数学建模基本步骤.docxVIP

数学建模的基本步骤 数学建模的基本步 一、数学建模 目 以社会， ，管理， 境，自然 象等 代科学中出 的新 背景，一般都有一个比 确切的 。 出若干假 条件 : 只有 程、 等定性假 ; 出若干 或 数据 ; 出若干参数或 形等。 根据 要求 出 的 化解决方案或 果等。根据 要求 目一般 可分 化 、 或者二者 合的 化 ， 化 一般需要 行 化求解找出最 或近似最 方案， 一般具有大量的数据需要 理， 找一个好的 理方法非常重要。 二、建模思路方法 1、机理分析根据 的要求、限制条件、 假 建立 划模型， 找合适 的 算法 行求解或利用比例分析、代数方法、微分方程等分析方法从基本物理 律以及 出的 料数据来推 出 量之 函数关系。 、数据分析法 大量的 数据 行 分析， 求 律建立数学模型， 2 采用的分析方法一般有 : 1). 回 分析法 ( 数理 方法 )- 用于 函数 f(x) 的一 )i=1,2, ?,n ，确定函数的表达式。 (xi,fi 2). 序分析法 -- 理的是 的 序列相关数据，又称 程 方法。 、多元 分析 ( 聚 分析、判 分析、因子分析、主成分分析、生存数据分析)。 3、计算机仿真 ( 又称统计估计方法 ): 根据实际问题的要求由计算机产生随机变 量对动态行为进行比较逼真的模仿，观察在某种规则限制下的仿真结果 ( 如蒙特卡 罗模拟)。 三、模型求解 : 模型建好了，模型的求解也是一个重要的方面，一个好的求解算法与一个合 适的求解软件的选择至关重要，常用求解软件有 matlab ，mathematica ， lingo ，lindo ， spss，sas 等数学软件以及 c/c++ 等编程工具。 Lingo 、lindo 一般用于优化问题的求解， spss ，sas 一般用于统计问题的求 解， matlab ，mathematica 功能较为综合，分别擅长数值运算与符号运算。 常用算法有 : 数据拟合、参数估计、插值等数据处理算法 , 通常使用 spss、 sas、 Matlab 作为工具 . 线性规划、整数规划、多元规划、二次规划、动态规划等通常使用 Lindo 、 Lingo,Matlab 软件。 图论算法 , 、回溯搜索、分治算法、分支定界等计算机算法 , 模拟退火法、神 经网络、遗传算法。 四、自学能力和查找资料文献的能力 : 建模过程中资料的查找也具有相当重要的作用，在现行方案不令人满意或难以 进展时，一个合适的资料往往会令人豁然开朗。常用文献资料查找中文网 站 :CNKI、VIP、万方。五、论文结构 : 0、摘要 、问题的重述，背景分析 1 2、问题的分析 3、模型的假设，符号说明 4、模型的建立 ( 局部问题分析，公式推导，基本模型， 最终模型等 ) 、模型的求解 5 6、模型检验 : 模型的结果分析与检验，误差分析 7、模型评价 : 优缺点，模型的推广与改进 8、参考文献 9、附录 六、需要重视的问题 数学建模的所有工作最终都要通过论文来体现，因此论文的写法至关重要 : 1、摘要 : 这是评阅者首先将会看到的部分，摘要的好坏对一篇论文能否获奖起 到非常重要的作用。 2、一个模型的好坏往往取决于所采用的方法是否合适，采用了一种方法就要 明确说明它的合理性，决不能拿到一个问题随便找个方法便往上套。如数据分析预 测问题 : 数据的特点决定了所能采用的方法，对小样本数据的预测往往采用灰色预 测、支持矢量机等，而数据量较大的预测则多用神经网络、时间序列等，优化问题 的数据优化求解方法更是多种多样，不同的方法适合于不同类型的问题，选择一个 合适的方法往往事半功倍。 3、最终数值结果的正确性或合理性是第一位的，结果的表示方法也是不容忽 视的，直观清晰的表示更容易为人们所注意、所理解。精心设计表格或采用直观的 图形无疑是两种较好的结果表示方法。 4、对论文结果进行合理地分析与误差检验也必不可少，在模型的推广与改进 中大胆的提出创新性的想法也会引人注意。 5、论文的排版 : 一个好的版式会让一篇好的论文更增光彩，一篇论文应该包括 两个层次的含义 : 内容与表现，前者是指文章作者用来表达自己思想的文字、图 片、表格、公式及整个文章的章节段落结构等，而后者则是指论文页面大小、边 距、各种字体等。排版软件 :Microsoft Word 、ScienceWord、 Latex( 国赛中不常 用 ) 。