还在为数学建模的事发愁？带你一起来看看数模竞赛中必备的经典算法

杨利霞

还在为数学建模的事发愁？带你一起来看看数模竞赛中必备的经典算法
0 H: x1 [9 H) ^# Z) |' @( U/ ^
# m# W3 q) f# U" w4 X- H9 {5 V) O前言
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。以下是博主精心整理的两个matlab专栏，包含入门到精通及实战内容，需要的小伙伴可根据自己需求自行订阅。


MATLAB-30天带你从入门到精通

0 b6 U8 q  F( Q) r% |# o" ]
: _( I* T% h9 o& k( b, A2 [! @6 Whttps://blog.csdn.net/wenyusuran/category_10614422.html


5 r" }6 T# A3 `# ^( a4 G# rMATLAB深入理解高级教程（附源码）

9 P* Y: p5 e# B- b
https://blog.csdn.net/wenyusuran/category_2239265.html
( ?7 M  @! j. k5 O
; K4 {# u- t: x) H9 @' y. `# g
: ^& N6 C7 D+ h5 N在博主的资源中也有各种算法的应用实例源代码，需要的小伙伴自取哟。


$ X2 B4 n. _' o1 }  F
" @% \% q& L8 m. k
3 j% y4 _# e2 m* E& r8 ]2 P
& z" [% j2 z3 q0 k


! I' F; T" [, E5 @& S% [, m( h5 X
$ e. L+ Z5 R) ]


* ^- j3 _' t4 T 01  蒙特卡罗算法
* @& S4 c1 @6 q+ }! Q1946 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。


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。
  k; V: z! W' q. b. g: O* U% N

. p5 r. w1 i9 i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。

/ {5 L; e9 _# N) u, o9 \* b
' A0 c. P, |- i举个栗子，直观了解蒙特卡洛方法：


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。

; I7 M* p5 ]9 P- p6 V

6 a: o1 Z; T$ L2 A
& o! U1 O$ o+ K" d9 D
, D8 y0 w' }, p: G8 E  @# g
- w" y! l) 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。

* s' Y& _" h# l0 O  Z7 A' e
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：
6 N/ w+ ?' A  u

a、直接追踪粒子，物理思路清晰，易于理解；
: z/ |% Q7 I- [5 v1 j# {$ o' \

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；
! x9 y  d8 _- H; t# A$ i
" y5 c. {1 Z9 K) m5 N; e
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

* W9 ?4 e* Y9 T" C- O
等等
1 j; ]! n6 `6 B7 h' w

) g+ `) s$ F! }  G4 V4 w 02  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。
( [( l2 T! |- U, g2 J; g# {

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。




! r* K2 x) v- G" F; Z
8 n$ J7 z0 ?1 n# B
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。


03 线性规划、整数规划、多元规划、二次规划等规划类问题
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。

( s- m& F+ t3 T0 @) U
04  图论算法
/ W/ T& E( i% p3 O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。
' e2 U$ V8 U0 L8 O$ k$ K. \9 X

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。

  W1 {! U( \0 }' i
9 D+ _$ M' e) H


2 T1 o$ G6 D  z, D  u9 _2 B+ Q
1 q& z. u3 e  l0 \! x 05  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。


$ |  H$ c! w% b9 ?6 y3 {



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。
# ^# w6 }) s; F
" M( f+ _1 m+ B3 x- o
06  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。

3 N2 D7 \/ a8 k- q: j) F3 [& L
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。


7 b6 F7 T* i7 N3 T6 q03 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。

4 M' i8 k, C, s, ~2 |



7 ?- V, C$ c  C5 y) _

$ [8 ^  l! n9 M0 A/ _4 \
5 U& S5 V0 m; L$ N; u9 I- S
! t9 ^9 k! J) Y& Z5 G8 Z% I( M 07  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。

- g+ Q# J% I; J3 P/ g8 o
8 L( P! Q! Y/ ^# o% [& N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。

4 V4 n% L  d2 i
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。

: O& s: h% P& l/ h
穷举法大家都熟悉，自不用多说了。
. i7 X, o3 [+ J$ a( C
7 @. [# |+ y1 D5 ^0 i) E9 n
08 一些连续离散化方法
% G# h- h) O6 Y+ e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。

9 L' g% q, e7 A: }. b3 C
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 D* e  x" e8 ]; Q8 v! j
/ G, Z: O7 R: y: P  T& ~! } 09 数值分析算法
: G% R+ c1 \  N+ q2 w! k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。
: T9 z! I# Y( g3 L! r" x4 {$ x

* I+ b$ V, J* j) d- M$ R0 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。
4 d' B9 Z- d8 M+ q
$ G9 s, F# u. o3 z
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。
* n/ Y- b8 @4 V; C, o5 R
6 d+ Q7 s, s  d" @# a
10  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。



9 V$ F7 }4 j: C: {. C" T
————————————————
. q: C2 }+ L9 a0 o% z" b& ~版权声明：本文为CSDN博主「文宇肃然」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/wenyusuran/article/details/114093268