数学建模常用算法模型.pdfVIP

数学模型的分类 按模型的数学方法分： 几何模型、图论模型、微分方程模型、概率模型、最优控制模型、规划论模 型、马氏链模型等 按模型的特征分： 静态模型和动态模型， 确定性模型和随机模型， 离散模型和连续性模型， 线 性模型和非线性模型等 按模型的应用领域分： 人口模型、交通模型、经济模型、生态模型、资源模型、环境模型等。 按建模的目的分 ： 预测模型、优化模型、决策模型、控制模型等 一般研究数学建模论文的时候， 是按照建模的目的去分类的， 并且是算法往 往也和建模的目的对应 按对模型结构的了解程度分 ： 有白箱模型、灰箱模型、黑箱模型等 比赛尽量避免使用，黑箱模型、灰箱模型，以及一些主观性模型。 按比赛命题方向分： 国赛一般是离散模型和连续模型各一个， 2016 美赛六个题目 （离散、连续、 运筹学 / 复杂网络、大数据、环境科学、政策） 数学建模十大算法 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，比较好用的算法） 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） 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 （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） 7 、网格算法和穷举法 （当重点讨论模型本身而轻视算法的时候， 可以使用这种暴力方案， 最好使用一 些高级语言作为编程工具） 8 、一些连续离散化方法 （很多问题都是从实际来的，数据可以是连续的， 而计算机只认的是离散的数据， 因此将其离散化后进行差分代替微分、求和代替积分等思想是非常重要的） 9 、数值分析算法 （如果在比赛中采用高级语言进行编程的话， 那一些数值分析中常用的算法比如 方程组求解、矩阵运算、函数积分等算法就需要额外编写库函数进行调用） 10 、图象处理算法 （赛题中有一类问题与图形有关， 即使与图形无关， 论文中也应该要不乏图片的 这些图形如何展示，以及如何处理就是需要解决的问题，通常使用 Matlab 进行 处理） 算法简介 1、灰色预测模型（必掌握） 解决预测类型题目。由于属于灰箱模型，一般比赛期间 不优先 使用。 满足两个条件可用： ①数据样本点个数少， 6-15 个 ②数据呈现指数或曲线的形式 2、微分方程预测（高大上、备用） 微分方程预测是方程类模型中最常见的一种算法。 近几年比赛都有体现， 但 其中的要求，不言而喻。学习过程中 无法直接找到原始数据之间的关系， 但可以找到原始数据变化速度之间的关 系，通过公式推导转化为原始数据的关系。 3、回归分析预测（必掌握） 求一个因变量与若干自变量之间的关系， 若自变量变化后， 求因变量如何变 化； 样本点的个数有要求：