数学建模常用的十种解题方法

数学建模常用的十种解题方法

ID:18809638

大小:346.50 KB

页数:7页

时间:2018-09-25

数学建模常用的十种解题方法_第1页
数学建模常用的十种解题方法_第2页
数学建模常用的十种解题方法_第3页
数学建模常用的十种解题方法_第4页
数学建模常用的十种解题方法_第5页
资源描述:

《数学建模常用的十种解题方法》由会员上传分享,免费在线阅读,更多相关内容在教育资源-天天文库

1、数学建模常用的十种解题方法摘要当需要从定量的角度分析和研究一个实际问题时,人们就要在深入调查研究、了解对象信息、作出简化假设、分析内在规律等工作的基础上,用数学的符号和语言,把它表述为数学式子,也就是数学模型,然后用通过计算得到的模型结果来解释实际问题,并接受实际的检验。这个建立数学模型的全过程就称为数学建模。数学建模的十种常用方法有蒙特卡罗算法;数据拟合、参数估计、插值等数据处理算法;解决线性规划、整数规划、多元规划、二次规划等规划类问题的数学规划算法;图论算法;动态规划、回溯搜索、分治算法、分支定界

2、等计算机算法;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;网格算法和穷举法;一些连续离散化方法;数值分析算法;图象处理算法。关键词:数学建模;蒙特卡罗算法;数据处理算法;数学规划算法;图论算法一、蒙特卡罗算法蒙特卡罗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,是比赛时必用的方法。在工程、通讯、金融等技术问题中,实验数据很难获取,或实验数据的获取需耗费很多的人力、物力,对此,用计算机随机模拟就是最简单、经济、实用的方法;此外,对一些

3、复杂的计算问题,如非线性议程组求解、最优化、积分微分方程及一些偏微分方程的解⑿,蒙特卡罗方法也是非常有效的。一般情况下,蒙特卜罗算法在二重积分中用均匀随机数计算积分比较简单,但精度不太理想。通过方差分析,论证了利用有利随机数,可以使积分计算的精度达到最优。本文给出算例,并用MATALAB实现。1蒙特卡罗计算重积分的最简算法-------均匀随机数法二重积分的蒙特卡罗方法(均匀随机数)实际计算中常常要遇到如的二重积分,也常常发现许多时候被积函数的原函数很难求出,或者原函数根本就不是初等函数,对于这样的重积

4、分,可以设计一种蒙特卡罗的方法计算。定理1设式区域D上的有界函数,用均匀随机数计算的方法:(l)取一个包含D的矩形区域Ω,a≦x≦b,c≦y≦d,其面积A=(b一a)(d一c);,i=1,…,n在Ω上的均匀分布随机数列,不妨设,j=1,…k为落在D中的k个随机数,则n充分大时,有定理2用定理1的公式(1)作近似计算时,其方差为证略。2蒙特卡罗计算重积分的一般方法-----任意随机数法2.1二重积分的蒙特卡罗算法(一般随机数)定理3设区域D上的有界函数,用一般的随机数计算的方法:(l)取一个包含D的矩形区

5、域Ω,a≦x≦b,c≦y≦d,其面积A=(b一a)(d一c);取任一概率密度函数,满足;,i=1,…,n,是以为概率密度的随机数列,设,i-1,…k,为落在D中的随机数,则n充分大时,有证略。3蒙特卡罗计算重积分的最优算法—有利随机数法任意随机数都能用于积分计算,对于不同的随机数,计算结果的方差显然不同,在定理3中,取时,计算方差为零,即方差最小,称为有利密度函数,以为概率密度的随机数称为有利随机数。这样得到方差最优的蒙特卡罗算法,叙述如下:定理5根据二重积分的最优蒙特卡罗算法(有利随机数),设区域D上

6、的有界函数,≧0,那么按如下步骤得到方差最优值。(l)取一个包含D的矩形区域Ω;取有利概率密度其中c=;,i=1,…,n,是以为概率密度的随机数列,设,i-1,…k,为落在D中的随机数,则n充分大时,有实际计算中,由于c是要计算的,不可能事先得到,所以只能先估算c。二、数据处理算法数据处理算法有数据拟合、参数估计、插值等,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。1数据拟合在实验中,实验和戡测常常会产生大量的数据。为了解释这些数据或者根据这些数据做

7、出预测、判断,给决策者提供重要的依据。需要对测量数据进行拟合,寻找一个反映数据变化规律的函数。它所处理的数据量大而且不能保证每一个数据没有误差,所以要求一个函数严格通过每一个数据点是不合理的。数据拟合方法求拟合函数。例:在某化学反应中,测得生成物的质量浓度y(10/cm)与时间t(min)的关系如表所示显然,连续函数关系y(t)是客观存在的。但是通过表中的数据不可能确切地得到这种关系。何况,由于仪器和环境的影响,测量数据难免有误差。因此只能寻求一个近拟表达式y=(t)寻求合理的近拟表达式,以反映数据变化

8、的规律,这种方法就是数据拟合方法。数据拟合需要解决两个问题:第一,选择什么类型的函数(t)作为拟合函数(数学模型);第二,对于选定的拟合函数,如何确定拟合函数中的参数。数学模型应建立在合理假设的基础上,假设的合理性首先体现在选择某种类型的拟合函数使之符合数据变化的趋势(总体的变化规律)。拟合函数的选择比较灵活,可以选择线性函数、多项式函数、指数函数、三角函数或其它函数,这应根据数据分布的趋势作出选择。为了问题叙述的方便,将例1的数据表写成一

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。