如何检测一个数学模型的合理性
如何检测一个数学模型的合理性
为了得到正确的结论、在进行系统分析、预测和辅助决策时，必须保证模型能够准确地反映实际系统并能在计算机上正确运行。因此，必须对模型的有效性进行评估。模型有效性评估主要包括模型确认和模型验证两部分内容：模型确认考察的是系统模型（所建立的模型）与被仿真系统（研究对象）之间的关系，模型验证考察的则是系统模型与模型计算机实现之间的关系。
对于一个具体的建模项目来说，模型有效性评估贯穿于研究的始终。必须指出，模型实际上是所研究的系统的一种抽象表述形式，要验证一个模型是否百分之百有效是极其困难的，也是没有实际意义的。另外，模型是否有效是相对于研究目的以及用户需求而言的。在某些情况下，模型达到60％的可信度使可满足要求；而在另外一些情况下，模型达到99％都可能是不满足的。
模型有效性的概念出现在20世纪60年代，随着计算机仿真技术在各个学科和工程领域的普遍应用，模型有效性问题日益受到人们的关注。1967年，美国兰德公司的fishman和Kivtat明确指出，模型有效性研究可划分为两个部分：模型的确认（validation）和验证（verification）。这一观点被国际仿真学界普遍采纳。模型确认指通过比较在相同输入条判和运行环境下模型与实际系统输出之间的一致性，评价模型的可信度或可用性。模型验证则是判断模型的计算机实现是否正确。
尽管确认和验证在各文献中的定义不尽相同，但对于二者之间的区别，专家的看法却是基本一致的。简单地说，模型确认强调理论模型与实际系统之间的一致性，模型验证则强调当前模型与计算机程序之间的一致性。在有些文献中也采用工程技术人员容易接受的“校模”和“验模”两个术语来分别代替“确认”和“验证”。模型的确认和验证与建模的关系见图8.5。
在图8.5中，“问题实体”指被建模的对象，如系统、观念、政策、现象等。“理论模型”是为达到某种特定的研究目的而对问题实体进行的数学／逻辑描述。“计算机模型”（computerized Model）是理论模型在计算机上的实现。
通过“分析与建模”活动可以建立理论模型。计算机模型的建立需通过“编程及实现”这一步骤来完成。经过仿真“实验”即可得到关于问题实体的结果。
模型确认包括理论模型有效性确认、数据有效性确认和运行有效性确认三部分内容，其中运行有效性确认是模型确认的核心。
图8.5 确认和验证与建模的关系
1）理论模型有效性确认
理论模型有效性确认是对理论模型中采用的理论依据和假设条件的正确性以及理论模型对问题实体描述的合理性加以证实的过程。理论模型有效性确认包括两项内容：
（1）检验模型的理论依据及假设条件的正确性。它具有两个含义，一是检
验理论依据的应用条件是否满足，如线性、正态性、独立性、静态性等；该检验过程可以利用统计方法进行。二是检验各种理论的应用是否正确。
（2）子模型的划分及其与总模型的关系是否合理，即分析模型的结构是否正确，子模型问的数学/逻辑关系是否与问题实体相符。理论模型经确认有效后，才能对其进行试运行。最后根据输出结果评估模型的精度。若理论模型无效，应重复分析、建模及确认的过程。
2）数据有效性确认
数据有效性确认用于保证模型建立、评估、检验和实验所用的数据是充分的和正确的。
在模型开发过程中，数据用于模型的建立、校验和运行。充分、正确、精确的数据是建立模型的基础。数据有效性确认包括对模型中关键变量、关键参数及随机变量的确认，以及对运行有效性确认时所使用的参数和初始值等数据的确认。
3）运行有效性确认
运行有效性确认指就模型开发目的或用途而言，模型在其预期应用范围内的输出行为是否有足够的精度。
运行有效性确认的目的是对模型输出结果的精度进行计算和评估。其前提是实际系统及其可比系统的数据均可获取。通过比较模型和实际系统在相同初始条件下的输出数据，可对模型有效性进行定量分析。与实际系统相类似的系统，确认为有效的解析模型、工程计算模型、以及经过确认的模型都可作为模型的可比系统。
理论模型确认、数据有效性确认及模型验证是运行有效性确认的前提。经运行有效性确认被认为有效的模型即可作为正式模型投入运行，利用它进行实际问题的研究。若模型在运行有效性确认时被确认为无效，其原因可能是理论模型不正确、或计算机模型不正确，也可能是数据无效。具体原因的查明需从分析与建模阶段开始，重复模型的构造过程。若实际系统及其可比系统不存在或完全不可观测，则模型与系统的输出数据无法进行比较。在这种情况下，一般只能通过模型验证和理论模型确认，定性地分析模型的有效性。
理论模型有效性包括：1）表观确认，分析对与模型有关的所有信息进行评估，确定需要附加分析的内容，以提高模型的可信度水平；2）历史分析，对与模型有关的历史信息的评估，以评价模型对预期应用的适宜性。3）预期应用和需求分析，对预期应用的效果进行评估，以确定那些对资源的有效利用起关键作用的需求。4）模型概念和逼真度分析，对模型的算法和子模型进行评估，以辨
识那些不适用的假设，并确定子模型的逼真度是否能保证模型的预期应用。5）逻辑追踪分析，通过模型逻辑评估模型中指定实体的行为，并确定这些行为是否都是所期望的。
数学建模与计算机的重要性
数学建模与计算机的联系及重要性 摘要：在当今科技发达的今天，计算机已经得到了广泛的应用，也为数学建模的计算提供了有力工具。本文浅谈了数学建模与计算机在人类生产和生活中的重要性。 关键词：数学建模计算机重要性 当今社会计算机已经被广泛的应用了，在计算机的协助下许多问题的求解变得简单、方便、快捷。而数学建模是把现实世界中的实际问题加以提炼,抽象为数学模型,求出模型的解,验证模型的合理性,并用该数学模型所提供的解答来解释现实问题。在科技迅猛发展的今天计算机和数学建模在人类的生存和发展中都具有举足轻重的作用。 一、数学建模与计算机息息相关 其一、我们在模型求解时,有些计算单纯的用纸和笔是难以完成的，这就需要利用计算机上机计算、编制软件、绘制图形等,当结果通过计算机算出后也必须通过打印机随时进行输出。其二、数学建模的学习对计算机能力的培养也起着极大推动作用,如报考计算机方向的研究生时,对数学的要求非常高;在进行计算机科学的研究时,也要求有极强的数学功底才能写出具有相当深度的论文,计算机科学的发展也是建立在数学基础之上的,许多为计算机的发展方面做出杰出贡献的人，在数学方面也颇有造诣。我们在遇到一些实际问题时往往需要计算机和数学建模同时应用才能解决问题，否则问题将无法进行。数学问题与计算机通常采用一些数学软件（lingo,Matlab,MathCAD 等等）的命令来描述算法，既简单又容易操作。例如下面有这样一道
题就是利用数学软件lingo 求解的。 例1 某工厂有两条生产线,分别用来生产M 和P 两种型号的产品,利润分别为200元每个和300元每个,生产线的最大生产能力分别为每日100和120,生产线没生产一个M 产品需要1个劳动日(1个工人工作8小时称为1个劳动日)进行调试、检测等工作,而每个P 产品需要2个劳动日,该工厂每天共计能提供160个劳动日,假如原材料等其他条件不受限制,问应如何安排生产计划,才能使获得的利润最大？ 解 设两种产品的生产量分别为1x 和2x ,则该问题的数学模型 为: 目标函数 12max 200300z x x =+ 约束条件 1212100,120,160, 0,1,2. i x x x x x i ≤??≤??+≤??≥=? 编写LINGO 程序如下: MODEL: SETS: SHC/1,2 /:A,B,C,X; YF/1,2,3 /:J; ENDSETS DATA: A=1,2 ; B=100,120; C=200,300; ENDDATA
建立数学模型的方法、步骤、特点及分类
建立数学模型的方法、步骤、特点及分类 [学习目标] 1.能表述建立数学模型的方法、步骤； 2.能表述建立数学模型的逼真性、可行性、渐进性、强健性、可转移性、非 预制性、条理性、技艺性和局限性等特点；； 3.能表述数学建模的分类； 4.会采用灵活的表述方法建立数学模型； 5.培养建模的想象力和洞察力。 一、建立数学模型的方法和步骤 —般说来建立数学模型的方法大体上可分为两大类、一类是机理分析方法，一类是测试分析方法．机理分析是根据对现实对象特性的认识、分析其因果关系，找出反映内部机理的规律,建立的模型常有明确的物理或现实意义.测试分折将研究对象视为一个“黑箱”系统，内部机理无法直接寻求，可以测量系统的输人输出数据、并以此为基础运用统计分析方法，按照事先确定的准则在某一类模型中选出一个与数据拟合得最好的模型。这种方法称为系统辨识(System Identification)．将这两种方法结合起来也是常用的建模方法。即用机理分析建立模型的结构，用系统辨识确定模型的参数． 可以看出，用上面的哪一类方法建模主要是根据我们对研究对象的了解程度和建模目的决定的．如果掌握了机理方面的一定知识，模型也要求具有反映内部特性的物理意义。那么应该以机理分析方法为主．当然,若需要模型参数的具体数值，还可以用系统辨识或其他统计方法得到．如果对象的内部机理基本上没掌握，模型也不用于分析内部特性,譬如仅用来做输出预报，则可以系统辩识方法为主．系统辨识是一门专门学科，需要一定的控制理论和随机过程方面的知识．以下所谓建模方法只指机理分析。 建模要经过哪些步骤并没有一定的模式，通常与实际问题的性质、建模的目的等有关，从 §16.2节的几个例子也可以看出这点．下面给出建模的—般步骤，如图16-5所示． 图16-5 建模步骤示意图 模型准备首先要了解问题的实际背景，明确建模的目的搜集建模必需的各种信息如现象、数据等，尽量弄清对象的特征,由此初步确定用哪一类模型，总之是做好建模的准备工作．情况明才能方法对，这一步一定不能忽视，碰到问题要虚心向从事实际工作的同志请教，尽量掌握第一手资料. 模型假设根据对象的特征和建模的目的，对问题进行必要的、合理的简化，用精确的语言做出假设，可以说是建模的关键一步．一般地说，一个实际问题不经过简化假设就很难翻译成数学问题，即使可能，也很难求解．不同的简化假设会得到不同的模型．假设作得不合理或过份简单，会导致模型失败或部分失败，于是应该修改和补充假设；假设作得过分详细，试图把复杂对象的各方面因素都考虑进去，可能使你很难甚至无法继续下一步的工作．通常，作假设的依据，一是出于对问题内在规律的认识，二是来自对数据或现象的分析，也可以是二者的综合．作假设时既要运用与问题相关的物理、化学、生物、经济等方面的知识，又要充分发挥想象力、洞察力和判断力，善于辨别问题的主次，果断地抓住主要因素，舍弃次要因素，尽量将问题线性化、均匀化．经验在这里也常起重要作用．写出假设时，语言要精确，就象做习题时写出已知条件那样．
数学建模知识及常用方法
数学建模知识——之新手上路 一、数学模型的定义现在数学模型还没有一个统一的准确的定义，因为站在不同的角度可以有不同的定义。不过我们可以给出如下定义：“数学模型是关于部分现实世界和为一种特殊目的而作的一个抽象的、简化的结构。”具体来说，数学模型就是为了某种目的，用字母、数学及其它数学符号建立起来的等式或不等式以及图表、图像、框图等描述客观事物的特征及其内在联系的数学结构表达式。一般来说数学建模过程可用如下框图来表明：数学是在实际应用的需求中产生的，要解决实际问题就必需建立数学模型，从此意义上讲数学建模和数学一样有古老历史。例如，欧几里德几何就是一个古老的数学模型，牛顿万有引力定律也是数学建模的一个光辉典范。今天，数学以空前的广度和深度向其它科学技术领域渗透，过去很少应用数学的领域现在迅速走向定量化，数量化，需建立大量的数学模型。特别是新技术、新工艺蓬勃兴起，计算机的普及和广泛应用，数学在许多高新技术上起着十分关键的作用。因此数学建模被时代赋予更为重要的意义。二、建立数学模型的方法和步骤 1. 模型准备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。 2. 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。 3. 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。 4. 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。 5. 模型分析 对模型解答进行数学上的分析。“横看成岭侧成峰，远近高低各不同”，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。例题：一个笼子里装有鸡和兔若干只，已知它们共有 8 个头和 22 只脚，问该笼子中有多少只鸡和多少只兔？解：设笼中有鸡 x 只，有兔 y 只，由已知条件有 x+y=8 2x+4y=22 求解如上二元方程后，得解 x=5,y=3，即该笼子中有鸡 5 只，有兔 3 只。将此结果代入原题进行验证可知所求结果正确。根据例题可以得出如下的数学建模步骤： 1）根据问题的背景和建模的目的做出假设（本题隐含假设鸡兔是正常的，畸形的鸡兔除外） 2）用字母表示要求的未知量 3）根据已知的常识列出数学式子或图形（本题中常识为鸡兔都有一个头且鸡有 2 只脚，兔有 4 只脚） 4）求出数学式子的解答 5）验证所得结果的正确性这就是数学建模的一般步骤三、数模竞赛出题的指导思想传统的数学竞赛一般偏重理论知识，它要考查的内容单一，数据简单明确，不允许用计算器完成。对此而言，数模竞赛题是一个“课题”，大部分都源于生产实际或者科学研究的过程中，它是一个综合性的问题，数据庞大，需要用计算机来完成。其答案往往不是唯一的（数学模型是实际的模拟，是实际问题的近似表达，它的完成是在某种合理的假设下，因此其只能是较优的，不唯一的），呈报的成果是一篇论文。由此可见“数模竞赛”偏重于应用，它是以数学知识为引导计算机运用能力及文章的写作能力为辅的综合能力的竞赛。四、竞赛中的常见题型赛题题型结构形式有三个基本组成部分： 1. 实际问题背景涉及面宽——有社会，经济，管理，生活，环境，自然现象，工程技术，现代科学中出现的新问题等。一般都有一个
数学建模题型
1、问题描述（问题与假设） 随从们密约, 在河的任一岸, 一旦随从的人数比商人多, 就杀人越货.乘船渡河的方案由商人决定.商人们怎样才能安全过河? 假设：1. 过河途中不会出现不可抗力的自然因素。 2. 当随从人数大于商人数时，随从们不会改变杀人的计划。 3.船的质量很好，在多次满载的情况下也能正常运作。 4. 随从会听从商人的调度。 2、问题模型与求解（公式、图、表、算法或代码等） 模型的建立： x(k)~第k 次渡河前此岸的商人数 x(k),y(k)=0,1,2,3,4; y(k)~第k 次渡河前此岸的随从数 k=1,2,….. s(k)=[ x(k), y(k)]~过程的状态 S~允许状态集合 u(k)~第k 次渡船上的商人数 u(k), v(k)=0,1,2; v(k)~ 第k 次渡船上的随从数 k=1,2….. d(k)=( u(k), v(k))~过程的决策 D~允许决策集合 D={u,v u+v=1,2,u,v=0,1,2} 状态因决策而改变s(k+1)=s(k)+(-1)^k*d(k)~状态转移律 求d(k)∈D(k=1,2,….n),使s(k) ∈S 并按转移律s(k+1)=s(k)+(-1)^k*d(k) 由（4,4）到达（0,0） 数学模型： 模型分析： 由（2）（3）（5）可得 Yk Xk -≥-44 化简得 Yk k ≤X 关键代码：
clear clc n=3;m=3;h=2; m0=0;n0=0; tic LS=0; LD=0; for i=0:n for j=0:m if i>=j&n-i>=m-j|i==n|i==0 LS=LS+1; S(LS,:)=[i j]; end if i+j>0&i+j<=h&(i>=j|i==0) LD=LD+1; D(LD,:)=[i j]; end end end N=15; Q1=inf*ones(2*N,2*N); Q2=inf*ones(2*N,2*N); t=1; le=1; q=[m n]; f0=0; while f0~=1&t 数学建模的背景： 人们在观察、分析和研究一个现实对象时经常使用模型，如展览馆里的飞机模型、水坝模型，实际上，照片、玩具、地图、电路图等都是模型，它们能概括地、集中地反映现实对象的某些特征，从而帮助人们迅速、有效地了解并掌握那个对象。数学模型不过是更抽象些的模型。 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（称为数学模型），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。这个全过程就称为数学建模。 近半个多世纪以来,随着计算机技术的迅速发展，数学的应用不仅在工程技术、自然科学等领域发挥着越来越重要的作用,而且以空前的广度和深度向经济、金融、生物、医学、环境、地质、人口、交通等新的领域渗透，所谓数学技术已经成为当代高新技术的重要组成部分。 不论是用数学方法在科技和生产领域解决哪类实际问题，还是与其它学科相结合形成交叉学科，首要的和关键的一步是建立研究对象的数学模型，并计算求解。人们常常把数学建模和计算机技术在知识经济时代的作用比喻为如虎添翼。 数学建模日益显示其重要作用，已成为现代应用数学的一个重要领域。为培养高质量、高层次人才，对理工、经济、金融、管理科学等各专业的大学生都提出“数学建模技能和素质方面的要求”。 数学建模在现代社会的一些作用 (1）在一般工程技术领域，数学建模仍然大有用武之地。在以声、光、热、力、电这些物理学科为基础的诸如机械、电机、土木、水利等工程技术领域中，数学建模的普遍性和重要性不言而喻，虽然这里的基本模型是已有的，但是由于新技术、新工艺的不断涌现，提出了许多需要用数学方法解决的新问题；高速、大型计算机的飞速发展，使得过去即便有了数学模型也无法求解的课题（如大型水坝的应力计算，中长期天气预报等）迎刃而解；建立在数学模型和计算机模拟基础上的CAD技术，以其快速、经济、方便等优势，大量地替代了传统工程设计中的现场实验、物理模拟等手段。(2）在高新技术领域，数学建模几乎是必不可少的工具。无论是发展通讯、航天、微电子、自动化等高新技术本身，还是将高新技术用于传统工业去创造新工艺、开发新产品，计算机技术支持下的建模和模拟都是经常使用的有效手段。数学建模、数值计算和计算机图形学等相结合形成的计算机软件，已经被固化于产品中，在许多高新技术领域起着核心作用，被认为是高新技术的特征之一。在这个意义上，数学不再仅仅作为一门科学，它是许多技术的基础，而且直接走向了技术的前台。国际上一位学者提出了“高技术本质上是一种数学技术”的观点。 (3）数学迅速进入一些新领域，为数学建模开拓了许多新的处女地。随着数学向诸如经济、人口、生态、地质等所谓非物理领域的渗透，一些交叉学科如计量经济学、人口控制论、数学生态学、数学地质学等应运而生。一般地说，不存在作为支配关系的物理定律，当用数学方法研究这些领域中的定量关系时，数学建模就成为首要的、关键的步骤和这些学科发展与应用的基础。在这些领域里建立不同类型、不同方法、不同深浅程度模型的余地相当大，为数学建模提供了广阔的新天地。马克思说过，一门科学只有成功地运用数学时，才 1. 什么是数学模型与数学建模 简单地说：数学模型就是对实际问题的一种数学表述。 具体一点说：数学模型是关于部分现实世界为某种目的的一个抽象的简化的数学结构。 更确切地说：数学模型就是对于一个特定的对象为了一个特定目标，根据特有的内在规律，做出一些必要的简化假设，运用适当的数学工具，得到的一个数学结构。数学结构可以是数学公式，算法、表格、图示等。 数学建模就是建立数学模型，建立数学模型的过程就是数学建模的过程（见数学建模过程流程图）。数学建模是一种数学的思考方法，是运用数学的语言和方法，通过抽象、简化建立能近似刻划并"解决"实际问题的一种强有力的数学手段。 2.美国大学生数学建模竞赛的由来： 1985年在美国出现了一种叫做MCM的一年一度大大学生数学模型（1987年全称为Mathematical Competition in Modeling,1988年改全称为Mathematical Contest in Modeling,其所写均为MCM）。这并不是偶然的。在1985年以前美国只有一种大学生数学竞赛（The william Lowell Putnam mathematial Competition,简称Putman(普特南）数学竞赛），这是由美国数学协会（MAA--即Mathematical Association of America的缩写）主持，于每年12月的第一个星期六分两试进行，每年一次。在国际上产生很大影响，现已成为国际性的大学生的一项著名赛事。该竞赛每年2月或3月进行。 我国自1989年首次参加这一竞赛，历届均取得优异成绩。经过数年参加美国赛表明，中国大学生在数学建模方面是有竞争力和创新联想能力的。为使这一赛事更广泛地展开，1990年先由中国工业与应用数学学会后与国家教委联合主办全国大学生数学建模竞赛（简称CMCM），该项赛事每年9月进行。 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 数学建模的基本步骤 一、数学建模题目 1）以社会，经济，管理，环境，自然现象等现代科学中出现的新问题为背景，一般都有一个比较确切的现实问题。 2）给出若干假设条件： 1. 只有过程、规则等定性假设； 2. 给出若干实测或统计数据； 3. 给出若干参数或图形等。 根据问题要求给出问题的优化解决方案或预测结果等。根据问题要求题目一般可分为优化问题、统计问题或者二者结合的统计优化问题，优化问题一般需要对问题进行优化求解找出最优或近似最优方案，统计问题一般具有大量的数据需要处理，寻找一个好的处理方法非常重要。 二、建模思路方法 1、机理分析根据问题的要求、限制条件、规则假设建立规划模型，寻找合适的寻优算法进行求解或利用比例分析、代数方法、微分方程等分析方法从基本物理规律以及给出的资料数据来推导出变量之间函数关系。 2、数据分析法对大量的观测数据进行统计分析，寻求规律建立数学模型，采用的分析方法一般有： 1）. 回归分析法(数理统计方法)-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。 2）. 时序分析法--处理的是动态的时间序列相关数据，又称为过程统计方法。 3）、多元统计分析（聚类分析、判别分析、因子分析、主成分分析、生存数据分析）。 3、计算机仿真（又称统计估计方法）：根据实际问题的要求由计算机产生随机变量对动态行为进行比较逼真的模仿，观察在某种规则限制下的仿真结果（如蒙特卡罗模拟）。 三、模型求解： 模型建好了，模型的求解也是一个重要的方面，一个好的求解算法与一个合 适的求解软件的选择至关重要，常用求解软件有matlab，mathematica，lingo，lindo，spss，sas等数学软件以及c/c++等编程工具。 Lingo、lindo一般用于优化问题的求解，spss，sas一般用于统计问题的求解，matlab，mathematica功能较为综合，分别擅长数值运算与符号运算。 常用算法有：数据拟合、参数估计、插值等数据处理算法,通常使用spss、sas、Matlab作为工具. 线性规划、整数规划、多元规划、二次规划、动态规划等通常使用Lindo、Lingo,Matlab软件。 图论算法,、回溯搜索、分治算法、分支定界等计算机算法, 模拟退火法、神经网络、遗传算法。 四、自学能力和查找资料文献的能力： 建模过程中资料的查找也具有相当重要的作用，在现行方案不令人满意或难以进展时，一个合适的资料往往会令人豁然开朗。常用文献资料查找中文网站：CNKI、VIP、万方。 五、论文结构： 0、摘要 1、问题的重述，背景分析 2、问题的分析 3、模型的假设，符号说明 4、模型的建立（局部问题分析，公式推导，基本模型，最终模型等） 5、模型的求解 6、模型检验:模型的结果分析与检验，误差分析 7、模型评价:优缺点，模型的推广与改进 8、参考文献 9、附录 六、需要重视的问题 数学建模的所有工作最终都要通过论文来体现，因此论文的写法至关重要： §6 决策树法 对较为复杂的决策问题，特别是需要做多个阶段决策的问题，最常用的方法是决策树法。决策树法是把某个决策问题未来发展情况的可能性和可能结果所做的预测用树状图画出来。其步骤如下： 1、用方框表示决策点。从决策点画出若干条直线或折线，每条线代表一个行动方案，这样的直线或折线称为方案枝。 2、在各方案枝的末端画一个园圈，称为状态点，从状态点引出若干直线或折线，每条线表示一个状态，在线的旁边标出每个状态的概率，称为概率枝。 3、把各方案在各个状态下的损益期望值算出标记在概率枝的末端。 4、把计算得到的每个方案的损益期望值标在状态点上，然后通过比较，选出损益期望值最小的方案为最优方案。 例1某厂准备生产一种新产品，产量可以在三种水平n1、n2、n3中作决策。该产品在市场上的销售情况可分为畅销、一般和滞销三种情况，分别为S1、S2、S3。通过调查，预测市场处于这三种情况的概率分别为0.5、0.3、0.2。三种决策在各种不同市场情况下的利润见下表： 表1 基于各种决策的各种市场情况的利润表（万元） 我们可以计算每种决策下利润的期望值： 实行在水平n1下生产的利润的期望值为：90×0.5+30×0.3-60×0.2=42 实行在水平n2下生产的利润的期望值为：60×0.5+50×0.3-10×0.2=43 实行在水平n3下生产的利润的期望值为：10×0.5+9×0.3-6×0.2=6.5 由于在水平n2下生产利润的期望值最大，因而应选择产量水平n2生产。 可以应用决策树帮助解决这样的决策问题，把各种决策和情况画在图1上： 图1 图中的方框（□）称为决策点，圆圈（○）称为状态点，从方框出发的线段称为对策分支，表示可供选择的不同对策。在圆圈下面的线段称为概率分支，表示在此种对策下可能出现的各种情况。在概率分支上注明了该情况出现的概率。在每一个概率分支的末端注明了对应对策和对应情况下的收益（利润）。在计算时，我们把相应的期望值写在相应的状态点旁边，再由比较大小后选择最优决策，在图上用∥表示舍弃非最优的对策，并在决策点上注明最优决策所对应的期望利润。 图2 利用决策树还可以解决多阶段的决策问题。 例2 某公司在开发一种新产品前通过调查推知，该产品未来的销售情况分前三年和后三年两种情况。因此生产该产品有两种可供选择的方案：建造大厂和建造小厂。如果建造大厂，投资费用5000万元，当产品畅销时，每年可获利2000万元，当产品滞销时，每年要亏损120万元。如果建造小厂，投资费用1000万元，当产品畅销时，每年可获利300万元，当产品滞销时，每年仍可获利150万元。若产品畅销可考虑在后三年再扩建，扩建投资需2000万元，随后三年每年可获利1000万元；也可不再扩建。预测这六年该产品畅销的概率为0.6，滞销的概率为0.4。试分析该公司开发新产品应如何决策？ 根据问题的各种情况可以画出决策树如下：这是一个两阶段的决策问题。注意到图中有两个决策点，反映建小厂的方案中可以分成前三年和后三年两个阶段，并在后三年还要做出一次决策。 图3 把各种数据填到图适当的位置后，由后向前计算获利的期望值。由图可见应采用决策：建造大厂。 500 900 1000*3=3000 300*3=900 6.5 数学建模期中作业 姓名：赵洪 学号：200806002910 班级：信计08-1 工厂升级方案的优化模型 摘要：随着科学技术的飞速发展，各种产品日新月异，工厂面临着提高产品科技含量和优化改革方案的双重挑战。本文讨论工厂升级的优化问题，即分配各工厂的升级以使公司获得最大的利润，需要对其建立模型并借助LINGO软件对非线性规划问题进行了求解，通过比较利润最大值和收益率得出了两个方案的优劣性并在此基础上给出一个更好的提案。 关键词：工厂升级、优化、非线性规划、目标函数、约束条件 问题重述： 某公司所属的高新技术研究所开发了一种新的产品W200X，该公司现有三个工厂，都生产普通的产品W100X。公司计划将现有工厂升级，升级后的工厂将能产生W100X和W200X 其中A1离该公司的研究所最近，A2是最新最大的工厂。升级过程需要一周，在此期间，工厂将停产。该公司在过去的几个月进行了市场调研，W100X现有的批发价为400元。 工人的工资是45元/小时。工厂一星期做工40小时。工人数为固定数值。W100X的零件成本40元，需1.5小时工作量；W200X的零件成本为64元，需1.75小时工作量；每个W100X产品需要两个老芯片，每个W200X产品需要两个新芯片，该公司提供芯片的生产方程为： 公司老板要求： 两位副总裁分别提出了方案1，方案2，如下： 方案1：只让A1工厂升级，只生产新产品W200X； 方案2：所有工厂都升级，可生产两种产品。 要求： （1）研究每一种方案，包括你自己的一个提案，总裁希望基于你的研究推出一个最好的方案，他非常非货币损失和利益。 （2）问题陈述，方案的模型和分析，寻求最佳方案的方法，结果的分析。 （3）下个月第几个工厂升级，每种产品的产量和定价。 问题分析： 数学建模常用方法 建模常用算法,仅供参考： 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,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M a t l a b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L i n d o、L i n g o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（网格算法和穷举法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M a t l a b进行处理） 一、在数学建模中常用的方法： 1.类比法 2.二分法 3.量纲分析法 4.差分法 5.变分法 6.图论法 7.层次分析法 8.数据拟合法 9.回归分析法 10.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） 11.机理分析 12.排队方法 薅§16.3建立数学模型的方法、步骤、特点及分类 螁[学习目标] 蚀1.能表述建立数学模型的方法、步骤； 蒆2.能表述建立数学模型的逼真性、可行性、渐进性、强健性、可转移性、非预制性、条理性、技艺性和局限性等特点；； 羆3.能表述数学建模的分类； 蒃4.会采用灵活的表述方法建立数学模型； 葿5.培养建模的想象力和洞察力。 薆一、建立数学模型的方法和步骤 膃—般说来建立数学模型的方法大体上可分为两大类、一类是机理分析方法，一类是测试分析方法．机理分析是根据对现实对象特性的认识、分析其因果关系，找出反映内部机理的规律,建立的模型常有明确的物理或现实意义.§16.2节的示例都属于机理分析方法。测试分折将研究对象视为一个“黑箱”系统，内部机理无法直接寻求，可以测量系统的输人输出数据、并以此为基础运用统计分析方法，按照事先确定的准则在某一类模型中选出一个与数据拟合得最好的模型。这种方法称为系统辨识(SystemIdentification)．将这两种方法结合起来也是常用的建模方法。即用机理分析建立模型的结构，用系统辨识确定模型的参数． 袁可以看出，用上面的哪一类方法建模主要是根据我们对研究对象的了解程度和建模目的决定的．如果掌握了机理方面的一定知识，模型也要求具有反映内部特性的物理意义。那么应该以机理分析方法为主．当然,若需要模型参数的具体数值，还可以用系统辨识或其他统计方法得到．如果对象的内部机理基本上没掌握，模型也不用于分析内部特性,譬如仅用来做输出预报，则可以系统辩识方法为主．系统辨识是一门专门学科，需要一定的控制理论和随机过程方面的知识．以下所谓建模方法只指机理分析。 膈建模要经过哪些步骤并没有一定的模式，通常与实际问题的性质、建模的目的等有关，从 薆§16.2节的几个例子也可以看出这点．下面给出建模的—般步骤，如图16-5所示． 薄图16-5建模步骤示意图 蚃模型准备首先要了解问题的实际背景，明确建模的目的搜集建模必需的各种信息如现象、数据等，尽量弄清对象的特征,由此初步确定用哪一类模型，总之是做好建模的准备工作．情况明才能方法对，这一步一定不能忽视，碰到问题要虚心向从事实际工作的同志请教，尽量掌握第一手资料. 芁模型假设根据对象的特征和建模的目的，对问题进行必要的、合理的简化，用精确的语言做出假设，可以说是建模的关键一步．一般地说，一个实际问题不经过简化假设就很难翻译成数学问题，即使可能，也很难求解．不同的简化假设会得到不同的模型．假设作得不合理或过份简单，会导致模型失败或部分失败，于是应该修改和补充假设；假设作得过分详细，试图把复杂对象的各方面因素都考虑进去，可能使你很难甚至无法继续下一步的工作．通常，作假设的依据，一是出于对问题内在规律的认识，二是来自对数据或现象的分析，也可以是二者的综合．作假设时既要运用与问题相关的物理、化学、生物、经济等方面的知识，又要充分发挥想象力、洞察力和判断力，善于辨别问题的主次，果断地抓住主要因素，舍弃次要因素，尽量将问题线性化、均匀化．经验在这里也常起重要作用．写出假设时，语言要精确，就象做习题时写出已知条件那样． 数模模拟赛论文 我们参赛选择的题号是（从A/B中选择一项填写）： B 我们的参赛报名号为：B12 职务姓名学号学院专业和班级 队长张林10251003201 数学与计算科学学院2010数学与应用数 学2班 队员陈强10251003106 数学与计算科学学院2010数学与应用数 学1班 队员庞阳华10251003230 数学与计算科学学院2010数学与应用数 学2班 承诺书 我们仔细阅读了中国大学生数学建模竞赛的竞赛规则. 我们完全明白，在竞赛开始后参赛队员不能以任何方式（包括电话、电子邮件、网上咨询等）与队外的任何人（包括指导教师）研究、讨论与赛题有关的问题。 我们知道，抄袭别人的成果是违反竞赛规则的, 如果引用别人的成果或其他公开的资料（包括网上查到的资料），必须按照规定的参考文献的表述方式在正文引用处和参考文献中明确列出。 我们郑重承诺，严格遵守竞赛规则，以保证竞赛的公正、公平性。如有违反竞赛规则的行为，我们将受到严肃处理。 北京市水资源短缺风险综合评价 一．摘要 本文以北京地区水资源短缺风险问题及北京市水资源短缺情况数据来进行综合评价，首先构造隶属函数]5[以评价水资源系统的模糊性，其次利用logistic 回归模型模拟和预测水资源短缺风险发生的概率，而后建立了基于模糊概率的水资源短缺风险评价模型，最后利用判别分析识别出水资源短缺风险敏感因子并提出改进方案。 本文最大的亮点是采用采用Logistic回归模型来模拟缺水量系列的概率分布，logistic回归方法具有对因变量数据要求低、计算结果唯一、模型精度高等优点。 二．问题重述 近年来，我国水资源短缺问题日趋严重，尤其是北京水资源短缺已成为焦 数学建模方法模型 一、统计学方法 1 多元回归 1、方法概述: 在研究变量之间的相互影响关系模型时候用到。具体地说:其可以定量地描述某一现象和某些因素之间的函数关系，将各变量的已知值带入回归方程可以求出因变量的估计值，从而可以进行预测等相关研究。 2、分类 分为两类:多元线性回归和非线性线性回归;其中非线性回归可以通过一定的变化转化为线性回归，比如:y=lnx 可以转化为 y=u u=lnx 来解决;所以这里主要说明多元线性回归应该注意的问题。 3、注意事项 在做回归的时候，一定要注意两件事: (1) 回归方程的显著性检验(可以通过 sas 和 spss 来解决) (2) 回归系数的显著性检验(可以通过 sas 和 spss 来解决) 检验是很多学生在建模中不注意的地方，好的检验结果可以体现出你模型的优劣，是完整论文的体现，所以这点大家一定要注意。 4、使用步骤: (1)根据已知条件的数据，通过预处理得出图像的大致趋势或者数据之间的大致关系; (2)选取适当的回归方程; (3)拟合回归参数; (4)回归方程显著性检验及回归系数显著性检验 (5)进行后继研究(如:预测等) 2 聚类分析 1、方法概述 该方法说的通俗一点就是，将 n个样本，通过适当的方法(选取方法很多，大家可以自行查找，可以在数据挖掘类的书籍中查找到，这里不再阐述)选取 m 聚类中心，通过研究各样本和各个聚类中心的距离 Xij，选择适当的聚类标准，通常利用最小距离法(一个样本归于一个类也就意味着，该样本距离该类对应的中心距离最近)来聚类，从而可以得到聚类结果，如果利用sas 软件或者 spss 软件来做聚类分析，就可以得到相应的动态聚类图。这种模型的的特点是直观，容易理解。 2、分类 聚类有两种类型: (1) Q型聚类:即对样本聚类; (2) R型聚类:即对变量聚类; 通常聚类中衡量标准的选取有两种: (1) 相似系数法 (2) 距离法 聚类方法: (1) 最短距离法 (2) 最长距离法 (3) 中间距离法 (4) 重心法 (5) 类平均法 (6) 可变类平均法 (7) 可变法 数学模型:对于一个现实对象，为了一个特定目的， 根据其内在规律，作出必要的简化假设， 运用适当的数学工具，得到的一个数学结构。 数学建模: 建立数学模型的全过程 （包括表述、求解、解释、检验等） 静 态 优 化 模 型 现实世界中普遍存在着优化问题 静态优化问题指最优解是数(不是函数) 建立静态优化模型的关键之一是根据建模目的确定恰当的目标函数 求解静态优化模型一般用微分法 数学规划模型 实际问题中的优化模型 m i x g t s x x x x f z Max Min i T n ,2,1,0)(..),(),()(1=≤==或 x ~决策变量 f (x )~目标函数 g i (x )≤0~约束条件 多元函数条件极值：决策变量个数n 和约束条件个数m 较大 最优解在可行域的边界上取得 线性规划 非线性规划 整数规划 重点在模型的建立和结果的分析 稳定性模型 对象仍是动态过程，而建模目的是研究时间充分长以后过程的变化趋势 ——平衡状态是否稳定。 不求解微分方程，而是用微分方程稳定性理论研究平衡状态的稳定性。 离散模型 离散模型：差分方程（第7章）、整数规划（第4章）、图论、对策论、网络流、… … 分析社会经济系统的有力工具 只用到代数、集合及图论（少许）的知识 ——层次分析模型 日常工作、生活中的决策问题 涉及经济、社会等方面的因素 作比较判断时人的主观选择起相当大的作用，各因素的重要性难以量化 AHP ——一种定性与定量相结合的、系统化、层次化的分析方法 1. 将决策问题分为3个层次：目标层O ，准则层C ，方案层P ；每层有若干元素， 各层 元素间的关系用相连的直线表示。 2. 通过相互比较确定各准则对目标的权重，及各方案对每一准则的权重。 淮阴工学院专业实践周 (2) 班级： 姓名： 学号： 选题： A 组第30 题 教师： 基于投资风险决策的分析 摘要 本文是对开放式基金投资项目问题的研究，开放式基金投资项目问题在现实生活中有着广泛的应用前景。 本文主要采用运筹学的知识，同时采用了MATLAB的知识，采用整数线性规划建立模型，并进行优化，将实际问题数学化。对于本题，我们层层递进，考虑到了各项目之间的相互影响、风险等这些因素，综合考虑现实市场因素和股票的影响因素，对资金的投入和最终的利润进行比较，然后对各种方法得到的投资方案进行对比，优选出更合理的方案，最后采用数学软件（如：LinGo、MATLAB）进行模型求解。 关键词：整数线性规划LinGo MATLAB 风险率利润 一、问题重述 某开放式基金现有总额为15亿元的资金可用于投资，目前共有8个项目可供投资者选择，每个项目可重复投资。根据专家经验，对每个项目投资总额不能太高，应有上限。这些项目所需要的投资额已知，一般情况下投资一年后各项目所得利润也可估算出来，如表1所示。 表1 项目投资额及其利润单位：万元 请帮该公司解决以下问题： （1）就表1提供的数据，应该投资哪些项目，使得第一年所得利润最高？ （2）在具体投资这些项目时，实际还会出现项目之间互相影响的情况。公司咨询有关专家后，得到以下可靠信息：同时投资项目A1，A3，它们的年利润分别是1005万元，1018.5万元；同时投资项目A4，A5，它们的年利润分别是1045万元，1276万元；同时投资项目A2，A6，A7，A8，它们的年利润分别是1353万元，840万元，1610万元，1350万元，该基金应如何投资？ （3）如果考虑投资风险，则应如何投资，使收益尽可能大，而风险尽可能小。投资项目总体风险可用投资项目中最大的一个风险来衡量。专家预测出各项目的风险率，如表2所示。 表2 数学建模 1：[填空题] 9．数学模型按建模目的有（）（）（）（）（）五种分类。 10． Logistic规律就是用微分方程（）描述受环境约束的所谓"阻滞增长”的规律。11．如何用（）（）描述随机因素的影响，建立比较简单的随机模型叫概率模型。12．模型同时包含（）和（）的数学规划，称为混合整数规划。 13．从总体抽取样本，一般应满足（）（）两个条件。 14．TSP近似算法有（）和（）两种。 15．序列无约束最小化方法有（）和（）两种基本方法。 参考答案： 9．答案：描述模型、预报模型、优化模型、决策模型、控制模型 10．答案：x(t)=rx(1-x/N) 11．答案：随机变量、概率分布 12．答案：连续变量、整数变量 13．答案：1）随机性；2）独立性 14．答案：1）构造型算法；2）改进型算法 15．答案：1）SUMT外点法；2）SUMT内点法 2：[填空题] 1．模型指为某个特定目的将原形的某一部分信息简缩、提炼而构造的（）。 2．数学模型是由数字、字母或其它数字符号组成的，描述现实对象数量规律的（）（）（）。 3．机理分析是根据对（）的认识，找出反映内部机理的（），建立的模型常有明显的物理意义或现实意义。 4．理想方法是从观察和经验中通过（）和（），把对象简化、纯化，使其升华到理想状态，以其更本质地揭示对象的固有规律。 5．计算机模拟是根据实际系统或过程的特性，按照一定的（）用计算机程序语言模拟实际运行情况，并依据大量模拟结果对系统或过程进行（）。 6．测试分析是将研究对象看作一个（）系统，通过对系统（）、（）数据的测量和统计分析，按照一定的准则找出与数据拟合得最好的模型。 7．物理模型主要指科技工作者为一定的目的根据（）构造的模型，它不仅可以显示原型的外形或某些特征，而且可以用来进行（），间接地研究原型的某些规律。 8．用（）和（）分析市场经济稳定性的图示法在经济学中称为蛛网模型。 参考答案： 1．答案：原型替代物 2．答案：数学公式、图形、算法 3．答案：客观事物特性、数量规律 4．答案：想象和逻辑思维 5．答案：数学规律、定量分析 6．答案：黑箱、输入、输出 7．答案：相似原理、模拟实验 8．答案：需求曲线、供应曲线数学建模的作用意义
什么是数学模型与数学建模
第1章 数学建模与误差分析
数学建模的基本步骤
数学建模案例分析--对策与决策方法建模6决策树法
数学建模模型的建立
数学建模常用方法
建立数学模型的方法、步骤、特点及分类 ()
数学建模中的重要问题解答
数学建模方法模型
数学模型数学建模重点
数学建模——基于投资风险决策的分析
数学建模