数学建模常用方法.pdfVIP

数学建模常用方法 建模常用算法,仅供参考 ： 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） 一、在数学建模中常用的方法 ： 1.类比法 2.二分法 3.量纲分析法 4.差分法 5.变分法 6.图论法 7.层次分析法 8.数据拟合法 9.回归分析法 10.数学规划（线性规划、非线性规划、整数规划、动态规划、目标规划） 11.机理分析 12.排队方法 13.对策方法 14.决策方法 15.模糊评判方法、 16.时间序列方法 17.灰色理论方法 18.现代优化算法 （禁忌搜索算法、模拟退火算法、遗传算法、神经网络) 二、用这些方法可以解下列一些模型 ：优化模型、微分方程模型、统计模型、概率模型、图 论模型、决策模型。 1.拟合与插值方法（给出一批数据点 ，确定满足特定要求的曲线或者曲面 ，从而反映对象整 体的变化趋势）：matlab可以实现一元函数 ，包括多项式和非线性函数的拟合以及多元函数 的拟合 ，即回归分析 ，从而确定函数 ；同时也可以用matlab实现分段线性、多项式、样条 以及多维插值。 2.在优化方法中，决策变量、目标函数（尽量简单、光滑）、约束条件、求解方法是四个关 键因素。其中包括无约束规则 （用fminserch、fminbnd实现）线性规则 （用linprog实现）非 线性规则、（用fmincon实现）多目标规划（有目标加权、效用函数）动态规划（倒向和正 向）整数规划。 3.回归分析 ：对具有相关关系的现象 ，根据其关系形态 ，选择一个合适的数学模型 ，用来近 似地表示变量间的平均变化关系的一种统计方法 （一元线性回归、多元线性回归、非线性 回归），回归分析在一组数据的基础上研究这样几个问题 ：建立因变量与自变量之间的回归 模型 （经验公式）；对回归模型的可信度进行检验 ；判断每个自变量对因变量的影响是否显 著 ；判断回归模型是否适合这组数据 ；利用回归模型对进行预报或控制。相对应的有 线性 回归、多元二项式回归、非线性回归。 4.逐步回归分析 ：从一个自变量开始 ，视自变量作用的显著程度 ，从大到地依次逐个引入回 归方程 ：当引入的自变量由于后面变量的引入而变得不显著时 ，要将其剔除掉 ；引入一个自 变量或从回归方程中剔除一个自变量 ，为逐步回归的一步 ；对于每一步都要进行值检验 ，以 确保每次引入新的显著性变量前回归方程中只包含对作用显著的变量 ；这 个过程反复进行 ， 直至既无不显著的变量从回归方程中剔除 ，又无显著变量可引入回归方程时为止 （主要用 SAS来实现 ，也可以用matlab软件来实现）。 5.聚类分析 ：所研究的样本或者变量之间存在程度不同的相似性 ，要求设