数学建模方法分类 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。 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等。 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。 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。 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。 数学建模十大方法 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) 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) 3、法线性规划、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进化算法轻易解决) 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) 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) 6、最优化理论的非经典算法:粒子群算法、差分进化算法、模拟退火算法、遗传算法、神经网络(这些问题是用来解决一些较困难的最优化问题的算法,是常用的方法) 7、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) 8、一些连续离散方法(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。可以考虑将连续优化映射成离散优化) 9、数值分析算法(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,因为象数值分析中有很多函数一般的数学软件是具备的) 10、图像处理算法(一般用深度学习处理图像,可以调用python包来处理) 数学建模步骤 第一步:提出问题. 将题目进行假设转化成数学问题 第二步:选择方法 依据自身知识储备或者文献选择合适的方法 第三步:建立模型 对建立的问题进行变形,推导,转化为可以运行标准方法解答的形式 第四步:求解模型 数据和统计:Excel,SPSS,Stata等 编程:MATLAB,Python等 第五步:总结 整理论文,图表
|