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 23472 点 威望 2 点 阅读权限 200 积分 7535 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 50.7%
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
: w8 t5 l- ?) g* _2 Z& ? @' n
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。
& D% W& h; V/ y$ r$ r 4 ^8 a) E- J2 M4 w4 X2 k; }2 U
01
0 d* [& P) j$ ^1 B h
6 A) Y. S, g' G9 T& Z$ i8 H 蒙特卡罗算法
( J t$ i$ ?- Y2 m: ^
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。
! q) {: P6 y9 T5 h/ z 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。
- g8 c8 p5 V H8 i9 u7 N2 v5 z ! |- y8 r6 g4 [+ n) D! J+ ~
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。5 [$ x" ~ Z8 Q: b( w9 N
5 A- T: C. A# f2 ?9 a9 U( d 蒙特卡罗方法的基本原理及思想如下: % |3 |: n% ]% Z X8 L: q: `" C3 P2 w
" g/ h1 n. G4 P$ b4 r4 X 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。) c4 T8 H; V* m% k: c
5 k5 j6 K P# l% N; m" O3 D 举个栗子,直观了解蒙特卡洛方法: . T0 v c, E' a( M/ T
) Z- H0 ~" S4 R% `) |$ G' P
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。
2 p0 m4 i" K" u& q; f
6 d# i8 p. l) }! P- b8 W, y0 i5 Q: M
b/ L) C8 M% Q2 [9 O2 x
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。
6 c# A# g) y) w3 U) E9 ~% x + w$ {5 F5 m5 {0 Y7 _: `
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:
# V. `) t. i: Y" H/ K
$ O* y0 [% z! y! k& T2 P; U a、 直接追踪粒子,物理思路清晰,易于理解;
0 x( Z; ?5 G- b5 U8 i' y4 A 7 c j& u. T6 l& g3 H/ H+ R
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;" d1 {+ I' Y* _% D- {7 H W
9 z6 E& s r+ C' Z0 x- x3 Y 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
0 m, @# G, b/ J8 i! }8 d1 ^ # h; I8 }! R1 ~4 C) l9 {
02
/ q0 J" U: x: ~) _: [2 W
+ W2 a: C, a, o" }/ o0 b
数据拟合、参数估计、插值等数据处理算法
& C" [- v+ ~- X, P$ ~
3 q0 L _5 E* K 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 R0 ^2 L/ d$ L4 ]) P) S1 D0 {6 b
% ?9 w) _9 x$ {5 D$ o1 |) V 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。
; H0 R, {( E" h. ] 0 r2 ~% u9 X* t+ D6 s
[% ?) l( Q/ r4 H( I# h" L5 t 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 o4 z0 e: b/ h; w/ S# u. U% v7 f, g3 R
" q; l+ U7 ~& @7 @2 P 03
$ l/ r" l- g! I. I9 `
1 f. |0 e/ w4 p4 E
线性规划、整数规划、多元规划、二次规划等规划类问题
5 y. D: j9 a8 g; b
( a: o$ S' c. C! X- y4 e) ?1 Z
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。
1 i3 A% D. S$ O, J. y( d ' }+ p+ U$ c7 U0 T2 k8 C
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。
2 N! o5 b4 S G: P6 Y. ]3 j& n
- s0 A3 E1 R7 F+ H J" o* K. m 04
+ [6 v F- ^. B: s
8 {: q' @4 x9 v2 }5 ~2 B
图论算法
0 }2 [7 \& H! O5 E 7 d! `% R4 @8 ~# h
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。/ P$ J$ Q9 X3 |/ W- j
1 B( e- N) L* j0 ?/ R# }+ |+ y! m 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。
; _" m: M0 Q1 ~1 w D ) M" ]/ T- Y1 W
% o" q9 V& J5 K6 u% e6 W " x- R7 |/ @. o( m; J* r
( y+ X0 e2 W' f& c; R: k& Y, U
05
# v& X3 `! x- n' d 6 }& N9 u) e& g: a( G& }
动态规划、回溯搜索、分治算法、分支定界等计算机算法
: \+ D/ ~1 K/ w9 O
5 W# e- D( c& k& q/ G 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。1 }3 Z* h4 p' |4 j" l. G& I
9 G) x' g; R$ _) v# {! g
. }" d: T. ^- x
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。
8 k( f$ N/ [& |1 R' H1 | 6 `3 f9 U! N8 f1 `" i& X+ G
06
8 y% c% |* P* V* ]2 l. Q& w
5 L/ f2 |* p2 C( W! V 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
/ t4 E( f3 E" x. [
4 v% w2 v6 Q3 l Q$ f/ q 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。/ ~: r5 g$ L! p0 B3 m
; J0 S7 }* i- o 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。
( k- Y& Z' F$ F9 B4 Y
# f! \/ ?; a7 g( t1 T7 ` 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 O" Z, m+ @# F* u
; x) }& F# N+ @; Y7 | 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。
+ b5 Q ]1 w' L+ A, C4 A5 S! j 7 [/ {7 [$ r0 ?7 X. F, b9 ~) W

! |+ y3 g: v) X1 j0 m; B) a( f/ Q
, l) L& c$ J+ z8 j: u* ^* }9 A
) Z, E, G( b. m) m' l, U0 J1 U
07
0 R- f w$ _; h2 K 8 E' f; ^( m5 S+ O
网格算法和穷举法
0 y( W/ ~1 z4 v 3 H- B- h" C* R" L% n: h
网格算法和穷举法一样,只是网格法是连续问题的穷举。& \8 M: w, o2 _. V
4 ^2 Z5 C- s8 I 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。
5 U( @! m8 T& t2 j) [# T/ e" f% `4 F
7 P! R; k5 [7 ]% B1 w 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。0 ]0 s- M0 R, \2 Q3 L( c2 B! P
" ^: u6 L S3 @- O3 d# U/ E. | ) B( D0 B, b; s
: H8 m0 @6 b$ T% z) i9 }) z 穷举法大家都熟悉,自不用多说了。
3 _3 p% [, Y6 a+ j4 H5 n ; u$ c- G: k! \. D; z( M3 J
08
% A# f4 t# D# Z9 z4 ?( ^
1 g& X& c+ Y2 t5 F 一些连续离散化方法
/ i7 l8 w& ?# Y) Z2 Y8 H * i" r* i: @4 a. X# m* O
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。4 L: T( S, K o- C6 }. f; O
7 M3 L: {8 E/ P- ^& Q 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。
- |% L# f8 i! s0 E8 Y2 _6 p
# E1 V6 `+ }- d9 b 09
; g/ P6 t; v: y4 P; w
' O0 D* \$ g, G- u) t# d1 k/ z
数值分析算法
8 m8 r: X& m# d: |
% {) `. r; h& }$ V6 h" h- U
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。% g0 u' c; m" b& R
! b% M9 l' Z" T* t9 ^
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。
" D7 v9 w) V$ c& I
- Y1 b1 v$ g2 N 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。
& g2 w/ G9 q( \7 W/ x ( V9 T+ ~8 o0 |9 w' F' c0 p
10
# L$ ]: B/ M# B' @
2 n' ~9 W. h) g) a1 h/ @, d
图象处理算法
- z. T7 F$ |4 A
7 Z2 t- r9 K+ \# G 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。
4 \* b% l" z1 p. z) E0 n , @% M% J+ t. G' Q5 U" z9 C
, q0 ?) {# A. |7 h& ]
( y j) V5 b+ l6 J
% J x; H X( }8 {
zan