数学建模十大经典算法简述及源码打包

春秋两不沾

4 a# e- e* R2 g& B2 k

; p6 V# E0 O% J; ]
' S1 K: S2 T' q9 j# X
  ?# U( o! c# t
& H, j0 |' k/ C; t  ^% g数学建模十大算法程序源码打包：（后续会继续更新）
) X$ s5 C. y3 Z/ H! P5 r: X( e 数学建模十大算法程序源码打包.rar (9.14 MB, 下载次数: 70, 售价: 3 点体力)

2016-12-29 15:08 上传

点击文件名下载附件
售价: 3 点体力  [记录]
下载积分: 体力 -2 点

2 \5 s2 X5 n  z7 L$ c/ d本文源自CSDN，作者July
' t* o1 K7 S$ z  m' j" w2 g0 s

本文参考：
9 J* P+ t& g5 p9 j* EI、  细数二十世纪最伟大的十大算法
II、 本BLOG内 经典算法研究系列
* {# d. H4 _# g, r$ x+ S; ?III、维基百科

------------------------------------------

说明:
  p; R- c2 j# O' \9 k; r' i1、此数学建模十大算法依据网上的一份榜单而写，本文对此十大算法作一一简单介绍。
这只是一份榜单而已，数学建模中还有很多的算法，未一一囊括。欢迎读者提供更多的好的算法。
2、在具体阐述每一算法的应用时，除了列出常见的应用之外，
同时，还会具体结合数学建模竞赛一一阐述。
+ `/ q" l* W' V2 g/ s& L- j$ O4 `  J毕竟，此十大算法，在数学建模竞赛中有着无比广泛而重要的应用。
且，凡是标着“某某年某国某题”，即是那一年某个国家的数学建模竞赛原题。
3、此十大算法，在一些经典的算法设计书籍上，无过多阐述。
若要具体细致的深入研究，还得请参考国内或国际上关于此十大算法的优秀论文。
  Z, R1 z2 n- O9 ?  H$ C6 \谢谢。

一、蒙特卡罗算法
1946年，美国拉斯阿莫斯国家实验室的三位科学家John von Neumann,Stan Ulam 和 Nick Metropolis
共同发明了，蒙特卡罗方法。

蒙特卡罗方法（Monte Carlo method），又称随机抽样或统计模拟方法，是一种以概率统计理论为指导

的一类非常重要的数值计算方法。此方法使用随机数（或更常见的伪随机数）来解决很多计算问题的方

法。

由于传统的经验方法由于不能逼近真实的物理过程，很难得到满意的结果，而蒙特卡罗方法由于能够真

实地模拟实际物理过程，故解决问题与实际非常符合，可以得到很圆满的结果。

蒙特卡罗方法的基本原理及思想如下：
当所求解问题是某种随机事件出现的概率，或者是某个随机变量的期望值时，通过某种“实验”的方法

，以这种事件出现的频率估计这一随机事件的概率，或者得到这个随机变量的某些数字特征，并将其作

为问题的解。

7 w0 P6 ^( o- B, s

有一个例子可以使你比较直观地了解蒙特卡洛方法：
; M4 T5 j. _3 Q* U3 O0 g/ T/ @假设我们要计算一个不规则图形的面积，那么图形的不规则程度和分析性计算（比如，积分）的复杂程

度是成正比的。蒙特卡洛方法是怎么计算的呢？假想你有一袋豆子，把豆子均匀地朝这个图形上撒，然

后数这个图形之中有多少颗豆子，这个豆子的数目就是图形的面积。当你的豆子越小，撒的越多的时候

，结果就越精确。
在这里我们要假定豆子都在一个平面上，相互之间没有重叠。

. Z# ^  p: _: e* m5 c5 I4 Q9 _: r1 G# }/ M蒙特卡罗方法通过抓住事物运动的几何数量和几何特征，利用数学方法来加以模拟，即进行一种数字模

拟实验。它是以一个概率模型为基础，按照这个模型所描绘的过程，通过模拟实验的结果，作为问题的

近似解。

蒙特卡罗方法与一般计算方法有很大区别，一般计算方法对于解决多维或因素复杂的问题非常困难，而

蒙特卡罗方法对于解决这方面的问题却比较简单。其特点如下：
1 D; Y$ S( w9 S* P' VI、  直接追踪粒子，物理思路清晰，易于理解。
II、 采用随机抽样的方法，较真切的模拟粒子输运的过程，反映了统计涨落的规律。
6 C! W  t+ ^9 [! x: MIII、不受系统多维、多因素等复杂性的限制，是解决复杂系统粒子输运问题的好方法。
等等。

此算法，日后还会在本BLOG 内详细阐述。

二、数据拟合、参数估计、插值等数据处理算法
我们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。

数据拟合在数学建模比赛中中有应用，与图形处理有关的问题很多与拟合有关系，一个例子就是98年数

学建模美国赛A题，生物组织切片的三维插值处理，94年A题逢山开路，山体海拔高度的插值计算，还有

吵的沸沸扬扬可能会考的“非典”问题也要用到数据拟合算法，观察数据的走向进行处理。

此类问题在 MATLAB 中有很多现成的函数可以调用，熟悉MATLAB，这些方法都能游刃有余的用好。

三、线性规划、整数规划、多元规划、二次规划等规划类问题
. I# M" V) n, I数学建模竞赛中很多问题都和数学规划有关，可以说不少的模型都可以归结为一组不等式作为约束条件

、几个函数表达式作为目标函数的问题，遇到这类问题，求解就是关键了，比如98年B题，用很多不等式

完全可以把问题刻画清楚，因此列举出规划后用 Lindo 、 Lingo 等软件来进行解决比较方便，所以还

需要熟悉这两个软件。

5 `0 t! W- `2 Y7 T7 l四、图论算法
- P' T- @- f' ?; J这类问题算法有很多，
包括： Dijkstra 、 Floyd 、 Prim 、 Bellman-Ford ，最大流，二分匹配等问题。

关于此类图论算法，可参考Introduction to Algorithms--算法导论，关于图算法的第22章-第26章。
同时，本BLOG内经典算法研究系列，对Dijkstra算法有所简单描述，
, j3 T. w% q) Y. o  w' d' M-----------
经典算法研究系列：二、Dijkstra 算法初探
2 G6 J/ ^- _7 }' M3 [: U

) |6 J. s  y& N# g! p5 ?; h五、动态规划、回溯搜索、分治算法、分支定界等计算机算法
在数学建模竞赛中，如:92 年B题用分枝定界法， 97年B题是典型的动态规划问题，
此外 98 年 B 题体现了分治算法。

这方面问题和 ACM 程序设计竞赛中的问题类似，
4 y9 @3 T3 S8 \推荐看一下算法导论，与《计算机算法设计与分析》（电子工业出版社）等与计算机算法有关的书。

# w1 m% g' V& c- c六、最优化理论的三大经典算法：模拟退火法、神经网络、遗传算法
这十几年来最优化理论有了飞速发展，模拟退火法、神经网络、遗传算法这三类算法发展很快。

在数学建模竞赛中：比如97年A题的模拟退火算法,00年B题的神经网络分类算法，01年B题这种难题也可

以使用神经网络，还有美国竞赛89年A题也和 BP 算法有关系，当时是86年刚提出BP算法，89年就考了，

说明赛题可能是当今前沿科技的抽象体现。
03 年 B 题伽马刀问题也是目前研究的课题，目前算法最佳的是遗传算法。

七、网格算法和穷举法
网格算法和穷举法一样，只是网格法是连续问题的穷举。
比如要求在 N 个变量情况下的最优化问题，那么对这些变量可取的空间进行采点，
比如在 [ a; b ] 区间内取 M +1 个点，就是 a; a +( b ? a ) =M; a +2 ￠ ( b ? a ) =M ; …；b

那么这样循环就需要进行 ( M + 1) N 次运算，所以计算量很大。

在数学建模竞赛中：比如 97 年 A 题、 99 年 B 题都可以用网格法搜索，这种方法最好在运算速度较

快的计算机中进行，还有要用高级语言来做，最好不要用 MATLAB 做网格，否则会算很久。

穷举法大家都熟悉，自不用多说了。  

八、一些连续离散化方法
大部分物理问题的编程解决，都和这种方法有一定的联系。物理问题是反映我们生活在一个连续的世界

中，计算机只能处理离散的量，所以需要对连续量进行离散处理。

2 f5 m! @2 R. f这种方法应用很广，而且和上面的很多算法有关。
事实上，网格算法、蒙特卡罗算法、模拟退火都用了这个思想。

九、数值分析算法
数值分析（numerical analysis），是数学的一个分支，主要研究连续数学（区别于离散数学）问题的

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。

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，
因为像数值分析中有很多函数一般的数学软件是具备的。

8 v/ Z$ |" A5 U: o十、图象处理算法
在数学建模竞赛中：比如01 年 A 题中需要你会读 BMP 图象、美国赛 98 年 A 题需要你知道三维插值

计算， 03 年 B 题要求更高，不但需要编程计算还要进行处理，而数模论文中也有很多图片需要展示，

因此图象处理就是关键。做好这类问题，重要的是把MATLAB 学好，特别是图象处理的部分。

) i! G  }& J* {2 Q

subaobaobao

为什么下载不了？

5 @0 K- M; r4 C+ Q  F

TLP

好好好，很不错。
# I/ m$ G% ~: k1 U/ J7 `