- 在线时间
- 2759 小时
- 最后登录
- 2017-9-15
- 注册时间
- 2011-4-3
- 听众数
- 538
- 收听数
- 4
- 能力
- 80 分
- 体力
- 1764 点
- 威望
- 27 点
- 阅读权限
- 150
- 积分
- 5990
- 相册
- 0
- 日志
- 0
- 记录
- 5
- 帖子
- 6675
- 主题
- 3503
- 精华
- 8
- 分享
- 6
- 好友
- 1721
TA的每日心情 | 开心 2017-2-7 15:12 |
---|
签到天数: 691 天 [LV.9]以坛为家II
 群组: 2013年国赛赛前培训 群组: 2014年地区赛数学建模 群组: 数学中国第二期SAS培训 群组: 物联网工程师考试 群组: 2013年美赛优秀论文解 |
★数学建模按照不同的分类标准有许多种类:
8 X1 ~5 n. w! {2 |4 R# K9 b H) ~1.按照 模型的数学方法分,有几何模型、图论模型、微分方程模型、概率模型、最优控制模型、规划论模型、马氏链模型等。! _% o* q0 m* K+ }
2.按模型的特征分,有静态模型和动态模型,确定性模型和随机模型,离散模型和连续性模型,线性模型和非线性模型。( C' @+ A3 G: i8 B
3.按模型的应用领域分,有人口模型、交通模型、经济模型、生态模型、资源模型、环境模型等。+ x1 \+ }- g: H' ^& K
4.按建模的目的分,有预测模型、优化模型、决策模型、控制模型等。6 [* \- z) U& {
5按对模型结构的了解程度分,有白箱模型、灰箱模型、黑箱模型等。
. @+ {3 A: V1 d9 o9 `# A$ k1 {: g z! O
★数学建模的十大算法:+ o( r% [+ [. Q2 l
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,比较好用的算法)
+ l1 I3 I. T, b2 i. \- I: u
* @. l$ ~: k( L7 l t! g5 R2、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)* o+ S; _9 e; m( K. @6 M
2 i+ Q# U1 X. Q* d5 c3、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,很多时间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)
2 P' u* O. h# T2 ~! q, z7 g% g9 ?) A% C" q
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
4 R! @7 z9 _+ @7 x
* m9 s4 o9 m1 c5、动态规划、回溯搜索、分治算法、分支定界等计算机算法(这些算法是算啊设置中比较常用的方法,很多场合可以用到竞赛中)
1 z5 q7 O) i0 C$ |- ^ M: K; R- p9 I# ^! ^. d/ w
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(这些问题是用到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)
& T5 T6 `8 I- [4 O
" C0 T5 [! t2 c, C5 C7、网格算法和穷举法(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)
$ c$ E* j3 u7 N2 }( K |. g3 |0 D; `) }# R: q# @, o
8、一些连续离散化方法(很多问题都是从实际来的,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)2 R+ U4 s0 ?" q; K* W
7 g2 ]& C+ n2 a5 h
9、数值分许算法(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)
7 A' N/ F' V3 _2 K* F; J7 H6 z, x7 ?' k8 V* v3 T6 N, a
10、图像处理算法(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)" @' h" G- B" r' G+ @/ ]
' b+ Y. s4 Q9 h' T6 u7 A5 a
1 o' K6 s P# R. } X o# s! |1 N; Z- n
0 f+ h" E( f8 P& l8 l一.预测与预报
6 W+ T: k3 Z( G◆1.灰色预测模型(必掌握)
$ n+ Z. j$ K8 V0 e, K8 S [ 满足两个条件可用:
) ?6 E7 Y7 a1 g: T √1.数据样本点个数少,6-15个% S; o( ^7 t3 n) |' @* a8 t
√2.数据呈现指数或曲线的形式1 x. `/ G! v) m, K% d0 S$ ~- j
◆2.微分方程预测(高大上、备用)0 u8 W. P5 M& x; e, M1 R# h) I
无法直接找到原始数据之间的关系,但可以找到原始数据变化速度之间的关系,通过公式推导转化为原始数据的关系。5 ?4 p0 i, V* v3 H
) K% [9 f4 {% `/ z7 D
◆3.回归分析预测(必掌握)2 ^6 r' a6 s$ e) a& E9 \
求一个因变量与若干自变量之间的关系,若自变量变化后,求因变量如何变化:
0 B6 E# P5 W2 n9 P& F; q% N* A 样本点的个数有要求:
" ~4 D. P% L6 w4 N 1.自变量之间协方差比较少,最好趋近于0,自变量间的相关性小:0 u) O4 k1 Z. E4 y4 k4 Y: h
2.样本点的个数n〉3k+1,k为自变量的个数:# ?: r$ Y) M6 T# p& u9 k/ e
3因变量要符合正态分布
1 P4 K+ }, C2 W2 d9 h- i! g# x7 a7 T3 W+ E1 ^# Q
◆4.马尔科夫预测(备用)
& H4 \( y7 M7 C+ h( ^ 一个序列之间没有信息的传递,前后没联系,数据与数据之间随机性强,相互不影响:今天的温度与昨天、后台没有直接联系,预测后天温度高,中,底的概率,只能得到概率
3 S7 z4 _, v9 A0 f
! I' V/ B0 U" e7 u+ }; t: W◆5.时间序列预测(必掌握)
# `% O$ k# V0 l: n/ O. x 与马尔科夫链预测互补,至少有两个点需要信息的传递,ARMA模型,周期模型,季节模型等5 ~; A$ ?; T9 k. n4 k3 p# k
# i5 w: P9 G! s' e# r/ E◆6.小波分析预测(高大上)
+ P7 W' B7 `. o. _- S& L g 数据无规律,海量数据,将波进行分离,分离出周期数据、规律性数据:可以做时间序列做不出的数据,应用范围比较广
; i6 j2 `' {9 D0 j ]; y6 ]/ o! n7 S
7 b3 Q8 T: Q% U! g- P◆7.神经网络预测(备用)* y( E* C/ L6 z, A, c! f+ E) _) B; w3 E
大量的数据,不需要模型,只需要输入和输出,黑箱处理,建议作为检验的办法
. R+ R3 B! v& j C$ g
1 H0 {/ ]$ d% Q◆8.混沌序列预测(高大上) `3 a* C; g# [3 B Z
比较难掌握,数学功底要求高
/ _: ~& i, c2 y3 Y4 V7 E4 T/ C+ C% i! P+ D5 z5 m
+ x2 ?8 j; d6 w! ?) ]二、评价与决策
/ u6 m# T1 M; x/ c 1、模糊综合评价' l; g, k6 l$ a0 d/ ~! g. h
评价一个对象优,良,中,差,等层次评价,评价一个学校等,不能排序
( B: p! Y9 J0 m2 M# b) D0 z 2、主成分分析:评价多个对象的水平并排序,指标间关联性很强
8 Z7 S* u8 h8 {7 w7 g 3、层次分析法(AHP)作决策,去哪旅游,通过指标 ,综合考虑作决策+ S4 _! @- Z: Z* d- @2 {
4、 数据包括(DEA)分析法) L+ h; o A+ A) N* `, w
5、秩和比综合评价法:评价各个对象并排序,指标间关联性不强7 x7 x8 E f1 n1 k
6、优劣解距离法*(TOPSIS); f' H% z3 R. z }/ c
7、投影寻踪综合评价法:柔和多种算法 ,比如遗传算法、最优化理论等; q {! L- d! a( v! m q1 L
8、方差分析、协方差分析等:% Z; n# u% ?2 ]0 p3 }% Q: } D
方差分析:看几类数据之间有无差异,差异性影响,例如:元素麦子对产量有无影响,差异量的多少(1992年,作物生长的施肥效果问题)
1 R6 Y' p$ ~' v' y/ Q7 S3 E 协方差分析:有几个因素,我们只考虑一个因素对问题的影响,忽略其他因素,但注意初始数据的量钢及初始情况。(2006年,艾滋病疗法的评价及预测问题)0 b) Z8 D) T( K, C$ g
2 o! g- V* d& s
三,分类与判别
% W% O* G+ b/ |/ w1、距离聚类(系统聚类)常用
, @( _; |1 o! h2、关联姓聚类(常用)% A& h( \) _ R) V9 b
3、层次聚类
2 v% @: b( ]# }: f: Y- d9 _4、密度聚类7 H) e( q4 h; A2 P" |
5、其他聚类+ P% T4 o! [% Y! k8 U$ G
6、贝叶斯判别(统计判别方法)
% S C N7 R9 c9 p% Q% s9 i7、费舍尔判别(训练的样本比较多)4 T1 |- A- I7 I7 m( B: x
8、模糊识别(分好类的数据点比较少)# Z/ f" e# } c" R' p' P, _$ _3 A* ]! h
2 w! l9 X1 m: o% ^1 n
四、关联与因果8 B' y3 t/ x. E6 t9 F/ k0 `9 A' x% a; G
灰色关联分析方法(样本点的个数比较少)$ G4 Z/ V! j' c _
Sperman或kendall登记相关分析2 _) o/ B' R" J6 x- l# t& W Z5 l
Person相关(样本点的个数比较多)- p% |7 H6 d1 m5 j! w5 M& z
Copula相关(比较难,金融数学,概率密度)& Q% ^7 U7 `9 f
典型相关分析(因变量组Y1234,自变量X1234 各自变量组相关性比较强,问哪一个因变量与哪一个自变量关系比较紧密?)) w6 }/ ]+ U: ^0 _0 S+ o
7 ^$ C/ j+ n1 U6 z
标准化回归分析
+ p( {6 j( b; k; o6 M+ [ 若干自变量,一个因变量,问哪一个自变量与因变量关系比较紧密
! x( }' k- s; R3 {; V生存分析(事件史分析)难. b9 R4 `3 H( [3 I% ?! ^: J& @
数据里面有缺失的数据,哪些因素对因变量有影响
+ }: S$ s6 p K2 s格兰杰因果检验
) J# R8 `$ H0 z* i# J 计量经济学,去年的X对今年的Y有没影响
L. T$ e7 H. l6 U/ `) h; e$ ]$ i3 I( e- w
五、优化与控制- D4 W2 U' V, \& ~0 E0 L3 q7 L5 l% M$ i
线性规划、整数规划、0-1规划(有约束,确定的目标)
2 a' N+ O" E( p非线性规划与智能优化算法
. |5 J, O- [+ ]" O0 G# [% g( s多目标规划和目标规划
; |. ]- {* ?3 S0 w3 }动态规划
5 [& p# B" d5 y: X. X网络优化(多因素交错复杂)! g' y7 M7 B6 b- ~
排队论与计算机仿真% l# n) L; j# P! @& f, ~
模糊规划(范围约束)
1 K5 u4 w% C. D. l/ |' W u4 \灰色规划(难)- }" ?3 ?+ o# n5 Q+ Y
涉及到的数学建模方法:
: P/ X5 Y# A5 [6 d6 Q0 `$ N [几何理论、线性代数、微积分、组合概率、统计(回归)分析、优化方法(规划)图论与网络优化、综合评价、插值与拟合、差分计算、微分方程、排队论、模糊数学、随机决策、多目标决策、随机模拟、灰色系统理论、神经网络、时间序列机理分析等方法。$ B6 q& c2 T# M
0 U! c6 h; |; U$ J7 @/ H
方法统计3 S# Q. \! g" A' Y: ]: P
最多的是优化方法和概率统计的方法:
6 a2 V+ S1 S& \/ H g+ f0 ^" V优化方法供27个题,占总数的61.36% 其中整数规划6个,线性规划6个 非线性规划17个 多目标规划8个
/ f1 S. p$ G d* n1 c概率统计方法21个题,占47.7% ,几乎平均每年至少一个题目用到概率统计的方法:- ]: u, o0 @% T9 ~/ u4 B8 l n
插值与拟合方法有8个( E2 C1 O' M1 Z8 x3 K* P/ b
图论与网络优化方法有7个% R$ ]3 z4 i$ G/ e! P: A
综合评价方法至少有7个' ]% R+ ]9 ]" w( p2 ?
微分方程方法至少5个
6 ?, Q2 ]8 G# }2 r% [4 D6 p+ A神经网络方法有4个
5 I+ j' O7 ]3 q, K; {# y灰色系统理论有4个
0 V; n7 c3 F' G1 c w+ {+ H7 H时间序列方法至少3个3 I) s) H) R [" J6 R; Z' m- d
机理分析方法和随机模拟都多次用到
; s4 _7 ], z0 B" B$ @$ I$ z$ c3 K其他的方法都至少用到一次
G% [) H+ ]1 W大部分题目都可以用两种以上的方法,及综合性较强的题目有37个,占85%以上。
4 ]( e0 S4 {# }6 r& f5 g! i; _8 g8 ~, a
近几年竞赛题的特点
$ S6 @0 d; q! [. {0 d! D' R1综合性:一题多解,方法融合,结果多样,学科交叉。
& L) }9 }' ^9 ?: N% }9 h2开放性:题意的开放性,思路的开放性,方法的开放性,结果的开放性- l) t- n P8 X5 S$ n0 o1 |
3实用性:问题和数据来自于实际,解决方法切合与实际,模型和结果可以应用于实际。 N* i5 ?: q! q$ z0 I" u. J
4即时性:国内外的大事,社会的热点,生活的焦点,近期发生和即将发生被关注的问题! \5 t* z! r2 y- w% h, y0 T
5数据结构的复杂性:数据的真实性,数据的海量性,数据的不完备性,数据的冗余性
& ~. V+ n: i6 M( {5 v6 A/ t' y# |3 ]% E3 f( v" q
! c" l O) w/ O, V& J5 W
4 Z x! S/ n9 Y" A- \1 A# h
- h+ @# r; T' Q
8 p- N$ e5 s# H/ Z; r& `! v7 ^& J
7 A" A* ]3 M/ \% B% E$ L& M
5 e3 D% f3 @! E
& h; `- e0 T/ c! Q1 c8 G6 m/ }5 i) @" ~2 J" p# B5 c
- G( c% P' o' l9 |: Y
4 k4 G6 k/ x5 w8 w" V
! d7 g$ p5 o6 P0 ]: @9 J$ E" R3 F c+ O; c0 d5 f9 k$ R
. ^$ k% H5 Z9 @! q3 B/ [ |
zan
-
总评分: 体力 + 3
查看全部评分
|