 0.979865772 0.960105217 0.879518072 0.99005425
0.920168067 0.911930044 0.966887417 0.978552279 0.967741935];
PU0=[0.100154083 0.020134228 0.04 0.04989154 0.020134228 0.039894783 0.120481928 0.00994575
0.079831933 0.088069956 0.033112583 0.021447721 0.032258065];
PMax0=[20 76 100 197 12 155 400 50 350 250 100 65 50];
PMax=zeros(N,1);
PA=zeros(N,1);
PU=zeros(N,1);
b00=[4 4 3 3 5 4 2 6 1];
b00=[b00;T];
fl=1;
for i=1:13
 for j=1:b00(i)
 PA(fl)=PA0(i);
 PU(fl)=PU0(i);
 PMax(fl)=PMax0(i);
 fl=fl+1;
 end
end
PMax=PMax';
PMax=repmat(PMax,size(M,1),1);
PA=PA';
PA=repmat(PA,size(M,1),1);
PU=PU';
PU=repmat(PU,size(M,1),1);
Pp=M.*PA+abs(M-1).*PU;
P=prod(Pp,2);
%%%%%%%%%%%%%%???Part3%%%%%%%%%
p=[0.67 0.63 0.59 0.58 0.59 0.60 0.74 0.86 0.95 0.96 0.96 0.95 0.94 0.95 0.95 0.96 0.98 1.00 1.00 0.95 0.91 0.82 
0.73 0.63 ];
p=p';
stdd0=PP.*p;
stdd=repmat(stdd0,size(M,1),1);
A1=M.*PMax;
A2=sum(A1,2);
A3=repmat(A2,1,24);
A=A3-stdd;
aa0=find(A>0);
A(aa0)=0;
Su=sum(A,2).*P;
costy=-sum(Su).*365.*10^4;
%%%%%%%%%%%执行程序
clear all,clc
T=[];Costy0=inf;PMAX=2850.*1.3;
for i=1:4
 for j=1:7
 for k=1:11
 for m=1:11
 if (i-1).*250+(j-1).*100+65.*(k-1)+50.*(m-1)>4446-3405
 T=[T;i-1,j-1,k-1,m-1];
 end
 end
 end
 end
end
T=T';
for o=202:2297
 o
 o
 [Costy1]=f3_21(T(:,o));
 [Costy3]=f42(T(:,o),PMAX);
 %Costy1=Costy1+([220 90 60 50].*10^6)*T(:,o);
 Costy=Costy1+Costy3;
 if Costy<Costy0
 Costy0=Costy;
 TT=T(:,o);
 end
end