数学建模-渡江问题
数学建模
——渡江模型
学院：仪电学院
姓名：*******
学号：********
2010.01.02
题目：渡江模型
“渡江”由于水情、水性的不可预测性，这种竞赛更富有挑战性和观赏性。 2002年5月1日，抢渡的起点设在武昌汉阳门码头，终点设在汉阳南岸咀，江面宽约1160米。据报载，当日的平均水温16.8℃, 江水的平均流速为1.89米/秒。参赛的国内外选手共186人（其中专业人员将近一半），仅34人到达终点，第一名的成绩为14分8秒。除了气象条件外，大部分选手由于路线选择错误，被滚滚的江水冲到下游，而未能准确到达终点。
假设在竞渡区域两岸为平行直线, 它们之间的垂直距离为 1160 米, 从武昌汉阳门的正对岸到汉阳南岸咀的距离为 1000米，见示意图。
请你们通过数学建模来分析上述
情况, 并回答以下问题:
1. 假定在竞渡过程中游泳者的速度大小和方向不变，且竞渡区域每点的流速均
为 1.89 米/秒。试说明2002年第一名是沿着怎样的路线前进的，求她游泳速度的大小和方向。如何根据游泳者自己的速度选择游泳方向，试为一个速度能保持在1.5米/秒的人选择游泳方向，并估计他的成绩。
2. 在（1）的假设下，如果游泳者始终以和岸边垂直的方向游, 他(她)们能否到
达终点？根据你们的数学模型说明为什么能游到终点的人数的百分比如此小；给出能够成功到达终点的选手的条件。
3. 若流速沿离岸边距离的分布为 (设从武昌汉阳门垂直向上为 y 轴正向) ：
?????≤≤<<≤≤=米米秒，米米
米秒，米米米秒，米1160960/47.1960200/11.22000/47.1)(y y y y v
游泳者的速度大小（1.5米/秒）仍全程保持不变，试为他选择游泳方向和路线，
估计他的成绩。
4. 若流速沿离岸边距离为连续分布, 例如
???????≤≤-<<≤≤=1160960)1160(20028.2960
20028.2200
020028.2)(y y y y y y v ，，，
或你们认为合适的连续分布，如何处理这个问题。
5. 用普通人能懂的语言，给有意参加竞渡的游泳爱好者写一份竞渡策略的短文。
6. 你们的模型还可能有什么其他的应用？
模型解答
一． 基本模型建立
符号约定：
水速为 v 0
垂直于岸边的距离为d
平行于岸边的位移为s
人的速度为v
出发方向与河岸平行方向夹角为θ
整个运动时间为t
起点至终点的直线距离为 l
如图所示：
若人要恰好从起点到达终点，则有：
θ
θsin cos 0?==?-v d t v v s
终点
起点
二．模型假设
1．不考虑温度及水中除水速外其他因素对选手速度的影响；
2．开始人以某一初速度沿固定方向向对岸游，则只要满足人刚到达对岸的地点在终点的上游，就可以认为此人能够到达终点；
3. 在开始时所有选手向各个方向起跳的机率相同。（θ的范围是]180,0[?）
三．模型分析
1.问题一分析：
①.分析2002年冠军的游泳速度的大小和方向：
由于在游泳过程中水流速度，游泳速度的大小和方向始终不变，因此第一名的路线为从起点到终点的最短距离即直线距离。在这个条件下可以得出：
?
==∴====6.62,/54.1848,1160,1000,/89.10θ s m v s t m d m s s m v 可求得
②.分析v =1.5m/s 的人所应选择的游泳方向及用时计算
s ， t s
m v m d m s s m v 9102.58/5.1,1160,1000,/89.10=?=∴====θ可求得
2.问题二分析：
①．若游泳者始终以和岸边垂直的方向游，则模型可简化为：
v d t v s ==0
s
t s m v m d m s s m v 1.529,/19.2,1160,1000,/89.10==∴===可求得 但2009年 罗马世锦赛，张琳以7分32秒12获得男子800米自由泳冠军，并打破世界纪录，他的平均速度为1.72s m /，由此可以看出若游泳者始终以和岸边垂直的方向游所需的速度大于目前为止世界上人们所能达到的最大速度。显然这是不成立的，因此可以得出结论：
若游泳者始终以和岸边垂直的方向游，则无法到达终点。
②．考虑成功到达终点的概率时，我们只需研究某一合理速度。
我们假设v =1.5m/s 为所有选手的普遍速度。
由模型假设3可知，若选手可以到达终点，则模型应满足的条件是：
θ
θsin cos 0?≥?-v d v v s 。，： ：
： s
m v s m v m d m s 合同样与理论情况基本吻比为实际情况当年成功百分终点的理论概率为因此所有选手成功到达解不等式可推导出%3.18%100*186
34%3.19%100*1804.232.582.584.23/5.1,/89.1,1160,10000==??-??≤≤?∴====θ 比赛结果成功人数很少的原因很大可能就是选择角度不对，所以能够成功到达终点的选手的条件即为模型的条件，即：
θ
θsin cos 0?≥?-v d v v s 3.问题三分析
当水流速度分段分布时，研究游泳方向的问题
由于水流速度永远只沿平行河岸方向，因此竖直方向速度永远等于θsin ?v ，所以人在竖直方向保持匀速直线运动
?????≤≤<<≤≤=米米秒，米米米秒，米米米秒，米1160960/47.1960200/11.22000/47.1)(y y y y v
???????==-==∴t t t t t t t 3218.3200200960 v
v
v θ
θ θ
根据以上图示和模型可列出方程组：
???=??-+??-+??-=++??s
t v v t v v t v v d
t t t v )cos (8.3)cos ()cos ()8.3(sin 321θθθθ
代入数据可得：
???=?-+?-=??10008.3)cos 5.111.2(2)cos 5.147.1(1160
8.5sin 5.1t t t θθθ
从而可以得出：
???=?=s t 1.3373.2311θ ???=?=s
t 9.1562.
5822θ
因为要用最少的时间到达终点，所以取T=5.8t =784.5s ，?=2.58θ
所以方向为与平行河岸方向夹角为?2.58，经历总时间为784.5s
4. 问题四分析
当水流速度呈线性变化时，研究游泳者的速度和方向
???????≤≤-<<≤≤=1160
960)1160(20028
.2960
20028.2200
020028.2)(y y y y y y v ，，，
①．当游泳者的游泳方向始终保持不变时:
在水平方向，当2000≤≤y ，水流速度呈线性变化：
???
?????-==?-=?-=?-=?--?-=?-+?-=)
/(cos 14.1)
/(cos 28.2cos )
/(cos 14.12
)cos 0()cos /28.2(2)cos ()cos (1302min max 1s m v v v s m v v v v s m v v v s m v v v v v θθθθθθθθ 在竖直方向，游泳者始终保持匀速θsin ?v ：
???????==-==t
t t t t t
t 3218.3200
200960
根据模型，则有：
???=++??=?+?+?d
t t t v s t v t v t v )(sin 321332211θ 代入各数据可得：
?
??=++??=??-+??-+??-1160)8.3(sin 1000)cos 14.1(8.3)cos 28.2()cos 14.1(t t t v t v t v t v θθθθ 根据题设，取一合理范围内的速度值，即当v =1.5m/s 时，代入模型可求得： s T t ＝Ｔ s
t s t １7.9076.19728.55.1564.581.3401.2322211==∴???=?=???=?=θθ
即以上两种情况可恰好到达终点。
②．游泳者的游泳方向随着水流速度的线性变化而变化时:
假设人的游泳速度（如1.5m/s ）始终沿垂直河岸方向时，可以求得到达对岸的时间约为733.3s ，但在水平方向的位移为1459.2m>1000m ，因此无法到达终点。
将多出的459.2m 平均分配到应水平游过的1000m 中，即将原水平方向每一点的速度都变为原来的2
.14591000，可导出，当米米2000≤≤y 时： 24
220721.5100000076.60026.0sin 2sin 002392.05.10035875.0cos 0035875.0,0078125.02
.1459100020028.2y y ，x x
y x t v y t v y y v v y vx v v y y v x x x x ?-?==∴=?=??====-==?=
①②联立可导出 ～②， ， ～①人人θθθ 米米米和米1160960960200≤≤< 出 从而可以画出y 关于x 的图象即游泳的实际路线图如右所示。 对于游泳者来说，他的游泳速度方向相当于根据自己所在的y 值而时刻改 变，当y=0时方向垂直河岸，?=90θ，当米米2 000≤≤y 时，θ不断减小，y=200时?1.62约为 θ ；选手行进路线为一直线保持不变米时米，y θ960200<<；米米1160960≤≤y 时的情况正好与米米2000≤≤y 时的情况相反。 于是可画出以 上路线图。由于最终可求得总共所用的时间约为T=810s，由于这个时间小于方向不变时所得时间907.7s，因此可以肯定这个模型较之前者为更优化方案。 在实际情况中，由于每个人游泳的速度有不同，因此只需将个人的速度代入模型，并合理估计水流的速度分布情况，便可求得在各个时刻所应选择的速度方向，并可由于预测出整个过程所经历的时间。 四．模型总结： 以我们现在的知识无法从理论上证明这种方案的确是最省时的，因此这也是这个模型的不足。 五．竞渡策略 众所周知，长江的水性以水流快、水势多变而闻名。因此，在比赛之前，就应对比赛中有可能发生的情况作好充分的预测和准备。在静水中，一个人的平均游速大约为1.5m/s，而长江横向水流的速度却经常能够达到2m/s甚至更高；相反，竞渡江宽却比起点到终点的水平距离长。因此，如果一个人始终沿着垂直河岸或斜向终点的方向游，一定会被冲到终点的下游，因而是无论如何也无法到达终点的。所以在水流速度较小时，应让自己垂直河岸方向的游速尽可能的大；而水流速度越大，则游速与河岸上游的夹角越小，即游泳的速度应斜向长江上游。不要为了追求速度快就顺着水流方向游，这样的选择只能适得其反。 “横渡不是体力活，而要动脑筋，并不是只有勇气就可以。每次游海峡之前，我们都要对海峡有充分的了解，如潮汐、海流的时间、走向和海洋生物攻击的种类、几率等等。” 2002年的成功人数表明，正是由于许多选手事先没有充分的估计到这些因素，才导致最终的失败。因此，在开始下水时，一定不能“随大流”要对自己的选择有足够的信心，坚信自己是正确的。同时，应该把首要目标定为到达终点而不是游的多快，因为总会有人比你游的更快。这也就是2002年的比赛在所有186人中只有34人能最后到达终点的原因。 相信自己，并在竞渡的过程中跟据实际情况，不断调整游泳的方向，最终的胜利一定是属于你们的。 六．模型应用及推广： 本模型形式较简单，模型中的s、d为常数，可得以v 和θ分别为自变量和 函数的关系，由此便可解决大量有关两个矢量合成的问题。如：飞机投送救灾物资、鱼雷发射等等。 下面以飞机投送物资问题为例。飞机在一定高度要把物资投到地面固定一点，投出的物资在空中有水平和竖直两个速度。将两个速度代入模型，便可计算出物资位置及落地时间。 2010.01.02 第二讲 数学建模的基本方法与步骤 数学建模面临的实际问题就是多种多样的,建模的目的不同、分析的方法不同、采用的数学工具不同,所得模型的类型也不同,我们不能指望归纳出若干条准则,适用于一切实际问题的数学建模方法。下面所谓基本方法不就是针对具体问题而就是从方法论的意义上讲的。(注:用最初等的方法解决,越受人尊重) 一 数学建模的基本方法 一般说来数学建模的方法大体上可分为机理分析与测试分析两种。 ????????????? 机理分析： 是根据对客观事物特性的认识，找出反映内部机理的数 量规律，建立的数学模型常有明确的物理或现实意义。 建模方法测试分析： 将研究对象看作一个“黑箱”（意思是内部机理看不清 楚），通过对测量数据的统计分析，找出与数据拟合最 好的模型。 面对于一个实际问题用哪一种方法建模,主要取决于人们对研究对象的了解程度与建模目的。如果掌握了一些内部机理的知识,模型也要求具有反映内部特征的物理意义,建模就应以机理分析为主。而如果对象的内部机理规律基本上不清楚,模型也不需要反映内部特征,那么可以用测试分析。对于许多实际问题也常常将两种方法结合起来,用机理分析建立模型结构,用测试分析确定模型的参数。 二 数学建模的一般步骤 建模要经过哪些步骤并没有一定的模式,通常与问题性质与建模的目的等有关。下面给出建模的一般步骤,如图1、2所示。 ⑴ 模型准备:了解实际背景,明确建模目的,搜索必要信息,弄清对象的主要特征,形成一个比较清晰的“问题”(即问题的提出)。情况明才能方法对,在这个阶段要深入调查研究,虚心向实际工作者请教,尽量掌握第一手资料。 ⑵模型假设:根据对象的特征与建模目的,抓住问题的本质,忽略次要因素,作出必要的、合理的简化假设。对于建模的成败这就是非常重要与困难的一步。假设不合理或太简单,会导致错误的或无用的模型;假设作得过分详细,试图把复杂对象的众多因素都考虑进去,会使您很难或无法继续下一步的工作。常常需要在合理与简化之间作出恰当的折衷,要不段积累经验,并注意培养与充分发挥对事物的洞察力与判断力。 ⑶模型的建立:根据假设,用数学的语言、符号描述对象的内在规律,得到一个数学结构。这里除了需要一些相关的专门知识外,还常常需要较为广阔的应用数学方面的知识,要善于发挥想象力,注意使用类比法,分析对象与熟悉的其她对象的共性,借用已有的数学模型。建模时还应遵循的一个原则就是尽量采用简单数学工具,因为您的模型总希望更多的人了解与使用,而不就是只供少数专家欣赏。 ⑷模型求解:使用各种数学方法、数学软件与计算机技术对模型求解。 ⑸模型分析:对求解结果进行数学上的分析,如对结果进行误差分析,分析模型对数据的稳定性或灵敏性等。 ⑹模型检验:把求解与分析结果翻译回到实际问题,与实际现象、数据进行比较,检验模型的合理性与适用性。如果结果与实际不符,问题常常出现在模型假设上,应该修改或补充假设,重新建模。这一步对于模型就是否真的有用就是非常关键的,要以严肃认真的态度对待。 ⑺模型应用:这与问题的性质、建模的目的以及最终结果有关,一般不属于本书讨论的范围。 应该指出,并不就是所有问题的建模都要经过这些步骤,有时各步骤之间的界限也不那么分明,建模时不要拘泥于形式上的按部就班。 三数学建模的全过程 数学建模的全过程可分为表述、求解、解释、验证几个阶段,并且通过这些阶段完成从现实对象到数学模型,再从数学模型回到现实对象的循环,如图1、3所示。 表述就是根据建模目的与信息将实际问题“翻译”成数学问题,即将现实问题“翻译”成抽象的数学问题,属于归纳法。数学模型的求解选择适当的数学方 第1章建模与仿真的基本概念 参照P8例子，列举一个你相对熟悉的简单实际系统为例，采用非形式描述出来。 第2章建模方法论 1、什么是数学建模形式化的表示？试列举一例说明形式化表示与非形式化表示的区别。 模型的非形式描述是说明实际系统的本质，但不是详尽描述。是对模型进行深入研究的基础。主要由模型的实体、包括参变量的描述变量、实体间的相互关系及有必要阐述的假设组成。模型的非形式描述主要说明实体、描述变量、实体间的相互关系及假设等。 例子：环形罗宾服务模型的非形式描述： 实体 CPU，USR1，…，USR5 描述变量 CPU:Who,Now(现在是谁)----范围{1,2,…,5}; Who.Now=i表示USRi由CPU服务。 USR：Completion.State（完成情况）----范围[0，1]；它表示USR完成整个程序任务的比例。参变量 X-----范围[0，1]；它表示USRi每次完成程序的比率。 i 实体相互关系 （1）CPU 以固定速度依次为用户服务，即Who.Now为1，2，3，4，5，1，2…..循环运行。 X工作。假设：CPU对USR的服务时间固定，不（2）当Who.Now=I,CPU完成USRi余下的 i X决定。 依赖于USR的程序；USRi的进程是由各自的参变量 i 2、何谓“黑盒”“白盒”“灰盒”系统？ “黑盒”系统是指系统内部结构和特性不清楚的系统。对于“黑盒”系统，如果允许直接进行实验测量并通过实验对假设模型加以验证和修正。对属于黑盒但又不允许直接实验观测的系统，则采用数据收集和统计归纳的方法来假设模型。 对于内部结构和特性清楚的系统，即白盒系统，可以利用已知的一些基本定律，经过分析和演绎导出系统模型。 3、模型有效性和模型可信性相同吗？有何不同？ 模型的有效性可用实际系统数据和模型产生的数据之间的符合程度来度量。它分三个不同级别的模型有效：复制有效、预测有效和结构有效。不同级别的模型有效，存在不同的行为水平、状态结构水平和分解结构水平的系统描述。 模型的可信度指模型的真实程度。一个模型的可信度可分为： 在行为水平上的可信性，即模型是否重现真实系统的行为。 在状态结构水平上可信性，即模型能否与真实系统在状态上互相对应，通过这样的模型可以对未来的行为进行唯一的预测。 在分解结构水平上的可信性，即模型能否表示出真实系统内部的工作情况，而且是惟一表示出来。 不论对于哪一个可信性水平，可信性的考虑贯穿在整个建模阶段及以后各阶段，必须考虑以下几个方面： 1在演绎中的可信性。2在归纳中的可信性。3在目的方面的可信性。 4、基于计算机建模方法论与一般建模方法论有何不同？（P32） 经典的建模与仿真的主要研究思路，首先界定研究对象-实际系统的边界和建模目标，利用已有的数学建模工具和成果，建立相应的数学模型，并用计算装置进行仿真。这种经典的建 华南农业大学期末考试试卷（A 卷） 2012-2013学年第 二 学期 考试科目：数学建模 考试类型：（闭卷）考试 考试时间： 120 分钟 学号 姓名 年级专业 一篮白菜从河岸一边带到河岸对面，由于船的限制，一次只能带 一样东西过河，绝不能在无人看守的情况下将狼和羊放在一起；羊和白菜放在一起，怎样才能将它们安全的带到河对岸去? 建立多步决策模型,将人、狼、羊、白菜分别记为i = 1，2，3，4，当i 在此岸时记x i = 1，否则为0；此岸的状态下用s =（x 1，x 2，x 3，x 4）表示。该问题中决策为乘船方案，记为d = (u 1, u 2, u 3, u 4)，当i 在船上时记u i = 1，否则记u i = 0。 (1) 写出该问题的所有允许状态集合；（3分） (2) 写出该问题的所有允许决策集合；（3分） (3) 写出该问题的状态转移率。（3分） (4) 利用图解法给出渡河方案. （3分） 解：(1) S={(1,1,1,1), (1,1,1,0), (1,1,0,1), (1,0,1,1), (1,0,1,0)} 及他们的5个反状（3分） (2) D = {(1,1,0,0), (1,0,1,0), (1,0,0,1), (1,0,0,0)} （6分） (3) s k+1 = s k + (-1) k d k （9分） (4)方法：人先带羊，然后回来，带狼过河，然后把羊带回来，放下羊，带白菜过去，然后再回来把羊带过去。 ?或: 人先带羊过河，然后自己回来，带白菜过去，放下白菜，带着羊回来，然后放下羊，把狼带过去，最后再回转来，带羊过去。 （12分） 1、 二、(满分12分) 在举重比赛中，运动员在高度和体重方面差别很大，请就下面两种假设，建立一个举重能力和体重之间关系的模型： （1） 假设肌肉的强度和其横截面的面积成比例。6分 （2） 假定体重中有一部分是与成年人的尺寸无关，请给出一个改进模型。6分 解：设体重w （千克）与举重成绩y （千克） （1） 由于肌肉强度(I)与其横截面积(S)成比例，所以 y ?I ?S 设h 为个人身高，又横截面积正比于身高的平方，则S ? h 2 再体重正比于身高的三次方，则w ? h 3 （6分） ( 12分) 14分) 某学校规定，运筹学专业的学生毕业时必须至少学 数学建模中常见的十 大模型 精品文档 数学建模常用的十大算法==转 (2011-07-24 16:13:14) 转载▼ 1. 蒙特卡罗算法。该算法又称随机性模拟算法，是通过计算机仿真来解决问题的算法，同时可以通过模拟来检验自己模型的正确性，几乎是比赛时必用的方法。 2. 数据拟合、参数估计、插值等数据处理算法。比赛中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MA TLAB 作为工具。 3. 线性规划、整数规划、多元规划、二次规划等规划类算法。建模竞赛大多数问题属于最优化问题，很多时候这些问题可以用数学规划算法来描述，通常使用Lindo、Lingo 软件求解。 4. 图论算法。这类算法可以分为很多种，包括最短路、网络流、二分图等算法，涉及到图论的问题可以用这些方法解决，需要认真准备。 5. 动态规划、回溯搜索、分治算法、分支定界等计算机算法。这些算法是算法设计中比较常用的方法，竞赛中很多场合会用到。 6. 最优化理论的三大非经典算法：模拟退火算法、神经网络算法、遗传算法。这些问题是用来解决一些较困难的最优化问题的，对于有些问题非常有帮助，但是算法的实现比较困难，需慎重使用。 7. 网格算法和穷举法。两者都是暴力搜索最优点的算法，在很多竞赛题中有应用，当重点讨论模型本身而轻视算法的时候，可以使用这种暴力方案，最好使用一些高级语言作为编程工具。 8. 一些连续数据离散化方法。很多问题都是实际来的，数据可以是连续的，而计算机只能处理离散的数据，因此将其离散化后进行差分代替微分、求和代替积分等思想是非常重要的。 9. 数值分析算法。如果在比赛中采用高级语言进行编程的话，那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。 10. 图象处理算法。赛题中有一类问题与图形有关，即使问题与图形无关，论文中也会需要图片来说明问题，这些图形如何展示以及如何处理就是需要解决的问题，通常使用MATLAB 进行处理。 以下将结合历年的竞赛题，对这十类算法进行详细地说明。 以下将结合历年的竞赛题，对这十类算法进行详细地说明。 2 十类算法的详细说明 2.1 蒙特卡罗算法 大多数建模赛题中都离不开计算机仿真，随机性模拟是非常常见的算法之一。 举个例子就是97 年的A 题，每个零件都有自己的标定值，也都有自己的容差等级，而求解最优的组合方案将要面对着的是一个极其复杂的公式和108 种容差选取方案，根本不可能去求解析解，那如何去找到最优的方案呢？随机性模拟搜索最优方案就是其中的一种方法，在每个零件可行的区间中按照正态分布随机的选取一个标定值和选取一个容差值作为一种方案，然后通过蒙特卡罗算法仿真出大量的方案，从中选取一个最佳的。另一个例子就是去年的彩票第二问，要求设计一种更好的方案，首先方案的优劣取决于很多复杂的因素，同样不可能刻画出一个模型进行求解，只能靠随机仿真模拟。 2.2 数据拟合、参数估计、插值等算法 数据拟合在很多赛题中有应用，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 收集于网络，如有侵权请联系管理员删除 第1章数学建模与误差分析 1.1 数学与科学计算 数学是科学之母，科学技术离不开数学，它通过建立数学模型与数学产生紧密联系，数学又以各种形式应用于科学技术各领域。数学擅长处理各种复杂的依赖关系，精细刻画量的变化以及可能性的评估。它可以帮助人们探讨原因、量化过程、控制风险、优化管理、合理预测。近几十年来由于计算机及科学技术的快速发展，求解各种数学问题的数值方法即计算数学也越来越多地应用于科学技术各领域，相关交叉学科分支纷纷兴起，如计算力学、计算物理、计算化学、计算生物、计算经济学等。 科学计算是指利用计算机来完成科学研究和工程技术中提出的数学问题的计算，是一种使用计算机解释和预测实验中难以验证的、复杂现象的方法。科学计算是伴随着电子计算机的出现而迅速发展并获得广泛应用的新兴交叉学科，是数学及计算机应用于高科技领域的必不可少的纽带和工具。科学计算涉及数学的各分支，研究它们适合于计算机编程的数值计算方法是计算数学的任务，它是各种计算性学科的联系纽带和共性基础，兼有基础性和应用性的数学学科。它面向的是数学问题本身而不是具体的物理模型，但它又是各计算学科共同的基础。 随着计算机技术的飞速发展，科学计算在工程技术中发挥着愈来愈大的作用,已成为继科学实验和理论研究之后科学研究的第三种方法。在实际应用中所建立的数学模型其完备形式往往不能方便地求出精确解，于是只能转化为简化模型，如将复杂的非线性模型忽略一些因素而简化为线性模型，但这样做往往不能满足精度要求。因此，目前使用数值方法来直接求解较少简化的模型，可以得到满足精度要求的结果，使科学计算发挥更大作用。了解和掌握科学计算的基本方法、数学建模方法已成为科技人才必需的技能。因此，科学计算与数学建模的基本知识和方法是工程技术人才必备的数学素质。 1.2 数学建模及其重要意义 数学，作为一门研究现实世界数量关系和空间形式的科学，在它产生和发展的历史长河中，一直是和人们生活的实际需要密切相关。用数学方法解决工程实际和科学技术中的具体问题时，首先必须将具体问题抽象为数学问题，即建立起能描述并等价代替该实际问题的数学模型，然后将建立起的数学模型，利用数学理论和计算技术进行推演、论证和计算，得到欲求解问题的解析解或数值解，最后用求得的解析解和数值解来解决实际问题。本章主要介绍数学建模基本过程和求解数学问题数值方法的误差传播分析。 1.2.1 数学建模的过程 数学建模过程就是从现实对象到数学模型，再从数学模型回到现实对象的循环，一般通过表述、求解、解释、验证几个阶段完成。数学建模过程如图1.2.1所示，数学模型求解方法可分为解析法和数值方法，如图1.2.2所示。 表述是将现实问题“翻译”成抽象的数学问题，属于归纳。数学模型的求解方法则属于演绎。归纳是依据个别现象推出一般规律；演绎是按照普遍原理考察特定对象，导出结论。演绎利用严格的逻辑推理，对解释现象做出科学预见，具有重要意义，但是它要以归纳的结论作为公理化形式的前提，只有在这个前提下 第一部分课后习题 1.学校共1000名学生，235人住在A宿舍，333人住在B宿舍，432人住在C宿舍。学 生们要组织一个10人的委员会，试用下列办法分配各宿舍的委员数： （1）按比例分配取整数的名额后，剩下的名额按惯例分给小数部分较大者。 （2）2.1节中的Q值方法。 （3）d’Hondt方法：将A，B，C各宿舍的人数用正整数n=1，2，3，…相除，其商数如下表： 将所得商数从大到小取前10个（10为席位数），在数字下标以横线，表中A，B，C行有横线的数分别为2，3，5，这就是3个宿舍分配的席位。你能解释这种方法的道理吗。 如果委员会从10人增至15人，用以上3种方法再分配名额。将3种方法两次分配的结果列表比较。 （4）你能提出其他的方法吗。用你的方法分配上面的名额。 2.在超市购物时你注意到大包装商品比小包装商品便宜这种现象了吗。比如洁银牙膏50g 装的每支1.50元，120g装的3.00元，二者单位重量的价格比是1.2：1。试用比例方法构造模型解释这个现象。 （1）分析商品价格C与商品重量w的关系。价格由生产成本、包装成本和其他成本等决定，这些成本中有的与重量w成正比，有的与表面积成正比，还有与w无关的因素。 （2）给出单位重量价格c与w的关系，画出它的简图，说明w越大c越小，但是随着w的增加c减少的程度变小。解释实际意义是什么。 3.一垂钓俱乐部鼓励垂钓者将调上的鱼放生，打算按照放生的鱼的重量给予奖励，俱乐部 只准备了一把软尺用于测量，请你设计按照测量的长度估计鱼的重量的方法。假定鱼池中只有一种鲈鱼，并且得到8条鱼的如下数据（胸围指鱼身的最大周长）： 先用机理分析建立模型，再用数据确定参数 4.用宽w的布条缠绕直径d的圆形管道，要求布条不重叠，问布条与管道轴线的夹角 应 多大（如图）。若知道管道长度，需用多长布条（可考虑两端的影响）。如果管道是其他形状呢。 2007-2008学年第一学期《数值分析与数学建模》课程考核题目 说明： 本次考核题目共有五个部分，请从每一部分中任选一题作答。选择时请注意：每题难度不同分值也有所不同。 完成时间：2007－2008学年第二学期开学第一周前三个工作日，过期无效。 答卷提交方式：手写稿或打印稿请直接交到5号楼202室；电子稿可以发送Email 至 tzl99@https://www.360docs.net/doc/c115882217.html, 。 要求： （1）标清题号； （2）列出关键的数学模型及模型中各参数的含义； （3）可利用Matalb 软件中相关库函数直接求解，请注明你所用到的关键函数及其作用； （4）也可以在建立模型之后，自行选择数值分析课程中介绍的合适算法并利用Matlab 软件编程实现；如此，你将获得额外加分； （5）对得到的结果加以适当评价，以及对问题本身提出相应的思考与改进，也将获得额外加分； （6）鼓励相互讨论，不允许相互抄袭；雷同（绝大部分相同）答卷按无效答卷处理，不予记录成绩；若某些题目解答完全相同，则该题不得分。 第一部分 说明： Ex1、Ex2每题10分；Ex3~Ex6每题15分 Ex1：以定期存储为基础的储蓄账户的累积值可由“定期年金方程”确定， ]1)1[(-+= n i i P A ； 在这个方程中，A 是账户中的数额，P 是定期存储的数额，i 是n 个存储期间的每期利率。一个工程师想在20年内退休时储蓄账户上的数额达到750000美元，而为了达到这个目标他每个月能存1500美元。为实现他的储蓄值目标，最小利率应是多少？假定利息是月复利的。 Ex2：在固定的时期内需付抵押贷款的数额问题和下面的称为“普通年金方程”的公式有关， ]) 1(1[n i i P A -+-= 在这个方程中，A 是抵押贷款的数额，P 是每期付款的数额，i 是n 个付款期的每期利率。假设需要30年房屋按揭贷款135000美元，又假设借款人每月至多能付1000美元房款。借款人能付得起的最大利率是多少？ Ex3：病人用的药在血流中产生的浓度由ml mg e t A t c t 3 ) (-=给出（注射了A 单位药物后的t 小时以后血液中药物的浓度）。病人能够承受的药物最大安全浓度是1 ml mg 。 （1）分别利用微积分知识以及Matlab 软件描绘出浓度随时间变化的图形； （2）应该注射多大的量来达到最大的安全浓度？什么时候达到这个最大的安全浓度？ （3）在浓度下降到0.25ml mg 后，要给病人注射这种药的附加的药量。确定何时应进行第二次注射，精确到分钟； （4）假设连续注射的浓度是可加的，又假设开始注射的75％的药量仍在第二次注射中起作用。什么时候可以进行第三次注射？ 华南农业大学期末考试试卷（A卷） 2012-2013学年第二学期考试科目：数学建模 考试类型：（闭卷）考试考试时间：120 分钟 学号姓名年级专业 一、(满分12分)一人摆渡希望用一条船将一只狼.一只羊.一篮白菜从河岸一边带到河岸对面.由于船的限制.一次只能带一样东西过河.绝不能在无人看守的情况下将狼和羊放在一起；羊和白菜放在一起.怎样才能将它们安全的带到河对岸去? 建立多步决策模型,将人、狼、羊、白菜分别记为i = 1.2.3.4.当i在此岸时记x i = 1.否则为0；此岸的状态下用s = （x1.x2.x3.x4）表示。该问题中决策为乘船方案.记为d = (u1, u2, u3, u4).当i 在船上时记u i = 1.否则记u i = 0。 (1) 写出该问题的所有允许状态集合；（3分） (2) 写出该问题的所有允许决策集合；（3分） (3) 写出该问题的状态转移率。（3分） (4) 利用图解法给出渡河方案. （3分） 解：(1) S={(1,1,1,1), (1,1,1,0), (1,1,0,1), (1,0,1,1), (1,0,1,0)} 及他们的5个反状（3分） (2) D = {(1,1,0,0), (1,0,1,0), (1,0,0,1), (1,0,0,0)} （6分） (3) s k+1 = s k + (-1) k d k （9分） (4)方法：人先带羊.然后回来.带狼过河.然后把羊带回来.放下羊.带白菜过去.然后再回来把羊带过去。 或: 人先带羊过河.然后自己回来.带白菜过去.放下白菜.带着羊回来.然后放下羊.把狼带过去.最后再回转来.带羊过去。（12分） . . 按模型的数学方法分： 几何模型、图论模型、微分方程模型、概率模型、最优控制模型、规划论模型、马氏链模型等 按模型的特征分： 静态模型和动态模型，确定性模型和随机模型，离散模型和连续性模型，线性模型和非线性模型等 按模型的应用领域分： 人口模型、交通模型、经济模型、生态模型、资源模型、环境模型等。 按建模的目的分： 预测模型、优化模型、决策模型、控制模型等 一般研究数学建模论文的时候，是按照建模的目的去分类的，并且是算法往往也和建模的目的对应 按对模型结构的了解程度分： 有白箱模型、灰箱模型、黑箱模型等 比赛尽量避免使用，黑箱模型、灰箱模型，以及一些主观性模型。 按比赛命题方向分： 国赛一般是离散模型和连续模型各一个，2016美赛六个题目（离散、连续、运筹学/复杂网络、大数据、环境科学、政策） 数学建模十大算法 1、蒙特卡罗算法 （该算法又称随机性模拟算法，是通过计算机仿真来解决问题的算法，同时可以通过模拟可以来检验自己模型的正确性，比较好用的算法） 2、数据拟合、参数估计、插值等数据处理算法 （比赛中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） 3、线性规划、整数规划、多元规划、二次规划等规划类问题 （建模竞赛大多数问题属于最优化问题，很多时候这些问题可以用数学规划算法来描述，通常使用Lindo、Lingo软件实现） 4、图论算法 （这类算法可以分为很多种，包括最短路、网络流、二分图等算法，涉及到图论的问题可以用这些方法解决，需要认真准备） 5、动态规划、回溯搜索、分治算法、分支定界等计算机算法 （这些算法是算法设计中比较常用的方法，很多场合可以用到竞赛中） 6、最优化理论的三大非经典算法：模拟退火法、神经网络、遗传算法 （这些问题是用来解决一些较困难的最优化问题的算法，对于有些问题非常有帮助，但是算法的实现比较困难，需慎重使用） 7、网格算法和穷举法 （当重点讨论模型本身而轻视算法的时候，可以使用这种暴力方案，最好使用一些高级语言作为编程工具） 8、一些连续离散化方法 （很多问题都是从实际来的，数据可以是连续的，而计算机只认的是离散的数据，因此将其离散化后进行差分代替微分、求和代替积分等思想是非常重要的） 9、数值分析算法 （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）10、图象处理算法 （赛题中有一类问题与图形有关，即使与图形无关，论文中也应该要不乏图片的这些图形如何展示，以及如何处理就是需要解决的问题，通常使用Matlab进行处理） 算法简介 1、灰色预测模型（必掌握） 数学建模模拟试题及答案 一、填空题（每题5分，共20分） 1. 若,, x z z y ∝∝则y 与x 的函数关系是. 2. 在超级市场的收银台有两条队伍可选择，队1有1m 个顾客，每人都买了1n 件商品，队2有2m 个顾客，每人都买了2n 件商品，假设每个人付款需p 秒，而扫描每件商品需t 秒，则加入较快队1的条件是 . 3. 马尔萨斯与罗捷斯蒂克两个人口增长模型的主要区别是假设了 4. 在研究猪的身长与体重关系时，我们通过与已知其相关性质的的弹性梁作 的方法建立了模型. 二、分析判断题（每小题15分，满分30分） 1. 要为一所大学编制全校性选修课程表，有哪些因素应予以考虑？试至少列出5种. 2. 一起交通事故发生3个小时后，警方测得司机血液中酒精的含量是 ),m l /m g (100/56 又过两个小时，含量降为),m l /m g (100/40试判断，当事故发生时，司 机是否违反了酒精含量的规定（不超过80/100)m l /m g (. （提示：不妨设开始时刻为)(,0t C t =表示t 时刻血液中酒精的浓度，则依平衡原理，在时间间隔],[t t t ?+内酒精浓度的改变量为 t t kC t C t t C ??=??+)()()( 其中0>k 为比例常数，负号则表示了浓度随时间的推移是递减的.） 三、计算题（每题25分，满分50分） 1. 一个毛纺厂使用羊毛、兔毛和某种纤维生产甲、乙两种混纺毛料，生产一个单位产品甲需要的三种原料依次为3、2、8个单位，产值为580元；生产一个单位产品乙需要的三种原料依次为2、3、5个单位，产值为680元，三种原料在计划期内的供给量依次为90、30和80单位.试建立线性规划模型以求一个生产方案，使得总产值达到最大，并由此回答： （1） 最优生产方案是否具有可选择余地？若有请至少给出两个，否则说明理由. （2） 原材料的利用情况. 数学建模的主要步骤: 第一、模型准备 首先要了解问题的实际背景,明确建模目的,搜集必需的各种信息,尽量弄清对象的特征. 第二、模型假设 根据对象的特征和建模目的,对问题进行必要的、合理的简化,用精确的语言作出假设,是建模至关重要的一步.如果对问题的所有因素一概考虑,无疑是一种有勇气但方法欠佳的行为,所以高超的建模者能充分发挥想象力、洞察力和判断力,善于辨别主次,而且为了使处理方法简单,应尽量使问题线性化、均匀化. 第三、模型构成 根据所作的假设分析对象的因果关系,利用对象的内在规律和适当的数学工具,构造各个量间的等式关系或其它数学结构.这时,我们便会进入一个广阔的应用数学天地,这里在高数、概率老人的膝下,有许多可爱的孩子们,他们是图论、排队论、线性规划、对策论等许多许多,真是泱泱大国,别有洞天.不过我们应当牢记,建立数学模型是为了让更多的人明了并能加以应用,因此工具愈简单愈有价值. 第四、模型求解 可以采用解方程、画图形、证明定理、逻辑运算、数值运算等各种传统的和近代的数学方法,特别是计算机技术.一道实际问题的解决往往需要纷繁的计算,许多时候还得将系统运行情况用计算机模拟出来,因此编程和熟悉数学软件包能力便举足轻重. 第五、模型分析 对模型解答进行数学上的分析."横看成岭侧成峰,远近高低各不?quot;,能否对模型结果作出细致精当的分析,决定了你的模型能否达到更高的档次.还要记住,不论那种情况都需进行误差分析,数据稳定性分析. 数学建模采用的主要方法有： （一）、机理分析法：根据对客观事物特性的认识从基本物理定律以及系统的结构数据来推导出模 型. 1、比例分析法：建立变量之间函数关系的最基本最常用的方法. 2、代数方法：求解离散问题（离散的数据、符号、图形）的主要方法. 3、逻辑方法：是数学理论研究的重要方法,对社会学和经济学等领域的实际问题,在决策,对策等学科中得到广泛应用. 4、常微分方程：解决两个变量之间的变化规律,关键是建立“瞬时变化率”的表达式. 5、偏微分方程：解决因变量与两个以上自变量之间的变化规律. （二）、数据分析法：通过对量测数据的统计分析,找出与数据拟合最好的模型 1、回归分析法：用于对函数f（x）的一组观测值（xi,fi）i=1,2,…,n,确定函数的表达式,由于处理的是静态的独立数据,故称为数理统计方法. 2、时序分析法：处理的是动态的相关数据,又称为过程统计方法. 3、回归分析法：用于对函数f（x）的一组观测值（xi,fi）i=1,2,…,n,确定函数的表达式,由于处理的是静态的独立数据,故称为数理统计方法. 数学建模疾病的诊断 现要你给出疾病诊断的一种方法。 胃癌患者容易被误诊为萎缩性胃炎患者或非胃病者。从胃癌患者中抽 取5人（编号为1-5），从萎缩性胃炎患者中抽取5人（编号为6-10），以及非胃病者 中抽取5人（编号为11-15），每人化验4项生化指标：血清铜蓝蛋白（ X）、 1 蓝色反应（ X）、尿吲哚乙酸（3X）、中性硫化物（4X）、测得数据如表1 2 所示： 表1. 从人体中化验出的生化指标 根据数据，试给出鉴别胃病的方法。 论文题目：胃病的诊断 摘要 在临床医学中，诊断试验是一种诊断疾病的重要方法。好的诊断试验方法将对临床诊断的正确性和疾病的治疗效果起重要影响。因此，对于不同疾病不断发现新的诊断试验方法是医学进步的重要标志。传统的诊断试验方法有生化检测、DNA检测和影像检测等方法。而本文则通过利用多元统计分析中的判别分析及SPSS软件的辅助较好地解决了临床医学中胃病鉴别的问题。在临床医学上，既提高了临床诊断的正确性，又对疾病的治疗效果起了重要效果，同时也减轻了病人的负担。 判别分析是在分类确定的条件下，根据某一研究对象的各种特征值判别其类型归属问题的一种多变量统计分析方法。 其基本原理是按照一定的判别准则，建立一个或多个判别函数，用研究对象的大量资料确定判别函数中的待定系数，并计算判别指标。 首先，由判别分析定义可知，只有当多个总体的特征具有显著的差异时，进行判别分析才有意义，且总体间差异越大，才会使误判率越小。因此在进行判别分析时，有必要对总体多元变量的均值进行是否不等的显著性检验。 其次，利用判别分析中的费歇判别和贝叶斯判别进行判别函数的建立。 最后，利用所建立的判别函数进行回判并测得其误判率，以及对其修正。 本文利用SPSS软件实现了对总体间给类变量的均值是否不等的显著性检验并根据样本建立了相应的费歇判别函数和贝叶斯判别函数，最后进行了回判并测得了误判率，从而获得了在临床诊断中模型，给临床上的诊断试验提供了新方法和新建议。 关键词：判别分析；判别函数；Fisher判别；Bayes判别 一问题的提出 在传统的胃病诊断中，胃癌患者容易被误诊为萎缩性胃炎患者或非胃病患者，为了提高医学上诊断的准确性，也为了减少因误诊而造成的病人死亡率，必须要找出一种最准确最有效的诊断方法。为诊断疾病，必须从人体中提取4项生化指标进行化验，即血 结果分析 综上所述，由模型求解可知，在满足模型条件的假设（4）的条件下，当所给阳性的先验概率0.3066p ≥时，在不分组的条件下每个人一次一次的检验可以使总次数最少；当所给0.29290.3066p ≤<时，进行一次检验比分两次组和不分组均可使总次数最少；当00.2929p <<时，分两次组总次数比分一次组总次数要少。 当p 固定时，为了是人群中总的检验次数最小，就需要确定每组中的人数k 。根据固定值p 的大小分类讨论： 当0.3066p ≥时，此时不需要分组，即1k =时可使检验次数最小； 当0.3066p <时，此时需要分组，要使人群总的检验次数最小，只需要使每个人的检验次数的期望值E ξ最小，通过引入与11k E q k ξ=-+ 变化趋势相同的连续性函数 )2(,11)(≥+-=x x q x f x ，对于一个给定的p ，可以求出函数(x)f 的极值，又由分析知'(x)f 是增函数，所以求出(x)f 的极值就是(x)f 的最小值的取值m x ，故取与m x 最相近的两个值(上取整和下取整)，代入ξE ，然后比较两个函数值，找出较小的一个，以此类推，可以确定，每一个给定的p 要使人群中总的检验次数最小所对应的人数k 。 在0.3066p <中，当0.29290.3066p ≤<时，进行一次分组检验比进行两次分组检验和不分组检验可使检验次数最少；当00.2929p <<时，分两组比分一组总的检验次数少。 模型检验 当然这都是在假设（4）的前提下做出的，现举一例具体说明上述假设的合理性：设0.002p =时，经过上述计算可得，当23k =时可使在一次分组的情况下平均每人检验次数最小，为满足假设（4），可以取24k =（此时平均每人检验次数仅比23k =时多510-次，故在检验100000人时总次数才多一次，故可忽略），然后取112k =或更小（如16k =），此时一定可以做到分两次组比分一次组平均每人检验次数小。当然此时还可以继续求满足条件的第二次分组平均每人检验次数的最小值。 由于题给条件是人群数量很大，基本是健康人，先验概率p 很小，所以4 数学建模方法详解--三十四种常用算法 目录 一、主成分分析法 (2) 二、因子分析法 (5) 三、聚类分析 (9) 四、最小二乘法与多项式拟合 (16) 五、回归分析（略） (22) 六、概率分布方法（略） (22) 七、插值与拟合（略） (22) 八、方差分析法 (23) 九、逼近理想点排序法 (28) 十、动态加权法 (29) 十一、灰色关联分析法 (31) 十二、灰色预测法 (33) 十三、模糊综合评价 (35) 十四、隶属函数的刻画（略） (37) 十五、时间序列分析法 (38) 十六、蒙特卡罗(MC)仿真模型 (42) 十七、BP神经网络方法 (44) 十八、数据包络分析法（DEA） (51) 十九、多因素方差分析法（）基于SPSS） (54) 二十、拉格朗日插值 (70) 二十一、回归分析（略） (75) 二十二、概率分布方法（略） (75) 二十三、插值与拟合（略） (75) 二十四、隶属函数的刻画（参考《数学建模及其方法应用》） (75) 二十五、0-1整数规划模型（参看书籍） (75) 二十六、Board评价法（略） (75) 二十七、纳什均衡（参看书籍） (75) 二十八、微分方程方法与差分方程方法（参看书籍） (75) 二十九、莱斯利离散人口模型（参看数据） (75) 三十、一次指数平滑预测法（主要是软件的使用） (75) 三十一、二次曲线回归方程（主要是软件的使用） (75) 三十二、成本-效用分析（略） (75) 三十三、逐步回归法（主要是软件的使用） (75) 三十四、双因子方差分析（略） (75) 一、主成分分析法 一）、主成分分析法介绍： 主成分分析（principal components analysis，PCA）又称：主分量分析，主成分回归分析法。旨在利用降维的思想，把多指标转化为少数几个综合指标。它是一个线性变换。这个变换把数据变换到一个新的坐标系统中，使得任何数据投影的第一大方差在第一个坐标(称为第一主成分)上，第二大方差在第二个坐标(第二主成分)上，依次类推。主成分分析经常用减少数据集的维数，同时保持数据集的对方差贡献最大的特征。这是通过保留低阶主成分，忽略高阶主成分做到的。这样低阶成分往往能够保留住数据的最重要方面。但是，这也不是一定的，要视具体应用而定。 二）、主成分分析法的基本思想： 在实证问题研究中，为了全面、系统地分析问题，我们必须考虑众多影响因素。这些涉及的因素一般称为指标，在多元统计分析中也称为变量。因为每个变量都在不同程度上反映了所研究问题的某些信息，并且指标之间彼此有一定的相关性，因而所得的统计数据反映的信息在一定程度上有重叠。在用统计方法研究多变量问题时，变量太多会增加计算量和增加分析问题的复杂性，人们希望在进行定量分析的过程中，涉及的变量较少，得到的信息量较多。主成分分析正是适应这一要求产生的，是解决这类题的理想工具。 同样，在科普效果评估的过程中也存在着这样的问题。科普效果是很难具体量化的。在实际评估工作中，我们常常会选用几个有代表性的综合指标，采用打分的方法来进行评估，故综合指标的选取是个重点和难点。如上所述，主成分分析法正是解决这一问题的理想工具。因为评估所涉及的众多变量之间既然有一定的相关性，就必然存在着起支配作用的因素。根据这一点，通过对原始变量相关矩阵内部结构的关系研究，找出影响科普效果某一要素的几个综合指标，使综合指标为原来变量的线性拟合。这样，综合指标不仅保留了原始变量的主要信息，且彼此间不相关，又比原始变量具有某些更优越的性质，就使我们在研究复杂的科普效果评估问题时，容易抓住主要矛盾。上述想法可进一步概述为：设某科普效果评估要素涉及个指标，这指标构成的维随机向量为。对作正交变换，令，其中为正交阵，的各分量是不相关的，使得的各分量在某个评估要素中的作用容易解释，这就使得我们有可能从主分量中选择主要成分，削除对这一要素影响微弱的部分，通过对主分量的重点分析，达到对原始变量进行分析的目的。的各分量是原始变量线性组合，不同的分量表示原始变量之间不同的影响关系。由于这些基本关系很可能与特定的作用过程相联系，主成分分析使我们能从错综复杂的科普评估要素的众多指标中，找出一些主要成分，以便有效地利用大量统计数据，进行科普效果评估分析，使我们在研究科普效果评估问题中，可能得到深层次的一些启发，把科普效果评估研究引向深入。 例如，在对科普产品开发和利用这一要素的评估中，涉及科普创作人数百万人、科普作品发行量百万人、科普产业化（科普示范基地数百万人）等多项指标。经过主成分分析计算，最后确定个或个主成分作为综合评价科普产品利用和开发的综合指标，变量数减少，并达到一定的可信度，就容易进行科普效果的评估。 三）、主成分分析法的数学模型： 其中： 第一题 解：由题意可设 2 123()s t a t a t a =++ 中的A=（1a ，2a ，3a ）使得： 2 6 1 [()]i i i s t s =-∑最小 用多项式拟合的命令 输入以下命令： 输出结果：A = 2.2488 11.0814 -0.5834 2() 2.2488t 11.0814t 0.5834f x =+- 第二题 输入以下命令： >> x=[19 25 31 38 44]; >> y=[19.0 32.3 49.0 73.3 97.8]; >> A=polyfit(x,y,2) >> z=polyval(A,x); >> plot(x,y,'k+',x,z,'r') 输出结果：A = 0.0497 0.0193 0.6882 =x x (2+ f ) x + .0 6882 .0 0193 .0 0497 因为2 6882 .0 ) = .0 f+ x (x f+ ) b 0497 (x a =，所以2 x 草图 >> x=1200:400:4000; >> y=1200:400:3600; >> height=[1130 1250 1280 1230 1040 900 500 700; 1320 1450 1420 1400 1300 700 900 850; 1390 1500 1500 1400 900 1100 1060 950; 1500 1200 1100 1350 1450 1200 1150 1010; 1500 1200 1100 1550 1600 1550 1380 1070; 1500 1550 1600 1550 1600 1600 1600 1550; 1480 1500 1550 1510 1430 1300 1200 980]; >> mesh(x,y,height) >> 在数学建模中常用的方法：类比法、二分法、量纲分析法、差分法、变分法、图论法、层次分析法、数据拟合法、回归分析法、数学规划（线性规划，非线性规划，整数规划，动态规划，目标规划）、机理分析、排队方法、对策方法、决策方法、模糊评判方法、时间序列方法、灰色理论方法、现代优化算法（禁忌搜索算法，模拟退火算法，遗传算法，神经网络）。 用这些方法可以解下列一些模型：优化模型、微分方程模型、统计模型、概率模型、图论模型、决策模型。拟合与插值方法（给出一批数据点，确定满足特定要求的曲线或者曲面，从而反映对象整体的变化趋势）：matlab可以实现一元函数，包括多项式和非线性函数的拟合以及多元函数的拟合，即回归分析，从而确定函数；同时也可以用matlab实现分段线性、多项式、样条以及多维插值。 在优化方法中，决策变量、目标函数（尽量简单、光滑）、约束条件、求解方法是四个关键因素。其中包括无约束规则（用fminserch、fminbnd实现）线性规则（用linprog实现）非线性规则、（用fmincon实现）多目标规划（有目标加权、效用函数）动态规划（倒向和正向）整数规划。 回归分析：对具有相关关系的现象，根据其关系形态，选择一个合适的数学模型，用来近似地表示变量间的平均变化关系的一种统计方法（一元线性回归、多元线性回归、非线性回归），回归分析在一组数据的基础上研究这样几个问题：建立因变量与自变量之间的回归模型（经验公式）；对回归模型的可信度进行检验；判断每个自变量对因变量的影响是否显著；判断回归模型是否适合这组数据；利用回归模型对进行预报或控制。相对应的有线性回归、多元二项式回归、非线性回归。 逐步回归分析：从一个自变量开始，视自变量作用的显著程度，从大到地依次逐个引入回归方程：当引入的自变量由于后面变量的引入而变得不显著时，要将其剔除掉；引入一个自变量或从回归方程中剔除一个自变量，为逐步回归的一步；对于每一步都要进行值检验，以确保每次引入新的显著性变量前回归方程中只包含对作用显著的变量；这个过程反复进行，直至既无不显著的变量从回归方程中剔除，又无显著变量可引入回归方程时为止。（主要用SAS来实现，也可以用matlab软件来实现）。 聚类分析：所研究的样本或者变量之间存在程度不同的相似性，要求设法找出一些能够度量它们之间相似程度的统计量作为分类的依据，再利用这些量将样本或者变量进行分类。 系统聚类分析—将n个样本或者n个指标看成n类，一类包括一个样本或者指标，然后将性质最接近的两类合并成为一个新类，依此类推。最终可以按照需要来决定分多少类，每类有多少样本（指标）。 系统聚类方法步骤： 1.计算n个样本两两之间的距离 2.构成n个类，每类只包含一个样品 3.合并距离最近的两类为一个新类 4.计算新类与当前各类的距离（新类与当前类的距离等于当前类与组合类中包含的类的距离最小值）， 若类的个数等于1，转5，否则转3 5.画聚类图 6.决定类的个数和类。 判别分析：在已知研究对象分成若干类型，并已取得各种类型的一批已知样品的观测数据，在此基础上根据某些准则建立判别式，然后对未知类型的样品进行判别分类。 距离判别法—首先根据已知分类的数据，分别计算各类的重心，计算新个体到每类的距离，确定最短的距离（欧氏距离、马氏距离） Fisher判别法—利用已知类别个体的指标构造判别式（同类差别较小、不同类差别较大），按照判别式的值判断新个体的类别 Bayes判别法—计算新给样品属于各总体的条件概率，比较概率的大小，然后将新样品判归为来自概率最大的总体 模糊数学：研究和处理模糊性现象的数学（概念与其对立面之间没有一条明确的分界线）与模糊数学相关的问题：模糊分类问题—已知若干个相互之间不分明的模糊概念，需要判断某个确定事物用哪一个模糊概念来反映更合理准确；模糊相似选择—按某种性质对一组事物或对象排序是一类常见的问题，但是用来比第二讲数学建模的基本方法和步骤
建模与仿真
数学建模期末考试A试的题目与答案
数学建模中常见的十大模型讲课稿
第1章 数学建模与误差分析
数学建模习题集及标准答案
《数值分析与数学建模》
数学建模期末考试2018A试的题目与答案
数学建模常用算法模型
数学建模模拟试题及答案.pdf
数学建模方法和步骤
数学建模题目及其答案(疾病诊断)
数学建模结果分析
数学建模方法详解--三十四种常用算法
数学建模拟合与差分习题答案
数学建模方法归类(很全很有用)