2017年数学建模学习.docVIP

数模学习总结 前言：我参加过数模比赛共3次，对建模过程和写作过程比较了解，所以我在这段时间学的偏重于MATLAB编程。 7月7日： 今天学习的是数据拟合方法。数据拟合主要是计算出反映数据的基本趋势。判断拟合程度好与不好的标准有偏差的绝对值之和最小、使偏差的最大绝对值最小和使偏差的平方和最小（即最小二乘法），平时我们用得最多是最后一种方法。 拟合有多项式拟合、指定函数拟合等。实现方法是曲线拟合工具箱。依次单击Start,Toolboxes,Curve Fitting,Curve Fitting Tool(cftool)即可使用曲线拟合工具线。 我根据以下表格进行拟合： x 1 2 3 4 5 6 7 8 9 y 9 7 6 3 -1 2 5 7 20 代码为： X=[1 2 3 4 5 6 7 8 9]; Y=[9 7 6 3 -1 2 5 7 20];P=polyfit(x,y,3);xi=0:.2:10;yi=polyval(P,xi);plot(xi,yi,x,y,’r*’); 我分别进行了线性、二阶、三阶对数据进行了多项式拟合，发现三阶的多项式拟合效果最好。 7月8日： 今天学习的数据拟合实践应用。如人口预测模型。实际上人口随时间的变化呈非线性变化，而且存在一个与横坐标轴平行的渐近线，所以用在人口预测模型是Logistic曲线模型。其形式为：。 另外，数据还可以进行可视化处理，使模型生动形象呈现出来。一般会用到Matlab的meshgrid函数进行实现。 7月9日： 今天学习数学建模当中一个较为重要的模型——线性规划模型，最主要的是其代码格式： 其代码为： c=[2;3;1];a=[1,4,2;3,2,0];b=[8;6];[x,y]=linprog(c,-a,-b,[],[],zeros(3,1)) 结果如下： x = 0.8066 1.7900 0.0166 y = 7.0000 7月10日： 今天学习非线性规划。一般说来，解非线性规划要比解线性规划问题困难得多，而且非线性规划也不像线性规划那样有单纯形法这一通用方法。非线性规划目前还没有适于各种问题的一般算法，各种方法都有自己特定的适用范围。步骤大致分为：1.编写M文件，定义目标函数；2.编写M文件，定义约束条件；3.编写主程序（既可编写M文件，又可以在Command Window直接输入命令） 7月11日： 今天学习整数规划。规划仲的变量（部分或全部）限制为整数时，称为整数规划。若在线性规划模型中，变量限制为整数，则称为整数线性规划。目前所流行的求解整数规划的方法，往往只适用于于整数线性规划。常见的整数规划问题的求解算法有一下几种： 分枝定界法：可求纯或混合整数线性规划。 割平面法：可求纯或混合整数线性规划。 隐枚举法：用于求解0-1整数规划，有过滤隐枚举法和分枝隐枚举法。 匈牙利法：解决指派问题（0-1规划特殊情形）。 蒙特卡罗法：求解各种类型规划。 7月12日： 今天继续深入学习整数规划——0-1整数规划。0-1整数规划是整数规划中的特殊情形，它的变量仅取值0或1，这是称为0-1变量，或称二进制变量。仅取值0或1，这个条件可由下述约束条件表示：01，或。在实际问题中，如果引入0-1变量，就可以把有各种情况需要区别讨论的线性规划问题统一在一个问题中讨论了。 7月13日： 今天根据以下方程组编写出如下代码： 首先编写M文件mengte.m,定义吗，目标函数f和约束向量函数g，程序如下： Function[f,g]=mengte(x); f=x(1)^x+x(2)^2+3*x(3)^2+4*x(4)^2+2*x(5)*2-8*x(1)-2*x(2)-3*x(3)-x(4)-2*x(5); g(1)=sum(x)-400; g(2)=x(1)+2*x(2)+2*x(3)+x(4)+6*x(5)-800 g(3)=2*x(1)+x(2)+6*x(3)-200; g(4)=x(3)+x(4)+5*x(5)-200; rand(state,sum(clock)); p0=0; tic for i=1:10^5 x1=floor(x);x2=ceil(x); [f,g]=mengte(x1); if sum(g0=)==4 if p0=f x0=x1;p0=f; end end [f,g]=mengte(x2); if sum(g=0)==4 if p0=f x0=x2;p0=f; end end end x0,p0 Toc 运行程序结果如下： ans= 44 94