数学建模应当掌握的十类算法及所需编程语言

杨利霞

+ \9 p9 G9 o8 }6 R! ~
- f5 M  z, m1 w4 G' F4 o# c5 }
[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：

" g0 z! A) p5 l& w) o4 O
( O( }9 C4 L8 L- Y$ {2 D9 g. W* }7 t- S　　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）。
　　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、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）。
　　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）。
" d7 n# s7 e, G4 c6 n/ s7 `/ C! O　　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）。
  n7 f3 M" ~! h+ k% f5 y, x　　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）。
　　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）。
　　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）。
" i% k0 z  U% N3 ]% H　　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）。
9 ^. Y1 ?2 q  y% C- A* s　　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）。

[color=rgba(0, 0, 0, 0.74902)]

[color=rgba(0, 0, 0, 0.74902)]

• 
  7 j  S* I$ x; g0 J5 g6 R

9 Y7 @# {* m8 G; e, }/ q+ R

- T! s* U$ e' U/ v7 y2 n+ i