matlab对订货模型仿真

对于订货模型的仿真，可以使用MATLAB中的优化工具箱和模拟工具箱。以下是一个简单的订货模型仿真的示例：

假设有一家小型商店需要每个月订购200个商品，每个商品的成本为10元。商店每个月能够卖出的商品数量为需求量，需求量是一个随机变量，服从正态分布，平均值为150，标准差为20。商店每卖出一个商品能够获得的收益为20元。商店可以在每个月初决定订购的商品数量，但是如果订购数量超过需求量，商店需要支付一个存储成本，存储成本为每个商品的成本的5%。

首先，我们可以使用MATLAB中的randn函数生成随机的需求量：

demand = 20 * randn(1) + 150;

接下来，我们可以定义一个代价函数，该函数的输入为订购数量，输出为总代价，包括订购成本和存储成本：

function [cost] = order_cost(order)
    if order > demand
        cost = 200 * 10 + (order - demand) * 0.05 * 10;
    else
        cost = order * 10;
    end
end

然后，我们可以使用MATLAB中的fmincon函数来最小化代价函数，找到最优的订购数量：

options = optimoptions(@fmincon,'Algorithm','sqp');
order = fmincon(@order_cost,200,[],[],[],[],0,[],[],options);

最后，我们可以计算商店的收益：

if order > demand
    revenue = demand * 20;
else
    revenue = order * 20;
end
profit = revenue - order_cost(order);

通过多次仿真，我们可以分析不同订购策略下商店的收益和成本，从而找到最优的订购策略。