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
' G6 F3 q, t0 N s- f0 Z% f' i
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。
: H+ n/ g4 i) b. d+ J5 W3 ~ % T4 X5 i5 X4 m# N
01
0 y0 ?3 H* m6 Y/ |3 ~: \: k! v/ r $ }$ ?. e1 d* G, W
蒙特卡罗算法
! g$ q0 R' R# c
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。; Z `6 a/ z: R/ u3 ~
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。/ N+ t i6 M1 q2 ^! I- y( r" N, \
) K; r9 ?* ^- r# c/ M @
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。3 l2 U3 N- m7 ?3 e1 G7 }
0 q. G @) D5 r 蒙特卡罗方法的基本原理及思想如下: 2 y- i3 `8 I8 I$ Y& E3 J+ k) \
( s% X% ?) c. O% p 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。) J) Y& L0 H+ r" I3 i
: A1 \6 f6 D) H' e 举个栗子,直观了解蒙特卡洛方法: 2 e- w; @- a& n! f" e6 i' b( r
8 t7 t+ K& n- | 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。
, p, j& Q& g- S" @
; o& h8 o. T) `4 O/ [
" @) h0 s0 n5 i: v# X6 {0 G( T 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。
8 J2 P7 t* L4 b/ m 4 A: r0 ~! a/ l [
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:4 w1 m3 u$ O5 ~* K/ d8 s( O
( v3 u- X7 A5 K# h: q; W* h! j$ a+ R9 ?
a、 直接追踪粒子,物理思路清晰,易于理解;. m1 ]0 g* p% A7 n
3 ^1 H6 A6 g8 B: {; N 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;
' c/ c# Q% o/ Q' O& |
' I) l2 x; W: B/ @* X0 r8 u 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
5 ~8 ?2 Y7 N# ]' O% z9 f" `9 | 8 V, i2 a. a& m0 y
02
6 O! N* `5 o& e5 A0 {1 y + ^0 y! Q# Z, n" l1 X0 O
数据拟合、参数估计、插值等数据处理算法
- M: t- y0 j x. R: c* c
& t( U" n' z& y _. x9 C- R8 f# F. c 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。
! s9 N _8 `2 _
0 I9 p" t# R% z) h1 {+ G* o. I& w 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。
, i9 r8 H5 k, v; a
0 c9 ?3 p' i; _& |! w2 N
% x* @: y; }8 V7 T* s J k 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。6 j- n3 N" B! l' }; U, |
& A: Y! g1 Q$ u2 M. T M0 Z 03
2 @- [# V* K6 ]/ b: `
% J+ ]1 g: d( t 线性规划、整数规划、多元规划、二次规划等规划类问题
9 y i7 e( {3 X6 x( b q , m- u$ r8 p# @ E% w( s# W0 x
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。
( v+ D, U/ F5 Y4 s/ P& ~
2 R/ B# N2 n: e, ` 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。
. U$ s, ]3 p R) `% M0 M0 a, ` j i$ R5 C) i% _% x# J2 F. v
04
$ c. B9 ~; ^! W3 q
( Z6 u( s- x v% G$ k 图论算法
, c) g5 Z9 O( e w/ B
9 A g/ E5 ^" w5 q( a$ x# @
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。
& |: x4 u9 ^# A) E
9 S& P: H8 h% O6 F 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。" O: v0 u) _- z4 r7 ^) W8 ^9 r
6 w; f" E m% q9 g. |: P1 f
; n* ^& z! l# T. u% ?. m 
# Z4 C3 Q: f+ I! \ 1 V. E/ Z9 P* c$ g& y! E
05
2 b! @% k8 \* G* ]( i' |9 w 8 V: {3 V# j1 G; }" Q
动态规划、回溯搜索、分治算法、分支定界等计算机算法
: B3 ?6 }! x& b6 n7 K' g# M. j: l- b
- E6 G) A$ L% t$ A) M9 R
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。
. t8 z5 W. X% P) e' ?2 m1 E. ~ ) t% C. G+ r0 P- m
3 B4 ?; x4 `+ ?4 d5 Y
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。
; Z1 T5 @- d9 u5 }( g4 f 0 M' A( v0 k- k% G6 D3 q" T
06
( r( H" m$ I" K Y
) I- a& N, o, s* z! `4 [ 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
8 y- k6 Q, a7 Q+ v9 _7 m
2 f ?$ ^9 S$ E0 i" F4 w 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。
Y: \' v0 L( K) v
3 D: x1 d8 a/ K$ j) s7 ^& A% b 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。
- e# |, K' r: U! o6 Q
9 V) Q; }0 {0 e& T6 _- k2 M 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。( z8 [0 ~' W" S: ?- L; ~
. p7 P6 j( n$ u8 @2 A( x9 G" ?8 `7 H 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。9 w* k' z" r8 m
, O1 @1 z: u+ s 
4 K9 }8 k5 d* V1 ~, b
% S3 j ^. u* N
% n" ]/ l- `9 g% D 07
2 @& D) m' I. z! Y, K # Z# n0 @ A8 J! T& Y
网格算法和穷举法
0 U$ j9 {) l( I, c- d. U6 k
) K, Z" a: Q9 K8 t& w 网格算法和穷举法一样,只是网格法是连续问题的穷举。, }5 ]0 A9 I& o' Q
# T! I8 v# _$ M5 E3 B
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。
& B) Y# q; i/ \! v2 X+ p& A7 f 7 I& o% z8 I6 ~' u/ Z
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。, N$ r7 R' l; h( q: h
/ m% S0 t; R6 E4 H- J* |! V
+ R. C; L# h; P; K1 G
, L2 M( y+ X4 |3 Z$ b9 a, t
穷举法大家都熟悉,自不用多说了。
- O2 b% e: v2 I. n
- N& p+ d5 F$ @" I- C6 g7 ~ 08
3 \2 \/ d) n1 B; n. T9 }+ C / B% h# k! T. Z6 T3 n) W
一些连续离散化方法
3 J' n* l1 R* c/ ^$ G% ` 7 S L+ p1 `/ u- ]' l6 u0 B) _! s
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。
! d0 L s2 h0 @, r; D! p# { 7 P, U, K3 q' ~2 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。
- M3 G3 S- Q7 m
" Y- M9 I0 @( j' P& T3 z 09
' ]0 b% x& m1 u& i/ Z8 Z: Q2 w
. _5 \% b v. b& {3 _$ k3 N
数值分析算法
5 P2 ^# G' j2 n) X, m8 H( D* ]2 r
1 I, n$ U; c" ]8 s" z
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。" b% `4 p# o/ Q3 z* }" j
i; Z" ~: R Z3 F7 @
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。
+ F; @( p9 z( j* G$ b' s 1 d, J/ M. f: f
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。
2 r) B4 S( j6 |* I% W {
+ n z; R9 Q' o9 k' q; c 10
1 w$ D# F, _1 x4 \& S2 P) C8 J+ m
! T" g6 P9 E2 S, j 图象处理算法
% S! x3 V. \7 g, x" g
D! g5 T' z3 w, u& J- l4 ~ 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。
2 w$ U/ d4 a* v. i u 1 R$ ]) m* l, E6 s
& J# P. k, Y' z $ A2 y+ c; M C. v8 X. m
6 \8 r3 M! h: a* O! F8 |: n) f
zan