数学建模--什么是数学建模？数学建模应该怎么准备？

媒介

• 这是客岁底学数学建模老哥的建模课程条记；
  
• 将来本人将陆一连续的更新数学建模干系的一些根本算法，各人可以一连关注一下；
  
• 提示：数学建模只有实战才气提升，光学算法没有啥意义，也很难学的很懂。
  

怎样分模块学习？

• 标题备战：把握固定模式
  
• 基于模子的研究和分析
  
• 择要备战：总结归纳本领，通过看高程度论文和良好论文
  
• 标题分析：动脑本领是关键，第一步举行标题定性，然后阐明怎样求解这类标题
  
• 模子的创建：将常见的模子举行归纳总结，形成算法库
  
• 模子优缺点：对模子不敷须要提前把握，而且论述不敷
  

数学建模流程

• 模子准备
  
  
  
  • 相识标题的现实配景，明白其意义，把握对象的各种信息
    
    
    
    • 数据，变量/参数
      
    
    
  
  
• 模子假设
  
  
  
  • 根据现实对象的特性和建模的目的，对标题举行须要简化，最紧张的点之一，评委最喜欢看中点之一
    
    
    
    • 如推测将来十年中国生齿厘革， 可假设将来十年疾病、灾难对生齿厘革影响不大
      
    
    
  
  
• 模子创建
  
  
  
  • 在假设根本上，利用适当的数学工具来规划各个变量之间的关系，两大王牌：流程图，伪代码
    
  • 流程图：一样平常创建组合模子（单个模子结果欠好），如：灰色推测-BP神经网络
    
  • 伪代码：包罗输入，输出。过程
    
  
  
• 模子求解
  
  
  
  • 利用获取的数据资料，对模子的全部参数做出盘算
    
  • 一样平常流程为：基于……数据，经行……预处理处罚工作，得到……参数，进而得到……结果，结果如下：
    
  
  
• 模子分析
  
  
  
  • 对所建的模子的思绪举行论述，对所得结果举行数学分析
    
  • 肯定要和标题相呼应
    
  • 肯定要有表层分析和深层分析
    
    
    
    • 表层分析：看图语言
      
    • 深层分析：看图发掘得出的
      
    
    
  
  
• 模子查验
  
  
  
  • 查验模子的正确性和公道性等，如：灵敏度分析（美赛最爱），毛病分析
    
  
  

阅读论文的流程

比方说，2012年A题葡萄酒评价模子，有篇文章用了回归分析和灰色关联方法对葡 萄酒举行了评级，然后比力二者的结果，得出灰色关联的方法更加可以大概反映理化成 分对葡萄酒质量的影响的结论。这就是论文外貌上给我们出现的样子，但是我们就 可以多想想以下几个标题：
（1） 葡萄酒的理化身分数据是怎么一个结构？作者用了哪些数据处理处罚方法，缺失、 非常数据怎么处理处罚的？他为什么要这么处理处罚？如果以后碰到雷同的标题，数据分析 的时间，有没有好的步调？
扼要来说，这道题的理化指标是一个多变量多对象的二维数据表，存在非常数据用 spss验证数据功能予以去除，缺失值用插值方法增补，然后用主身分分析法举行了 降维，目的是可以大概减小变量个数。如许一来，数据分析的一套流程就比力清楚了。
（2） 他为什么选取了回归分析和灰色关联方法来建模？碰到这类评 价某事物的标题，一共有哪些建模方法？分别可以大概在什么条件下利用？ 各有什么特点？
回归分析可以大概忽略标题机理，只从数据上分析出变量之间的干系关系， 进而得出结论；而灰色关联方法可以大概在机理没有完全摸清的情况下， 部分发掘变量间更深条理的接洽，更可以大概正确地评价葡萄酒的优劣。 在评价类标题上，我们尚有TOPSIS方法，暗昧综合评判等等，各有各 的特点和上风，处理处罚的标题范例有较小的差别，各人可以自行学习。
（3）在做模子查验时，他是用什么尺度来得到判断灰色关联方法比回归 分析要好的结论的？他怎么想法到这点的？碰到这种比力时能不可以大概想到 这一点上？
该文章直接用了评价毛病率指标来鉴别评价优劣，而且从模子的假设、简 化等创建过程中分析出灰色关联方法更加精良的结论，于是我们在对两个模子举行优劣比力的时间，也应该从结果和创建过程分析，进而比力优劣。 从这个思绪中央各人应该根本能知道，下次再碰到西瓜酒，葡萄汁，大概 电脑的评价标题数据应该怎样举行处理处罚了，我们要类比的是数学结构，而 不是外貌上这个东西是葡萄酒还是白酒，这篇论文读透了，以此为线索， 整个评价标题你都办理了。
标题分类

评价类

• 选择符合指标
  
  
  
  • 体系分析法：选择什么指标（选择紧张影响的）
    
  • 同向化处理处罚：数据要么同降，要么同时升
    
  • 指标无量化处理处罚：数据巨细同一，去除单元影响
    
  
  
• 权重各指标：详情看算法匹配大全
  

• 暗昧评价：可以看有无"问卷观察"
  

推测类

推测就是根据已往和如今估计将来，推测将来。统计推测属于推测方法研究范畴，即怎样利用科学的统计方法对物的将来发展举行定量推测

• 搜刮和稽核治疗：找数据
  
• 毛病分析必须要有，推测类最焦点的
  
• 算法详情：算法匹配表
  

优化类

优化类标题是从全部大概方案中选择最公道的方案以到达最优目的。在各种科学标题、工程标题、生产管理、社会经济标题中，人们总是盼望在有限的资源条件下，用尽大概小的代价，得到最大的劳绩（比如保险）。
● 优化类标题一样平常的解题步调(3步)为：
● （1）起首确定决议变量，也就是须要优化的变量；
● （2）然后确定目的函数，也就是优化的目的；
● （3）末了确定束缚条件，决议变量在到达最优状态时， 受到那些客观限定

• 决议变量：对结果有直接影响的
  
• 0-1规划：结果只有两个
  

算法的选择，详情看算法匹配大全
优化类标题中常用的数学模子和求解算法，此中包罗线性规划、非线性规划、整数规划、多目的规划等。在模子求解中，对于凸优化模子，可以接纳基于梯度的求解算法；对于非凸的优化模子，可以接纳智能优化算法。