1、单击此处编辑母版标题样式单击此处编辑母版副标题样式* 1数 学建模常用方法介绍刘兵兵安庆师范学院数学与计算科学学院2008-11-06我校十年来参加数学建模竞赛的基本情况简介l 1983年，数学建模作为一门独立的课程进入我国高等学校，在清华大学首次开设。 1987年高等教育出版社出版了国内第一本 数学模型 教材。 20多年来，数学建模工作发展的非常快，许多高校相继开设了数学建模课程，我国从 1989年起参加美国数学建模竞赛， 1992年国家教委高教司提出在全国普通高等学校开展数学建模竞赛，旨在 “培养学生解决实际问题的能力和创新精神，全面提高学生的综合素质”。l 我校在 1998年之前就为数学
2、与应用数学专业学生开设了数学建模课程（当时由叶淼林教授主讲，后改为苏本跃博士主讲），并于 1998年参加全国大学生数学建模竞赛。在 2007年扩大到信息与计算科学专业（刘兵兵讲师主）。同年，又把数学建模课增设为全校公选课，授课对象为四个院系的学生 ,即：数学与计算科学学院、计算机与信息学院、物理与电气工程学院和经济与管理学院，授课教师共有 4位不同方向的数学教师。同时还指导本科生撰写数学建模方向的毕业论文。十多年来，数学建模课程的教学使学生在知识的渗透和交叉方面 ,使学生和教师的知识结构得到了更新和完善 ,同时也促进了数学学科和其它学科的交流。学生应用数学和计算机解决实际问题的能力得到了提高。
3、学生的综合素质在毕业论文、读研究生和以后的工作中充分体现出来。我校在全国大学生数学建模竞赛中取得了较好的成绩，自从 1998年参加比赛以来，累计共有 1队获得国家级一等奖， 1队获得国家级二等奖， 2队获得安徽赛区一等奖， 16队获得安徽赛区二等奖， 10队获得安徽赛区三等奖，其余均获得成功参赛奖。数学建模需要的知识三类最基本的必备知识运筹学（ MATLAB or LINDNO/LINGO）多元统计分析（ SPSS）微分方程 (MATLAB)数学建模常用的方法 类比法 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，
4、目标规划 ）数学建模常用的方法 机理分 析法 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）数学模型分类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问题 给定一批数据点（输入变量与输出变量的数据），需确定满足特定要求的曲线或曲面插值问题 要求所求曲线（面）通过所给所有数据点数据拟合 不要求曲线（面）通过所有数据点，而是要求它反映对象整体的变化趋势数据拟合一元函数拟合多项式拟合非线性函数拟合多元函数拟合（回归分析）MATLAB实现函数的确定插值方法一维插值的定义 已知 n个节点，求任意点
5、处的函数值 。分段线性插值多项式插值 样条插值 y=interp1(x0,y0,x,method)二维插值 节点为网格节点z=interp2(x0,y0,z0,x,y,method) pp=csape(x0,y0,z0,conds,valconds) 二维插值 节点为散点z1=griddata(x,y,z,x1,y1) 优化方法优化模型四要素决策变量目标函数（尽量简单、光滑）约束条件（建模的关键）求解方法 （ MATLAB,LINDO）优化模型分类 线性规划模型（目标函数和约束条件都是线性函数的优化问题） 非线性规划模型（目标函数或者约束条件是非线性的函数） 整数规划（决策变量是整数值得规划问
6、题） 多目标规划（具有多个目标函数的规划问题） 目标规划（具有不同优先级的目标和偏差的规划问题） 动态规划（求解多阶段决策问题的最优化方法） 优化模型求解 无约束规划fminsearchfminbnd 线性规划linprog 非线性规划fmincon 多目标规划（计算有效解）目标加权、效用函数 动态规划（倒向、正向） 整数规划（分支定界法、枚举法、 LINDO）统计方法（回归分析） 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
7、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 b, bint,r,rint,stats=regress(Y,X,alpha) （线性回归） rstool（ x， y， model, alpha）（多元二项式回归） beta,r,J=nlinfit（ x， y， model, beta0）（非线性回归）统计方法（逐步回归分析） 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
8、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 stepwise(x,y,inmodel,alpha) SPSS,SAS统计方法（聚类分析）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，
9、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）统计方法（系统聚类分析步骤）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 35. 画聚类图6. 决定类的个数和类。统计方法（判别分析） 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
10、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 与模糊数学相关的问题（一）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（一）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
11、用来比较的性质具有边界不分明的模糊性与模糊数学相关的问题（二）模糊聚类分析 根据研究对象本身的属性构造模糊矩阵，在此基础上根据一定的隶属度来确定其分类关系 模糊层次分析法 两两比较指标的确定模糊综合评判 综合评判就是对受到多个因素制约的事物或对象作出一个总的评价，如产品质量评定、科技成果鉴定、某种作物种植适应性的评价等，都属于综合评判问题。由于从多方面对事物进行评价难免带有模糊性和主观性，采用模糊数学的方法进行综合评判将使结果尽量客观从而取得更好的实际效果 图论方法（一） 最短路问题两个指定顶点之间的最短路径 给出了一个连接若干个城镇的铁路网络，在这个网络的两个指定城镇间，找一条最短铁路线 （
12、 Dijkstra算法 ）每对顶点之间的最短路径 （ Dijkstra算法、 Floyd算法 ） 最小生成树问题连线问题 欲修筑连接多个城市的铁路设计一个线路图，使总造价最低（ prim算法 、 Kruskal算法 ） 图的匹配问题人员分派问题： n个工作人员去做件 n份工作，每人适合做其中一件或几件，问能否每人都有一份适合的工作？如果不能，最多几人可以有适合的工作？ (匈牙利算法 )图论方法（二）遍历性问题中国邮递员问题 邮递员发送邮件时，要从邮局出发，经过他投递范围内的每条街道至少一次，然后返回邮局，但邮递员希望选择一条行程最短的路线最大流问题运输问题最小费用最大流问题在运输问题中，人们总
13、是希望在完成运输任务的同时，寻求一个使总的运输费用最小的运输方案 现代优化算法80年代初开始兴起的启发式算法，包括禁忌搜索（ tabu search）， 模拟退火（ simulated annealing, SA）， 遗传算法（ genetic algorithm, GA），蚁群算法（ ant colony algorithm, ANA），人工神经网络（ neural network, NN）等等，用于解决大量的实际应用问题。遗传算法基于生物遗传学和进化论所构造的一类搜索算法。对生物进化过程进行了数学仿真，体现了自然界中 “物竞天择、适者生存 ”的进化过程。l 遗传算法把问题的解表示成个体（
14、染色体 ），并基于适应值来选择染色体，使适应性好的染色体有更多的繁殖机会。通过染色体群一代一代的进化，获得适应环境的最优解。Holland, Adaptation in Natural and Artificial Systems , 1975 生物遗传概念与遗传算法l 个体 （ individual）问题的解染色体 （ chromosome）：解的编码基因 （ gene）：解中各分量的值l 适应性 （ fitness）适应函数值l 群体 （ population）选定的一组解生物遗传概念与遗传算法l 种群 （ reproduction）根据适应函数值选取的一组解l 交配 （ crossover）通过交配原则产生一组新解的过程l 变异 （ mutation）编码的某一个分量发生变化的过程l 适者生存算法停止时，最有可能存活的是最优解遗传算法的基本要素1.编码与译码编码 ：将问题结构变换为位串形式编码表示的 染色体译码 ：将染色体表示变换为原问题结构。2.适应度函数对染色体 适应性 进行度量的函数。通过适应度函数来决定染色体的优劣程度，体现了自然进化中的 优胜劣汰原则 。适应度函数的取值大小与求解问题对象的意义有很大的关系。对优化问题，适应度函数就是目标函数。
