1 V0 Y; X6 N9 S1 [2 @
, p4 G& u1 ~/ w; H7 L% k, x( w9 x3 N
[color=rgba(0, 0, 0, 0.74902)]数学建模应当掌握的十类算法及所需编程语言: 1 E# D* a8 }5 a; g+ X2 ?4 L
7 j' s8 S" ^! G) | 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)。
0 q8 u! i; d2 `6 F* A 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)。$ b7 [1 \! H! J
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)。
@( `; r k" U$ v4 I 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)。) N# q' s9 f1 Z4 d, G- J
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)。
: M6 g9 ^5 K% t: ^) Q 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)。
6 k; B% {8 b X, q 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)。
2 M' x3 J2 U7 ^7 O 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)。3 l3 y' T( a9 r% U& k' c
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)。
3 s: G' \9 f% }- X6 c+ T+ L 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)。
# m! F( l) ~! R; m- k[color=rgba(0, 0, 0, 0.74902)]
# T6 s+ a: m# O0 N
* U) P2 C Q6 z[color=rgba(0, 0, 0, 0.74902)]- ! V- |) v) B/ f& G5 Y, C! i
/ c% W# K9 b# G3 w
N0 Q! @1 r& H& r7 N2 k% p$ D1 f% l
8 ^ `/ f6 H0 J, j( V* r8 Q
, Z" N. ]$ V/ U& ^' G! w' h |