数学建模的常见类型
新课标下初中数学建模的常见类型
汕头市澄海溪南中学 陈耀盛
全日制义务教育数学课程标准对数学建模提出了明确要求，标准强调“从学生以有的经验出发，让学生亲身经历将实际问题抽象成数学模型并进行解析与应用的过程，进而使学生获得对数学理解的同时，在思维能力。情感态度与价值观等方面得到进步和发展。”强化数学建模的能力，不仅能使学生更好地掌握数学基础知识，学会数学的基本思想和方法。也能增强学生应用数学的意识，提高分析问题，解决实际问题的能力。2007年全国各地的中考试题考查学生建模思想和意识的题目有许多，现分类举例说明。 一、建立“方程（组）”模型
现实生活中广泛存在着数量之间的相等关系，“方程（组）”模型是研究现实世界数量关系的最基本的数学模型，它可以帮助人们从数量关系的角度更正确、清晰的认识、描述和把握现实世界。诸如纳税问题、分期付款、打折销售、增长率、储蓄利息、工程问题、行程问题、浓度配比等问题，常可以抽象成“方程（组）”模型，通过列方程（组）加以解决
例1（2007年深圳市中考试题）A 、B 两地相距18公里，甲工程队要在A 、B 两地间铺设一条输送天然气管道，乙工程队要在A 、B 两地间铺设一条输油管道。已知甲工程队每周比乙工程队少铺设1公里，甲工程对提前3周开工，结果两队同时完成任务，求甲、乙两工程队每周各铺设多少公里管道？ 解：设甲工程队每周铺设管道x 公里，则乙工程队每周铺设管道（x ＋1）公里。 依题意得：
31
18
18=+-x x 解得x 1=2， x 2=－3
经检验x1=2，x2=－3都是原方程的根。
但x2=－3不符合题意，舍去。
∴x＋1=3
答：甲工程队每周铺设管道2公里，则乙工程队每周铺设管道3公里。二、建立“不等式（组）”模型
现实生活建立中同样也广泛存在着数量之间的不等关系。诸如统筹安排、市场营销、生产决策、核定价格范围等问题，可以通过给出的一些数据进行分析，将实际问题转化成相应的不等式问题，利用不等式的有关性质加以解决。
例2 （2007年茂名市中考试题）某体育用品商场采购员要到厂家批发购进篮球和排球共100只，付款总额不得超过11815元。已知两种球厂家的批发价和商场的零售价如下表，试解答下列问题：
（1）该采购员最多可购进篮球多少只？
（2）若该商场能把这100只球全部以零售价售出，为使商场获得的利润不低于2580元，则采购员至少要购篮球多少只？该商场最多可盈利多少元？
解：（1）该采购员最多可购进篮球ｘ只，则排球为（100－x）只，依题意得：130x＋100（100－x）≤11815
解得x≤60.5
∵x是正整数，∴x＝60
答：购进篮球和排球共100只时，该采购员最多可购进篮球60只。
（2）该采购员至少要购进篮球ｘ只，则排球为（100－x）只，
依题意得：30x＋20（100－x）≥2580
解得x≥58
由表中可知篮球的利润大于排球的利润，因此这100只球中，当篮球最多时，商场可盈利最多，即篮球60只，此时排球平均每天销售40只，
商场可盈利（160－130）×60＋（120－100）×40=1800＋800=2600（元）答：采购员至少要购进篮球58只，该商场最多可盈利2600元。
三、建立“函数”模型
函数反映了事物间的广泛联系，揭示了现实世界众多的数量关系及运动规律。现实生活中，诸如最大获利、用料价造、最佳投资、最小成本、方案最优化问题，常可建立函数模型求解。
例3 （2007年贵州贵阳市中考试题）某水果批发商销售每箱进价为40元的苹果，物价部门规定每箱售价不得高于55元，市场调查发现，若每箱以50元的价格销售，平均每天销售90箱，价格每提高1元，平均每天少销售3箱。（1）求平均每天销售量y（箱）与销售价x（元/箱）之间的函数关系式。（2）求该批发商平均每天的销售利润w（元）与销售价x（元/箱）之间的函数关系式。
（3）当每箱苹果的销售价为多少元时，可以获得最大利润？最大利润是多少？
解：（1）y=90－3（x－50）化简，得y=－3x＋240
（2）w=（x－40）（－3x＋240）
=－3x2＋360x－9600
（3）w=－3x2＋360x－9600
= －3（x－60）2＋1125
∵a=－3＜0 ∴抛物线开口向下
当x=60时，w有最大值，又x＜60，w随x的增大而增大，
∴当x=55时，w 的最大值为1125元，
∴当每箱苹果的销售价为55元时，可以获得最大利润1125元的最大利润
四、建立“几何”模型
几何与人类生活和实际密切相关，诸如测量、航海、建筑、工程定位、道路拱桥设计等涉及一定图形的性质时，常需建立“几何模型，把实际问题转化为几何问题加以解决
例4 （2007年广西壮族自治区南宁市中考试题）如图点P 表示广场上的一盏照明灯。
（1）请你在图中画出小敏在照明灯P 照射下的影子（用线段表示）； （2）若小丽到灯柱MO 的距离为1.5米，小丽目测照明灯P 的仰角为55°，她的目高QB 为1.6米，试求照明灯P
到地面的距离；结果精确到0.1米；参考数据：tan55 °≈1.428，sin55°≈0.819，cos55°≈0.574。
解：（1）如图，线段AC 是小敏的影子。
（2）过点Q 作QE ⊥MO 于E ，过点P 作PF ⊥AB 于F ，交EQ 于点D ，则PF ⊥EQ 。在Rt △PDQ 中，∠PQD=55°，DQ=EQ －ED=4.5－1.5=3（米）。 ∵tan55°=
DQ
PD
∴PD=3 tan55°≈4.3（米）
∵DF=QB=1.6米
∴PF=PD＋DF=4.3＋1.6=5.9（米）。
答：照明灯到地面的距离为5.9米。
五、建立“统计”模型
统计知识在自然科学、经济、人文、管理、工程技术等众多领域有着越来越多的应用。诸如公司招聘、人口统计、各类投标选举等问题，常要将实际问题转化为“统计”模型，利用有关统计知识加以解决。
例5 （2007年后湖北省荆州市中考试题）为了了解全市今年8万名初中毕业生的体育升学考试成绩状况（满分为30分，得分均是整数），从中随机抽取了
数分布直方图（尚不完整），已知第一小组
的频率为0.12。回答下列问题：
（1）在这个问题中，总体
是，样本容量为
。
（2）第四小组的频率为，请补全频数分布直方图。
（3）被抽取的样本的中位数落在第小组内。
（4）若成绩在24分以上的为“优秀”，请估计今年全市初中毕业生的体育升学
考试成绩为“优秀”的人数。
解：（1）8万名初中毕业生的体育升学考试
60=500。
成绩，
.0
12
（2）0.26，补图如图所示。
（3）三．
（4）由样本知优秀率为
?+500
10
130100％=28％ ∴估计8万名初中毕业生的体育升学成绩优秀的人数为28％×80000=22400（人）。
六、建立“概率”模型
概率在社会生活及科学领域中用途非常广泛，诸如游戏公平问题、彩票中奖问题、预测球队胜负等问题，常可建立概率模型求解。
例6 （2007年辽宁省中考试题）四张质地相同的卡片如图所示。将卡片洗匀后，背面朝上放置在桌面上。
（1） 求随机抽取一张卡片，恰好得到数字2的概率
（2） 小贝和小晶想用以上四张卡片做游戏，游戏规则见信息图。你认为这
个游戏公平吗？请用列表法或画树状图法说明理由。若认为不公平，请你修改法则，使游戏变得公平。
解：（1）P （抽到2）=2
142
（2） 根据题意可列表
画树状图如下：
从表（或树状图）中可以看出所有可能的结果共有16种，符号条件的有10种，∴P （两位数不超过32）= =，∴游戏不公平。 调整规则如下。
方法一：将游戏规则中的32换成26～31（包括26和31）之间的任何一个数都
能使游戏公平。
方法二：游戏规则改为抽到的两位数中，不超过32的得3分，抽到的两位数超
过32的得5分。
方法三：游戏规则改为组成的两位数中，若个位数字是2，则小贝胜，反之小晶
胜。
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
新课标下初中数学建模的常见类型
新课标下初中数学建模的常见类型 汕头市澄海溪南中学 陈耀盛 全日制义务教育数学课程标准对数学建模提出了明确要求，标准强调“从学生以有的经验出发，让学生亲身经历将实际问题抽象成数学模型并进行解析与应用的过程，进而使学生获得对数学理解的同时，在思维能力。情感态度与价值观等方面得到进步和发展。”强化数学建模的能力，不仅能使学生更好地掌握数学基础知识，学会数学的基本思想和方法。也能增强学生应用数学的意识，提高分析问题，解决实际问题的能力。2007年全国各地的中考试题考查学生建模思想和意识的题目有许多，现分类举例说明。 一、建立“方程（组）”模型 现实生活中广泛存在着数量之间的相等关系，“方程（组）”模型是研究现实世界数量关系的最基本的数学模型，它可以帮助人们从数量关系的角度更正确、清晰的认识、描述和把握现实世界。诸如纳税问题、分期付款、打折销售、增长率、储蓄利息、工程问题、行程问题、浓度配比等问题，常可以抽象成“方程（组）”模型，通过列方程（组）加以解决 例1（2007年深圳市中考试题）A 、B 两地相距18公里，甲工程队要在A 、B 两地间铺设一条输送天然气管道，乙工程队要在A 、B 两地间铺设一条输油管道。已知甲工程队每周比乙工程队少铺设1公里，甲工程对提前3周开工，结果两队同时完成任务，求甲、乙两工程队每周各铺设多少公里管道？ 解：设甲工程队每周铺设管道x 公里，则乙工程队每周铺设管道（x ＋1）公里。 依题意得： 31 18 18=+-x x 解得x 1=2， x 2=－3
经检验x1=2，x2=－3都是原方程的根。 但x2=－3不符合题意，舍去。 ∴x＋1=3 答：甲工程队每周铺设管道2公里，则乙工程队每周铺设管道3公里。二、建立“不等式（组）”模型 现实生活建立中同样也广泛存在着数量之间的不等关系。诸如统筹安排、市场营销、生产决策、核定价格范围等问题，可以通过给出的一些数据进行分析，将实际问题转化成相应的不等式问题，利用不等式的有关性质加以解决。 例2 （2007年茂名市中考试题）某体育用品商场采购员要到厂家批发购进篮球和排球共100只，付款总额不得超过11815元。已知两种球厂家的批发价和商场的零售价如下表，试解答下列问题： （1）该采购员最多可购进篮球多少只？ （2）若该商场能把这100只球全部以零售价售出，为使商场获得的利润不低于2580元，则采购员至少要购篮球多少只？该商场最多可盈利多少元？ 解：（1）该采购员最多可购进篮球ｘ只，则排球为（100－x）只，依题意得：130x＋100（100－x）≤11815 解得x≤60.5 ∵x是正整数，∴x＝60 答：购进篮球和排球共100只时，该采购员最多可购进篮球60只。 （2）该采购员至少要购进篮球ｘ只，则排球为（100－x）只，
数学建模常用模型方法总结精品
【关键字】设计、方法、条件、动力、增长、计划、问题、系统、网络、理想、要素、工程、项目、重点、检验、分析、规划、管理、优化、中心 数学建模常用模型方法总结 无约束优化 线性规划连续优化 非线性规划 整数规划离散优化 组合优化 数学规划模型多目标规划 目标规划 动态规划从其他角度分类 网络规划 多层规划等… 运筹学模型 （优化模型） 图论模型存 储论模型排 队论模型博 弈论模型 可靠性理论模型等… 运筹学应用重点:①市场销售②生产计划③库存管理④运输问题⑤财政和会计⑥人事管理⑦设备维修、更新和可靠度、项目选择和评价⑧工程的最佳化设计⑨计算器和讯息系统⑩城市管理 优化模型四要素：①目标函数②决策变量③约束条件 ④求解方法(MATLAB--通用软件LINGO--专业软件) 聚类分析、 主成分分析 因子分析 多元分析模型判别分析 典型相关性分析 对应分析 多维标度法 概率论与数理统计模型 假设检验模型 相关分析 回归分析 方差分析 贝叶斯统计模型 时间序列分析模型 决策树 逻辑回归
传染病模型马尔萨斯人口预测模型微分方程模型人口预 测控制模型 经济增长模型Logistic 人口预测模型 战争模型等等。。 灰色预测模型 回归分析预测模型 预测分析模型差分方程模型 马尔可夫预测模型 时间序列模型 插值拟合模型 神经网络模型 系统动力学模型(SD) 模糊综合评判法模型 数据包络分析 综合评价与决策方法灰色关联度 主成分分析 秩和比综合评价法 理想解读法等 旅行商(TSP)问题模型 背包问题模型车辆路 径问题模型 物流中心选址问题模型 经典NP问题模型路径规划问题模型 着色图问题模型多目 标优化问题模型 车间生产调度问题模型 最优树问题模型二次分 配问题模型 模拟退火算法(SA) 遗传算法(GA) 智能算法 蚁群算法(ACA) (启发式) 常用算法模型神经网络算法 蒙特卡罗算法元 胞自动机算法穷 举搜索算法小波 分析算法 确定性数学模型 三类数学模型随机性数学模型 模糊性数学模型
数学建模常用各种检验方法
各种检验方法 1.单个总体2 Nμσ的均值μ的检验: (,) 2 σ已知,关于均值的检验用ztest命令来实现. [h,p,ci]=ztest(x,mu,sigma,alpha,tail) 2 σ已知,关于均值的检验用ttest命令来实现. [h,p,ci]=ttest(x,mu,alpha,tail) 2.两个正态总体均值差的检验（t 检验） 还可以用t 检验法检验具有相同方差的2 个正态总体均值差的假设。在Matlab 中 由函数ttest2 实现，命令为： [h,p,ci]=ttest2(x,y,alpha,tail) 3.分布拟合检验 在实际问题中，有时不能预知总体服从什么类型的分布，这时就需要根据样本来检 验关于分布的假设。下面介绍2χ检验法和专用于检验分布是否为正态的“偏峰、峰度 检验法”。 2 χ检验法 0 H ：总体x的分布函数为F(x) , 1 H : 总体x的分布函数不是F(x). 在用下述χ 2检验法检验假设0 H 时，若在假设0 H 下F(x)的形式已
知，但其参数 值未知，这时需要先用极大似然估计法估计参数，然后作检验。 偏度、峰度检验 4．其它非参数检验 Wilcoxon秩和检验 在Matlab中，秩和检验由函数ranksum实现。命令为： [p,h]=ranksum(x,y,alpha) 其中x，y可为不等长向量，alpha为给定的显著水平，它必须为0和1之间的数量。p返回 产生两独立样本的总体是否相同的显著性概率，h返回假设检验的结果。如果x和y的总 体差别不显著，则h为零；如果x和y的总体差别显著，则h为1。如果p 接近于零，则可对 原假设质疑。 5．中位数检验 在假设检验中还有一种检验方法为中位数检验,在一般的教学中不一定介绍,但在 实际中也是被广泛应用到的。在Matlab中提供了这种检验的函数。函数的使用方法简单， 下面只给出函数介绍。 signrank函数
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 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MA TA LA B 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()dxdy y x f D ??,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, 对于这样的重积分, 可以设计一种蒙特卡罗的方法计算。 定理 1 )1( 设式()y x f ,区域 D 上的有界函数, 用均匀随机数计算()??D dxdy y x f ,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) ; ()j i y x ,,i=1,…,n 在Ω上的均匀分布随机数列,不妨设()j i y x ,, j=1，…k 为落在D 中的k 个随机数, 则n 充分大时, 有
初中数学建模常见类型及举例(无答案)
初中数学建模初探 随着经济的飞速发展和计算机的广泛应用,数学日益成为一种技术,其手段就是计算和数学建模.数学建模是解决实际问题的过程，在这一个过程中，建立数学模型是最关键、最重要的环节，也是学生的困难所在。它需要运用数学的语言和工具，对部分现实世界的信息（现象、数据等）加以简化、抽象、翻译、归纳，然后利用合适的数学工具描述事物特征的一种数学方法。 一、在初中数学教学中，要使学生初步学会建立数学模型的方法，提高学生应用数学知识解决实际问题的能力，应着重注意以下几点： 1、审题 建立数学模型，首先要认真审题。苏联著名数学家斯托利亚尔说过，数学教学也就是数学语言的教学。实际问题的题目一般都比较长，涉及的名词、概念较多，因此要耐心细致地读题，深刻分解实际问题的背景，明确建模的目的；弄清问题中的主要已知事项，尽量掌握建模对象的各种信息；挖掘实际问题的内在规律，明确所求结论和对所求结论的限制条件。 2、简化 根据实际问题的特征和建模的目的，对问题进行必要简化。抓住主要因素，抛弃次要因素，根据数量关系，联系数学知识和方法，用精确的语言作出假设。 3、抽象 将已知条件与所求问题联系起来，恰当引入参数变量或适当建立坐标系，将文字语言翻译成数学语言，将数量关系用数学式子、图形或表格等形式表达出来，从而建立数学模型。 按上述方法建立起来的数学模型，是不是符合实际，理论上、方法上是否达到了优化，在对模型求解、分析以后通常还要用实际现象、数据等检验模型的合理性。 二、初中数学建模的主要类型
一切数学概念、公式、方程式和算法系统等都是数学模型，可以说，数学建模的思想渗透在中小学数学教材中。因此，只要我们深入钻研教材，挖掘教材所蕴涵的应用数学的材料，并从中总结提炼，就能找到数学建模教学的素材。例如：最大最小问题，包括面（体）积最大（小）、用料最省、费用最低、效益最好等，可以建立函数或不等式模型。行程、工程、浓度问题，可以建立方程（组）、不等式（组）模型。 1、函数模型 当涉及到总运费最少或利润最大等决策性问题时，可通过建立函数模型，将实际问题转化为数学问题，运用函数的相关知识来解决. 2、直角三角形模型 当涉及测量高度、测量距离、航海、拦水坝等应用型问题时，可考虑建立直角三角形的模型，利用直角三角形的知识使问题获得解决. 3、方程（组）模型 现实生活中广泛地存在等量关系，如利息和税率、百分比、工程施工、行程问题等，通常都需要建立方程（组）的模型来解决问题. 4、不等式（组）模型 生活中的不等关系主要体现在市场营销、生产决策、统筹安排等方面，对于此类实际问题可以考虑通过建立不等式（组）的模型来解决. 5、几何模型
数学建模中常见的十大模型
数学建模常用的十大算法==转 (2011-07-24 16:13:14) 转载▼ 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，同时可以通过模拟来检验自己模型的正确性，几乎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MA TLAB 作为工具。 3. 线性规划、整数规划、多元规划、二次规划等规划类算法。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Lindo、Lingo 软件求解。 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，竞赛中很多场合会用到。 6. 最优化理论的三大非经典算法：模拟退火算法、神经网络算法、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，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。两者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. 一些连续数据离散化方法。很多问题都是实际来的，数据可以是连续的，而计算机只能处理离散的数据，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，即使问题与图形无关，论文中也会需要图片来说明问题，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MA TLAB 进行处理。 以下将结合历年的竞赛题，对这十类算法进行详细地说明。 以下将结合历年的竞赛题，对这十类算法进行详细地说明。 2 十类算法的详细说明 2.1 蒙特卡罗算法 大多数建模赛题中都离不开计算机仿真，随机性模拟是非常常见的算法之一。 举个例子就是97 年的A 题，每个零件都有自己的标定值，也都有自己的容差等级，而求解最优的组合方案将要面对着的是一个极其复杂的公式和108 种容差选取方案，根本不可能去求解析解，那如何去找到最优的方案呢？随机性模拟搜索最优方案就是其中的一种方法，在每个零件可行的区间中按照正态分布随机的选取一个标定值和选取一个容差值作为一种方案，然后通过蒙特卡罗算法仿真出大量的方案，从中选取一个最佳的。另一个例子就是去年的彩票第二问，要求设计一种更好的方案，首先方案的优劣取决于很多复杂的因素，同样不可能刻画出一个模型进行求解，只能靠随机仿真模拟。 2.2 数据拟合、参数估计、插值等算法 数据拟合在很多赛题中有应用，与图形处理有关的问题很多与拟合有关系，一个例子就是98 年美国赛A 题，生物组织切片的三维插值处理，94 年A 题逢山开路，山体海拔高度的插值计算，还有吵的沸沸扬扬可能会考的“非典”问题也要用到数据拟合算法，观察数据的
数学建模的基本步骤
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：
数学建模常用方法
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
数学建模十种常用算法
数学建模有下面十种常用算法, 可供参考： 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Matlab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Lindo、Lingo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Matlab 进行处理）
数学建模中常见的十大模型讲课稿
数学建模中常见的十 大模型
精品文档 数学建模常用的十大算法==转 (2011-07-24 16:13:14) 转载▼ 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，同时可以通过模拟来检验自己模型的正确性，几乎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MA TLAB 作为工具。 3. 线性规划、整数规划、多元规划、二次规划等规划类算法。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Lindo、Lingo 软件求解。 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，竞赛中很多场合会用到。 6. 最优化理论的三大非经典算法：模拟退火算法、神经网络算法、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，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。两者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. 一些连续数据离散化方法。很多问题都是实际来的，数据可以是连续的，而计算机只能处理离散的数据，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，即使问题与图形无关，论文中也会需要图片来说明问题，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MATLAB 进行处理。 以下将结合历年的竞赛题，对这十类算法进行详细地说明。 以下将结合历年的竞赛题，对这十类算法进行详细地说明。 2 十类算法的详细说明 2.1 蒙特卡罗算法 大多数建模赛题中都离不开计算机仿真，随机性模拟是非常常见的算法之一。 举个例子就是97 年的A 题，每个零件都有自己的标定值，也都有自己的容差等级，而求解最优的组合方案将要面对着的是一个极其复杂的公式和108 种容差选取方案，根本不可能去求解析解，那如何去找到最优的方案呢？随机性模拟搜索最优方案就是其中的一种方法，在每个零件可行的区间中按照正态分布随机的选取一个标定值和选取一个容差值作为一种方案，然后通过蒙特卡罗算法仿真出大量的方案，从中选取一个最佳的。另一个例子就是去年的彩票第二问，要求设计一种更好的方案，首先方案的优劣取决于很多复杂的因素，同样不可能刻画出一个模型进行求解，只能靠随机仿真模拟。 2.2 数据拟合、参数估计、插值等算法 数据拟合在很多赛题中有应用，与图形处理有关的问题很多与拟合有关系，一个例子就是98 年美国赛A 题，生物组织切片的三维插值处理，94 年A 题逢山开路，山体海拔高度的 收集于网络，如有侵权请联系管理员删除
数学建模各类参考文献条目的编排格式及示例
2010年高教社杯全国大学生数学建模竞赛论文的格式规范 ?本科组参赛队从A、B题中任选一题，专科组参赛队从C、D题中任选一题。 ?论文用白色A4纸单面打印；上下左右各留出至少2.5厘米的页边距；从左侧装订。 ?论文第一页为承诺书，具体内容和格式见本规范第二页。 ?论文第二页为编号专用页，用于赛区和全国评阅前后对论文进行编号，具体内容和格式见本规范第三页。 ?论文题目和摘要写在论文第三页上，从第四页开始是论文正文。 ?论文从第三页开始编写页码，页码必须位于每页页脚中部，用阿拉伯数字从“1”开始连续编号。 ?论文不能有页眉，论文中不能有任何可能显示答题人身份的标志。 ?论文题目用三号黑体字、一级标题用四号黑体字，并居中；二级、三级标题用小四号黑体字，左端对齐（不居中）。论文中其他汉字一律采用小四号宋体字，行距用单倍行距，打印时应尽量避免彩色打印。 ?提请大家注意：摘要应该是一份简明扼要的详细摘要（包括关键词），在整篇论文评阅中占有重要权重，请认真书写（注意篇幅不能超过一页，且无需译成英文）。全国评阅时将首先根据摘要和论文整体结构及概貌对论文优劣进行初步筛选。 ?论文应该思路清晰，表达简洁（正文尽量控制在20页以内，附录页数不限）。 ?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均明确列出。正文引用处用方括号标示参考文献的编号，如[1][3]等；引用书籍还必须指出页码。参考文献按正文中的引用次序列出，其中书籍的表述方式为： [编号] 作者，书名，出版地：出版社，出版年。 参考文献中期刊杂志论文的表述方式为： [编号] 作者，论文名，杂志名，卷期号：起止页码，出版年。 参考文献中网上资源的表述方式为： [编号] 作者，资源标题，网址，访问时间（年月日）。 ?在不违反本规范的前提下，各赛区可以对论文增加其他要求（如在本规范要求的第一页前增加其他页和其他信息，或在论文的最后增加空白页等）；从承诺书开始到论文正文结束前，各赛区不得有本规范外的其他要求（否则一律无效）。 ?本规范的解释权属于全国大学生数学建模竞赛组委会。
常用数学建模方法
数学建模常用方法以及常见题型 核心提示： 数学建模方法一、机理分析法从基本物理定律以及系统的结构数据来推导出模型 1.比例分析法--建立变量之间函数关系的最基本最常用的方法。 2.代数方法--求解离散问题（离散的数据、符号、图形）的主要方法。3. 逻辑方法--是数学理论研的重要方法，对社会学和经济学等领域的实际问题，在决策，对策等学科中得到广泛应用。4.常微分方程--解决两个变量之间的变化规律，关键是建立"瞬时变化率"的表达式。 5.偏微分方程--解决因变量与两个以上自 数学建模方法 一、机理分析法从基本物理定律以及系统的结构数据来推导出模型 1.比例分析法--建立变量之间函数关系的最基本最常用的方法。 2.代数方法--求解离散问题（离散的数据、符号、图形）的主要方法。 3. 逻辑方法--是数学理论研的重要方法，对社会学和经济学等领域的实际问题，在决策，对策等学科中得到广泛应用。 4.常微分方程--解决两个变量之间的变化规律，关键是建立"瞬时变化率"的表达式。 5.偏微分方程--解决因变量与两个以上自变量之间的变化规律。 二、数据分析法从大量的观测数据利用统计方法建立数学模型 1.回归分析法--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，由于处理的是静态的独立数据，故称为数理统计方法。 2.时序分析法--处理的是动态的相关数据，又称为过程统计方法。 3.回归分析法--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，于处理的是静态的独立数据，故称为数理统计方法。 4.时序分析法--处理的是动态的相关数据，又称为过程统计方法。
数学建模方法模型
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
数学建模方法归类(很全很有用)
在数学建模中常用的方法：类比法、二分法、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，目标规划）、机理分析、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）。 用这些方法可以解下列一些模型：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（给出一批数据点，确定满足特定要求的曲线或者曲面，从而反映对象整体的变化趋势）：matlab可以实现一元函数，包括多项式和非线性函数的拟合以及多元函数的拟合，即回归分析，从而确定函数；同时也可以用matlab实现分段线性、多项式、样条以及多维插值。 在优化方法中，决策变量、目标函数（尽量简单、光滑）、约束条件、求解方法是四个关键因素。其中包括无约束规则（用fminserch、fminbnd实现）线性规则（用linprog实现）非线性规则、（用fmincon实现）多目标规划（有目标加权、效用函数）动态规划（倒向和正向）整数规划。 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。相对应的有线性回归、多元二项式回归、非线性回归。 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。（主要用SAS来实现，也可以用matlab软件来实现）。 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，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）。 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3 5.画聚类图 6.决定类的个数和类。 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 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：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，但是用来比
中考数学模型的常见类型及其应用
中考数学模型的常见类型及其应用 史承灼 【摘要】“联系实际，加强应用”已经成为数学教育改革的一个重要方面，以应用数学的理论和方法解决实际问题的能 力为目标的“问题解决”亦已成为中考一大热点．而“数学模 型”或“数学建模”则是实现“数学问题解决”的基本手段和 主要内容．初中阶段常见的数学模型大致有：数与式、方程、 不等式、函数、三角、几何和统计模型等． 【关键词】初中数学问题解决构建数学模型随着数学教育改革的不断发展和深入，“联系实际，加强应用”已经成为数学 教育改革的一个重要方面，在基础教育中以培养应用数学的理论和方法解决实际问题的能力为目标的“问题解决”越来越引起人们的高度关注，亦已成为国际数学教育的一大热点．而“数学模型”或“数学建模”则是实现“数学问题解决”的基本手段和主要内容．掌握常见的“数学模型”和“数学建模”的方法，将会激发学生的创造能力，有助于应用数学知识解决实际问题能力的提高，从而达到加强“数学问题解决”教育的目的． 在数学的“问题解决”中，应用数学知识去解决实际问题，首先要把实际问题中的数学问题明确地表述出来，也就是说，要通过对实际问题的分析、归纳给出以描述这个问题的数学提法；然后才能使用数学的理论和方法进行分析，得出结论；最后再返回去解决现实的实际问题．由于实际问题的复杂性，往往很难把现成的数学理论直接套用到这些实际问题上，这就必须要在数学理论和所要解决的实际问题之间构建一个桥梁来加以沟通，以便把实际问题中的数学结构明确地表示出来，这个桥梁就是“数学模型”，这个桥梁的构建过程就是“数学建模”．一般说来，所谓数学模型是指通过抽象和简化，使用数学语言对实际现象的一个近似的刻画，以便于人们更深刻地认识所研究的对象．而“数学建模”的过程 考数学试题中，常见的应用问题按解决问题时建立数学模型所用数学知识和方法的
数学建模方法详解种最常用算法
数学建模方法详解--三种最常用算法 一、层次分析法 层次分析法[1] (analytic hierarchy process，AHP)是美国著名的运筹学家T．L．Saaty教授于20世纪70年代初首先提出的一种定性与定量分析相结合的多准则决策方法[2，3，4]．该方法是社会、经济系统决策的有效工具，目前在工程计划、资源分配、方案 排序、政策制定、冲突问题、性能评价等方面都有广泛的应用． (一) 层次分析法的基本原理 层次分析法的核心问题是排序，包括递阶层次结构原理、测度原理和排序原理[5]．下面分别予以介绍． 1．递阶层次结构原理 一个复杂的结构问题可以分解为它的组成部分或因素，即目标、准则、方案等．每一个因素称为元素．按照属性的不同把这 些元素分组形成互不相交的层次，上一层的元素对相邻的下一层的全部或部分元素起支配作用，形成按层次自上而下的逐层支配 关系．具有这种性质的层次称为递阶层次． 2．测度原理 决策就是要从一组已知的方案中选择理想方案，而理想方案一般是在一定的准则下通过使效用函数极大化而产生的．然而对 于社会、经济系统的决策模型来说，常常难以定量测度．因此，层次分析法的核心是决策模型中各因素的测度化．3．排序原理
层次分析法的排序问题，实质上是一组元素两两比较其重要性，计算元素相对重要性的测度问题．(二) 层次分析法的基本步骤 层次分析法的基本思路与人对一个复杂的决策问题的思维、判断过程大体上是一致的[1] ． 1．成对比较矩阵和权向量 为了能够尽可能地减少性质不同的诸因素相互比较的困难，提高结果的准确度．T ．L ．Saaty 等人的作法，一是不把所有因 素放在一起比较，而是两两相互对比，二是对比时采用相对尺度． 假设要比较某一层n 个因素n C C ,,1对上层一个因素O 的影响，每次取两个因素i C 和j C ，用ij a 表示i C 和j C 对O 的影响之比， 全部比较 结 果 可 用 成 对 比 较 阵 1 ,0,ij ij ji n n ij A a a a a 表示，A 称为正互反矩阵．一般地，如果一个正互反阵 A 满足： , ij jk ik a a a ,,1,2,,i j k n （1） 则A 称为一致性矩阵，简称一致阵．容易证明n 阶一致阵A 有下列性质： ①A 的秩为1，A 的唯一非零特征根为n ；②A 的任一列向量都是对应于特征根 n 的特征向量． 如果得到的成对比较阵是一致阵，自然应取对应于特征根n 的、归一化的特征向量（即分量之和为1）表示诸因素n C C ,, 1对 上层因素O 的权重，这个向量称为权向量．如果成对比较阵A 不是一致阵，但在不一致的容许范围内，用对应于A 最大特征根(记