第0讲数学建模之参赛经验.pptVIP

数学建模开篇 ------长春建筑学院数学建模培训 数学建模 什么是数学建模？有什么意义及好处？ 简单的讲，就是运用数学的思维方式建立求解问题的模型，借助计算机的编程，完成模型的求解。 建模好处 培养创新意识和创造能力 训练快速获取信息和资料的能力 锻炼快速了解和掌握新知识的技能 培养团队合作意识和团队合作精神 增强写作技能和排版技术 更重要的是训练人的逻辑思维和开放性思考方式 要求：努力坚持---勤奋好学---团结进取  历年竞赛题目 国家赛去年参加了2万8千队 一等奖7万5千人月1.1% 二等奖约5.7% 数学建模参赛经验 一、如何准备数学建模竞赛 参加数学建模竞赛的过程分为三个阶段： 1.个人主观知识积累，包括基本数学知识及相关软件的学习 2.通过集训进行培训学习 3.参加数学建模比赛 不仅学习高等数学、概率论、线性代数包括图论、排队论、泛函、数值计算、最优化计算等等 专业数学建模书籍的学习，系统学习各个数学模型的建立及其相关想法 相关软件学习：matlab、spss、mathematics、lingo、lindo、mathtype、visio 其他算法的学习：智能优化算法（神经网络、遗传算法、粒子群算法）、主成分分析法、层次分析法、聚类算法、模糊判别法、最小二乘拟合算法、灰色预测、时间预测分析等等 如何学习matlab 数据处理：数值计算、分析和挖掘 工具箱：神经网络、simulink、模糊、数字图像处理、金融工具箱 精致绘图：巧妙使用set函数 多看多记、多练多想、勤动手 在竞赛中如何做 合理的队员组合（建模、计算机、写论文） 充分的准备及训练（看书、搜索资料） 重视建模论文的模板和技巧（摘要及关键词）（问题、假设、模型、求解、结果、评价）(3—4小时写摘要) 合理安排时间 有信心且坚持 目标建模方法 看到问题后，想象结果是什么形式，即问题目标。 再通过目标转化成目标途径，即有哪些元素构成。 自然而然建立起要求解的模型。 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，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） 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（网格算法和穷举法都是暴力搜索 最优点的算法，在很多竞赛题中有应用，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） 充分理解各个算法的适用条件（学会一个是一个） 针对模型处理数据有针对性，什么样模型处理什么样的数据，选择合适的数据拟合与预测 数据：数据的净化（去噪、量纲化） 数据选取与如何建模---统计优化类 模糊综合评价 层次分析 因子分析 主成分分析 聚类分析 数据包络分析 回归分析：样本点、协方差趋于0 规划类 多目标、单目标 整数规划 线性规划 非线性规划 动态规划 0-1规划 算法中的问题分析 规划类中：哪一类适合lingo哪一类适合matlab? 方程中：常微分、偏微分、差分区别？ 数理统计中：数值拟合数据，拟合几项最合适？方