|
以下是引用qianqun在2005-1-29 17:52:28的发言:+ ^) M7 b7 [3 u: [* G
数学建模竞赛中应当掌握的十类算法
) c% ]% G4 E3 |- m: A
. i' v+ w; l( S+ t& C4 n( ~9 \排名如下:
# g* {- `1 h N2 T, p
- J: F8 [) l4 P8 Q4 L' o* E1、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)$ p* c3 `/ N: A1 X
' y( L& _/ G9 X& g) N2 D# |& E2、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)! d/ [: V6 H2 Y- r! n; K% m9 {
: ?2 O) V# X+ o/ g: ~' G) {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)
Y1 {' Y& N* B5 N D
0 P/ j* R7 U7 R/ N8 I8 A% A' G4、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)$ |8 S+ d i6 a
2 k% A; u' k; O& S% b; \/ [* r
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)
' ]) {0 P8 s" \+ y* k8 w
" i% d* y& g, L; N. p# V6、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)$ e! j0 O$ D$ {- K$ L; r5 w; X: g* G
' R0 [- g! V$ m g
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)* x& u4 p/ ^5 O3 {7 j) n/ G4 R3 x9 M
$ @- q$ E0 |# S3 S
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)% @5 |) E9 c1 s2 T8 I$ A
1 K- V7 j4 f3 I, [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)# u$ H" C3 ?9 K( w7 l
U; T1 ^, b, E3 U5 M6 M10、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)
: @2 S: [' S0 P1 X/ G2 d @$ p% ` |