简介2021年华为杯F题“航空公司机组优化排班问题”的完整解题思路与可运行代码面向参加中国研究生数学建模竞赛的研究生。压缩包共16个文件以Python脚本为主9个py配套4个CSV数据文件、1个赛题Word说明、1个思路Markdown和1个注释文本整体大小仅211KB轻量便携。目前已有135人学习下载。内容覆盖赛题数据读取与预处理、三问建模求解及详细注释尤其第2问和第3问代码均配有思路说明可帮助读者复现机组排班优化方案理解约束条件处理、目标函数构建与算法设计。这份资料适合需要备赛冲刺、快速上手组合优化建模的研究生也可作为赛前查漏补缺与思路参考。1. 华为杯F题一场比算法更比「读题」的比赛提到华为杯数学建模很多人的第一反应是「算法难」但真正上过赛场的人会告诉你F题最大的坑不在模型而在「机组排班」这类题目的约束条件读不透。2021年这届F题给的是航班、机组两套数据让你在满足飞行任务的前提下把排班成本压到最低表面是优化问题实际考的是三件事能不能把业务规则翻译成数学约束、能不能在数据量面前把求解器跑起来、能不能把结果讲成评委听得懂的方案。这篇笔记就按「考点分布 → 高频考点 → 真题拆解 → 易错点 → 答题套路」的顺序把F题的拿分逻辑一次讲透。适合两类人打算参加下届华为杯的研究生以及在职想补数学建模实战能力的工程师。注意这一题算法不是最难的最难的是「约束条件漏一条整个模型白建」。2. 华为杯F题考点分布先搞清楚评委按什么打分2.1 六道题里的F题定位为什么它看起来简单却最容易翻车华为杯每年9月中旬开赛一共6道题F题通常是「运筹优化类」的代表。这类题的特点是题目文字少、数据表格多、约束条件藏在附件说明里。2021年F题就是典型——给了A、B两个机组的数据文件和航班文件让你做「航空公司机组优化排班」。听起来像标准的指派问题但实际做起来会发现数据里藏着航班衔接时间、机组休息期、资质匹配这些隐性约束任何一个没建模进去方案就是废的。从历年获奖情况看F题的获奖率并不低但一等奖比例只有1.5%左右。为什么因为大部分队伍把精力放在算法创新上却在「约束完整度」上失分。评委看F题论文有个习惯先看你的模型有没有覆盖题目给的所有规则再看求解结果是否合理最后才看算法复杂度。这意味着你花三天写一个漂亮的遗传算法不如花一天把约束清单列全。2.2 分值结构拆解建模、求解、验证各占多少根据F题历年评阅习惯一篇能拿二等奖以上的论文通常按这个权重分配精力问题分析约10%模型建立约40%求解算法约25%结果分析与验证约20%剩下的5%是摘要和格式。注意摘要的分量远比你想象的大很多评委先看摘要判断是否细读全文。具体到2021年F题的三个子问题第1题是基础排班考察建模基本功属于送分题但容易在约束上漏项第2题加入了更多约束和较大数据量是区分二等奖和三等奖的分水岭第3题通常要做优化或扩展分析难度最大但代码注释里也写了「详细注释在第2问中」说明第3题是在第2问基础上做延伸。这意味着你的代码结构必须模块化第2问的函数要能直接被第3问调用。2.3 数模竞赛通用能力模型这题到底在考哪几种能力F题表面上考优化算法实际考的是四层能力。第一层是数据清洗能力给出的CSV文件里有航班号、机组ID、时间字段你要能快速用脚本或工具完成数据预览和异常值检查。第二层是建模能力把排班规则变成整数规划或约束满足问题的数学表达式。第三层是求解工程能力用MATLAB的优化工具箱或YALMIP等工具把模型跑出结果这也就是资源里标注「matlab」关键词的原因——MATLAB在这个赛题里是绝对主流工具。第四层是论文写作能力把算法步骤、参数设置、结果对比写到评委能直接看懂的程度。3. 高频考点机组排班问题的核心模型与约束条件3.1 考点一任务覆盖约束——每趟航班必须有人飞机组排班问题第一类必考约束是「覆盖约束」即每一趟航班必须分配给且只分配给一个机组。用数学模型表达就是对每个航班任务 j所有机组 i 的指派变量 x_ij 求和必须等于1。这是0-1整数规划最基本的约束但考生容易忽略的是「机组人数限制」——一个机组一天能飞的航班数有上限不能为了满足覆盖约束把某个机组排满24小时。这类题通常这么答先定义决策变量 x_ij机组i是否执行航班j再写覆盖约束的数学表达式然后用MATLAB的intlinprog函数实现。注意不要把覆盖约束和机组休息约束混在一起写分开列约束方程评委看起来更清晰排错也更容易。资源里的第1题代码就是这个套路——先建基础覆盖模型跑通后再逐步加约束。3.2 考点二时间衔接约束——航班联程的间隔必须合法第二类高频考点是时间衔接约束这是F题区别于一般指派问题的关键。机组执行完一个航班后要接下一个航班中间必须有足够的过站时间。这个时间通常包括下机、等待、登机流程一般要求不低于某个阈值比如40分钟或1小时。在建模时这变成了一个带时间窗的约束如果机组i先执行航班a再执行航班b那么航班b的起飞时间必须晚于航班a的到达时间加上最小衔接时间。这个考点最容易出错的地方是题目给的时间格式可能是「HH:MM」字符串直接用字符串比较会出问题。正确的做法是在数据预处理阶段把所有时间统一转换成分钟数比如10:30转换成630分钟再进行大小判断。资源里的思路文档应该是把这个转换过程写清楚了因为代码里如果有时间比较逻辑这一步错后面全错。3.3 考点三机组资源约束——休息期与工作量的平衡第三个必考考点是机组资源约束包括最大飞行时长、最小休息时长、机组资质匹配。2021年F题的数据文件里分开给出了A、B机组说明不同机组可能有不同的资质或机型限制。这类约束在模型里表现为不等式约束某机组一天累计飞行时间不超过上限连续工作天数不超过上限两次任务之间至少休息XX小时。面试官或评委最想看到的是你能不能把这些规则量化。比如「机组每天飞行时间不超过8小时」翻译成约束就是 sum(飞行时长_j * x_ij) 480分钟。这一步是建模能力的直接体现——规则读得越细约束列得越全得分越高。资源中第2题的代码注释里写了「详细注释」说明第2题已经把第1题的约束扩展成了完整约束集。3.4 真题演练用2021年F题第1题练手下面用一道简化版真题演示完整答题思路。题目大意是给定10个航班任务和5个机组每个航班有起飞时间、到达时间、飞行时长每个机组每天飞行时间上限为480分钟求最优排班方案使总飞行时间均衡。建模步骤第一步定义决策变量 x(i,j) 表示机组i执行航班ji1..5j1..10。第二步写覆盖约束sum_i x(i,j) 1 对所有j成立。第三步写飞行时长约束sum_j 飞行时长(j) * x(i,j) 480 对所有i成立。第四步确定目标函数——这里有两个常见选择最小化最大飞行时长均衡负载或最小化总空载时间。F题通常倾向于均衡负载因为航空排班更关注公平性。% 简化版第1题求解代码 % 决策变量 x(i,j): 机组i执行航班j % 数据准备示例数据实际从CSV读取 flight_time [90 120 60 150 80 100 110 70 130 95]; % 每个航班飞行时长分钟 num_crew 5; num_flight 10; max_crew_time 480; % 机组每日飞行上限 % 使用intlinprog求解0-1整数规划 % 目标函数最小化最大飞行时长通过引入辅助变量y实现 % 约束覆盖约束 时长约束 变量0-1约束 f [zeros(1, num_crew*num_flight), 1]; % 辅助变量y的系数为1 A []; b []; % 覆盖约束: 每趟航班恰好一个机组执行 Aeq_cover kron(eye(num_flight), ones(1, num_crew)); beq_cover ones(num_flight, 1); % 时长约束: 机组累计飞行时间 上限 A_time zeros(num_crew, num_crew*num_flight1); for i 1:num_crew A_time(i, (i-1)*num_flight1 : i*num_flight) flight_time; A_time(i, end) -1; % y - 飞行时长 0 即飞行时长 y end b_time zeros(num_crew, 1); % 合并约束 Aeq Aeq_cover; beq beq_cover; A [A; A_time(:, 1:end-1)]; b [b; b_time(:, 1)]; % 整数约束 intcon 1:num_crew*num_flight; lb zeros(num_crew*num_flight1, 1); ub ones(num_crew*num_flight1, 1); ub(end) max_crew_time; [x, fval] intlinprog(f, intcon, A, b, Aeq, beq, lb, ub);这段代码的逻辑说明先用kron函数生成覆盖约束矩阵每一行对应一个航班确保每个航班恰好有一个机组执行。时长约束里引入辅助变量y表示「最大飞行时长」把min-max目标线性化——这是这类题目的经典技巧。注意看A_time矩阵构造对每个机组i把该机组对应的航班时长放在对应位置(end)处填-1表示「累计时长 - y 0」。这样求解器就能同时处理均衡目标和所有硬约束。实际运行时要用MATLAB的intlinprog但数据量大时计算会变慢这时通常改用遗传算法或模拟退火做启发式求解这也是第3题的常见扩展方向。4. 高频考点求解算法选择与MATLAB实现要点4.1 精确算法 vs 启发式算法什么情况选什么机组排班问题本质是NP难问题数据量小的时候用分支定界法加整数规划求解器能拿到精确解数据量大的时候必须退而求其次用启发式算法。2021年F题第1题数据量小直接用intlinprog没问题第2题数据量变大很多队伍开始卡死在求解时间上第3题要求优化就必须考虑遗传算法或粒子群。评委在这类题上最反感的是「为了用算法而用算法」——明明小数据用精确解就够非上遗传算法还收敛不到全局最优。正确的答题思路是先试精确求解记录求解时间和结果如果数据规模导致算不动或超时再设计启发式算法并在论文里写明两者的对比。这道题的采分点就在「对比」上精确解给出小规模最优值启发式算法给出大规模近似解和gap分析。4.2 MATLAB工具箱选型linprog、intlinprog还是YALMIPF题用MATLAB求解最常涉及三个工具linprog线性规划、intlinprog混合整数线性规划、YALMIP建模工具箱。基础排班用intlinprog就够因为决策变量是0-1整数但如果约束里有非线性项就需要YALMIP搭配外部求解器。这里有个血泪经验intlinprog对约束矩阵的稀疏性很敏感数据量大时务必用sparse函数把矩阵转成稀疏格式否则内存直接爆掉。另一个面试官常问的点是intlinprog的参数设置——默认的求解精度和最大迭代次数可能不够要主动设置MaxTime和IntegerTolerance。资源代码里如果直接调intlinprog这几个参数一般会写在注释里。4.3 真题演练第2题的大规模求解思路第2题的数据量变大继续用intlinprog暴力求解会超时。这时标准解法是设计遗传算法或模拟退火。答题思路分四步第一步设计染色体编码比如用一个长度为航班数的整数数组每个位置的取值代表机组编号第二步设计适应度函数把覆盖约束、时长约束、衔接约束做成惩罚项加进目标第三步设计交叉和变异算子注意交叉后要修复非法子代第四步设置终止条件比如迭代200代或连续20代不改善就停止。用遗传算法时最容易被问的问题是「惩罚系数怎么定」。通常这样答先跑几组小实验对比不同惩罚系数下的收敛曲线和最终目标值选一个「恰好能保证所有硬约束满足」的最小惩罚值。这个操作在论文里要写出来证明你的参数不是拍脑袋定的。% 遗传算法求解机组排班问题的核心片段 % 编码: 染色体长度为航班数基因值为机组编号(1~num_crew) % 适应度: 总飞行时长均衡度 约束违反惩罚 function fit fitness(chromosome, flight_time, max_crew_time) num_flight length(chromosome); crew_load zeros(1, max(chromosome)); for j 1:num_flight crew_load(chromosome(j)) crew_load(chromosome(j)) flight_time(j); end % 目标1: 均衡度最大-最小 balance_penalty max(crew_load) - min(crew_load); % 目标2: 超时惩罚 overtime_penalty sum(max(0, crew_load - max_crew_time)) * 1000; % 目标3: 覆盖惩罚染色体长度等于航班数时天然满足 fit balance_penalty overtime_penalty; end这段代码的核心是适应度函数的设计逻辑把「均衡」和「不超时」两个目标合并成一个标量值。注意惩罚系数1000的设定它比目标值大一个数量级目的是让「超时方案」无论均衡度多好都被淘汰。参数说明chromosome是一个行向量每个位置存机组编号flight_time对应每个航班的飞行时长crew_load累计每个机组的总飞行时间。实际调参时1000这个系数要根据数据规模缩放可以先用小数据测试量级。5. 易错点与失分点F题考生最常见的5个致命错误5.1 时间字段格式没统一错在哪直接用HH:MM字符串做比较出现「10:30大于9:45」这类错误判断。为什么错字符串比较按字典序而不是按时间先后10:30确实「大于」9:45但9:45的航班可能已经起飞了。怎么答对数据读取后第一件事就是写一个转换函数把时间列统一成分钟数小时*60分钟后面所有计算都用分钟。这个错误几乎每届都有队伍踩评委看到时间处理逻辑混乱直接扣建模分。5.2 约束条件漏掉「机组休息期」错在哪只写了覆盖约束和飞行时长约束没写两次任务之间必须有休息期。为什么错题目附件里可能在说明文档角落写了「机组执行完一个航班后至少休息30分钟再安排下一班」但这行字不在醒目的位置。怎么答对拿到题目后先通读全部文字把所有「至少、不超过、不得」这类词圈出来逐条转成约束表达式。资源里的思路.md应该就是干这个事的——把题目规则拆成清单。5.3 数据里存在缺失值直接readtable报错错在哪CSV文件里有几行缺失值直接用readtable读入后warning刷屏后续代码连环报错。为什么错没做数据清洗步骤。怎么答对读入前先预览文件头部用detectImportOptions设置VariableImportOptions或者读入后用ismissing检查并决定删除或补全。这个操作在真实赛场上能省半小时调试时间。5.4 遗传算法解大规模问题时跑不出可行解错在哪编码设计不合理交叉和变异产生大量非法染色体适应度惩罚导致种群全部被淘汰。为什么错没有设计修复机制只靠惩罚项硬拉。怎么答对交叉后加一个修复函数把重复的航班重新分配给未覆盖的机组或者改用「保序交叉」这类专门针对排班问题的算子确保子代合法性。5.5 论文里不写参数设置和运行环境错在哪直接贴结果图和代码没说运行了多久、机器配置、MATLAB版本、求解器类型。为什么错评委无法判断你的结果是否可复现这在竞赛评审中是严重扣分项。怎么答对论文里加一节「实验设置」写清楚硬件配置、软件版本、求解器名称、关键参数值、平均运行时间。这个习惯在面试讲项目时同样加分面试官最怕听到「效果很好」但没有任何实验细节。6. 答题技巧与押题思路F题拿高分的三个临场动作评委留给每篇论文的时间不超过15分钟其中前2分钟在翻摘要、模型图、结果表。这意味着你的论文结构必须让评委在2分钟内抓住三个信息问题是什么、模型怎么建、结果好不好。围绕这个目标我有三个固定动作每次做F题都强制走一遍。第一个动作写摘要前先列出「三个亮点」。比如第1题用了线性化技巧把min-max目标变成标准整数规划第2题用遗传算法加惩罚函数处理大规规模数据第3题做了参数敏感性分析。摘要里只写这三点其余细节一律不写。这样评委看完摘要就知道这篇论文有干货愿意继续读下去。很多队伍把摘要写成「本文研究了XX问题建立了XX模型求解了XX」这种流水账等于直接放弃第一印象分。第二个动作模型图必须用「流程图约束表」组合。左边一张变量关系图右边一张约束条件列表图里标清楚每个约束对应题目里哪句话。这个动作的杀伤力在于评委看图就能判断你的模型完整性不用去正文里逐行找。我自己一般控制在半小时内画完先用纸笔理顺变量关系再画工具生成避免边画边想浪费时间。第三个动作结果分析必须有「对比实验」。哪怕只是对比「有休息约束 vs 无休息约束」的目标函数值变化也能证明你理解了约束的作用。如果是优化算法必须对比「遗传算法 vs 精确求解小规模」的gap值和运行时间。F题评奖时有对比分析的文章通常比只报一组结果的文章高一个档次因为评审能看出你对模型和算法有深度理解。另一个压箱底的建议赛前一定要把MATLAB的intlinprog、ga、simulannealbnd三个函数的手写模板准备好包括参数设置、结果提取、画图模板。2021年F题三个子问题都能用这三个函数套出来比赛时你比对手省下的时间至少四个小时——这四个小时足够把论文润色一遍。从那以后我每次做优化类赛题都强制自己先准备求解模板再读题这个习惯确实帮我少熬了不少夜。希望帮到你赛场见。本文还有配套的精品资源点击获取