数学建模培训.ppt

一零年数学建模暑期培训 三、如何组队及合作 根据数学建模竞赛章程，三人组成一队，这三人中必须一人数学基础较好，一人应用数学软件（如Matlab,lindo,maple等）和编程（如c,Matlab,vc++等）的能力较强，一人科技论文写作的水平较好。科技论文的写作要求整篇论文的结构严谨，语言要有逻辑性，用词要准确。 三人之间要能够配合得起来。若三人之间配合不好，会降低效率，导致整个建模的失败。 如果可能的话，最好是数学好的懂得编程的一些知识，编程好的了解建模，搞论文写作也 要了解建模，这样会合作得更好。因为数学好的在建立模型方案时会考虑到编程的便利性，以利于编程；编程好的能够很好地理解模型，论文写作的能够更好、更完全地阐述模型。否则会出现建立的模型不利于编程，程序不能完全概括模型，论文写作时会漏掉一些不经意的东西。 在合作的过程中，最好是能够在三人中找出一个所谓的组长，即要能够总揽全局，包括任务的分配，相互间的合作和进度的安排。 在建模过程中出现意见不统一——如何处理？仅我个人的经验而言，除了一般的理解与尊重外，我觉得最重要的一点就是“给我一 个相信你的理由”和“相信我，我的理由是……”，不要作无谓的争论。 四、如何从建模例题中学习解题方法 你们在看例题的时候，要看例题是如何着手的，即是如何切入，如何建立的方程等。 数学建模方法 一、机理分析法 从基本物理定律以及系统的结构数据来推导出模型。 1. 比例分析法--建立变量之间函数关系的最基本最常用的方法。 2. 代数方法--求解离散问题（离散的数据、符号、图形）的主要方法。 3. 逻辑方法--是数学理论研究的重要方法，对社会学和经济学等领域的实际问题，在决策，对策等学科中得到广泛应用。 4. 常微分方程--解决两个变量之间的变化规律， 关键是建立瞬时变化率的表达式。 5. 偏微分方程--解决因变量与两个以上自变量之间的变化规律。 二、数据分析法 从大量的观测数据利用统计方法建立数学模型 1. 回归分析法--用于对函数f（x）的一组观测值（xi,fi）i=1,2,…,n，确定函数的表达式，由于处理的是静态的独立数据，故称为数理统计方法。 2. 时序分析法--处理的是动态的相关数据，又称为过程统计方法。 3. 回归分析法--用于对函数f（x）的一组观测值（xi,fi）i=1,2,…,n，确定函数的表达式，由 于处理的是静态的独立数据，故称为数理统计方法。 4. 时序分析法--处理的是动态的相关数据，又称为过程统计方法。 三、仿真和其他方法 1. 计算机仿真（模拟）--实质上是统计估计方法，等效于抽样试验。 ① 离散系统仿真--有一组状态变量。 ② 连续系统仿真--有解析表达式或系统结构图。 2. 因子试验法--在系统上作局部试验，再根据试验结果进行不断分析修改，求得所需的模型结构。 题型： 赛题题型结构形式有三个基本组成部分： 一、实际问题背景 1. 涉及面宽--有社会，经济，管理，生活，环境，自然现象，工程技术，现代科学中出现的新问题等。 2. 一般都有一个比较确切的现实问题。 二、若干假设条件 有如下几种情况： 1. 只有过程、规则等定性假设，无具体定量数据； 2. 给出若干实测或统计数据； 3. 给出若干参数或图形； 4. 蕴涵着某些机动、可发挥的补充假设条件，或参赛者可以根据自己收集或模拟产生数据。 三、要求回答的问题 往往有几个问题（一般不是唯一的答案）: 1. 比较确定性的答案（基本答案）；2. 更细致或更高层次的讨论结果（往往是讨论最优方案的提法和结果）。 赛题的评审 1、蒙特卡罗算法（该算法又称随机性模拟算法，是通过计算机仿真来解决问题的算法，同时可以通过模拟可以来检验自己模型的正确性，是比赛时必用的方法） 2、数据拟合、参数估计、插值等数据处理算法（比赛中通常会遇到大量的数据需要处理，而处理数据的关键就在于这些算法，通常使用Matlab作为工具） 3、线性规划、整数规划、多元规划、二次规划等规划类问题（建模竞赛大多数问题属于最优化问题，很多时候这些问题可以用数学规划算法来描述，通常使用Lindo、Lingo软件实现） 4、图论算法（这类算法可以分为很多种，包括最短路、网络流、二分图等算法，涉及到图论的问题可以用这些方法解决，需要认真准备） 计算机上的十种武器： 5、动态规划、回溯搜索、分治算法、分支定界等计算机算法（这些算法是算法设计中比较常用的方法，很多场合可以用到竞赛中） 6、最优化理论的三大非经典算法：模拟退火法、神经网络、遗传算法（微分、求和代替积分等思想是非常重要的）这些问题是用来解决一些较困难的最优化问题的算法，对于有些问题非常有帮助，但是算法的实现比较困难，需慎重使用）