09_8樊效仁建模报告数学建模.pptVIP

;数学建模;; 对参赛学生的培训指导，各个学校都有自己的一套做法，但培训的内容不外乎是前期的建模基础知识、方法介绍，强化阶段的建模方法及常用软件的培训指导，论文选读及后期的模拟竞赛等。; 我院自从上世纪九十年代参赛以来，共取 得了100多队获奖的佳绩，我参加了赛前的培训指导工作多年，曾多次主讲论文选读这一内容，重点以选读历届获奖优秀论文为主。据参赛学生于赛后反映，培训指导中的论文选读令他们获益匪浅，对比赛有重要意义，因此在这儿将侧重交流----介绍论文选读这一培训指导环节，指出论文选读中应读什么、怎么读等问题，; 1.1读思路。 教师首先从历届赛题中精挑细选优秀论文，详细讲解建模过程，理清每一篇论文的建模思路。讲解时应注意讲清以下几个问题：本题是如何入手的？为什么用这个方法？这个方法好不好？还有没有其他的方法？ ; 下面以2000年“网易杯”全国大学生数学建模竞赛的A题：关于“DNA序列分类”的问题为例我们来分析一下。; 人类基因组中的DNA全序列是由4个碱基A，T，C，G按一定顺序排成的长约30亿的序列，毫无疑问，这是一本记录着人类自身生老病死及遗传进化的全部信息的“天书”。但是，除了这四种碱基外，人们对它所包含的内容知之甚少，如何破译这部“天书”是二十一世纪最重要的任务之一。在这个目标中，研究DNA全序列具有什么结构，由这4个字符排成的看似随机的序列中隐藏着什么规律，又是解读这部天书的基础，是生物信息学（Bioinformatics）最重要的课题之一。 ;虽然人类对这部“天书”知之甚少，但也发现了DNA序列中的一些规律性和结构。例如，在全序列中有一些是用于编码蛋白质的序列片段，即由这4个字符组成的64种不同的3字符串，其中大多数用于编码构成蛋白质的20种氨基酸。又例如，在不用于编码蛋白质的序列片段中，A和T的含量特别多些，于是以某些碱基特别丰富作为特征去研究DNA序列的结构也取得了一些结果。此外，利用统计的方法还发现序列的某些片段之间具有相关性，等等。这些发现让人们相信，DNA序列中存在着局部的和全局性的结构，充分发掘序列的结构对理解DNA全序列是十分有意义的。 ;作为研究DNA序列的结构的尝试，试对以下序列进行分类：问题一： 下面有20个已知类别的人工制造的序列（数据详见竞赛题目），其中序列标号1—10 为A类，11-20为B类。请从中提取特征，构造分类方法，并用这些已知类别的序列，衡量你的方法是否足够好。然后用你认为满意的方法，对另外20个未标明类别的人工序列（21—40）进行分类， 把结果用序号（按从小到大的顺序）标明它们的类别 （无法分类的不写入）：A类 ； B类 。; 问题二： 请对 182个自然DNA序列进行分类。它们都较长。用你的分类方法对它们进行分类，并给出分类结果。 选读的文章有：北大、中科大、大理工及浙大等获奖优秀论文。; ; 如果将每一个DNA序列都看作样本，那么该问题就进一步提炼成一个纯粹的数学问题：设有两个总体（类） 和 ，其分布特征（来自各个总体的样本）已知，对给定的新品 ，我们需要判断其属于哪个总体（类）。 对于上面的数学问题，可以用很多成熟的方法来解决，例如： （1）BP神经网络； （2）聚类分析； （3）判别分析；等等。 ; 如何选取方法是建模过程中需要解决的另外一个问题：BP神经网络是人工神经网络的一种，它通过对训练样本的学习，提取样本的隐含信息，进而对新样本的类别进行预测。BP神经网络可以用以解决上面的DNA序列分类问题，但是，如何提取特征、如何提高网络的训练效率、如何提高网络的容错能力、如何建立网络结构是能否成功解决DNA序列分类问题的关键所在；聚类分析和判别分析都是多元统计分析中的经典方法，都可以用来将对象（或观测值）分成不同的集合或类别，但是，聚类分析更侧重于“探索”对象（或观测值）的自然分组方式，而判别分析则侧重于将未知类别的对象（或观测值）“归结”（或者说，分配）到已知类别中。显然，判别分析更适合用来解决上面的DNA序列分类问题。; 如以公务员招聘（2004年D题）为例，通过分析对比一些优秀论文，说明这道题目通过建立规划模型求解比较适宜，同时说明在建立目标函数时，不同的优秀论文有不同的思路，可以通过不同的角度，不同的侧重点去建立，从而得出在不同假设下的结论。在讲解建模过程中，教师可以扮演一个置疑者、引导者，留下一些问题让学生去思考，去讨论，让学生参与其中。事实证明，这种方式能取得较好的效果。; 在平时学习中，讨论的题目相对简单，所给条件、问题