数学建模社区-数学中国
标题:
十大算法介绍
[打印本页]
作者:
温柔的小猪猪
时间:
2014-1-24 15:42
标题:
十大算法介绍
一、蒙特卡罗算法
; {' r C( @: M& r* h
1946年，美国拉斯阿莫斯国家实验室的三位科学家John von Neumann,Stan Ulam 和 Nick Metropolis
1 C9 s" S1 j. v% S; P; q/ t/ V
共同发明了，蒙特卡罗方法。
& i4 r. }5 h% S
此算法被评为20世纪最伟大的十大算法之一 。
1 m+ A2 z4 \5 n; W- q
蒙特卡罗方法（Monte Carlo method），又称随机抽样或统计模拟方法，是一种以概率统计理论为指导的一类非常重要的数值计算方法。此方法使用随机数（或更常见的伪随机数）来解决很多计算问题的方法。由于传统的经验方法由于不能逼近真实的物理过程，很难得到满意的结果，而蒙特卡罗方法由于能够真实地模拟实际物理过程，故解决问题与实际非常符合，可以得到很圆满的结果。
0 E I. `- w9 d% h- a' ^& R9 [
蒙特卡罗方法的基本原理及思想如下：
5 _' v5 x1 Z" n* ]5 X
当所求解问题是某种随机事件出现的概率，或者是某个随机变量的期望值时，通过某种“实验”的方法，以这种事件出现的频率估计这一随机事件的概率，或者得到这个随机变量的某些数字特征，并将其作为问题的解。
; L% u; j% m: i- E( D3 a" K" G2 `
有一个例子可以使你比较直观地了解蒙特卡洛方法：
& n, L, |. e; q- L
假设我们要计算一个不规则图形的面积，那么图形的不规则程度和分析性计算（比如，积分）的复杂程度是成正比的。蒙特卡洛方法是怎么计算的呢？假想你有一袋豆子，把豆子均匀地朝这个图形上撒，然后数这个图形之中有多少颗豆子，这个豆子的数目就是图形的面积。当你的豆子越小，撒的越多的时候，结果就越精确。
; f! u* X1 W4 m) E9 }" ~
在这里我们要假定豆子都在一个平面上，相互之间没有重叠。
! X& i9 v# W( I8 B) N5 Y
+ p ?+ n3 K% \0 g9 t! `* Q
蒙特卡罗方法通过抓住事物运动的几何数量和几何特征，利用数学方法来加以模拟，即进行一种数字模拟实验。它是以一个概率模型为基础，按照这个模型所描绘的过程，通过模拟实验的结果，作为问题的近似解。
G3 I% p" h3 R' E
8 L2 h$ k% o/ G. w
蒙特卡罗方法与一般计算方法有很大区别，一般计算方法对于解决多维或因素复杂的问题非常困难，而蒙特卡罗方法对于解决这方面的问题却比较简单。其特点如下：
' P4 h9 y4 K4 A9 U3 ]( k
I、 直接追踪粒子，物理思路清晰，易于理解。
" y4 Y: N( S; J% ?/ {* K0 y0 m9 a
II、 采用随机抽样的方法，较真切的模拟粒子输运的过程，反映了统计涨落的规律。
9 M* S) ^* \+ I) T5 C
III、不受系统多维、多因素等复杂性的限制，是解决复杂系统粒子输运问题的好方法。等等。
" {- A, a( I! I- p; t$ N
二、数据拟合、参数估计、插值等数据处理算法
' t6 @, X* s+ M
我们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。数据拟合在数学建模比赛中中有应用，与图形处理有关的问题很多与拟合有关系，一个例子就是98年数学建模美国赛A题，生物组织切片的三维插值处理，94年A题逢山开路，山体海拔高度的插值计算，还有
4 D% ^( s- Q- q: \
吵的沸沸扬扬可能会考的“非典”问题也要用到数据拟合算法，观察数据的走向进行处理。此类问题在 MATLAB 中有很多现成的函数可以调用，熟悉MATLAB，这些方法都能游刃有余的用好。
. Z& D) R1 o _1 j5 q4 |
三、线性规划、整数规划、多元规划、二次规划等规划类问题
! O9 z4 R5 s1 t% L* Y( ?
数学建模竞赛中很多问题都和数学规划有关，可以说不少的模型都可以归结为一组不等式作为约束条件、几个函数表达式作为目标函数的问题，遇到这类问题，求解就是关键了，比如98年B题，用很多不等式完全可以把问题刻画清楚，因此列举出规划后用 Lindo 、 Lingo 等软件来进行解决比较方便，所以还需要熟悉这两个软件。
; O1 o" B5 A2 t4 r
四、图论算法
X( z- M! W R; Y. y
这类问题算法有很多，
V& P4 v/ I$ G5 a' t
包括： Dijkstra 、 Floyd 、 Prim 、 Bellman-Ford ，最大流，二分匹配等问题。
]$ a' e; X& t$ C
关于此类图论算法，可参考Introduction to Algorithms--算法导论，关于图算法的第22章-第26章。同时，本BLOG内经典算法研究系列，对Dijkstra算法有所简单描述，
2 v% M1 F; {( d. u8 I# P1 v
经典算法研究系列：二、Dijkstra 算法初探。
2 _+ m% t6 q: t2 \2 `1 _% P
五、动态规划、回溯搜索、分治算法、分支定界等计算机算法
( I+ D' X/ y! G. z8 n) }# A. n% y
在数学建模竞赛中，如:92 年B题用分枝定界法， 97年B题是典型的动态规划问题，此外 98 年 B 题体现了分治算法。
0 M% C. A. ^- ?
这方面问题和 ACM 程序设计竞赛中的问题类似，
% v( L2 W$ t) r% c `
推荐看一下算法导论，与《计算机算法设计与分析》（电子工业出版社）等与计算机算法有关的书。
% J0 [4 s. ?7 z
六、最优化理论的三大经典算法：模拟退火法、神经网络、遗传算法
8 w2 k3 I# w$ x1 Z6 k
这十几年来最优化理论有了飞速发展，模拟退火法、神经网络、遗传算法这三类算法发展很快。
9 k+ H! F; F1 v! w# P" @3 q* P
在数学建模竞赛中：比如97年A题的模拟退火算法,00年B题的神经网络分类算法，01年B题这种难题也可以使用神经网络，还有美国竞赛89年A题也和 BP 算法有关系，当时是86年刚提出BP算法，89年就考了，说明赛题可能是当今前沿科技的抽象体现。
) m; k& f4 e7 k; E% j/ @3 }
03 年 B 题伽马刀问题也是目前研究的课题，目前算法最佳的是遗传算法。
& [% T8 z1 T4 ]9 o4 }
另，本人对人工智能非常感兴趣，遗传算法已在本BLOG内有所阐述，
, e6 C/ i; n1 j6 Y6 B, I
七、网格算法和穷举法
\3 |2 i/ f7 V' X; a- |5 a
网格算法和穷举法一样，只是网格法是连续问题的穷举。比如要求在 N 个变量情况下的最优化问题，那么对这些变量可取的空间进行采点，比如在 [ a; b ] 区间内取 M +1 个点，
' |/ e4 X/ e( u) [! h
就是 a; a +( b ? a ) =M; a +2 ￠ ( b ? a ) =M ; …；b
9 q; v) `/ g* g# G) x' |4 ^
那么这样循环就需要进行 ( M + 1) N 次运算，所以计算量很大。
( P. ^5 d4 [$ |- S; ~ ^5 I
在数学建模竞赛中：比如 97 年 A 题、 99 年 B 题都可以用网格法搜索，这种方法最好在运算速度较快的计算机中进行，还有要用高级语言来做，最好不要用 MATLAB 做网格，否则会算很久。
# ]$ R/ \ [! B/ x: c# n. r7 g- \/ Z
穷举法大家都熟悉，自不用多说了。
# _& q" v6 V- x
八、一些连续离散化方法
+ D6 }6 P) E" \
大部分物理问题的编程解决，都和这种方法有一定的联系。物理问题是反映我们生活在一个连续的世界中，计算机只能处理离散的量，所以需要对连续量进行离散处理。这种方法应用很广，而且和上面的很多算法有关。事实上，网格算法、蒙特卡罗算法、模拟退火都用了这个思想。
3 \% g3 A6 B7 u9 j1 ]5 |! q+ S
九、数值分析算法
7 I& r3 E' x+ ~: g
数值分析（numerical analysis），是数学的一个分支，主要研究连续数学（区别于离散数学）问题的算法。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。这类算法是针对高级语言而专门设的，如果你用的是 MATLAB 、 Mathematica ，大可不必准备，因为像数值分析中有很多函数一般的数学软件是具备的。
2 c. I9 S5 g4 S. N0 i8 L: x W
十、图象处理算法
( v; h/ G8 I* d+ k1 e" h8 i6 {" F
在数学建模竞赛中：比如01 年 A 题中需要你会读 BMP 图象、美国赛 98 年 A 题需要你知道三维插值计算， 03 年 B 题要求更高，不但需要编程计算还要进行处理，而数模论文中也有很多图片需要展示，因此图象处理就是关键。做好这类问题，重要的是把MATLAB 学好，特别是图象处理的部分。
作者:
温柔的小猪猪
时间:
2014-1-25 12:47
自己的沙发
欢迎光临 数学建模社区-数学中国 (http://www.madio.net/)
Powered by Discuz! X2.5