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 23480 点 威望 2 点 阅读权限 200 积分 7548 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 50.96%
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
, H- S. z: k3 B5 W 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。0 m/ b2 }! B7 M. ^- ]9 `; \; m$ ^
. _/ W1 r4 H+ v* \# O) ?
01
) P" c6 s: O3 `! k4 s1 H$ U
) I, h* \# C& g1 O$ Y/ S r1 W8 h 蒙特卡罗算法
' k5 L; k* p: U: @) K9 m) T
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。, t" D% r* M+ p9 q; f/ R
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。
( S. }8 G+ U( S% |
2 C; U K! R' |$ x 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。
/ ?. N* Q) E) N: R! |. J ! a( m8 N3 U5 w; s
蒙特卡罗方法的基本原理及思想如下:
9 T, G! r, y/ X4 f
8 s3 }: ^: R; x6 h 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。
; Z) G; s+ v8 a% D) W, Q* ? / {. o0 m% u" J! }2 b) U, J5 I3 [* ^
举个栗子,直观了解蒙特卡洛方法: % m, s1 m l: ^1 P4 ]0 y
+ e y5 k% x2 \
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。
" i6 t: h4 q. j! K
; ?( Y, f" s9 ^9 p; t
3 t: N) r! F7 V2 F/ K' { 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。' H0 @7 x2 p, a& P: N$ C
" ~( S. ~3 y9 P( z' ^$ C9 u& c 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:3 H, @/ D9 x- J: C" s
* n7 p- o+ A- w1 R
a、 直接追踪粒子,物理思路清晰,易于理解;
) W) w* `6 Q) v* l
4 ^' P& \/ A1 |( I' u 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;
3 n# X. [! G" C; e) C1 a* ]
/ M/ u* A3 ]; Q 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
' J( K+ R6 B. Q8 r; L" y Y$ k" R8 G5 h0 `3 E
02
7 Z! C1 ?1 j8 k' }, y4 X1 O- s
9 F# ]3 C; H1 U, @- M# w% W) X
数据拟合、参数估计、插值等数据处理算法
8 I+ ?# s) m/ O3 ~
# x1 c, C' e! @& a2 J4 v
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。
' D+ k5 m2 o4 T# Z& d; h
/ g' h0 z, Y$ e* {* |% [& P% j 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。
5 O0 a3 @: i5 d) e, Z$ T
& a/ k6 X) B; y( {6 Z! F
2 h2 f, A" n' c: r 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。
' y; n$ g% Z" a1 i9 H
' m ?! K1 k( ]! R6 d1 l" h+ D% O6 i4 ` 03
: k# Y; @6 [' I% e; Q1 t + N* W+ ^. O# d- {( ~1 N, A7 E
线性规划、整数规划、多元规划、二次规划等规划类问题
2 S; ~4 d7 u9 u9 s! J
4 [) O1 ]' c! {" a 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。3 V% {: \3 Y- W' i9 S$ |
$ g' W; e1 I' V" D 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。0 [" i# h& J" w9 i
* Q9 {" N9 A5 R$ v5 w0 p 04
+ V* \8 w5 C$ u/ ^' ]* E9 w , b6 X4 O$ N2 _! h G
图论算法
& j8 p" W7 A) \* Y9 j+ _. L1 u
& n1 M Y/ x9 k+ A. n# [ 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。
( K! J0 \9 n+ y5 B+ Y% P# x * H# z4 Z9 D' M2 {0 M$ }% v4 U7 M1 @
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。4 D/ U4 B V0 ~' A4 Z" ^1 W
1 `* T1 M0 K ?7 O
: S3 o% R6 m4 Y# k0 K# d : z! ~5 J! T) V
( S8 z$ j3 [) q# V8 g. \2 | 05
( G; |$ v9 H# O, l
9 R+ X2 t9 ]0 @3 j: H+ }) ^ 动态规划、回溯搜索、分治算法、分支定界等计算机算法
. F5 L8 F- u! _$ ~ 8 \' ^( M2 Y$ m
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。0 A; p j2 |) C- a
% t P; Z8 Q; h- l1 v
" h3 Y L0 k% ~3 [ `5 D
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。
7 [. i! ^7 Q3 f/ l! u& f
$ _4 m4 e8 ?, `! v: S 06
5 M; O" ~6 U" y+ D4 {/ Y2 _8 i1 f
$ ?8 m6 g5 `1 }7 h* V0 ^+ x" A 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
: S) z& Q9 b; M0 z" R
; Y6 o0 v2 y/ i# a. o2 T' T/ n2 g
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。
9 d0 \1 z8 L" p- v ! y/ Z. N; I( Y! 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。
$ z B9 q7 ~& o- W: a" S) J 4 R0 G1 I# _# W w
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。
4 P) ~& V L2 v) \# _' L: u) ] ) }9 |1 Y) b; s6 v" w
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 ~; {# O5 v1 E
6 n9 O/ P0 [5 _6 E+ `

4 d2 F: k& ~) E, ?2 | H' n
s2 A2 e5 f: M* S
x7 a! I5 C q0 x9 i
07
/ }& x; r& [* a7 V
; V- y2 u! `" [+ ^# J
网格算法和穷举法
) M2 \4 {# {! d" K ~; z
! z3 O0 r; F/ e# a 网格算法和穷举法一样,只是网格法是连续问题的穷举。% M* \# ]# M' M+ N2 B$ e) X
: L: ^$ g2 h" Y! D: p
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。
a. k7 w/ B% |" \7 i
& H- e) k3 g! K4 d! ?- F& N! |( E 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 {5 T& T1 Q0 r9 I
6 a" J: N# G1 [; [7 }5 K3 [

: E& x- i' z, D( E4 x
+ y3 K+ D2 m# d0 }% z) {0 C 穷举法大家都熟悉,自不用多说了。
% p) T+ i5 K1 H9 u) A
; I V. _# B! @2 H) O/ C0 O" P 08
& s g- ^% |6 d- r
: W7 W4 w1 `3 O+ N+ u$ m# l) f6 x N
一些连续离散化方法
. T, W" D t F/ n' w$ F7 t4 s
( h, W, F2 @6 M, M7 g. D j 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。; P0 x7 `7 {$ u8 v2 Y) f) h! ?/ E
- c% m/ [* i4 f& @( r 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。
5 Z3 x( [% r/ o. b0 } 9 F6 O8 T/ |: C2 @" ^
09
_+ _( X! B8 ?( A3 F& \
4 I% Q' U# k ^; I5 r6 W1 v; { 数值分析算法
% r* c" P! Y/ k$ O) q ! i- f1 e% i* X7 C
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。3 q' n% X& J/ H% h% S X
" f& y/ E1 S% R! I, M 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。
2 T) @) i: Z& W6 W+ k% h5 s 5 ~1 P3 R9 G5 p1 p
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。& E+ ^: g" O) R) d$ F
+ n7 f4 X1 D7 C- d/ {* f: w 10
: j' A% n7 ^* ?/ L; A+ I
% J7 |- M/ q, I# L, I" N 图象处理算法
; R' Y2 ^6 @( H: G" u0 ~
7 S Y2 O: `, c6 f5 c6 v- r: Z) \7 W
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。3 I4 K: @/ `3 s8 z+ k) \
8 d" Q3 E9 @+ ^
+ Z9 x* S4 p) k& Q. |
. o1 _3 ]3 w. [
& v' M* d0 b" x6 j/ d- `! @6 h/ E6 l
zan