- 在线时间
- 90 小时
- 最后登录
- 2018-12-27
- 注册时间
- 2016-4-22
- 听众数
- 17
- 收听数
- 0
- 能力
- 20 分
- 体力
- 23473 点
- 威望
- 2 点
- 阅读权限
- 200
- 积分
- 7546
- 相册
- 0
- 日志
- 0
- 记录
- 0
- 帖子
- 126
- 主题
- 100
- 精华
- 2
- 分享
- 0
- 好友
- 6
升级   50.92% TA的每日心情 | 开心 2018-6-4 15:01 |
|---|
签到天数: 7 天 [LV.3]偶尔看看II
 群组: 2018年大象老师国赛优 群组: 高考备战 群组: 2018中小学数学建模冬 |
4 d% n: q$ C# W: q/ g1 @
数学建模比赛是本科生和研究生阶段最重要的比赛之一,包括全国大学生数学建模竞赛(俗称“国赛”)和美国大学生数学建模竞赛(俗称“美赛”)。在这些比赛中取得好成绩,不仅有助于保研、有助于找工作,更重要的是形成科学的思维模式。下面列举了十大算法,在数学建模竞赛中有着无比广泛而重要的应用。
8 ]$ k& X# P l: s4 J* T1 \: \. W( J$ ] ^
01 ( l( E' f1 q$ [& p1 R
, h* U; u$ t4 J; V- Q4 y$ W
蒙特卡罗算法
3 ?' T) J5 K# z- y$ m7 z) [1946 年,美国拉斯阿莫斯国家实验室的三位科学家 JohnvonNeumann, Stan Ulam和 Nick Metropolis 共同发明了蒙特卡罗方法。
3 M* m9 Y& c G1 z; G1 ]5 d4 N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。( n4 C0 }! r! ?0 G
% |. Z7 S1 n, }. t8 U% z. B- L
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。
4 W) I! v# z/ ^% N4 ^6 B
9 @# V/ C& Y; Q2 `! L蒙特卡罗方法的基本原理及思想如下:
" t6 s6 U v) Q8 X8 o! Z) N2 R* Y4 D3 I6 v8 C0 b
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。
2 B, r5 @+ k0 L% S- ^4 u) Y( O% P/ k3 V# j/ p1 W- l8 C- E$ u; X% O
举个栗子,直观了解蒙特卡洛方法:& g: n' h( g% Z
5 s; V$ r& `0 p: d
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。
0 ]; C1 d- _0 s+ {2 ]4 B7 W9 q8 U$ e3 E. F6 B
$ Z# K$ G% h8 b, c3 s* Y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。/ `: c) w# S& a7 a% |+ F% v# a4 C
0 ^5 Q* d E3 M @& H
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:' h+ |1 |; u# F! A- _
3 r3 O6 @2 [- T7 j( v$ t# L0 X5 D- O
a、直接追踪粒子,物理思路清晰,易于理解;6 Z R* [4 t% t
' q) ? @) K( I3 a- h0 S/ b
b、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;
2 y. E4 l8 Q( ^9 G7 W- x' W; c" C& o! U: P
c、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4 j9 K; R% T' v6 P5 ?
6 C4 F t v1 l
02 & Q+ ]3 K, _) f7 b
" c+ Q% j/ C/ }
数据拟合、参数估计、插值等数据处理算法 ' H: l- k8 q5 L l. e: [8 Y1 f
) A4 ]6 L' B. e, \: o: z0 N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。8 Q. n' M: w5 s: {" P$ T
9 q0 Y' ]+ H7 w! o6 W8 ]4 B ?/ u
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。
& P$ O& P8 y) Q0 P, v
0 t; J5 R( p1 a# W: I' b; }
: ~" N, k" [) P) o( F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。0 b# y1 l9 b( Q% @7 X# H) c
# T$ }; _8 Z4 G1 _
03
7 u1 d+ c' o2 W! O" K- S! y& k+ {! R
线性规划、整数规划、多元规划、二次规划等规划类问题 $ T" f" i! U0 D7 x( F- a) I0 X- d
6 c, a! b5 h) {% P
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。
2 w5 m/ v+ V1 @8 v2 L" Y6 w7 u! x1 H. O" w
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 B e2 [0 x" D9 _
' r8 s/ ` Y( d& ~( G5 l! V
04 2 o. @" P# x$ H* C- [+ V
( ]5 G8 l6 [1 I7 m! c
图论算法 1 O) X5 J$ @, _& b9 L
& n( y+ m- S* O0 c& v; @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。
( i6 B3 T# t& l) Z
6 g/ ~8 F. G) r: Z1 l8 ]) Y! a关于此类图论算法,可参考 IntroductiontoAlgorithms--算法导论,关于图算法的第22章-第26章。
2 B) l6 c( J% I9 a) I% `2 K% p4 i5 H" j
1 y3 n* r M6 p; m) T8 S5 A% \( v
/ f( X7 D, w2 J/ @/ J
: ], }: M8 N# [& D/ u 05 7 Z# x8 r* z2 H* a6 m2 B8 z
) D% Z& q7 y/ \" J1 E+ b/ V
动态规划、回溯搜索、分治算法、分支定界等计算机算法 & a: R, F, [+ v7 p2 j& X% E
& v3 A0 M/ S1 L
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。: V! a- T: A6 G" S! D1 y! l/ i
. E, E! q1 Y7 C; e$ H) W u3 w# t6 e4 J' ]- T
这方面问题和 ACM 程序设计竞赛中的问题类似,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。
5 ^/ v2 f5 ]* r0 E- g& I1 o+ U. [- G8 w5 ]$ b# N
06
/ h" p' ]9 E9 ^1 A, V1 a. N2 \# B
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 7 Y6 D- l1 u3 I( `% o1 ?
: g* |* G* H/ g, S- m4 ?6 P# P# O
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。3 J/ e/ `; T+ ]$ ~$ B* Z! l% U
, x' |6 k1 z' S
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。
: f& E2 b; D7 @' p& X# U: ]) p, P3 ^8 v" s( u$ \* p5 ^ v
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。
1 A0 z! s: W. s) z2 J: u" t( i1 S) L9 @: C; d- r. W1 T
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。
- v; y9 r1 w+ J7 G
7 o: n0 c9 J5 m, i' O
" `$ l: N' T" z( \& e3 Y, A4 _5 a; u
9 Y9 k- I1 f Z. z: Y+ s4 g/ Q 07
/ t1 k" W0 x! n" z) s
# g- k. d) c; ]2 o( S网格算法和穷举法 # |; e$ M" ]' r8 B3 o
! Y# V% }$ M) O/ D* V) _
网格算法和穷举法一样,只是网格法是连续问题的穷举。
$ j/ Q: ]. ~4 L% I) A
" K, n# d' k" K0 {7 w+ ]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,那么这样循环就需要进行 (M+1)N 次运算,所以计算量很大。, ` b3 Q( l" E- M' s
- q" y* r2 [8 C$ a) {, ]$ g r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。
5 b* U" |7 l- O$ l( a9 i) V1 G2 ?8 y/ B

9 Q6 t" @9 a; |# H; }4 A/ ]4 R
! v2 V! u$ f; \% K* ?/ d$ Z' I9 ~0 H穷举法大家都熟悉,自不用多说了。
* T: i* _& b% Y+ {
+ _8 q3 ?/ g' ~ @7 ]+ y; ]8 X 08
: A2 \. q# w5 `8 x& ~" s$ u V+ k( L# }. l& L
一些连续离散化方法 ) m/ w3 e# u/ J6 ~1 g% f% E
' r: }* _6 Q3 Z- Q- {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。
' n' e& B$ J( e5 z
6 c. R8 Y7 x; f# B" K1 G) Z- Y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。3 L" g- J( A. ^, }0 @- S
6 f( S9 u5 q' a 09 7 c: }5 c1 v3 i7 B+ z4 I6 U4 W
5 Q4 ~4 P4 M* E+ Y. @; U
数值分析算法 ! w1 l! @7 d- x) P5 ~0 l
$ h+ e( T3 O9 W
数值分析(numericalanalysis),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。7 ^3 y4 C3 @0 z& }, Q4 y
( v5 @5 a8 \8 L* g; l
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。
0 Z' s/ U$ l4 g# ?# c: b. q# F! V( s) l! D) e
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。
5 d; ^) \- K d* U2 X5 t4 I" K
10 5 ~; Q& ]/ O2 d2 w3 B) x5 J0 Q
1 u* q. v, R3 M1 D$ ?
图象处理算法
]7 ?: v" v* j" J J* u; u% @: U2 J* [1 ~
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。9 |9 \* k4 k1 e# @ K" X+ S" x
. N2 S6 h% z5 r7 x, r7 _4 `! l+ d
a% U7 g# F8 {0 k" D+ o+ }
, l/ _0 n5 S' W1 ?2 `9 [/ P) \* X* n6 _/ C
|
zan
|