#每日一数模#坚持60天，I can deserve it !
第一次看到这样的活动，感觉很兴奋，这样的活动既锻炼了自己的意志，也让每天的生活过的充实有意义。虽然不知道最后的结果如何，但我会尽力而为的！ 给自己一个承诺，给自己一个希望，给自己一个挑战！-First day
数学建模所需的基础知识：1. 高等数学+线性代数；2： 概率论与数理统计；3：若要把数据分析、从数据推动的角度建模的工作融会贯通，建议补充阅读计量经济学；4：脑海中储存足够的数学模型和数学建模算法与程序；5：熟练运用Matlab/SAS/Lingo数据分析与统计的软件；6：培养阅读论文，提炼核心思想的能力；7：当然，还要经常实战操练！
好了，既然已经有明确的方向了，就要朝着这个方向一步步的走下去！ :)
-Second day
对于任何一本教材，一份资料里介绍的一种数学模型的建立，或者一种算法，你都要问自己三个问题：
1. 这个模型叫什么名字？
2. 这个模型属于什么类型，能够解决具有哪类特征的问题？
3. 这个模型的具体操作步骤怎么实现？
下面举一个小例子：
我对优化模型的认识：
1. 模型名字：优化模型，也叫数学规划，包括线性规划、目标规划、整数规划、非线性规划、动态规划等等各自能够解决决策变量为整数或实数，目标函数为线性或者非线性的问题，是最常见的数模问题。
2. 这是优化类模型，能解决问题的特征是问题要求某些量达到最大或最小，比如销售量最大化，森林火灾造成的损失最小等等，而且我们可以人为地控制某些变量，比如员工的上班时间，原材料的投入量，消防队员救援的策略等等。只要是存在可控制的量和要达到最优的目标，这就是一个优化问题。
3. 比较标准的优化问题，就像教材上对它的分类一样，可以直接用lingo软件解决，而复杂的非标准而有很多细节的优化问题则需要手动操作和很多其他灵活的处理，或者还需要用动态规划的方法弄清楚问题发展过程后加以解决，总的来说，优化问题的建模分为这么几个步骤：
a. 找到可以控制的决策变量；找到待优化的优化目标；
b. 寻找决策变量对优化目标的影响，写出目标函数；
c. 对目标函数用求导等数学工具求出最值和对应的决策变量的取值；
d. 回到原问题予以解答。
学习了优化模型后，让我体会到学数模最关键的是要用心去做，用心去想，并及时去用软件实践，沉下心来，用心思考，不断积累知识，最终在数模的道路上越走越远！ :lol
-Third day
对于任何一本教材，一份资料里介绍的一种数学模型的建立，或者一种算法，你都要问自己三个问题：
1. 这个模型叫什么名字？
2. 这个模型属于什么类型，能够解决具有哪类特征的问题？
3. 这个模型的具体操作步骤怎么实现？
下面用优化模型来举例：
1. 模型名字：优化模型，也叫数学规划，包括线性规划、目标规划、整数规划、非线性规划、动态规划等等各自能够解决决策变量为整数或实数，目标函数为线性或者非线性的问题，是最常见的数模问题。
2. 这是优化类模型，能解决问题的特征是问题要求某些量达到最大或最小，比如销售量最大化，森林火灾造成的损失最小等等，而且我们可以人为地控制某些变量，比如员工的上班时间，原材料的投入量，消防队员救援的策略等等。只要是存在可控制的量和要达到最优的目标，这就是一个优化问题。
3. 比较标准的优化问题，就像教材上对它的分类一样，可以直接用lingo软件解决，而复杂的非标准而有很多细节的优化问题则需要手动操作和很多其他灵活的处理，或者还需要用动态规划的方法弄清楚问题发展过程后加以解决，总的来说，优化问题的建模分为这么几个步骤：
a. 找到可以控制的决策变量；找到待优化的优化目标；
b. 寻找决策变量对优化目标的影响，写出目标函数；
c. 对目标函数用求导等数学工具求出最值和对应的决策变量的取值；
d. 回到原问题予以解答。
这次学习让我体会到学习数模最关键的是要用心去做，用心去想，不断积累知识。坚持，会让我在数模的道路上越走越远！
-Third day
大家 加油
对于任何一本教材，一份资料里介绍的一种数学模型的建立，或者一种算法，你都要问自己三个问题：
1. 这个模型叫什么名字？
2. 这个模型属于什么类型，能够解决具有哪类特征的问题？
3. 这个模型的具体操作步骤怎么实现？
下面用优化模型来举例说明：
1. 模型名字：优化模型，也叫数学规划，包括线性规划、目标规划、整数规划、非线性规划、动态规划等等各自能够解决决策变量为整数或实数，目标函数为线性或者非线性的问题，是最常见的数模问题。
2. 这是优化类模型，能解决问题的特征是问题要求某些量达到最大或最小，比如销售量最大化，森林火灾造成的损失最小等等，而且我们可以人为地控制某些变量，比如员工的上班时间，原材料的投入量，消防队员救援的策略等等。只要是存在可控制的量和要达到最优的目标，这就是一个优化问题。
3. 比较标准的优化问题，就像教材上对它的分类一样，可以直接用lingo软件解决，而复杂的非标准而有很多细节的优化问题则需要手动操作和很多其他灵活的处理，或者还需要用动态规划的方法弄清楚问题发展过程后加以解决，总的来说，优化问题的建模分为这么几个步骤：
a. 找到可以控制的决策变量；找到待优化的优化目标；
b. 寻找决策变量对优化目标的影响，写出目标函数；
c. 对目标函数用求导等数学工具求出最值和对应的决策变量的取值；
d. 回到原问题予以解答。
通过这次学习，使我体会到学数模最关键的是要用心去做，用心去想，不断的积累知识，才能在数学建模的道路上越走越远！
-Third day
对于任何一本教材，一份资料里介绍的一种数学模型的建立，或者一种算法，你都要问自己三个问题：
1. 这个模型叫什么名字？
2. 这个模型属于什么类型，能够解决具有哪类特征的问题？
3. 这个模型的具体操作步骤怎么实现？
下面用优化模型来举例：
1. 模型名字：优化模型，也叫数学规划，包括线性规划、目标规划、整数规划、非线性规划、动态规划等等各自能够解决决策变量为整数或实数，目标函数为线性或者非线性的问题，是最常见的数模问题。
2. 这是优化类模型，能解决问题的特征是问题要求某些量达到最大或最小，比如销售量最大化，森林火灾造成的损失最小等等，而且我们可以人为地控制某些变量，比如员工的上班时间，原材料的投入量，消防队员救援的策略等等。只要是存在可控制的量和要达到最优的目标，这就是一个优化问题。
3. 比较标准的优化问题，就像教材上对它的分类一样，可以直接用lingo软件解决，而复杂的非标准而有很多细节的优化问题则需要手动操作和很多其他灵活的处理，或者还需要用动态规划的方法弄清楚问题发展过程后加以解决，总的来说，优化问题的建模分为这么几个步骤：
a. 找到可以控制的决策变量；找到待优化的优化目标；
b. 寻找决策变量对优化目标的影响，写出目标函数；
c. 对目标函数用求导等数学工具求出最值和对应的决策变量的取值；
d. 回到原问题予以解答。
通过本次学习，让我体会到学数模最关键的是要用心去做，用心去想，并及时积累所学知识，才能让我在数学建模的道路上越走越远。
-Third day
对于任何一本教材，一份资料里介绍的一种数学模型的建立，或者一种算法，你都要问自己三个问题：
1. 这个模型叫什么名字？
2. 这个模型属于什么类型，能够解决具有哪类特征的问题？
3. 这个模型的具体操作步骤怎么实现？
-Third day
数学模型分类：
1. 优化类问题：我们常常需要对某些行为进行决策，这些是我们可以控制的因素，这些因素一般来说会定量化地影响我们的某些目标值，比如投入决定产出，价格决定销量等等。这时，如何确定我们的决策变量，进而使得我们的目标值达到最优就是我们利用数学模型来解决的问题。这里，有一些是标准化过了的数学规划问题，而实际问题往往会更加复杂，这时候，就需要我们凭借经验将这些问题化简，进而达到我们能够处理的地步，这中间往往没有统一的处理办法，具体问题具体分析，而这个也体现了一个数模人的实力；
2. 评价类问题：每个行业都有它的评价标准和准则，那么这些标准应该有其自身的形成机制，数学模型就是形成这一机制的方法。如何根据成分指标评价一瓶葡萄酒？如何根据员工表现评价年终奖评定？如何评价一名NBA球员在球场上的效率？这些问题都需要设计评价算法来对这些对象进行评价。数学模型的评价方法的一个优势在于，它能够最大程度上客观地反映被评价对象的优劣程度以及符合评价指标的多少，能够体现公平的原则；
3. 预测类问题： 未来的情况往往可以根据当前的一些量予以推测和判断，这些当前的量再加上失去发展的机制，就能够推算出未来可能的情况。预测的方法有很多，大多是前人总结的经典模型，可以拿来直接套用，而自己推断事物发展的机制进行算法设计然后预测有时候能够更加真实地反映未来的可能趋势，当然，有的模型根据事物发展的机理，有的直接通过数据分析的手段，这些都是可行的，关键看你有没有定量地把握事物的本质。
所以平时我们可以结合着对解决问题类型的分类慢慢学习，多多思考，使自己解决问题的能力得到真正的提高。 :)
-fourth day
数学模型分类
1. 优化类问题：我们常常需要对某些行为进行决策，这些是我们可以控制的因素，这些因素一般来说会定量化地影响我们的某些目标值，比如投入决定产出，价格决定销量等等。这时，如何确定我们的决策变量，进而使得我们的目标值达到最优就是我们利用数学模型来解决的问题。这里，有一些是标准化过了的数学规划问题，而实际问题往往会更加复杂，这时候，就需要我们凭借经验将这些问题化简，进而达到我们能够处理的地步，这中间往往没有统一的处理办法，具体问题具体分析，而这个也体现了一个数模人的实力；
2. 评价类问题：每个行业都有它的评价标准和准则，那么这些标准应该有其自身的形成机制，数学模型就是形成这一机制的方法。如何根据成分指标评价一瓶葡萄酒？如何根据员工表现评价年终奖评定？如何评价一名NBA球员在球场上的效率？这些问题都需要设计评价算法来对这些对象进行评价。数学模型的评价方法的一个优势在于，它能够最大程度上客观地反映被评价对象的优劣程度以及符合评价指标的多少，能够体现公平的原则；
3. 预测类问题： 未来的情况往往可以根据当前的一些量予以推测和判断，这些当前的量再加上失去发展的机制，就能够推算出未来可能的情况。预测的方法有很多，大多是前人总结的经典模型，可以拿来直接套用，而自己推断事物发展的机制进行算法设计然后预测有时候能够更加真实地反映未来的可能趋势，当然，有的模型根据事物发展的机理，有的直接通过数据分析的手段，这些都是可行的，关键看你有没有定量地把握事物的本质。
我们可以结合着对解决问题类型的分类慢慢学习，多多思考，使自己解决问题的能力得到真正的提高。
-Fourth day