QQ登录

只需要一步,快速开始

 注册地址  找回密码
查看: 5666|回复: 5
打印 上一主题 下一主题

数学建模基础学习-常见模型整理及分类(点开即可观看)

[复制链接]
字体大小: 正常 放大

906

主题

65

听众

17万

积分

  • TA的每日心情
    开心
    2023-3-15 17:49
  • 签到天数: 224 天

    [LV.7]常住居民III

    社区QQ达人 邮箱绑定达人 元老勋章 发帖功臣 新人进步奖 优秀斑竹奖 金点子奖 原创写作奖 最具活力勋章 助人为乐奖 风雨历程奖

    跳转到指定楼层
    1#
    发表于 2021-10-22 17:53 |只看该作者 |正序浏览
    |招呼Ta 关注Ta
    数学模型的分类
    5 l  z6 `  H# W4 Y1. 按模型的数学方法分:: l( z$ ~% N; S; d( W* B
    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& a* W6 k4 o0 `
    型、马氏链模型等。( ]: c% J5 Y8 t. T" o' ^3 S5 g: g
    2. 按模型的特征分:
    ( F1 `9 x! C3 ^! m( L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
      l- Y4 p: @7 q2 e* v5 L性模型和非线性模型等。6 R3 G' T6 f) C1 k' r
    3. 按模型的应用领域分:
    ' m: ]7 [3 Y; j' n& |8 [) O; p* V! f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。8 P1 E# |2 e$ H% M& U  m3 r
    4. 按建模的目的分: :
    ) c# j( M. j* M# P2 f预测模型、优化模型、决策模型、控制模型等。
    6 j3 f& \- g) a/ y% E2 H- a一般研究数学建模论文的时候,是按照建模的目的去分类的,并且是算法往5 J- @$ X, l2 ?# M7 T* e  W
    往也和建模的目的对应1 R1 E. v( `% S4 ?4 d% F: r, n
    5. 按对模型结构的了解程度分: :0 g/ E3 r$ d. v  A' F
    有白箱模型、灰箱模型、黑箱模型等。
    4 U* u1 Y3 n4 U7 p4 P; K比赛尽量避免使用,黑箱模型、灰箱模型,以及一些主观性模型。
    : |. u8 w7 q5 {6 y6. 按比赛命题方向分:
    4 O* F6 X9 S* K, u国赛一般是离散模型和连续模型各一个,2016 美赛六个题目(离散、连续、0 Q4 z- k7 s5 d6 e
    运筹学/复杂网络、大数据、环境科学、政策)
      d& b9 G; q/ j3 r3 f数学建模十大算法! f2 g: q: |5 F9 U: i7 g3 x3 _
    1 、蒙特卡罗算法
    " W; T. G& u% E4 ^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
    8 C- ]+ _. M) F% A4 E, R; y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
    4 C( @/ k- _- T5 |& i5 H5 Z2 、数据拟合、参数估计、插值等数据处理算法
    - q' \: X0 {+ U- O& ?# y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,, u4 n3 T+ R8 \- g+ |. \
    通常使用 Matlab 作为工具  b+ z' u" ]6 D) N
    3 、线性规划、整数规划、多元规划、二次规划等规划类问题
    , [& P& }' Q. Y, w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$ r; j- K2 P; B& o' U/ T% g" `
    法来描述,通常使用 Lindo、Lingo 软件实现
    4 _0 l8 P4 `2 X  |! j4 、图论算法: r; C& d) r$ P$ ]
    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
    ' q) Y5 j/ n, Z2 F' u论的问题可以用这些方法解决,需要认真准备, d5 X; \3 L2 e) `; @- @" u
    5 、动态规划、回溯搜索、分治算法、分支定界等计算机算法
    & k2 V/ V5 ]. K* ^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
    ' v: p4 H0 }6 W: c6 u6 、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
    $ k/ w( j1 n! g2 v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) X) E- ?) s* l+ u0 d! i
    帮助,但是算法的实现比较困难,需慎重使用; I+ e" |5 P, ]6 F3 i: ^
    7 、网格算法和穷举法
    # x- ]" w* O' [$ m; c# ^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
    8 K7 V8 u) R. e& e$ Y9 W6 R( Z一些高级语言作为编程工具- U' u; W4 i  |# M
    8 、一些连续离散化方法, k1 l! U1 A, V6 x- @1 `! z  j
    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
    - g* \& ^& b5 Y' U6 Q) H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 b5 C6 r' s# l5 U- `3 y0 t5 R* P
    9 、数值分析算法; t5 H4 d- J1 P* C# J% P
    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
    % V) z1 U; ]4 |# c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8 Y. [) G: B, [$ j1 V
    10 、图象处理算法# `8 h5 W* d  ]6 {7 m- V, `" }
    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
    6 T# N( i4 [0 y- j* Z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
    5 [9 s# o' n. I% T- s5 t, s& a3 G0 w行处理& S& ^, z0 |: k6 ^$ m2 Y
    算法简介
    , E+ I# D3 b, C1 、灰色预测模型 ( 一般) )4 r; C0 [, C4 o; K9 E/ T1 c
    解决预测类型题目。由于属于灰箱模型,一般比赛期间不优先使用。满足两
    / ^6 n8 J0 @2 p8 Z( ~7 e; g个条件可用:9 \+ W/ z4 c/ v! r7 ^
    ①数据样本点个数 6 个以上3 h. L& l2 t# y5 Q" G
    ②数据呈现指数或曲线的形式,数据波动不大
    . O9 r6 w# a1 E: o, ?2 、微分方程 模型 ( 一般) )
    . r$ x9 P- Q3 ]6 f) p2 ^7 E微分方程模型是方程类模型中最常见的一种算法。近几年比赛都有体现,但
    5 s3 ]( y/ }, x7 B1 n其中的要求,不言而喻,学习过程中无法直接找到原始数据之间的关系,但可以) X9 L2 E; v! L( @1 C% G
    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。
    3 T4 G: c+ Z8 d2 i1 f0 O. N3 、回归分析预测 ( 一般) )
    , T0 d* K; l0 d- O' u( u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
    0 L" z9 C' M- V% M- z3 x化; 样本点的个数有要求:
    ) M% z# L. K) \+ I8 ^①自变量之间协方差比较小,最好趋近于 0,自变量间的相关性小;
    2 s1 m8 @7 O, r% V: W②样本点的个数 n>3k+1,k 为预测个数;. v" V6 O, K& W' t
    4、 、 马尔科夫预测 ( 较好) )
    % r: v! H3 r* j6 A0 X1 B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
    # K5 N1 ]7 `. k6 y- G互不影响;今天的温度与昨天、后天没有直接联系,预测后天温度高、中、低的
    ( @: R$ n1 h5 d6 f. S2 Z概率,只能得到概率,其算法本身也主要针对的是概率预测。$ O) O3 {$ m; W
    5、 、 时间序列预测
    ; x  C' ?' s% J1 H预测的是数据总体的变化趋势,有一、二、三次指数平滑法(简单),ARMA
    ' h; a5 v5 ?% z3 V5 g% V% A& ](较好)。
    2 X" f) X, A( {' j0 Z6、 、 小波分析预测(高大上)
    & E7 _$ G  q3 r4 a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;其
    % U& X5 @( Z3 q, L& o' \$ P! N' t预测主要依靠小波基函数,不同的数据需要不同的小波基函数。网上有个通用的
    + Q# E& S9 k, U0 F: @/ Y9 E预测波动数据的函数。
    ' R) ?- V/ p! d( ]6 W7、 、 神经网络 ( 较好) )) j' J3 w+ K" u0 W/ {
    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1 M* {4 i$ K% K! @
    办法,不过可以和其他方法进行组合或改进,可以拿来做评价和分类。
    4 [! ]: Y; w2 `& c6 O( B9 i8、 、 混沌序列预测(高大上)) d* ?; S; C, }
    适用于大数据预测,其难点在于时延和维数的计算。) |0 E3 T) b8 C
    9、 、 插值与拟合 ( 一般) )
    ! ~$ c- F! R% g5 Z2 ~6 _7 U3 O' v" _拟合以及插值还有逼近是数值分析的三大基础工具,通俗意义上它们的区别# t% W# `1 @# n' b" N
    在于:拟合是已知点列,从整体上靠近它们;插值是已知点列并且完全经过点列;
    1 Q2 j" {- Q( E) N  c: s逼近是已知曲线,或者点列,通过逼近使得构造的函数无限靠近它们。
    . L' [# O) Z' L5 [10、 、 模糊综合评判 ( 简单 ) 不建议 单独 使用* f) J$ s: v. l' B
    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* X# s, M- i& X' q* j
    11、 、 层次分析法(AHP) ) ( 简单 ) 不建议 单独 使用! Z# A/ {5 a3 k- v) o1 v$ ~
    作决策,去哪旅游,通过指标,综合考虑作决策
    ( |. u' B( `6 ]& b# o& @1 {12、 、 数据包络(DEA )分析法 ( 较好) )
    $ q/ p) ?$ l! h0 O, U1 ^* {优化问题,对各省发展状况进行评判: n$ a' T7 u2 j+ S9 Y$ T
    13、 、 秩和比综合评价法 和 熵权法 ( 较好) )* S0 T* K0 C" x5 b3 f1 C5 v
    秩和比综合评价法是评价各个对象并排序,但要求指标间关联性不强;熵权
    + w/ ?+ X1 W9 b0 _法是根据各指标数据变化的相互影响,来进行赋权。两者在对指标处理的方法类5 D8 \4 M$ u# \  E& s  O' X
    似。6 a) g3 L( `& U) }# f
    14、 、 优劣解距离法(TOPSIS  法) (备用)
    6 a: @& {4 j6 W, ?其基本原理,是通过检测评价对象与最优解、最劣解的距离来进行排序,若$ ?+ x. P2 g# h$ c2 H
    评价对象最靠近最优解同时又最远离最劣解,则为最好;否则为最差。其中最优  d3 S2 L( s. `2 {0 n6 D
    解的各指标值都达到各评价指标的最优值。最劣解的各指标值都达到各评价指标; e8 B; U3 X% i8 {
    的最差值。
    * m  _( Y8 K" v* K% ~- y4 ]15、 、 投影寻踪综合评价法 ( 较好) )2 ]- I  G1 w; Y$ V4 d3 z
    可揉和多种算法,比如遗传算法、模拟退火等,将各指标数据的特征提取出6 m  z( [4 D# u
    来,用一个特征值来反映总体情况;相当于高维投影之低维,与支持向量机相反。8 O7 }" Q! h# q; q5 ^0 D+ M
    该方法做评价比一般的方法好。$ P: g# i: J+ E
    16、 、 方差分析、协方差分析等 ( 必要) )1 Q* x2 R7 y  H! F* j! j
    方差分析:看几类数据之间有无差异,差异性影响,例如:元素对麦子的产8 z1 ]) w& E2 E9 `
    量有无影响,差异量的多少
    " X8 p/ }1 ]- r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9 A& f+ {8 \! h' U7 z' E( x
    素,但注意初始数据的量纲及初始情况。
    ' f0 o3 N, l4 Y1 O7 k此外还有灵敏度分析,稳定性分析
    ( F+ g; a& O, a( X3 u17、 、 线性规划、整数规划、0-1  规划 ( 一般) )  Z8 l% Q3 N6 z
    模型建立比较简单,可以用 lingo 解决,但也可以套用智能优化算法来寻最
    1 G. {$ f" k2 i! c优解。2 p. }# j' [2 V2 h
    18、 、 非线性规划与智能优化算法握 (智能算法至少掌握 1-2 ) 个,其他的了解即可)" I% x, @3 }' k. o1 D/ }6 x% [: r
    非线性规划包括:无约束问题、约束极值问题
      p7 m) z! h1 s& V3 e智能优化算法包括:模拟退火算法、遗传算法、改进的遗传算法、禁忌搜索
    ' [: x" J2 Q& I6 W2 \. ]8 t算法、神经网络、粒子群等! S" J' E1 r0 x2 d( B/ R; e- ~, F! q
    其他规划如:多目标规划和目标规划及动态规划等
    4 M: L/ ]$ W9 A* t19、 、 复杂网络优化 ( 较好) )3 t4 C: V- G5 O6 Z( n
    离散数学中经典的知识点——图论。主要是编程。
    " ~/ I+ Q+ G' W" X. n20、 、 排队论与计算机仿真 ( 高大上) )2 K0 b, Y8 c" g+ Y, H/ J
    排队论研究的内容有 3 个方面:统计推断,根据资料建立模型;系统的性态,: y( U  u" {; Q4 Z" L
    即和排队有关的数量指标的概率规律性;系统的优化问题。其目的是正确设计和
    % ^5 \* X5 R' I8 b2 w7 c0 J: m有效运行各个服务系统,使之发挥最佳效益。/ C. C4 b) ]5 d
    计算机仿真可通过元胞自动机实现,但元胞自动机对编程能来要求较高,一9 P6 _& |# W, R1 x0 Z; V
    般需要证明其机理符合实际情况,不能作为单独使用。7 M4 S3 A2 l7 a' i8 ?2 [
    21 、图像处理 ( 较好) )
    , j' f) }% V4 K6 a2 MMATLAB 图像处理,针对特定类型的题目,一般和数值分析的算法有联系。9 k2 B: V. b. E) X0 j, N
    例如 2013 年国赛 B 题,2014 网络赛 B 题。" ^1 T4 E9 Z0 {& M$ o
    22、 、 支持向量机 ( 高大上) )
    + w4 @3 }1 v# z5 w支持向量机实现是通过某种事先选择的非线性映射(核函数)将输入向量映
    * f. y- M  z6 `  M射到一个高维特征空间,在这个空间中构造最优分类超平面。主要用于分类。" }3 l5 C# |) T; y3 n6 ^+ q
    23、 、 多元分析
    5 P0 }9 ], m& a! c  p1、聚类分析、( ]  p+ U3 G0 [" E) B) c$ F
    2、因子分析
    - [" z$ k  m* D8 M- ]3、主成分分析:主成分分析是因子分析处理过程的一部分,可以通过分析% ?$ N% [0 }% M5 R
    各指标数据的变化情况,然后将数据变化相似的指标用一种具有代表性的来代替,
    9 c- [( a% Q- \0 T从而达到降维的目的。
    0 |6 L* M+ N7 n4、判别分析$ [& z6 b6 C3 B" H
    5、典型相关分析
    4 N; V6 f( n! P! r: z  V5 m; g6、对应分析
    ! b7 ~7 r8 _/ z; c7、多维标度法(一般)
    & L1 w( m* h; i0 u7 q. `8、偏最小二乘回归分析(较好)
    7 N3 R) w  n6 A/ `% l; W24 、分类与判别
    , F9 |9 `. [2 J& A主要包括以下几种方法,
    - u4 K% }: @1 F- ^1、距离聚类(系统聚类)(一般), T5 T# C1 ]% I4 B) T/ h" R- M; v
    2、关联性聚类- U0 S$ g+ A3 J( Z' t# x
    3、层次聚类$ ~7 X- o& ]/ N9 N" V
    4、密度聚类6 v3 |) t; X4 N
    5、其他聚类
    / g; x6 E: ~+ x* t5 |6、贝叶斯判别(较好)
    6 V$ v8 s$ T, _! ?8 u6 w7、费舍尔判别(较好)
    $ ]$ e4 r$ q$ u% g/ M4 S9 S& @& G- h9 V8、模糊识别
    1 v0 l! d3 {" i9 M  J; i' X25 、关联与因果  k, U( I- w* ?6 t* B
    1、灰色关联分析方法
    ' o& I8 s0 m4 y3 m" R2、Sperman 或 kendall 等级相关分析
    9 A4 T: @2 T9 J/ ?3、Person 相关(样本点的个数比较多)# l( J  y6 u; r  |8 I
    4、Copula 相关(比较难,金融数学,概率密度)1 d8 G/ A% ^( s6 q' D! d( i7 K, C  e
    5、典型相关分析
    % i  T: c" g  G8 F+ c. ^+ U1 |3 }(例:因变量组 Y1234,自变量组 X1234,各自变量组相关性比较强,问哪% V+ r1 o/ G' W+ z0 v
    一个因变量与哪一个自变量关系比较紧密?)7 S. ~2 N3 ~2 N1 Q/ _: W1 G, g: v
    6、标准化回归分析, I  c% l: h/ Y, G6 }
    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
    8 Q3 D; D" O% J- R7、生存分析(事件史分析)(较好)
    9 E( L! W- G0 S# o! i4 ^( h1 t/ L8 p数据里面有缺失的数据,哪些因素对因变量有影响
    3 ?+ Y& z/ ^2 a. }- D, s* W/ T8、格兰杰因果检验
    / m' k9 F' }5 ?  D5 v计量经济学,去年的 X 对今年的 Y 有没影响
    9 k& l4 a3 \* V2 w2 t9、优势分析
    + b& {& T6 k0 F- ~26、 、 量子 优化 算法 ( 高大上) )
    2 i1 l* {: _) B- N, v量子优化可与很多优化算法相结合,从而使寻优能力大大提高,并且计算速& u' }3 t/ _# ?& [2 @* V
    率提升了很多。其主要通过编程实现,要求编程能力较好。: |' M; U! ]& `' c, |/ E/ \6 t6 {

    3 P1 D' D+ o; b* [! D- i7 X
    1 {2 I1 r0 W) h6 D4 u7 `
    ; K* Z1 y4 W, y+ {' s
    zan
    转播转播0 分享淘帖0 分享分享0 收藏收藏2 支持支持0 反对反对0 微信微信

    0

    主题

    4

    听众

    1

    积分

    升级  20%

    该用户从未签到

    回复

    使用道具 举报

    0

    主题

    1

    听众

    1

    积分

    升级  20%

    该用户从未签到

    回复

    使用道具 举报

    Ads00119        

    0

    主题

    2

    听众

    5

    积分

    升级  0%

    该用户从未签到

    自我介绍
    回复

    使用道具 举报

    Ads00119        

    0

    主题

    2

    听众

    5

    积分

    升级  0%

    该用户从未签到

    自我介绍
    回复

    使用道具 举报

    sjlxdn        

    1

    主题

    2

    听众

    155

    积分

    升级  27.5%

  • TA的每日心情
    无聊
    2022-2-19 17:40
  • 签到天数: 30 天

    [LV.5]常住居民I

    国际赛参赛者

    回复

    使用道具 举报

    您需要登录后才可以回帖 登录 | 注册地址

    qq
    收缩
    • 电话咨询

    • 04714969085
    fastpost

    关于我们| 联系我们| 诚征英才| 对外合作| 产品服务| QQ

    手机版|Archiver| |繁體中文 手机客户端  

    蒙公网安备 15010502000194号

    Powered by Discuz! X2.5   © 2001-2013 数学建模网-数学中国 ( 蒙ICP备14002410号-3 蒙BBS备-0002号 )     论坛法律顾问:王兆丰

    GMT+8, 2025-7-22 11:53 , Processed in 0.615180 second(s), 80 queries .

    回顶部