关于数学建模的几种典型问题共46页
数学建模简单13个例子全解
数学建模简单13个例子全解数学建模是一种将数学方法和技术应用于实际问题解决的过程。
它是数学领域的一个重要分支，具有广泛的应用和重要的研究价值。
数学建模能够帮助我们理解和解决许多复杂的现实问题，对于推动科学研究和技术开发具有重要作用。
在现代科学和工程领域，数学建模被广泛运用于各种领域，包括物理、生物、经济、环境、社会等。
通过数学建模，我们可以通过数学方法对问题进行抽象和化简，然后利用数学工具和技术进行分析和求解。
数学建模的过程通常包括问题定义、模型构建、模型分析和模型验证等步骤，其中数学模型的选择和建立是关键的一步。
数学建模的重要性在于它能够帮助我们更好地理解和解决复杂的现实问题。
通过数学建模，我们可以用精确的数学语言和方法描述问题，通过数学分析和计算实现对问题的量化和定量化，为问题的解决提供科学的依据和方法。
数学建模还能够帮助我们发现问题中的规律和关联，提供新的洞察和预测，促进科学的发展和技术的创新。
本文将介绍数学建模的概念和重要性，并给出简单13个例子的全解。
通过这些例子，我们可以更加深入地了解数学建模的基本方法和技巧，培养和提高自己的数学建模能力，为解决实际问题提供有益的借鉴和参考。
描述如何利用数学建模解决鱼群聚集问题，并阐述模型的步骤和应用在鱼群聚集模型中，我们希望通过数学建模来解释鱼群在水中聚集的现象，并找到一种合适的模型来描述鱼群的行为。
步骤：收集数据：首先，我们需要收集关于鱼群聚集的现实数据。
这些数据可以包括鱼群的数量、鱼群的密度、鱼群的移动速度等。
建立模型：基于收集到的数据，我们可以建立一个数学模型来描述鱼群的聚集行为。
常用的模型包括离散模型和连续模型。
离散模型：离散模型将鱼群视为一组个体，每个个体根据一定的规则进行移动和相互作用。
常见的离散模型包括离散元胞自动机模型和离散粒子模型等。
连续模型：连续模型将鱼群视为一个连续的流体，采用偏微分方程来描述鱼群密度的演化。
常见的连续模型包括Navier-Stokes方程和Birds模型等。
数学建模题目及答案
09级数模试题1. 把四只脚的连线呈长方形的椅子往不平的地面上一放，通常只有三只脚着地，放不稳，然后稍微挪动几次，就可以使四只脚同时着地，放稳了。
试作合理的假设并建立数学模型说明这个现象。
（15分）解：对于此题，如果不用任何假设很难证明，结果很可能是否定的。
因此对这个问题我们假设 ：（1）地面为连续曲面（2）长方形桌的四条腿长度相同（3）相对于地面的弯曲程度而言，方桌的腿是足够长的（4）方桌的腿只要有一点接触地面就算着地。
那么，总可以让桌子的三条腿是同时接触到地面。
现在，我们来证明：如果上述假设条件成立，那么答案是肯定的。
以长方桌的中心为坐标原点作直角坐标系如图所示，方桌的四条腿分别在A 、B 、C 、D 处，A 、B,C 、D的初始位置在与x 轴平行，再假设有一条在x 轴上的线ab,则ab 也与A 、B ，C 、D 平行。
当方桌绕中心0旋转时，对角线 ab 与x 轴的夹角记为θ。
容易看出，当四条腿尚未全部着地时，腿到地面的距离是不确定的。
为消除这一不确定性，令 ()f θ为A 、B 离地距离之和，()g θ为C 、D 离地距离之和，它们的值由θ唯一确定。
由假设（1），()f θ,()g θ均为θ的连续函数。
又由假设（3），三条腿总能同时着地， 故()f θ()g θ=0必成立（∀θ）。
不妨设(0)0f =,(0)0g >g （若(0)g 也为0，则初始时刻已四条腿着地，不必再旋转），于是问题归结为：已知()f θ,()g θ均为θ的连续函数，(0)0f =,(0)0g >且对任意θ有00()()0f g θθ=，求证存在某一0θ，使00()()0f g θθ=。
证明：当θ=π时，AB 与CD 互换位置，故()0f π>，()0g π=。
作()()()h f g θθθ=-，显然，()h θ也是θ的连续函数，(0)(0)(0)0h f g =-<而()()()0h f g πππ=->，由连续函数的取零值定理，存在0θ，00θπ<<，使得0()0h θ=，即00()()f g θθ=。
高二数学中常见的实际问题数学建模解析
高二数学中常见的实际问题数学建模解析数学建模是将数学方法和技巧应用于实际问题的过程，通过建立数学模型来解决问题。
在高二数学学习中，我们经常遇到一些实际问题，这些问题需要我们通过数学建模来解析和求解。
本文将介绍高二数学中常见的实际问题，并给出相应的数学建模解析。
一、汽车加速问题在实际生活中，我们经常会遇到汽车加速问题。
假设一个汽车从静止开始加速，我们希望得到汽车的加速度函数和速度函数。
解析：设汽车在时间t时刻的加速度为a(t)，速度为v(t)，位移为s(t)。
根据牛顿第二定律可以得到汽车的运动方程：m*a(t) = F(t)，其中m为汽车的质量，F(t)为汽车受到的合力。
通过解这个微分方程，我们可以得到汽车的加速度函数a(t)，再次积分得到速度函数v(t)和位移函数s(t)。
二、投影问题投影问题是高二数学中比较常见的一类实际问题。
给定一个物体的运动轨迹和初速度，我们希望求解物体的运动方程和运动性质。
解析：设物体的运动轨迹为y=f(x)，初速度为v0。
根据物体在x和y方向上的运动分量可以得到物体的运动方程：x(t) = v0 * t，y(t) = f(v0 * t)，其中t为时间。
通过对物体的运动方程进行微分和积分，我们可以求解出物体的速度、加速度、位移等运动性质，从而了解物体的运动规律。
三、最优化问题最优化问题是高二数学中的重要内容，也是实际生活中经常遇到的问题。
给定一个约束条件，我们希望求解出使某一目标函数值达到最小或最大的变量取值。
解析：设目标函数为f(x)，约束条件为g(x)=0。
对目标函数f(x)进行求导并令导数为零，可以解得使目标函数达到最小或最大的变量取值。
通过最优化问题的解析，我们可以确定最优解，并对实际问题进行优化设计。
四、概率问题概率问题在高二数学中也是常见的实际问题。
给定一些事件的概率和条件，我们希望求解出与事件相相关的概率或输赢的概率。
解析：根据事件的概率规律和条件概率可以得到事件的概率分布和相应的求解公式。
数学建模基础问题与答案!(有答案).
‘牡丹江师范学院期末考试试题库科目：数学模型与数学实验年级：2006 学期：2008-2009-2 考核方式：开卷命题教师：数学模型与数学实验课程组一、解答题：（每小题30分）x=[0.1 0.11 0.12 0.13 0.14 0.15 0.16 0.17 0.18 0.2 0.21 0.23]';n=length(x)X=[ones(n,1) x];Y=[42 43.5 45 45.5 45 47.5 49 53 50 55 55 60]';[b,bint,r,rint,stats]=regress(Y,X);b,bint,stats% 预测y=b(1)+b(2)*x%E误差平方和E=sum((Y-y).^2)参考结果：回归直线：ˆ28.4928130.8348=+y x误差平方和：17.4096是否重点：重点难易程度：中知识点所在章节：第十六章第一节检查数据中有无异常点、由x的取值对y作出预测。
解：参考程序(t2.m)：x=[0.10 0.11 0.12 0.13 0.14 0.15 0.16 0.17 0.18 0.2 0.21 0.23]';Y=[42.0 41.5 45.0 45.0 45 47.5 49.0 55.0 50.0 55.0 55.5 60.5]'; scatter(x,Y);n=length(x)X=[ones(n,1) x];b,bint,stats %残差图 rcoplot(r,rint) % 预测y=b(1)+b(2)*x%剔除异常点重新建模 X(8,:)=[]; Y(8)=[];[b,bint,r,rint,stats]=regress(Y,X); b,bint,stats,rcoplot(r,rint) 结果和图：b =27.0269 140.6194 bint =22.3226 31.7313 111.7842 169.4546 stats =0.9219 118.0670 0.0000结果分析：由20.9226,119.2528,P =0.0000R F ==知，2R 接近1，10.5(1,10)F F ->，0.05P <，故x 对y 的影响显著，回归模型可用。
数学建模基础问题与答案!(有答案).
‘牡丹江师范学院期末考试试题库科目：数学模型与数学实验年级：2006 学期：2008-2009-2 考核方式：开卷命题教师：数学模型与数学实验课程组一、解答题：（每小题30分）x=[0.1 0.11 0.12 0.13 0.14 0.15 0.16 0.17 0.18 0.2 0.21 0.23]';n=length(x)X=[ones(n,1) x];Y=[42 43.5 45 45.5 45 47.5 49 53 50 55 55 60]';[b,bint,r,rint,stats]=regress(Y,X);b,bint,stats% 预测y=b(1)+b(2)*x%E误差平方和E=sum((Y-y).^2)参考结果：回归直线：ˆ28.4928130.8348=+y x误差平方和：17.4096是否重点：重点难易程度：中知识点所在章节：第十六章第一节检查数据中有无异常点、由x的取值对y作出预测。
解：参考程序(t2.m)：x=[0.10 0.11 0.12 0.13 0.14 0.15 0.16 0.17 0.18 0.2 0.21 0.23]';Y=[42.0 41.5 45.0 45.0 45 47.5 49.0 55.0 50.0 55.0 55.5 60.5]'; scatter(x,Y);n=length(x)X=[ones(n,1) x];b,bint,stats %残差图 rcoplot(r,rint) % 预测y=b(1)+b(2)*x%剔除异常点重新建模 X(8,:)=[]; Y(8)=[];[b,bint,r,rint,stats]=regress(Y,X); b,bint,stats,rcoplot(r,rint) 结果和图：b =27.0269 140.6194 bint =22.3226 31.7313 111.7842 169.4546 stats =0.9219 118.0670 0.0000结果分析：由20.9226,119.2528,P =0.0000R F ==知，2R 接近1，10.5(1,10)F F ->，0.05P <，故x 对y 的影响显著，回归模型可用。
简单数学建模100例完整
简单数学建模100例(可以直接使用，可编辑优秀版资料，欢迎下载）“学”以致用-----简单数学建模应用问题100例数学教学过程中学习了一个数学公式后，需要做大量的应用题，通过训练来加深理解所学公式。
但是在生活中又有多少实际问题是可以直接套用公式的呢？理想状态下的公式直接运用，在生产及生活中的实例是少之又少。
为此学生总感到学了数学没有什么实际用处，所以对学习数学少有兴趣。
数学建模的引入对培养学生利用数学方法分析、解决实际问题的能力开辟了一条有效的途径，让中职学生从中体会到数学是来源于生活并应用于生活的.数学建模是一种思维方式，它是一个动态的过程，通过此过程可以将一个实际的问题，经过模型准备、模型假设、模型构成、模型解析、模型检验与应用等五个具体步骤，转变为可以用数学方法（公式）来解决的，在理想状态下的数学问题，上述的整个流程统称为数学建模如果想解决某个实际问题（也许它和数学没有直接的关系），可以按下面流程对问题进行数学建模。
一．模型准备先了解该问题的实际背景和建模目的，尽量弄清要建模的问题属于哪一类学科的问题，可能需要用到哪些知识，然后学习或复习有关的知识，为接下来的数学建模做准备.由于人们所掌握的专业知识是有限的，而实际问题往往是多样和复杂的，模型准备对做好数学建模问题是非常重要的.二．模型假设有了模型准备的基础，要想把实际问题变为数学问题还要对其进行必要合理的简化和假设.明确了建模目的又掌握了相关资料，再去除一些次要因素.以主要矛盾为主来对该实际问题进行适当的简化并提出一些合理的假设。
模型假设不太可能一蹴而就，可以在模型的不断修改中得到逐步完善.三．模型构成在模型假设的基础上，选择适当的数学工具并根据已知的知识和搜集的信息来描述变量之间的关系或其他数学结构（如数学公式、定理、算法等）.做模型构成时可以使用各种各样的数学理论和方法，但要注意的是在保证精度的条件下尽量用简单的数学方法是建模时要遵循的一个原则.四．模型解析在模型构成中建立的数学模型可以采用解方程、推理、图解、计算机模拟、定理证明等各种传统的和现代的数学方法对其进行求解，其中有些可以借助于计算机软件来做这些工作。
2023数学建模赛题
有关“数学建模”的赛题
数学建模赛题通常涉及到各种实际问题，需要通过建立数学模型进行解决。
有关“数学建模”的赛题如下：
1.人口预测问题：给定历史人口数据，要求预测未来人口数量和年龄结构。
2.传染病传播问题：给定传染病传播的参数和初始感染人数，要求预测疾病传播的趋势
和影响。
3.物流优化问题：给定运输网络和货物需求，要求设计最优的运输方案，降低运输成
本。
4.金融风险管理问题：给定投资组合和风险因子，要求评估投资组合的风险和回报，制
定最优投资策略。
5.生产计划问题：给定市场需求和生产成本，要求制定最优的生产计划，满足市场需求
并实现利润最大化。
6.资源分配问题：给定有限资源的数量和各种需求，要求分配资源以满足需求，并实现
资源利用的最大化。
7.交通运输问题：给定运输网络和货物需求，要求设计最优的运输方案，提高运输效率
并降低成本。
8.环境保护问题：给定环境污染数据和环境质量标准，要求制定最优的环境治理方案，
改善环境质量。
数学建模例题及解析
.例1差分方程——资金(de)时间价值问题1:抵押贷款买房——从一则广告谈起每家人家都希望有一套(甚至一栋)属于自己(de)住房,但又没有足够(de)资金一次买下,这就产生了贷款买房(de)问题.先看一下下面(de)广告(这是1991年1月1日某大城市晚报上登(de)一则广告),任何人看了这则广告都会产生许多疑问,且不谈广告中没有谈住房面积、设施等等,人们关心(de)是：如果一次付款买这栋房要多少钱呢银行贷款(de)利息是多少呢为什么每个月要付1200元呢是怎样算出来(de)因为人们都知道,若知道了房价(一次付款买房(de)价格),如果自己只能支付一部分款,那就要把其余(de)款项通过借贷方式来解决,只要知道利息,就应该可以算出五年还清每月要付多少钱才能按时还清贷款了,从而也就可以对是否要去买该广告中所说(de)房子作出决策了.现在我们来进行数学建模.由于本问题比较简单无需太多(de)抽象和简化.a.明确变量、参数,显然下面(de)量是要考虑(de)：需要借多少钱,用记；月利率(贷款通常按复利计)用R记；每月还多少钱用x记；借期记为N个月.b．建立变量之间(de)明确(de)数学关系.若用记第k个月时尚欠(de) 款数,则一个月后(加上利息后)欠款 , 不过我们又还了x元所以总(de)欠款为k=0,1,2,3,而一开始(de)借款为.所以我们(de)数学模型可表述如下(1)c. (1)(de)求解.由(2)这就是之间(de)显式关系.d．针对广告中(de)情形我们来看(1)和(2)中哪些量是已知(de).N=5年＝60个月,已知；每月还款x＝1200元,已知 A.即一次性付款购买价减去70000元后剩下(de)要另外去借(de)款,并没有告诉你,此外银行贷款利率R也没告诉你,这造成了我们决策(de)困难.然而,由(2)可知60个月后还清,即,从而得(3)A和x之间(de)关系式,如果我们已经知(3)表示N＝60,x＝1200给定时0A.例如,若R ＝0．01,则由(3)可算得道银行(de)贷款利息R,就可以算出053946元.如果该房地产公司说一次性付款(de)房价大于70000十53946＝123946元(de)话,你就应自己去银行借款.事实上,利用图形计算器或Mathematica这样(de)数学软件可把(3)(de)图形画出来,从而可以进行估算决策.以下我们进一步考虑下面两个问题.注1问题1标题中“抵押贷款”(de)意思无非是银行伯你借了钱不还,因而要你用某种不动产(包括房子(de)产权)作抵押,即万一你还不出钱了,就没收你(de)不动产.例题1某高校一对年青夫妇为买房要用银行贷款60000元,月利率0．01,贷款期25年＝300月,这对夫妇希望知道每月要还多少钱,25年就可还清.假设这对夫妇每月可有节余900元,是否可以去买房呢解：现在(de)问题就是要求使 (de)x,由(2)式知现＝60000,R＝0．01,k＝300,算得x=632元,这说明这对夫妇有能力买房.例题2 恰在此时这对夫妇看到某借贷公司(de)一则广告：“若借款60000元,22年还清,只要；(i)每半个月还316元；(ii)由于文书工作多了(de)关系要你预付三个月(de)款,即316×6＝1896元.这对夫妇想：提前三年还清当然是好事,每半个月还316元,那一个月不正好是还632元,只不过多跑一趟去交款罢了；要预付18％元,当然使人不高兴,但提前三年还清省下来(de)钱可是22752元哟,是1896元(de)十几倍哪这家公司是慈善机构呢还是仍然要赚我们(de)钱呢这对夫妇请教你给他们一个满意(de)回答.具体解法略.问题2：养老基金今后,当年青人参加工作后就要从其每月工资中扣除一部分作为个人 (de)养老基金,所在单位（若经济效益好(de)话）每月再投入一定数量(de)钱,再存入某种利息较高而又安全(de)“银行”(也可称为货币市场)到60岁退休时可以动用.也就是说,若退休金不足以维持一定(de)生活水平时,就可以动用自己(de)养老基金,每月取出一定(de)款项来补贴不足部分.假设月利率及＝0．01不变,还允许在建立养老基金时自己可以一次性地存入A(不论多少),每月存入y元(个人和单位投入(de)总和)；通常从一笔钱0三十一岁开始到六十岁就可以动用.这当然是一种简化(de)假设,但作为估算仍可作为一种考虑(de)出发点.本问题实际上有两个阶段,即退休前和退休后,其数学模型为其中x为每月要从养老基金中提出(de)款项.习题1 某大学年青教师小李从31岁开始建立自己(de)养老基金,他把已有(de)积蓄1万元也一次性地存入,已知月利率为0．01 (以复利计),每月存入300元,试问当小李60岁退休时,他(de)退休基金有多少又若,他退休后每月要从银行提取l000元,试问多少年后他(de)退休基金将用完你能否根据你了解(de)实际情况建立一个较好(de)养老基金(de)数学模型及相应(de)算法和程取软件).习题2 渔业(林业)管理问题设某养鱼池(或某海域)一开始有某种鱼条,鱼(de)平均年净繁殖率为R,每年捕捞x条,记第N年有鱼条,则池内鱼数按年(de)变化规律为注意,在实际渔业经营中并不按条数计算而是以吨记数(de).若对某海域(de)渔业作业中＝100000吨,R＝0．02,x＝1000吨,试问会不会使得若干年后就没有鱼可捕捞了（资源枯竭了）例2比例分析法——席位分配问题：某学校有三个系联合成立学生会,（1）试确定学生会席位分配方案.（2）若甲系有100名,乙系60名,丙系40名.学生会设20个席位,分配方案如何(3)若丙系有3名学生转入甲系,3名学生转入乙系,分配方案有何变化（4）因为有20个席位(de)代表会议在表决提案时有可能出现10： 10(de)平局,会议决定下一届增加1席,若在第（3）问中将学生会席位增加一席呢（5）试确定一数量指标衡量席位分配(de)公平性,并以此检查（1）—（4）.公平而又简单(de)席位分配办法是按人数(de)比例分配,若甲系有100名,乙系60名,丙系40名.学生会设20个席位,三个系分别应有10,6,4个席位.如果丙系有6名学生转入其他两系学习,各系人数如表所示系别学生人数所占比例（%）按比例分配(de)席位按惯例分配(de)席位甲10310乙636第二列所示,按比例分配席位时,出现了小数(见表中第四列)．在将取得整数(de)19席分配完毕后,剩下(de)1席按照惯例分给余数最大(de)丙系,于是三个系仍分别占有10、6、4个席位．因为有20个席位(de)代表会议在表决提案时有可能出现10：10(de)平局,会议决定下一届增加1席,于是他们按照上述惯例重新分配席位,计算(de)结果令人吃惊：总席位增加1席,丙系反而减少1席,见下表．看来,要解决这个矛盾,必须重新研究所谓惯例分配方法,提出更加“公平”(de)办法．下面就介绍这样一个席位分配模型．设A、B两方人数分别是p1 和p2,分别占有n1 和n2 个席位,则两方每个席位所代表(de)人数分别是p1 ／n12和p2／n2．很明显,仅当这两个数值相等时,席位(de)分配才是公平(de)．但是,通常它们不会相等,这时席位分配得不公平.不公平(de)程度可以用数值来表示,它衡量(de)是“绝对不公平”．从下表所举(de)例子来看,A、B之间(de)“绝对不公平”与C、D之间是一样(de).但是从常识(de)角度看,A、B之间显然比C、D之间存在着更加严重(de)不公平．所以“绝对不公平”不是一个好(de)衡量标准．p n p/n p1/n1-p2/n2 A120101212-10=2B1001010C102010102102-100=2D100010100为了改进绝对标准,我们自然想到用相对标准．因为p／n越大,每个席位代表(de)人数越多,或者说,总人数一定时分配(de)席位越少.所以,如果p1／n13＞p2/n2,则A方是吃亏(de),或者说,对A是不公平(de),由此,我们这样定义“相对不公平”：若p1／n1＞p2／n2,则称为对A(de)相对不公平值,记做若p1／n1＜p2／n2,则称为对B(de)相对不公平值,记做假设A、B两方已分别占有n1和n2个席位,我们利用相对不公平(de)城念来讨论,当总席位再增加1席时,应该给且A方还是B方不失一般性,可设p1／n1＞p2/n2,即此时对A方不公平, ,有定义．当再分配1个席位时,关于p／n(de)不等式有以下三种可能：1)p1／(n1十1)＞p2／n2,这说明即使A方增加1席,仍然对A不公平,所以这1席当然应给A方；2)p1／(n1十1)＜p2／n2,说明当A方增加1席位,将对B不公平,此时应参照式,计算对B(de)相对不公平值3）说明当B方增加1席时,将对A方不公平,此时计算得对A (de)相对不公平值是（注意：在p1/n1p2/n2(de)假设下,不可能出现p1／n1＜p2／(n2+1)(de)情况因为公平(de)席位分配方法应该使得相对不公平(de)数值尽量地小,所以如果则这1席应给A方；反之应给B方．根据(3)、（4）两式,(5)式等价于并且不难证明1从上述第1)种情况(de)p1／(n1十1)＞p2／p2也可推出. 于是我们(de)结论是：当(6)式成立时,增加(de)1席应分配A方；反之,应分配给B方．若记,则增加(de)1席位应分配给Q值较大(de)一方．将上述方法可以推广到有m方分配席位(de)情况．下面用这个方法,重新讨论本节开始时提出(de),三个系分配21个席位(de)问题．首先每系分配1席,然后计算：甲系n1＝1,乙系, n2=1,丙系,n3=1,因为最大,所以第4席应分配给甲系,继续计算：甲系n1＝2,将与上面(de)相比,最大,第5席应分给乙系,继续计算.如此继续,直到第21席分配给某个系为止（详见列表）．n甲系乙系丙系1（4）（5）578（9）2（6）（8）（15）3（7）（12）（21）4（10）（14）5（11）（18）6（13）7（16）8（17）9（19）10（20）11可以看出,用Q值法,丙系保住了它险些丧失(de)1席.你觉得这个方法公平吗习题：学校共1000名学生,235入住在A宿合,333人住在B宿合,432人住在C宿合．学生们要组织一个10人(de)委员会,试用下列办法分配各宿舍(de)委员数．1）惯例(de)方法,印按比例分配完整数名额后,剩下名额给余数最大者. 2）Q值方法.如果委员会从10人增至15人,分配名额将发生什么变化 ,例3 状态转移问题——常染色体遗传模型随着人类(de)进化,人们为了揭示生命(de)奥秘,越来越注重遗传学(de)研究,特别是遗传特征(de)逐代传播,引起人们(de)注意.无论是人,还是动植物都会将本身(de)特征遗传给下一代,这主要是因为后代继承了双亲(de)基因,形成自己(de)基因对,基因对将确定后代所表现(de)特征.下面,我们来研究两种类型(de)遗传：常染色体遗传和x—链遗传.根据亲体基因遗传给后代(de)方式,建立模型,利用这些模型可以逐代研究一个总体基因型(de)分布.在常染色体遗传中,后代从每个亲体(de)基因对中各继承一个基因,形成自己(de)基因对,基因对也称基因型.如果我们所考虑(de)遗传特征是有两个基因A和控制(de),那么就有三种基因对,记为AA,A,.例如,金草鱼由两个遗传基因决定花(de)颜色,基因型是AA(de)金鱼草开红花,型(de)开粉红色花,而型(de)开白花.又如人类(de)眼睛(de)颜色也是提高通过常染色体遗传控制(de).基因型是(de)人,眼睛是棕色,基因型是(de)人,眼睛是兰色.这里因为都表示了同一外部特征,我们认为基因A 支配基因,也可以认为基因对于A 来说是隐性(de)农场(de)植物园中某种植物(de)基因型为AA,A 和.农场计划采用AA 型(de)植物与每种基因型植物相结合(de)方案培育植物后代.那么经过若干年后,这种植物(de)任一代(de)三种基因型分布如何 第一步：假设：令 ,2,1,0=n .（1） 设n n b a ,和n c 分别表示第n 代植物中,基因型为AA,Aa 和aa(de)植物占植物总数(de)百分率.令)(n x 为第n 代植物(de)基因型分布:⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡=n n n n c b a x )(当n=0时⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡=000)0(c b a x表示植物基因型(de)初始分布（即培育开始时(de)分布）,显然有1000=++c b a（2） 第n 代(de)分布与第n-1代(de)分布之间(de)关系是通过上表确定(de).第二步：建模根据假设（2）,先考虑第n 代中(de)AA 型.由于第n-1代(de)AA 型与AA 型结合,后代全部是AA 型；第n-1代(de)Aa 型与AA 型结合,后代是AA 型(de)可能性为1/2,第n-1代(de)aa 型与AA 型结合,后代不可能是AA 型.因此,当 ,2,1,0=n 时11102/1---•++•=n n n n c b a a即2/11--+=n n n b a a 类似可推出2/11--+=n n n b c a 0=n c将式相加,得111---++=++n n n n n n c b a c b a根据假设（1）,有1000=++=++c b a c b a n n n对于式、式和式,我们采用矩阵形式简记为,2,1,)1()(==-n Mx x n n其中⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡=00012/1002/11M ⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡=n n n n c b a x )(式递推,得)0()2(2)1()(x M x M Mx x n n n n ====--式给出第代基因型(de)分布与初始分布(de)关系.为了计算出n M ,我们将M 对角化,即求出可逆矩阵P 和对角阵D,使1-=PDP M因而有,2,1,1==-n P PD M n n其中⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡=⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡=n n nnn D 321321000000000λλλλλλ这里321,,λλλ是矩阵M(de)三个特征值.对于式中(de)M,易求得它(de)特征值和特征向量:0,2/1,1321===λλλ因此⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡=00002/10001D ,⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡=0011 ⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡-=0112 ⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡-=1213 所以[]⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡--==100210111321P通过计算1-=P P ,因此有)0(1)0()(x P PD x M x n n n -==⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡--⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡--=0001002101110000)21(0010100210111c b a n 即⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡--=⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡=--00011)(000)2/1()2/1(0)2/1(1)2/1(11c b a c b a x n n n n n n n n ⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡+--++=--0)2/1()2/1()2/1()2/1(010010000c b c b c b a n n n n所以有⎪⎩⎪⎨⎧=+=--=--0)2/1()2/1()2/1()2/1(1010010n n n n n n n c c b b c b a当∞→n 时0)2/1(→n,所以从式得到0,1→→n n b a 和n c =0即在极限(de)情况下,培育(de)植物都是AA 型. 第三步：模型讨论若在上述问题中,不选用基因AA 型(de)植物与每一植物结合,而是将具有相同基因型植物相结合,那么后代具有三代基因型(de)概率如下表：并且)0()(x M xn n =,其中⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡=14/1002/1004/11M M(de)特征值为2/1,1,1321===λλλ通过计算,可以解出与21,λλ相对应(de)两个线性无关(de)特征向量1 和2 ,及与3λ相对应(de)特征向量3 ：⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡-=1011 ⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡=1002 ⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡-=1213 因此[]⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡--==111200101321P⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡-=-02/1011102/111P)0(1)0()(x P PD x M x n n n -==⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡-⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡--=00002/1011102/11)2/1(0001001111200101c b a n n所以有⎪⎩⎪⎨⎧-+==++=++010000100)2/1()2/1()2/1()2/1()2/1(bb c c b b b b a a n nn n n n当∞→n 时0)2/1(→n,所以从式得到0,)2/1(00→+→n n b b a a 和00)2/1(b c c n +→因此,如果用基因型相同(de)植物培育后代,在极限情况下,后代仅具有基因AA 和aa. 例4 合作对策模型在经济或社会活动中,几个社会实体（个人、公司、党派、国家）相互合作或结成联盟,常能获得比他们单独行动更多(de)经济或社会效益.这样合理地分配这些效益是合作对策要研究(de)问题.请看下面(de)例子.问题一：经商问题甲、乙、丙三人经商,若单干,每人仅能获利1元；甲乙合作可获利7元；甲丙合作可获利5元；乙丙合作可获利4元；三人合作可获利10元,问三人合作时如何分配10元(de)收入.甲(de)收入应按照甲对各种形式(de)合作(de)贡献来确定．对于某一合作(de)贡献定义为：有甲参加时这个合作(de)收入与无甲参加时这个合作(de)收入之差．例如甲对甲乙二人合作(de)贡献是7—1＝6 (因为甲乙合作获利7元,而乙单干仅获利1元)．甲可以参加(de),合作有四个：甲自己(单干视为合作(de)特例)、甲乙、甲丙、甲乙丙．甲对这些合作(de)贡献分别是甲：1一0＝1元；甲乙：7—1＝6元；甲内：5—1＝4元；甲乙丙：10—4＝6元,甲应分得(de)收入是这四个贡献(de)加权平均值,加权因子将由下面(de)一般模型给出．这个问题叫做3人合作对策,是对策论(de)一部分,这里介绍它(de)一种解法.一般(de)n人合作对策模型可以叙述如下：记n人集合为I=,如果对于I中 (de)任一子集,都对应一个实值函数v（s）,满足则称为定义在I上(de)特征函数．所谓合作对策是指定义了特征函数(de)I中n个人(de)合作结果,用向量值函数来表示．在实际问题中．常可把I中各种组合(de)合作获得(de)利益定义为特征函数,上式表示合作规模扩大时,获利不会减少.不难看出,如将三人经商问题中合作(de)获利定义为特征函数v,v是满足(1)、(2)(de)．为了确定,Shapley在1953年首先制定了一组应该满足(de)公理,然后证明了满足这组公理(de)(de)唯一解是其中是I中包含{i}(de)所有子集,是集合s中(de)人数,是加权因子,由确定．(3)式中可看作成员{i}对合作s(de)贡献；表示对所有包含{i}(de)集合求和．称为由v定义(de)合作(de)Shapley值．我们用(3)、(4)计算三人经商问题中各个人应得到(de)收入．甲、乙、丙分别记作{1},{2},{3},包含{1}(de)集合有{1}、{1,2}、{1,3}、{1,2,3},计算结果列入下表．S{1}{1,2}{1,3}{1,2,3}V(s)17510V(s-{1})0114V(s)- V(s-{1})1 6 4 612 23 W()1/31/61/61/3W()[V(s)-V(s-{1})]1/31 2/3 2.同样可以算出乙、丙应得收入为＝3．5元,＝元.问题二：三城镇(de)污水处理方案沿河有三城镇1、2和3,地理位置如图4；6所示．污水需处理后才能排入河中．三城镇或者单独建立污水处理厂,或者联合建厂,用管道将污水集中处理(污水应于河流(de)上游城镇向下游城镇输送).以Q 表示污水量(吨／秒),工表示管道长度(公里).按照经验公式,建立处理厂(de)费用为712.0173Q P =,铺设管道(de)费用为LQ P 51.0266.0=．今已知三城镇(de)污水量分别为5,3,5321===Q Q Q ．L(de)数值38,202312==L L ．试从节约总投资(de)角度为三城镇制定污水处理方案；包括是单独还是联合建厂；如果联合,如何分担投资额等．三城镇或单干或不同形式(de)联合,共有五种方案.下面一一计算所需(de)投资．方案一 三城镇都单干.投资分别为总投资：方案二城1、2合作.这时城1、2将从节约投资(de)角度对联合还是分别建厂作出决策,所以城1、2(de)投资为：=3500C（3）=2300总投资：方案三城2、3合作.C（1）=2300总投资：方案四城1、3合作.C（2）=1600总投资：方案五三城镇合作=5560总投资：比较五个方案可知,应该选择三城合作,联合建厂(de)方案． 下面(de)问题是如何分担总额为5560(de)费用．城3(de)负责人提出,联合建厂(de)费用按三城(de)污水量之比5：3：5分担,铺设管道费应由城1、2担负．城2(de)负责人同意,并提出从城2到城3(de)管道费由城1、2按污水量之比5：3分担；从城1到城2(de)管道费理应由城1自己担负．城1(de)负责人觉得他们(de)提议似乎是合理(de),但因事关重大,他没有马上表示同意；而是先算了一笔账．联合建厂(de)费用是4530)535(73712.0=++,城2到城3(de)管道费是730,城1到城2(de)管道费是300,按上述办法分配时,城3负担(de)费用为1740,城2(de)费用为1320,域1(de)费用为2500．结果出乎意料之外,城3和城2(de)费用都比单独建厂时少,而城1(de)费用却比单独建厂时(de)C(1)还要多.城1(de)负责人当然不能同意这个方法,但是一时他又找不出公平合理(de)解决办法．为了促成联合(de)实现,你能为他们提供一个满意(de)分担费用(de)方案吗首先,应当指出,城3和城2负责人提出(de)办法是不合理(de)：从前面(de)计算我们知道,三城联合,才能使总投资节约了640(de)效益应该分配给三城,使三城分配(de)费用都比他们单干时要少,这是为促成联合所必须制定(de)一条原则．至于如何分配,则是下面要进一步研究(de)问题． 把分担费用转化为分配效益,就不会出现城1联合建厂分担(de)费用反比单独建厂费用高(de)情况.将三城镇记为I={1,2,3},联合建厂比单独建厂节约(de)投资定义为特征函数.于是有v(φ)=0,v({1})=v({2})=v({3})=0,v({1,2})=c(1)+c(2)-c(1,2)=2300+1600-3500=400,v({2,3})=c(2)+c(3)-c(2,3)=1600+2300-3650=250,v({1,3})=0,v(I)=c(1)+c(2)+c(3)-c(1,2,3)=640.S {1} {1,2} {1,3} {1,2,3} V(s) 0 400 0 640 V(s-{1}) 0 0 0 250 V(s)- V(s-{1})0 400 0 39012 23 W()1/31/61/61/3W()[V(s)-V(s-{1})] 0 67 0 130即197)(1=v ϕ同理得321)(2=v ϕ,122)(3=v ϕ那么, 城1分担(de)费用为2300-197=2103, 城2分担(de)费用为1600-321=1279, 城3分担(de)费用为2300-122=2178,合计5560. 习题：某甲（农民）有一块土地.如果从事农业生产可年收入100元；如果将土地租给某企业家用于工业生产,可年收入200元；如果租给某旅店老板开发旅游业,可年收入300元；当旅店老板请企业家参与经营时,年收入可达400元.为实现最高收入,试问如何分配各人(de)所得才能达成协议例5动态规划模型有不少动态过程可抽象成状态转移问题,特别是多阶段决策过程(de)最优化如最短路径问题,最优分配,设备更新问题,排序、生产计划和存储等问题．动态规划是一种将复杂问题转化为一种比较简单问题(de)最优化方法,它(de)基本特征是包含多个阶段(de)决策．1951年,美国数学家贝尔曼(R．Bellman)等人,提出了解决多阶段决策问题(de)“最优化原理”,并研究了许多实际问题,从而创建了动态规划·动态规划方法(de)基本思想是：将一个复杂问题分解成若干个阶段,每一个阶段作为一个小问题进行处理,从而决定整个过程(de)决策,阶段往往可以用时间划分这就具有“动态”(de)含义,然而,一些与时间无关(de)静态规划中(de)最优化问题,也可人为地把问题分成若干阶段,作为一个多阶段决策问题来处理,计算过程单一化,便于应用计算机．求解过程分为两大步骤,①先按整体最优化思想递序地求出各个可能状态(de)最优化决策；②再顺序地求出整个题(de)最优策略和最优路线．下面,结合一个求最短路径(de)例子,来说明动态规划(de)一些基本概念．最短路径问题如图所示(de)交通网络,节点连接线路上(de)数字表示两地距离,计算从A 到E(de)最短路径及长度.1．阶段．把所要处理(de)问题,合理地划分成若干个相互联系(de)阶段,通常用k 表示阶段变量.如例中,可将问题分为4个阶段,k=1,2,3,4. 2．状态和状态变量．每一个阶段(de)起点,称为该阶段(de)状态,描述过程状态(de)变量,称为状态变量,它可以用一个数、一组数或一个向量来描述,常用k x 来表示第k 阶段(de)某一状态．如果状态为非数量表示,则可以给各个阶段(de)可能状态编号,i x i k =)(()(i k x 表示第k 个阶段(de)第i 状态).第k 阶段状态(de)集合为},,,,,{)()()2()1(T k i k k k k x x x x X =如例6中,第3阶段集合可记为}3,2,1{},,{},,{321)3(3)2(3)1(33===C C C x x x X3．决策和决策变量．决策就是在某一阶段给定初始状态(de)情况下,从该状态演变到下一阶段某状态(de)选择.即确定系统过程发展(de)方案．用一个变量来描述决策,称这个变量为决策变量.设)(k k x u 表示第k 个阶段初始状态为k x (de)决策变量．)(k k x D 表示初始状态为k x (de)允许决 策集合,有)(k k x u ∈)(k k x D ={k u }如例6中},,{)(3211B B B A D =,若先取2B ,则21)(B A u =. 4．策略和子策略．由每段(de)决策)(k k x u 组成(de)整个过程(de)决策变量序列称为策略,记为n P ,1,即n P ,1=)}(,),(),({2211n n x u x u x u从阶段k 到阶段n 依次进行(de)阶段决策构成(de)决策序列称为k 子策略,记为n k P ,即)(1,x P n k =)}(,),(),({11n n k k k k x u x u x u ++显然,k=1时(de)k 子策略就是策略.如例6,选取路径E D C B A →→→→221就是一个子策略．从允许策略集中选出(de)具有最佳效果(de)策略称为最优策略. 5．状态转移方程．系统在阶段k 处于状态k x ,执行决策)(k k x u (de)结果是系统状态(de)转移,即由阶段K(de)状态k x 转移到阶段K 十1(de)状态1+k x 适用于动态规划方法求解(de)是一类具有无后效性(de)多阶段决策过程．无后效性又称马尔科夫性,指系统从某个阶段往后(de)发展,完全由本阶段所处(de)状态以及其往后(de)决策决定,与系统以前(de)状态及决策无关,对于具有无后效性(de)多阶段过程,系统由阶段k 向阶段k+1(de)状态转移方程为))(,(1k k k k k x u x T x =+意即1+k x 只与k x ,)(k k x u 有关,而与前面状态无关．))(,(k k k k x u x T 称为变换函数或算子．分确定型和随机型,由此形成确定型动态规划和随机型动态规划． 6．指标函数和最优指标函数．在多阶段决策中,可用一个数量指标来衡量每一个阶段决策(de)效果,这个数量指标就是指标函数,为该阶段状态变量及其以后各阶段(de)决策变量(de)函数,设为n k V ,即n k x x u x V V n k k k n k n k ,,2,1),,,,(1,, ==+指标(de)含义在不同(de)问题中各不相同,可以是距离、成本、产品产 量、资源消耗等．例6中,指标(de)含义就是距离,指标函数为A 到E(de)距离,为各阶段路程(de)和．最常见(de)指标函数取各阶段效果之和(de)形式,即∑==nk j j j j n k u x V V ),(,指标函数nk V ,(de)最优值,称为相应(de)最优指标函数,记为)(k k x fnk k k optV x f ,)(=式中opt 是最优化之意,根据问题要求取max 或min ． 7．动态规划最优化原理．贝尔曼指出“作为整个过程(de)最优策略具有这样(de)性质：即无论过去(de)状态和决策如何,对前面(de)决策所形成(de)状态而言,余下(de)诸决策必须构成最优策略”基于这个原理,可有如下定理：定理 若策略*,1n P 是最优策略,则对于任意(de)k(1<k<n),它(de)子策略*,n k P 对于以),(*1*11*---=k k k k u x T x 为起点(de)k 到n 子过程来说,必是最优策略． 实质上,动态规划(de)方法是从终点逐段向始点方向寻找最短路径(de)一种方法．8．动态规划(de)数学模型．利用最优化原理,可以得到动态规划(de)数学模型)}(),({)(11+++=k k k k k k k x f u x V opt x f ))(1,,1,(k k k x D u n n k ∈-=0)(11=++n n x f这是一个由后向前(de)递推方程．下面以例6(de)最短路径问题说明这种递序解法．指标函数为两点之间(de)距离,记为),(k k u x d ,例中共分4个阶段． (倒推) 第4阶段2)(),()(5114=+=E f E D d D f 3)(),()(5224=+=E f E D d D f 5)(),()(5334=+=E f E D d D f 0)(5=E f第3阶段6835)(),(624)(),(min )(2421141113=⎭⎬⎫⎩⎨⎧=+=+=+=+=D f D C d D f D C d C f},,{11*4,3E D C P =4431)(),(826)(),(min )(2422141223=⎭⎬⎫⎩⎨⎧=+=+=+=+=D f D C d D f D C d C f},,{22*4,3E D C P =6651)(),(1239)(),(min )(3433243333=⎭⎬⎫⎩⎨⎧=+=+=+=+=D f D C d D f D C d C f},,{33*4,3E D C P =第2阶段7734)(),(1367)(),(min )(2321131112=⎭⎬⎫⎩⎨⎧=+=+=+=+=C f C B d C f C B d B f},,,{221*4,2E D C B P =7734)(),(826)(),(min )(2322131222=⎭⎬⎫⎩⎨⎧=+=+=+=+=C f C B d C f C B d B f},,,{222*4,2E D C B P =91468)(),(945)(),(min )(3333232332=⎭⎬⎫⎩⎨⎧=+=+=+=+=C f C B d C f C B d B f},,,{223*4,2E D C B P =第1阶段10111192)(),(74)(),(1073)(),(min )(323221211=⎪⎭⎪⎬⎫⎪⎩⎪⎨⎧=+=+=+=+=+=+=B f B A d B f B A d B f B A d A f},,,,{221*4,1E D C B A P =故最短路径为E D C B A →→→→221,从A 到E(de)最短距离为10. 上述步骤可归纳为下述递推公式)}(),(m in{)(11+++=k k k k k k x f u x d x f 1,2,3,4(=k ）0)(55=x f此递推关系叫做动态方程,即最短路径问题(de)动态规划模型,应用动态规划方法解决问题(de)关键是根据所给问题建立具体(de)动态规划模型,建立动态规划模型时(de)主要困难在于：如何将所遇到(de)最优化解释为合适(de)多段决策过程问题．从例6看出,划分I 阶段、定义状态、确定指标函数,是动态规划模型化时(de)主要工作,其合适性决定应用动态规划(de)成败．建模时,除将实际问题根据时间和空间恰当地划分若干阶段外,还须明确下列几点： (1)正确选择状态变量,使它既能描述过程(de)状态,又。
数学建模题目及答案数学建模100题
09 级数模试题1． 把四只脚的连线呈长方形的椅子往不平的地面上一放，通常只有三只脚着地 ,放不稳，然后稍微挪动几 次，就可以使四只脚同时着地 ,放稳了.试作合理的假设并建立数学模型说明这个现象。
(15分) 解:对于此题，如果不用任何假设很难证明 ,结果很可能是否定的。
因此对这个问题我们假设 ： (1)地面为连续曲面(2)长方形桌的四条腿长度相同(3)相对于地面的弯曲程度而言 ,方桌的腿是足够长的 (4)方桌的腿只要有一点接触地面就算着地。
那么,总可以让桌子的三条腿是同时接触到地面。
现在，我们来证明：如果上述假设条件成立，那么答案是肯定的。
以长方桌的中心为坐标原点作直角 坐标系如图所示，方桌的四条腿分别在 A 、 B 、C 、D 处， A 、B,C 、D 的初始位置在与 x 轴平行， 再假设有一条在 x 轴上的线a b ，则a b 也与 A 、B,C 、D 平行。
当方桌绕中心 0 旋转时，对角线 ab 与 x 轴的夹角记为9 .容易看出,当四条腿尚未全部着地时,腿到地面的距离是不确定 的。
为消除这一不确定性，令 f(9) 为 A 、B 离地距离之和，g(9) 为 C 、D 离地距离之和， 它们的值由9 唯一确定。
由假设(1), f(9) , g(9) 均为9 的连续函数.又由假设(3) ,三条腿总能同时着地， 故 f(9) g(9)=0 必成立( A 9 )。
不妨设 f(0) = 0, g(0) > 0g (若 g(0)也为 0，则初始时刻已四条腿着地 ,不必再旋转) ,于 是问题归结为：已知 f(9) ，g(9)均为9 的连续函数， f(0) = 0, g(0) > 0且对任意9 有 f(90)g(90 ) = 0 ，求证存在某一90 ，使 f(90 )g(90 ) = 0。
证明：当θ＝π时， AB 与 CD 互换位置 ,故 f(u) > 0，g(u) = 0.作 h(9) = f(9) g(9) ,显然， h(9)也是9 的连续函数， h(0) = f(0)g(0) < 0 而 h(u) = f(u) g(u) > 0 ，由连续函数的取零值定理，存在90 ， 0 < 90 < u ，使得h(90 ) = 0 ，即 f(90 ) = g(90 ) 。
数学建模试题(带答案)大全
(14 分)
得分
四、(满分 10 分) 雨滴的速度 v 与空气密度 、粘滞系数 和重力加速度 g 有关，其中粘
滞系数的量纲[ ]= L1MT 1 1，用量纲分析方法给出速度 v 的表达式.
解：设 v , , , g 的关系为 f ( v , , , g ) =0.其量纲表达式为
[ v ]=LM0T-1，
学分 5 4 4
4
数据结构
3
5
应用统计
4
6
计算机模拟 3
7
计算机编程 2
8
预测理论
2
9
数学实验
3
所属类别 数学 数学 数学；运筹学
数学；计算机 数学；运筹学
计算机；运筹学 计算机 运筹学 运筹学；计算机
先修课要求
微积分；线性代 数 计算机编程 微积分；线性代 数 计算机编程
应用统计 微积分；线性代 数
由 U 0, U 0 可得到最优价格:
p1
p2
1
T
1
3T
p1 2b [a b(q0
)] 4
P2 2b [a b(q0 4 )]
前期销售量
T、（2 a
0
bp1
)dt
后期销售量
T
T /2 (a p2 )dt
总销售量
Q0
=
aT
bT 2
(
p1
p2 )
在销售量约束条件下 U 的最大值点为
~p1
a b
Q0 bT
T 8
,
P~2
a b
Q0 bT
T 8
7. (1)雨水淋遍全身， s 2(ab bc ac) 2*(1.5*0.5 0.5*0.2 1.5*0.2) 2.2m2
数学建模典型例题
一、人体重变化某人的食量是10467焦/天,最基本新陈代谢要自动消耗其中的5038焦/天.每天的体育运动消耗热量大约是69焦/千克天乘以他的体重千克.假设以脂肪形式贮存的热量100% 地有效,而1千克脂肪含热量41868焦.试研究此人体重随时间变化的规律.一、问题分析人体重Wt随时间t变化是由于消耗量和吸收量的差值所引起的,假设人体重随时间的变化是连续变化过程,因此可以通过研究在△t时间内体重W的变化值列出微分方程.二、模型假设1、以脂肪形式贮存的热量100%有效2、当补充能量多于消耗能量时,多余能量以脂肪形式贮存3、假设体重的变化是一个连续函数4、初始体重为W0三、模型建立假设在△t时间内：体重的变化量为Wt+△t-Wt；身体一天内的热量的剩余为10467-5038-69Wt将其乘以△t即为一小段时间内剩下的热量；转换成微分方程为：dWt+△t-Wt=10467-5038-69Wtdt；四、模型求解d5429-69W/5429-69W=-69dt/41686W0=W解得：5429-69W=5429-69We-69t/41686即：Wt=5429/69-5429-69W/5429e-69t/41686当t趋于无穷时,w=81;二、投资策略模型一、问题重述一家公司要投资一个车队并尝试着决定保留汽车时间的最佳方案.5年后,它将卖出所有剩余汽车并让一家外围公司提供运输.在策划下一个5年计划时,这家公司评估在年i的开始买进汽车并在年j的开始卖出汽车,将有净成本aij 购入价减去折旧加上运营和维修成本.以千元计数aij的由下面的表给出：请寻找什么时间买进和卖出汽车的最便宜的策略.二、问题分析本问题是寻找成本最低的投资策略,可视为寻找最短路径问题.因此可利用图论法分析,用Dijkstra算法找出最短路径,即为最低成本的投资策略.三、条件假设除购入价折旧以及运营和维护成本外无其他费用；四、模型建立二511 7 三 64166 13 8四一 9128 1120五10六运用Dijikstra算法1 2 3 45 60 4 6 912 206 912 20912 2012 2020可发现,在第二次运算后,数据再无变化,可见最小路径已经出现即在第一年买进200辆,在第三年全部卖出,第三年再买进200第六年全部卖出.三、飞机与防空炮的最优策略一、问题重述：红方攻击蓝方一目标,红方有2架飞机,蓝方有四门防空炮,红方只要有一架飞机突破蓝方的防卫则红方胜.其中共有四个区域,红方可以其中任意一个接近目标,蓝方可以任意布置防空炮,但一门炮只能防守一个区域,其射中概率为1.那么双方各采取什么策略二、问题分析该问题显然是红方与蓝方的博弈问题,因此可以用博弈论模型来分析本问题.1、对策参与者为两方红蓝两方2、红军有两种行动方案,即两架飞机一起行动、两架飞机分开行动.蓝军有三种防御方案,即四个区域非别布置防空炮记为1-1-1-1、一个区域布置两架一个没有另外两个分别布置一个记为2-1-1-0、两个区域分别布置两架飞机另外两个没有记为2-2-0-0.显然是不需要在某个区域布置3个防空炮的.三、问题假设：（1）红蓝双方均不知道对方的策略.（2）蓝方可以在一个区域内布置3,4门大炮,但是大炮数量大于飞机的数量,而一门大炮已经可以击落一架飞机,因而这种方案不可取.（3）红方有两种方案,一是让两架飞机分别通过两个区域去攻击目标,另一种是让两架飞机通过同一区域去攻击目标.（4）假设蓝方四门大炮以及红方的两架飞机均派上用场,且双方必须同时作出决策.四、模型建立行动及其产生的结果由此可得赢得矩阵蓝方为A,红方为BA= 1 00.75 0.50 0.50 0.83B= 0 0.25 0.5 1 0.5 0.17没有鞍点,故用混合策略模型解决本问题设蓝方采取行动i的概率为 xii=1,2,3,红方采取行动j的概率为yjj=1,2,则蓝方与红方策略集分别为：S1=｛x=x1,x2,x30< xi<1,∑xi=1｝,S2=｛y=y1,y20< yi<1,∑yi=1｝.五、模型求解下列线性规划问题的解就是蓝军的最优混合策略xMax v10x1+0.25x2+0.5x3 >v1x1+0.5x2+0.17x3 >v1x1+x2+x3 =1xi<=1下列线性规划问题的解就是红军的最优混合策略yMin v2y2<v20.25y1+0.5y2 <v20.5y1+0.17 y2 <v2y 1+y2=1yi<=1四、雷达计量保障人员分配开展雷达装备计量保障工作中,合理分配计量保障人员是提高计量保障效能的关键.所谓合理分配是指将计量保障人员根据其专业特长、技术能力分配到不同的工作岗位上,并且使得所有人员能够发挥出最大的军事效益.现某雷达团共部署12种型号共16部雷达,部署情况及计量保障任务说明：1．保障任务分区域进行保障；2．B、H、L型雷达分为两个保障任务,分别为B1、B2、H1、H2、L1、L2,其它雷达为一个保障任务；3．同一区域多部相同雷达等同于一部雷达的保障任务；4．不同区域的相同雷达看作不同保障任务；5．每个保障人员只能保障一个任务；6．每个保障任务只由一个保障人员完成.雷达的重要性由其性能和所担负的作战任务共同决定,即使同一型号的雷达在不同区域其重要性也可能不同.各雷达的重要性如下表所示表中该雷达团修理所现在有10名待分配计量保障人员,他们针对不同保障问题：如何给该团三个营分配计量保障人员,使他们发挥最大军事效益一、问题分析：该问题是人员指派问题,目的是得到最大效益.根据保障能力测试与雷达重要性定义出效益矩阵,用0—1整数规划方法来求解,得到最大效益矩阵.二、模型假设1．保障任务分区域进行保障；2．B 、H 、L 型雷达分为两个保障任务,分别为B 1、B 2、H 1、H 2、L 1、L 2,其它雷达为一个保障任务；3．同一区域多部相同雷达等同于一部雷达的保障任务； 4．不同区域的相同雷达看作不同保障任务； 5．每个保障人员只能保障一个任务； 6．每个保障任务只由一个保障人员完成. 三、模型建立根据题目列出保障人员能力量化指标矩阵：⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎣⎡=007.09.03.08.04.002.05.03.06.08.08.06.08.03.07.02.06.07.03.07.03.04.06.07.08.07.05.06.03.05.05.07.04.02.02.01.02.02.0001.02.02.02.06.01.006.04.02.08.05.03.03.06.03.0003.03.04.03.002.0004.09.05.02.01.08.08.08.08.06.08.08.008.06.07.08.06.08.005.07.03.03.03.03.07.07.05.03.003.06.03.07.06.07.08.05.02.02.07.02.02.05.08.06.02.002.05.005.05.0007.05.04.03.04.04.004.07.04.06.04.0000009.005.05.05.05.05.005.05.05.05.05.05.0005.005.09.08.07.0006.04.04.03.09.07.06.07.08.04.07.003.08.0A 根据题目,设保障任务的重要性向量),...,,(21i b b b B =,bi 表示第i 个任务的重要性.列出保障任务重要性向量：[]7.07.06.08.09.07.06.09.09.07.08.07.07.07.08.09.09.08.0=B我们用二者的乘积表示效益矩阵：T*=BAR.我们设元素rij表示第i个人完成j件事的效益,Xij表示第i个人去保障第j件任务,如果是,其值为1,否则为0.利用这一个矩阵和0-1规划,我们就可以列出方程：∑=<=niijx11,m<=nmodel:sets:M/1..10/;N/1..18/:a;allowedM,N:b,r,x;endsetsdata:a=0.8 0.9 0.9 0.8 0.7 0.7 0.7 0.8 0.7 0.9 0.9 0.6 0.7 0.9 0.8 0.6 0.7 0.7;b=0.8 0.3 0 0.7 0.4 0.8 0.7 0.6 0.7 0.9 0.3 0.4 0.4 0.6 0 0 0.7 0.8 0.9 0.5 0 0.5 0 0 0.5 0.5 0.9 0.5 0.5 0.5 0 0.5 0.5 0.5 0.5 0.5 0 0.9 0 0 0 0 0 0.4 0.6 0.4 0.7 0.4 0 0.4 0.4 0.3 0.4 0.50.4 0 0 0.5 0.5 0 0.5 0.2 0 0.2 0.6 0.8 0.5 0.2 0.2 0.7 0.2 0.2 0.7 0.8 0.7 0.6 0.7 0.3 0.6 0.3 0 0.3 0.5 0.7 0.7 0.3 0.3 0.3 0.3 0.70.5 0 0.8 0.6 0.8 0.7 0.6 0.8 0 0.8 0.8 0.6 0.8 0.8 0.8 0.8 0.1 0.20.5 0.9 0.4 0 0 0.2 0 0.3 0.4 0.3 0.3 0 0 0.3 0.6 0.3 0.3 0.5 0.8 0.2 0.4 0.6 0 0.1 0.6 0.2 0.2 0.2 0.1 0 0 0.2 0.2 0.1 0.2 0.2 0.4 0.7 0.5 0.5 0.3 0.6 0.5 0.7 0.8 0.7 0.6 0.4 0.3 0.7 0.3 0.7 0.6 0.20.7 0.3 0.8 0.6 0.8 0.8 0.6 0.3 0.5 0.2 0 0.4 0.8 0.3 0.9 0.7 0 0;enddatamax=sumallowedi,j:xi,jri,j;forMi:forNj:ri,j=ajbi,j;forMi:sumNj:xi,j=1;forNj:sumMi:xi,j<=1;forMi:forNj:binxi,j;End解得最大效益为6.63,分配方案为：第5、7、8号保障人员分配到区域1,其中8号承担A 型,5、7号承担B1,B2型；第1、2、3、4、9号保障人员分配到区域2,其中第9号保障人员承担F型2号G型,1、3号承担H1,H2型,4号I型；第6、10号保障人员分配到区域3,6号F型、10号J型.。
数学建模例题
数学建模参考题——zzuxyh
量; (2) 尽可能充分利用各设备工时,但不希望加班; (3) 尽可能达到并超过计划利润指标 300 元. 试建立目标规划模型. 16.(洗衣机问题) 我国淡水资源有限,节约用水人人有责.洗衣在家庭用水中占有相当大的 份额.目前洗衣机已非常普及,节约洗衣机用水十分重要.假设在放入衣物和洗涤剂后洗衣机 的运行过程为:加水——漂洗——脱水——加水——漂洗——脱水——……——加水——漂 洗——脱水（简称“加水——漂洗——脱水”为运行一轮） 。请为洗衣机设计一种程序（包 括运行多少轮，每轮加水量等） ，使得在满足一定洗涤效果的条件下，总用水量最少。选用 合理的数据进行计算。 解:设第 k 轮洗涤后衣物上含污物量为 x k ,初始含污物量为 x 0 ,则有 其中 p k 为已溶入水中的污物量, q k 为未溶入水中的污物量. 假定
pk xk uk L H L
xk pk qk ,
,0
1,
其中 u k 为第 k 轮加水量,H、L 分别为用水量的上下限. 当脱水后衣物中残留污水量为 c 时,c 中含污物量为 p k c ,故有
uk
xk 1 qk
xk xk
pk c uk
u L uk L c + xk k H L uk H L
i 1 j 1
x
i 1
4
3
ij
b j ( j 1, 2, 3, 4)
ai ( i 1, 2, 3)
x
j 1
ij
xij 0, i 1, 2, 3; j 1, 2, 3,4
5.(动态投资)某地区在今后三年内有四种投资机会: (1) 在三年内每年年初投资,年底可获利 20%,并可将本金收回; (2) 在第一年年初投资,第二年年底可获利 50%,并可将本金收回,但该项投资不得超过 2 万 元; (3) 在第二年年初投资,第三年年底收回本金,并可获利 60%,但该项投资不得超过 1.5 万元; (4) 在第三年年初投资,于该年年底收回本金,且可获利 40%,但该项投资不得超过 1 万元. 现在该地区准备拿出 3 万元资金,问如何制订投资计划,可使到第三年年底本利和最大? 6.(风险组合投资)市场上有 n 种资产(如股票,债券等) si (i=1,2,…n),某公司有数额为 M 的 一笔相当大的资金可用作一个时期的投资 . 设购买 si 的平均收益率为 ri , 风险损失率为
关于数学建模的几种典型问题
ˆ ˆ ˆ ˆ ˆ 销售量预测 y = β 0 + β1 x1 + β 2 x2 + β 3 x22
价格差x 其它厂家价格x 本公司价格x 其它厂家价格 本公司价格 价格差 1=其它厂家价格 3-本公司价格 4 估计x 调整x 估计 3 调整 4 控制x 控制 1 通过x 预测y 通过 1, x2预测 控制价格差x 控制价格差 1=0.2元，投入广告费 2=650万元 元 投入广告费x 万元
alpha(置信水平,0.05) 置信水平 置信水平 参数
β0 β1 β2 β3
参数估计值 置信区间 17.3244 [5.7282 28.9206] 1.3070 [0.6829 1.9311 ] -3.6956 [-7.4989 0.1077 ] 0.3486 [0.0379 0.6594 ] R2=0.9054 F=82.9409 p=0.0001
加大广告投入使销售量增加 大于6百万元 百万元） （ x2大于 百万元） 价格差较小时增加 的速率更大
8 7.5 5 6 7 8
x2
价格差较小时更需要靠广告 来吸引顾客的眼球
完全二次多项式模型 2 2 y = β 0 + β1 x1 + β 2 x 2 + β 3 x1 x 2 + β 4 x1 + β 5 x 2 + ε
ˆ ˆ ˆ ˆ 2 ˆ y = β 0 + β 1 x1 + β 2 x 2 + β 3 x 2 = 8 . 2933 (百万支 百万支) 百万支
销售量预测区间为 [7.8230，8.7636]（置信度 ， （置信度95%） ） 上限用作库存管理的目标值 下限用来把握公司的现金流 若估计x 若估计 3=3.9，设定 4=3.7，则可以 ，设定x ，则可以95%的把握 的把握 知道销售额在 7.8320×3.7≈ 29（百万元）以上 × ≈ （百万元）
简单数学建模应用问题100例
附件2简单数学建模应用问题100例前言“数学建模”之解读数学教学过程中学习了一个数学公式后，需要做大量的应用题，通过训练加深理解所学公式。
但是在生活中又有多少实际问题是可以直接套用公式的呢？理想状态下的公式直接运用，在生产及生活中的实例是少之又少。
为此学生总感到学了数学没有什么实际用处，所以对学习数学少有兴趣。
数学建模的引入对培养学生利用数学方法分析、解决实际问题的能力开辟了一条有效的途径，让中职学生从中体会到数学是来源于生活并应用于生活的.数学建模是一种思维方式，它是一个动态的过程，通过此过程可以将一个实际的问题，经过模型准备、模型假设、模型构成、模型解析、模型检验与应用等五个具体步骤，转变为可以用数学方法（公式）来解决的，在理想状态下的数学问题，上述的整个流程统称为数学建模如果想解决某个实际问题（也许它和数学没有直接的关系），可以按下面流程对问题进行数学建模。
一．模型准备先了解该问题的实际背景和建模目的，尽量弄清要建模的问题属于哪一类学科的问题，可能需要用到哪些知识，然后学习或复习有关的知识，为接下来的数学建模做准备.由于人们所掌握的专业知识是有限的，而实际问题往往是多样和复杂的，模型准备对做好数学建模问题是非常重要的.二．模型假设有了模型准备的基础，要想把实际问题变为数学问题还要对其进行必要合理的简化和假设.明确了建模目的又掌握了相关资料，再去除一些次要因素.以主要矛盾为主来对该实际问题进行适当的简化并提出一些合理的假设。
模型假设不太可能一蹴而就，可以在模型的不断修改中得到逐步完善.三．模型构成在模型假设的基础上，选择适当的数学工具并根据已知的知识和搜集的信息来描述变量之间的关系或其他数学结构（如数学公式、定理、算法等）.做模型构成时可以使用各种各样的数学理论和方法，但要注意的是在保证精度的条件下尽量用简单的数学方法是建模时要遵循的一个原则.四．模型解析在模型构成中建立的数学模型可以采用解方程、推理、图解、计算机模拟、定理证明等各种传统的和现代的数学方法对其进行求解，其中有些可以借助于计算机软件来做这些工作。
数学建模题目类型
数学建模题目类型
数学建模是一种将实际问题转化为数学模型，并通过数学方法求解问题的过程。
在数学建模中，常常会遇到不同的题目类型。
以下是一些常见的数学建模题目类型：
1. 最优化问题：该类型问题一般需要在一定的条件下求解最大值或最小值。
常见的最优化问题包括线性规划问题、整数规划问题、非线性规划问题等。
2. 方程求解问题：该类型问题需要通过数学方法求解方程或方程组的根。
常见的方程求解问题包括线性方程组、非线性方程组、微分方程等。
3. 统计分析问题：该类型问题需要通过数据分析方法对数据进行分析，以求得数据的特征和规律。
常见的统计分析问题包括假设检验、方差分析、回归分析等。
4. 随机模型问题：该类型问题需要通过概率论和统计学方法对随机现象进行建模和分析。
常见的随机模型问题包括马尔可夫链、蒙特卡罗方法等。
5. 图论问题：该类型问题需要通过图论方法对图形进行建模和分析。
常见的图论问题包括最短路径问题、最小生成树问题、网络流问题等。
6. 历史演化问题：该类型问题需要通过历史数据和规律进行建模和分析。
常见的历史演化问题包括人口增长模型、经济增长模型等。
7. 空间模型问题：该类型问题需要通过空间分析方法对空间问
题进行建模和分析。
常见的空间模型问题包括地图匹配问题、空间分布分析问题等。
以上是一些常见的数学建模题目类型，当然数学建模中还有很多其他类型的问题，需要根据不同的实际问题进行不同的建模。
数学建模例题题
数学建模例题题数学建模试题⼀、传染病模型医学科学的发展已经能够有效地预防和控制许多传染病，但是仍然有⼀些传染病暴发或流⾏，危害⼈们的健康和⽣命。
社会、经济、⽂化、风俗习惯等因素都会影响传染病的传播，⽽最直接的因素是：传染者的数量及其在⼈群中的分布、被传染者的数量、传播形式、传播能⼒、免疫能⼒等。
⼀般把传染病流⾏范围内的⼈群分成三类：S类，易感者(Susceptible)，指未得病者，但缺乏免疫能⼒，与感染者接触后容易受到感染；I类，感病者(Infective)，指染上传染病的⼈，它可以传播给S类成员；R类，移出者(Removal)，指被隔离或因病愈⽽具有免疫⼒的⼈。
要求：请建⽴传染病模型，并分析被传染的⼈数与哪些因素有关？如何预报传染病⾼潮的到来?为什么同⼀地区⼀种传染病每次流⾏时，被传染的⼈数⼤致不变？⼆、线性规划模型—销售计划问题某商店拟制定某种商品7—12⽉的进货、售货计划，已知商店仓库最⼤容量为1500件，6⽉底已存货300件，年底的库存以不少于300件为宜，以后每⽉初进货⼀次，假设各⽉份该商品买进、售出单价如下表。
要求：若每件每⽉的库存费⽤为0.5元，问各⽉进货、售货各为多少件，才能使净收益最多？建⽴数学模型，并⽤软件求解。
【注】线性规划在MATLAB的库函数为：linprog。
语法为：x = linprog(f,A,b)x = linprog(f,A,b,Aeq,beq,lb,ub,x0,options)[x,fval,exitflag,output,lambda] = linprog(...)例如：线性规划⽬标函数的系数：f = [-5; -4; -6]约束⽅程的系数及右端项：A = [1 -1 13 2 43 2 0];b = [20; 42; 30];lb = zeros(3,1);调⽤线性规划程序linprog求解，得：[x,fval,exitflag,output,lambda] = linprog(f,A,b,[],[],lb);x= 0.000015.00003.0000三、⼀阶常微分⽅程模型—⼈⼝模型与预测下表列出了中国1982-1998年的⼈⼝统计数据，取1982年为起始年（0=t ），1016540=N 万⼈，200000=m N 万⼈。
数学建模专题(较难)
数学建模专题（较难）简介本文档介绍了数学建模中较难的专题，旨在帮助读者更深入地了解和应用数学建模的技巧和方法。
数学建模是一个综合运用数学、计算机和相关领域知识的过程，通过建立模型来解决实际问题。
专题一：非线性优化概述非线性优化在数学建模中扮演着重要的角色，许多实际问题的解决都需要通过非线性优化方法来求解。
本专题将介绍非线性优化的基本概念、常见的解法和应用领域，以及如何设计优化算法来解决实际问题。
内容要点- 非线性优化的基本概念和数学表示方法- 常见的非线性优化算法：梯度下降法、牛顿法等- 非线性优化在实际问题中的应用：经济学、工程学、物理学等专题二：随机过程概述随机过程是描述随机现象的数学模型，其在数学建模中的应用广泛而重要。
本专题将介绍随机过程的基本理论、常见的模型和求解方法，以及如何利用随机过程来分析和预测实际问题中的随机现象。
内容要点- 随机过程的定义和基本概念：马尔可夫性、平稳性等- 常见的随机过程模型：马尔可夫链、泊松过程等- 随机过程的求解方法：概率论、统计学等- 随机过程在实际问题中的应用：金融学、信号处理、通信系统等专题三：数据拟合与回归分析概述数据拟合和回归分析是数学建模中常用的统计方法，用于分析数据之间的关系和预测未知数据。
本专题将介绍数据拟合和回归分析的基本原理、常见的拟合方法和评估指标，以及如何在实际问题中应用这些方法。
内容要点- 数据拟合和回归分析的基本原理和数学模型- 常见的数据拟合方法：最小二乘法、最大似然估计等- 回归分析的评估指标：R方值、残差分析等- 数据拟合与回归分析在实际问题中的应用：市场预测、经济学建模等专题四：动态规划概述动态规划是解决多阶段决策问题的一种有效方法，其在数学建模中具有重要的应用价值。
本专题将介绍动态规划的基本思想、常见的模型和求解方法，以及如何利用动态规划解决实际问题。
内容要点- 动态规划的基本思想和原理- 常见的动态规划模型：背包问题、最短路径问题等- 动态规划的求解方法：递推关系、最优子结构等- 动态规划在实际问题中的应用：资源分配、生产调度等结论通过学习和应用上述的数学建模专题，读者将能够更好地应对和解决实际问题。