建模要点.docVIP

从问题的解决方法上分析，涉及到的数学建模方法： 几何理论、组合概率、统计(回归)分析、优化方法（规划）、图论与网络优化、层次分析、插值与拟合、差分方法、微分方程、排队论、模糊数学、随机决策、多目标决策、随机模拟、灰色系统理论、神经网络、时间序列、综合评价、机理分析等方法。但用的最多的方法是优化方法和概率统计的方法.近些年用到优化方法的共有22个题，占总数的68.8%，其中整数规划4个，线性规划6个，非线性规划14个,多目标规划6个。用到概率统计方法的有16个题，占50%，平均每年至少有一个题目用到概率统计的方法。 用到图论与网络优化方法的问题有6个；用到层次分析方法的问题有３个；用到插值拟合的问题有6个；用到神经网络的4个； 用灰色系统理论的4个; 用到时间序列分析的至少2个; 用到综合评价方法的至少3个； 机理分析方法和随机模拟都多次用到; 其他的方法都至少用到一次。 大部分题目都可以用两种以上的方法来解决,即综合性较强的题目有26个，占81.3%。 近年来建模题目特点： (1)综合性：一题多解，方法融合，结果多样，学科交叉。 　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　(2)开放性：题意的开放性，思路的开放性，方法的开放性，结果的开放性。 (3)实用性：问题和数据来自于实际，解决方法切合于实际，模型和结果可以应用于实际。 (4)即时性：国内外的大事，社会的热点，生活的焦点，近期发生和即将发生被关注的问题。 (5)数据结构的复杂性：数据的真实性，数据的海量性，数据的不完备性，数据的冗余性。 建模中注意事项： (1) 数据处理的实用性和规范性; (2) 建模方法的先进性和适用性; (3) 模型建立的创新性和正确性; (4) 模型表述的准确性和完整性; (5) 数据结果的可靠性和正确性; (6) 论文结构的合理性和清晰性; (7) 语言表述的完美性和客观性; (8) 与众不同的独特性和理论性.