数学建模新手怎么入门

数学建模新手怎么入门,第1张

数学建模,就是根据实际问题来建立数学模型,对数学模型来进行求解,然后根据结果去解决实际问题。

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作表述来建立数学模型。

中国大学生数学建模竞赛相关意义:

1、培养创新意识和创造能力。

2、训练快速获取信息和资料的能力。

3、锻炼快速了解和掌握新知识的技能。

4、培养团队合作意识和团队合作精神。

5、增强写作技能和排版技术。

6、荣获国家级奖励有利于保送研究生。

7、荣获国际级奖励有利于申请出国留学。

学好数学首先需要自己培养学习的兴趣,当然这不是说说就行的。数学属于说理学科,要具备良好的逻辑思维能力,对于一些基本的原理概念必须弄得一清二楚,不可有半点模糊。我教你几招记好了:1、转变为完成任务而做题的思想,把精力用于自主研究上,可以多看例题,遇到不懂的地方,就顺藤摸瓜,挖掘出问题的根源。一遍不行两边两边不行三遍。
2、能动手的就 *** 作一下,因为人类知识的形成直观经验最重要,别人说的不如自己试试印象深刻。然后做一个明了的总结。
3、对于几何问题,重要的是关注性质定理是怎么得来的,像上面说的该动手的最好试试,对一些关键词弄懂意思。将有异同点的问题摘记在一起做好比较,找出它们的差别。
4、对代数问题,除了上面3说的外,采用数形结合的方法,目的还是为了直观好理解。特别是函数问题,不等式,方程。
5、对于应用题还是要知道生活中存在什么数量关系,比如什么是工作效率,你一顿饭吃了5个包子,那么你的每顿吃饭效率就是5个,如果你5顿吃了一个包子,那么你的吃饭效率就是1除以5等于每顿02个。
6、如果方便上网,可以下载一些学习课件(教师用的)看看课件每一步的引导也能学会。
难题都是在简单的基础上叠加起来的,就上航天火箭身上有无数个细小的零件组成是一样的。

以下建议针对非数学系的新人,可以有计划的学习,不过别忘记,比赛是3个人的事情,所以下面涉及的知识仅靠一个人是不太可能胜任的(不排除有大牛人),这时候队友的分工协作就尤为重要了。
首先是我擅长的离散型的模型。如果你是计算机专业的,又有ACM经验的话,那么你可以大展身手了。不过对于非计算机专业的同学(比如当年的我)来说,应该是没有什么算法的经验了,所以恒心和毅力,对队友的信任,以及RP值(这点我超级自信)就非常重要了。
模型方面:姜启源的那本《数学模型》第三版,谢金星的《优化建模与LINDO/LINGO软件》就可以了,不用抱着一堆书结果什么都看不了。
算法的实现对于数学建模起着决定性的作用,一般要会以下算法。不过不用像计算机专业的那样,追求log n或者n或者nlog n的算法复杂度,只要能出结果就行,10min还是20min都可以。不过千万不要用LINGO求解TSP啊,要好多年才出结果。
1、 动态规划(工序调度,排课表,排比赛场次)
2、 0-1规划(投资,下料,运输)
3、 线性规划(投资,下料,运输)
4、 图的一系列问题(深度广度搜索,遍历,TSP,着色等等)
5、 网络流(多半转化成规划问题)
6、 最好能掌握神经网络,遗传,模拟退火,蚁群,禁忌搜索中的一种或多种,因为离散的赛题多半是组合优化的问题,大多数模型在现有算法能力下是没有精确解的(二维下料,排课表,TSP等等),所以启发式算法就显得尤为重要,比如遗传算法,MATLAB7X已经有这个工具箱了,但是一定要弄清原理,知道怎么编码,怎么确定种群规模和遗传代数,怎么确定遗传概率和交叉概率。怎么避免早熟,怎么跳离局部最优。
软件方面:
1、 C/C++/JAVA/BASIC。随便会一种就可以,C的算法效率绝对比MATLAB高出很多,所以一般的算法还是用C实现吧。
2、 MATLAB。很无敌的数学软件,不多介绍了,最好能掌握神经网络工具箱和遗传算法工具箱的使用方法。算法的话,它可以实现的的C/C++也可以,用什么就看个人喜好了。
3、 LINGO。很无敌的规划模型的求解软件,对于离散模型来说,这个必须掌握。别忘记求解的时候在“全局最优”复选框前打钩,不然结果可能是局部最优。(LingoàOptionsàGlobal Solverà Use Global Solver)
然后是我不擅长的连续模型(可以说完全不懂,囧)。这个对编程能力的要求相对低一点,但是数学基本功要好,主要涉及的知识是数理统计和微分方程。
统计类问题:聚类,判别,单因素多因素方差分析,回归,拟合,还有那叫什么灰色预测的和时间序列分析的模型,听说很好用,但是我不会。
微分方程:不说什么了,这个我完全不懂,应该就是什么龙格库塔那类的,用MATLAB算参数的,其他的我也不说什么了,说得太多只能暴露我的无知。
以上就是我的一点点心得,希望可以对参加数学建模的同学有帮助,如果不仅仅是为了比赛获奖,当作一项爱好也是不错的选择。


欢迎分享,转载请注明来源:内存溢出

原文地址: https://outofmemory.cn/yw/10619669.html

(0)
打赏 微信扫一扫 微信扫一扫 支付宝扫一扫 支付宝扫一扫
上一篇 2023-05-10
下一篇 2023-05-10

发表评论

登录后才能评论

评论列表(0条)

保存