數學建模插值效果怎麼樣

A. 數學建模 如何學習插值與擬合

插值和擬合是 計算數學的 「數值逼近」 的內容，高數、線代都不是專門介紹這方面的，裡面的內容大多是簡介。如果你想學習的話，你得去找 數學系的計算數學專業的教材 《數值逼近》《函數逼近論》《數值分析》這種名頭的教材會有很全面的關於 逼近（插值和擬合）的內容。多多少少可能需要你有點微積分和線性代數的底子。

因為你要的是"比較系統的講解插值與擬合的書籍或者資料",那隻有數學系的計算數學專業教材才會比較系統，其他地方的都是簡單介紹的。如果你高數和線性代數底子好的話，這部分內容不難。

B. 數學建模一般用哪種軟體比較好MATLAB是否有局限性

數學建模的覆蓋面太廣泛，針對不同的建模方法，一般需要不同的軟體支持。
如果做數據分析翻來覆去地折騰各種數據畫圖之類的（例如回歸、插值、數值微積分等），那麼python顯然非常有用，各種擴展包又快擴展性又好（比如Numpy, SciPy, Pandas），寫出來的程序短小精煉，易於修改和維護。
如果你要建數學模型，那麼最好是線性模型，然後用 @崔友志 提到的CPLEX Optimizer，CPLEX
支持用多種語言書寫，包括C,C++,JAVA,MATLAB，你只需對其中某種語言比較熟悉就可以在比較短的時間內寫出模型文件並求解。如果你對這些都
不熟悉，那麼有另兩款軟體GAMS/AMPL，他們似乎是嵌入了很多高效的solver進去，然後用統一的比較直接的語法規則來表達模型，但缺點是可能需
要license，免費版本只能求解一定規模以內的模型，同時他們也可以解一些較為簡單的非線性模型。但如果你寫出來的是非線性模型，然後規模還很大或者
比較復雜，那麼祝福你，需要想一些比較fancy的方法了。。。（我也不知道啥軟體比較適用）
如果要進行符號運算，例如求解符號微積分、求微分方程的解析解，那麼Wolfram Mathematica必然是最為適用的，它的語法規則也非常直接（它的目標是自然語言）。這個軟體對應一個網站Wolfram|Alpha，可以進行單行代碼運行，我經常使用它做一些單次的運算，可以嘗試一下。當初我和室友參加美賽，程序就是他用mathematica編寫的，效果很好，而且考慮到我們當時的需求，真的是只能用mathematica來寫。
至
於MATLAB，基本上面的這些它都能做，但我個人的經驗告訴我在數學建模上，matlab「廣而不是太專」，如果只是一些相對簡單但需要多種分析求解方
法的問題，它很好用。當然了，如果涉及到大型矩陣運算，或者可以利用自帶的一些工具箱，那matlab還是非常強大的（要體會到matlab的強大感覺也
要花不少時間），或者，你事先為一些特定的問題或者特定的演算法准備一些代碼文件。（這一段純屬個人意見）
但不管怎麼說，現在科研上我用的最多的還是MATLAB和Cplex，偶爾用用python。需要什麼就學習什麼，數學建模不是目的，解決問題才是目的。

C. 插值與擬合在數學建模的時候可以解決什麼實際問題

可以用來構造一個函數來刻畫一組數據的關系。
藉助這個函數可以對這組數據進行分析和預測。
比如一個事件過程中多次測量的數值：
從直角坐標繫上來看就是想辦法做一個函數，使得這組數據在坐標繫上的點都在這個曲線上或者曲線附近。

D. 2011數學建模國賽B題 求解答

一 問題的重述
110警車在街道上巡邏，既能夠對違法犯罪分子起到震懾作用，降低犯罪率，又能夠增加市民的安全感，同時也加快了接處警時間，提高了反應時效，為社會和諧提供了有力的保障。
現給出某城市內一區域，其道路數據和地圖數據已知，該區域內三個重點部位的坐標分別為：（5112，4806），（9126， 4266），（7434 ，1332）。該區域內共有307個道路交叉口，為簡化問題，相鄰兩個交叉路口之間的道路近似認為是直線，且所有事發現場均在下圖的道路上。
該市擬增加一批配備有GPS衛星定位系統及先進通訊設備的110警車。設110警車的平均巡邏速度為20km/h，接警後的平均行駛速度為40km/h。警車配置及巡邏方案要盡量滿足以下要求：
D1. 警車在接警後三分鍾內趕到現場的比例不低於90％；而趕到重點部位的時間必須在兩分鍾之內。
D2. 使巡邏效果更顯著；
D3. 警車巡邏規律應有一定的隱蔽性。
現在我們需要解決以下幾個問題：
一. 若要求滿足D1,該區最少需要配置多少輛警車巡邏？
二. 請給出評價巡邏效果顯著程度的有關指標。
三．請給出滿足D1且盡量滿足D2條件的警車巡邏方案及其評價指標值。
四. 在第三問的基礎上，再考慮D3條件，給出你們的警車巡邏方案及其評價指標值。
五．如果該區域僅配置10輛警車，應如何制定巡邏方案，使D1、D2盡量得到滿足？
六. 若警車接警後的平均行駛速度提高到50km/h，回答問題三。
七. 你們認為還有哪些因素、哪些情況需要考慮？給出你們相應的解決方案。

二 問題分析
本題為城區道路網路中警車配置及巡邏問題。在進行警車配置時，首先要考慮警車在接警後在規定時間內趕到現場的比例，在此條件下，以車數最少為目標，建模、求解；在制定巡邏方案時，要考慮巡邏的效果及隱蔽性問題。
問題一隻要求滿足D1，求最少的警車配置數，可以認為警車是不動的，在三分鍾或兩分鍾內它能到達的區域就是它的覆蓋范圍。據此，在滿足所有街道的覆蓋率不低於90%的條件下，尋找最優解。
問題二要評價巡邏效果，有兩個方面需要考慮：一是巡邏的全面性，即經過一段時間後警車走過的街道數占總街道數的比例；二是巡邏的不均勻性，即經過一段時間後警車經過每一條街道的次數相差不大，用方差來衡量。
問題三是在滿足D1的條件上盡量滿足問題二所給的指標，並給出評價方案的指標。首先找到一組滿足D1的各警車位置，然後在和各警車位置相連的點中隨機尋找一個點，判斷新的點是否滿足D1，如果滿足則警車行駛到該點，否則重新尋找，直到滿足為止。一段時間後統計所有車走過的點數及每個點被走過的次數，用問題二給出的兩個指標進行評價。綜合兩個指標，可判斷此路徑的好壞，重復這個過程，直到綜合評價指標達到一個滿意的值為止。
問題四增加了隱蔽性要求，首先給出評價隱蔽性的指標，隱蔽性可用路線的隨機性來評價，將它加入到問題三的模型中去進行求解。
問題五限制警車數量為10，要綜合考慮D1、D2，先分配這10輛車使道路的覆蓋率最高，然後按照問題三的步驟進行求解，其中每一步對D1的判斷只需使道路的覆蓋率盡量高即可。
問題六同問題三，只需將車速改為50km/h即可。

三 模型的假設

1. 警車都在路上巡邏，巡警去處理案件的時間不考慮；
2. 所有事發現場都在道路上，案件在道路上任一點是等概率發生的；
3. 警車初始停靠點是隨機的，但盡量讓它們分散分布，一輛警車管轄一個分區；
4. 假定各個劃分區域內，較短時間內，最多會發生一個案件；
5. 假設區域內的每條道路都是雙行線，不考慮轉彎對結果造成的影響；
6. 如果重點部位不在道路上的，假設這些重點部位在離它們最近的道路上；
7. 圖中水域對巡邏方案沒有影響。

四 符號說明

表示警車數目
表示警車初始停靠點到各道路的最短距離
表示整個區域的總道路長度
表示不能在3分鍾內到達的區域的道路的長度
表示非重點部位的警車在3分鍾內不能到達現場的比例
表示三分鍾內能從接警位置趕到事發現場的最大距離是
表示整個區域總的離散點個數
表示第 區內的節點個數
表示區內調整函數
表示模擬退火的時間，表徵溫度值
表示區間調整函數
表示全面性指標
表示不均勻性指標
表示綜合評價指標
表示第 輛車經過每條道路的次數
表示整個區域每條道路經過的平均次數

五 模型的建立與演算法的設計
5.1 滿足D1時，該區所需要配置的最少警車數目和巡邏方案
5.1.1 滿足D1條件時，區域最少警車的規律
題目要求警車的配置和巡邏方案滿足D1要求時，整個區域所需要配置的警車數目最少。由假設可知警車都在道路上，且所有事發現場也都在道路上，但區域內總的道路長度是個定值的；警車在接警後趕到事發現場有時間限制和概率限制：三分鍾內趕到普通區域案發現場的比例不低於90％，而趕到重點部位的時間必須控制在兩分鍾之內。由此可知每輛警車的管轄范圍不會很大，於是考慮將整個區域分成若干個分區，每輛警車管轄一個分區域。
由上面的分析，求解整個區域的警車數目最少這個問題可轉化為求解每一輛警車所能管轄的街道範圍盡量的大。於是我們尋找出使每輛警車管轄的范圍盡量大的規律。為了簡化問題，我們不考慮趕到現場的90%的幾率的限制，僅對警車能在三分鍾內趕到事發現場的情況作定性分析，其分析示意圖如圖1所示。警車的初始停靠位置是隨機的分布在道路上的任一節點上，我們假設一輛警車停靠在A點上。

圖1 一輛警車管轄范圍分析示意圖

由於警車的平均巡邏速度為20km/h，接警後的平均行駛速度為40km/h，由於距離信息比較容易得到，於是我們將時間限制轉化為距離限制，這樣便於分析和求解。當警車接警後，在三分鍾內能從接警位置趕到事發現場的最大距離是 ，其中 。
如圖1所示，我們設警車初始停靠位置在A點，A點是道路1，2，3，4的道路交叉口。我們僅以警車在道路1巡邏為例來進行分析，警車以 的速度在道路1上A到 點之間巡邏， 與初始停靠點A的距離為 。由於案件有可能在道路上任一點發生，當警車巡邏到A點時，若案發現場在道路2，3，4上發生時，警車以40km/h的速度向事發現場行駛，警車能在三分鍾內從 點趕到現場的最大距離為 。如果警車在道路1上繼續向前行駛，則該警車能在三分鍾內趕到現場的距離繼續縮小，當警車從初始點向A點行駛但沒有達到 點時，此時該警車的最大管轄范圍比警車到達 點時的最大管轄范圍大。為了使警車的管轄范圍盡量大，警車的巡邏范圍越小越好，當 時，即警車在初始停靠點靜止不動時，警車的管轄范圍達到最大值 。
圖1所分析的是特殊的情況，道路1，2，3，4對稱分布，現在我們來對一般的情況進行分析，如圖2所示。

圖2.1 圖2.2
圖2 一輛警車最大管轄范圍分析示意圖

圖2.1所示的情況是道路分布不對稱，與圖1相比，圖2.1所示的道路方向和角度都發生了改變，圖2.3中的情形更為復雜。參照對圖1的分析方法，我們分析這兩種情形下，警車巡邏時能在三分鍾內趕到現場的最大距離的規律，我們只分析圖2.2的情況，道路1，2，3，4，5相交於點C,同時道路1與道路6也有個道路交叉口D， 由於警車巡邏時是在道路上行駛的，行走的路線是分段直線,並不影響路徑的長度，所以當警車巡邏到距離初始停靠點C點 遠處的D，此時若有案件發生時，該警車要在三分鍾內能趕到現場處理案件，最大行駛距離在 之內，如果警車在道路1上繼續向前行駛，則該警車能在三分鍾內趕到現場的距離繼續縮小，當警車沒有行駛到D點時，此時該警車的最大管轄范圍比 大，為了使警車的管轄范圍盡量大，警車的巡邏范圍越小越好。當 時，即警車靜止不動時，一輛警車的管轄范圍能達到最大值。
以上分析的僅作定性的分析，對於三個重點部位也可以同理分析，所得的結論是一致的，以上的分析沒有考慮到90%的到達幾率限制，但在設計演算法需要充分考慮。
綜上所述，當警車靜止在初始停靠點時，在三分鍾時間限制內，警車能從初始停靠點趕到事發現場的最大距離為 。

5.1.2 將道路離散化
由於事發現場是等概率地分布在道路上的，由區域地圖可以發現，整個區域中的道路長度不均，為了使計算結果更加精確，可將這些道路離散化。只要選取合適的離散方案，就能使警車在經過道路上的離散的點時就相當於經過了這條道路。這樣，不論是求解警車初始停靠點還求解警車趕到事發現場所經過的道路時，所計算得的的結果顯然比僅考慮整條道路的叉路口要精確得多。
區域中共有307個道路交叉口，458條道路。我們採用線性插值方法對道路進行離散化，以 的速度行走一分鍾的距離作為步長，一分鍾時間的選擇是參照問題三的結果要求來設定的，步長 。用線性插值的方法，從道路的一個方向進行線性插值，實現將每條道路離散化的目標，考慮到有些道路不是 的整數倍，我們就一般情況進行討論，其分析示意圖如圖3所示。道路AB長度為 個 與 長度的和，為了更精確處理CB段道路，那麼就要考慮在CB之間是否要插入一個新的點， 根據 的長度不同，其對應的處理方式也有所不同。

圖3 道路離散化分析示意圖

引進臨界指數 ，選取 大小的准則是使盡量離散化後警車等效的平均巡邏速度和題目給定的速度（ ）的差值盡量小，經過計算得 時，不再插入新的坐標點時能使整個區域的道路離散效果較好。此時，將CB段長度設定為 處理，於是離散後的AB道路長度會比實際長度短些；當 時，需要在兩個點之間再插入一點，因為這樣處理能使整個區域的整體道路的離散化效果比較理想。如圖3所示，在C與B間再插入新的坐標點，插入的位置在距C點 的D點處,這樣處理後所得的道路長度比實際長度長了 。採用這樣的方法進行線性插值，我們使用MATLAB編程實現對整個區域道路的離散，所得的離散結果如圖4所示，離散後共得到762個節點，比原始數據多了455個節點，離散後的節點數據見附件中的「newpoint.txt」。

圖4 整個區域離散結果圖

採用這種插值方法道路離散後，將直線上的無窮多個點轉化有限個點，便於分析問題和實現相應的演算法，由圖4可知，所取得的整體離散效果還是比較理想的。

5.1.3 分區域求解警車數目的演算法設計
考慮到警車配置和巡邏方案需要滿足：警車在接警後三分鍾內趕到普通部位案發現場的比例不低於90%，趕到重點部位必須控制在兩分鍾之內的要求。設計演算法的目標就是求解出在滿足D1情況下，總的警車數目最小，即每個區域都盡可能多地覆蓋道路節點。由於警車的初始位置是未知的，我們可設警車初始停靠點在道路上的任一點，即分布在圖4所示的762個離散點中的某些點節點上，總體思路是讓每兩輛車之間盡量分散地分布，一輛警車管轄一個分區，用這些分區覆蓋整個區域。
於是我們設計演算法1，步驟如下所示：

Step1：將整個區域預分配為 個分區，每個分區分配一輛警車，警車的初始停靠位置設在預分配區中心的道路節點上，若區域的中心不在道路節點上，則將警車放在離中心最近的道路節點上；
Step2：統計分區不能覆蓋的節點，調整警車的初始停靠點，使分區覆蓋盡可能多的道路節點，調整分為區內調整和區間調整方案：（1）區內調整按照模擬退火思想構造的函數，在區間調整調整車輛初始點的位置（後文中有詳細說明），當分區內節點數較多時，調整的概率小些，分區內節點數較少時，調整的概率大些，（2）當區域中存在未被覆蓋的節點或節點群（大於等於三個節點集中在一個范圍內）時，將警車初始位置的調整方向為朝著這些未被覆蓋的節點按一定的規則（在演算法說明中有詳細敘述）移動，同時要保證 3個重點部位能在2分鍾之內100%到達；
Step3：用Floyd演算法計算出警車初始停靠點到周邊各道路節點的最短距離 ；
Step4：以 個劃分區域未覆蓋的總的道路長度 與整個區域的道路總長度 的比值 來表示警車不能3分鍾內到達現場的概率；
Step5：模擬足夠多的次數，若 ，將車輛數 減1，跳轉到Step1；
Step6：計算結束後，比較當 時所對應的 值， 當 取得最小值時，記錄此時的區域劃分方案， 即為最少的警車數。

對演算法的幾點說明：
（1）該演算法所取的車輛數 是由多到少進行計算的， 初始值設為20，這個值的選取是根據區域圖估算的。
(2)預分區的優點在於使警車的初始位置盡可能均勻地分散分布，警車的初始停靠點在一個分區的中心點附近尋找得到，比起在整個區域隨機生成停靠點，計算效率明顯得到提高。
預分配之後，需要對整個區域不斷地進行調整，調整時需要考慮調整方向和 調整概率。
警車調整借鑒的是模擬退火演算法的方法，為了使分區內包含道路節點數較多的分區的初始停車點調整的概率小些，而分區內包含道路節點數的少的分區內的初始停車點調整的概率大些，我們構造了一個調整概率函數 ,
（1）
（1）式中， 均為常數， 為整個區域車輛數， 為第 分區內覆蓋的節點數， 為時間，同時 也能表徵模擬退火的溫度變化情況：初始溫度較高，區域調整速度較快，隨著時間的增加，溫度不斷下降，區域調整速度逐漸變慢，這個調整速度變化也是比較符合實際情況的。
由式（1）可以得出調整概率函數 ，假設在相同的溫度 （時間）的條件下，由於總的車輛數目 是定值，當 時，即第 分區內的節點數大於第 分區的節點數時，分區 調整的概率大些，分區 的調整概率小些。分析其原因：當分區內包含了較多的節點個數時，該分區的警車初始停靠位置選取地比較合適了，而當分區內包含的道路節點數較少時，說明警車的初始停靠位置沒有選好，需要更大概率的調整，這樣的結論也是比較客觀的。
對於所有分區外未被覆蓋的道路節點和很多節點（稱之為節點群），用來調整警車位置遷移的方向，其分析示意圖如圖5所示。調整方案目標是使未被覆蓋的節點數盡量的少。在設計調整方向函數時，需要考慮：（1）節點群內節點的數目；（2）警車距離節點群的位置。優先考慮距離，所以在公式（2）中，用距離的平方來描述調整方向函數。
由於某一個區域范圍內的未被覆蓋節點數，整個區域未被覆蓋的節點總數，分區域與未被覆蓋的節點或節點群的距離等幾個因素會影響到調整的方案，所以要綜合考慮這些因素。於是設計了區間調整函數 ，
式中， 表示第 個分區內未被覆蓋的節點數， 表示第 分區域與未被覆蓋的節點或節點群的距離， 表示未被覆蓋的節點和節點群個數。
現在簡要分析第 分區按區間調整函數的調整方案，當某兩節點群 的節點數目相等，但是距離不等時，如 ，由區間調整公式可知，該區間向節點群 方向調整。當某個分區與兩個節點群的距離相等，但節點群的內節點個數不相等，如 時，由（4）可知，該分區域會想節點群 方向調整。
注意在整個調整過程中，調整幾率控制是否調整，調整方向函數控制調整的方向，尋找在這種調整方案下的最優結果。

圖5 調整分區域示意圖

（3）在step3中，使用Floyd演算法計算出警車初始停靠點到周邊各節點的最短距離 ,目的是當區域內有情況發生時，警車能在要求的時間限制內到達現場。
（4）為求出較優的警車停靠點，採用模擬退火演算法，算出局部最優的方案。
5.1.4 警車的配置和巡邏方案

使用MATLAB編程實現演算法1得到，整個區域配備13輛警車，這些警車靜止在初始停靠點時，能滿足D1要求。警車的初始停靠位置分別為道路交叉節點6，25，30，37，82，84，110，111，126，214，253，258，278處。每個警車所管轄的交叉點（原始的交叉節點）如圖6所示，求解的分區結果見附錄所示。
圖6 滿足D1條件下的區分劃分圖

13個分區共覆蓋了252個交叉點，另外的55個原始交叉點沒有被這些分區域覆蓋：137，138，151，159，167，168，170，174，175，186，188，189，211，215，226，242，255，260，261，262，263，267，270，271，272，275，282，283 ，284，287，288，289，292，296，297，299，304，305，307。在這種分區方案下，這些點中，每兩個相連的點間的道路離散值長度占整個區域總的長度的比值為 。因此，在整個區域配置13輛警車，每個警車在初始停靠點靜止不動，當有案件發生時，離案發現場最近的警車從初始停靠點趕到現場。

5.2 評價巡邏效果顯著的指標
110警車在街道上巡邏是目的是為了對違法犯罪分子起到震懾作用，降低犯罪率，又能夠增加市民的安全感，同時還加快了接處警（接受報警並趕往現場處理事件）時間，提高了反應時效，為社會和諧提供了有力的保障。巡警在城市繁華街道、公共場所執行巡邏任務, 維護治安, 服務群眾, 可以得良好的社會效應[1]。
在整個區域中，由於案發現場都在道路上，道路上的每一點都是等概率發生的，因此警車巡邏的面越廣，所巡邏的街道數目越多，警車的巡邏效果就越好，對違法犯罪分子就越有威懾力，警車也能更及時地處理案件。
我們採用全面性 來衡量巡邏的效果顯著性，即用警車巡邏所經過的街道節點數占區域總節點數的比值。當警車重復經過同一條街道同一個離散點時， 僅記錄一次。
（3）
式中， 表示警車經過的離散點數， 代表整個區域總的離散點數。 值越大，表明警車所經過的街道數目越多，所取得的效果越顯著。
同時考慮到在巡邏過程中可能會出現這樣的情況：在相同的時段內，警車會多次巡邏部分街道，而一些街道卻很少巡邏甚至沒有警車到達，這樣會造成一些巡邏盲區。分布很不均衡。這樣就可能出現巡邏密度大的街道上的違法犯罪分子不敢在街道上作案，而流竄到巡邏密度稀疏的街道上作案，因此在相同的警車數目條件下，密度不均衡的巡邏方式的巡邏效果的效果較差，而密度較均衡的巡邏方式所取得的巡邏效果會更好些。我們引入一個巡邏的不均勻度 來衡量巡邏效果的顯著性，考慮到方差能表示不均衡度，於是我們用方差的大小來表徵不均衡，方差越大，巡邏密度越不均衡，所取得的巡邏效果越差。
（4）

問題1所給出的滿足D1條件下的警車數目為13輛，這時每輛警車在初始停靠點靜止不動，只有該管轄區域內發生了案件時，警車才從初始停靠點趕到案發現場處理案件。當警車在巡邏狀態時，所需要考慮的問題就更復雜一些，如當節點運動時，警車還能否達到D1的要求，警車的運動方向如何等問題，但基本演算法思想與問題1類似，所得的演算法2的框圖如圖7所示，
為了簡化問題，我們假設各分區警車的巡邏時候，盡量保證所有的警車的行駛方向相一致，且警車都走雙行道，即當警車走到某個節點後，它們又同時返回初始停靠點，警車的行駛方向有四種方式，如6所示。
在圖6中，數字1代表走巡邏走的第一步，2表示朝1的巡邏方向相反的方向巡邏。在具體程序實現時，四種巡邏方向任意選擇，但是盡量保證所有的警車向同一個方向巡邏。

圖6 各警車巡邏方向圖

我們用MATLAB編程對這種巡邏方式進行計算，所得的車輛數目為18輛，綜合評價指標為 ，其結果巡邏方案見附件中的「1193402-Result3.txt」所示。

5.4 在滿足問題三的基礎上討論D3條件，警車的巡邏方案和評價指標
巡邏的隱蔽性體現在警車的巡邏路線和時間沒有明顯的規律，主要目的是讓違法犯罪分子無可乘之機，防止他們在非巡邏時間實施違法犯罪活動，危害人民的生命和財產安全。
為了使巡邏的規律具有隱蔽性，這就需要警車在巡邏時至少具有兩條不同的路線，時間最好也是不相同的。因此，考慮到隱蔽性時，只需要在問題2的基礎上加上一個隨機過程即可。對於其評價指標，由於警車有幾條可選的巡邏路線，當相同的路線在同一時間內重復出現時，重新將所設定的方案再執行一遍，我們用這個時間間隔來衡量隱蔽性的程度，當循環周期 越大，表明可選的巡邏方案越多，其規律就越具有隱蔽性，而循環周期 越小時，表明巡邏方案比較少，其隱蔽性較差。在巡邏狀態時，最差的隱蔽性巡邏方案是巡邏方案只有一個，並且時間固定，這樣的巡邏方案沒有任何隱蔽性可言。

5.5 整個區域為10輛車時的巡邏方案
由第三問的結果可知，10輛車的數量是不能把整個區域完全覆蓋的，其演算法與演算法2類似，不同的是此時車的數目已經固定了，要求使D1,D2盡量大的滿足，我們求得的評價指標值為 ，所得的巡邏方案見附件中的「1193402-Result5.txt」所示。

5.6 平均行駛速度提高到 時的巡邏方式和評價指標值
問題六的分析方法與具體實現與問題三一致，但是警車的接警後的平均速度由原來的 提高到 ，於是各分區的覆蓋范圍也增大了，將數值帶入問題3的演算法中求解， 計算得的指標值為 ，其巡邏方案見附件中的「1193402-Result6.txt」所示。

圖7 演算法2框圖

六 模型的分析和評價

在求解滿足D1的條件下，整個區域需要配備多少輛警車問題中，採用分區巡邏的思想，先分析能使各區管轄范圍達到最大值時的規律，由特殊到一般層層進行分析，邏輯嚴密，結果合理。
在求解區域和警車數目時，在初步設定警車停靠點位置的基礎上，用模擬退火演算法思路構造函數 來確定調整的概率大小，綜合考慮了影響區間調整的因素後構造了 函數來確定分區的調整方向，當分區按照這兩個調整函數進行調整時，各分區能管轄盡可能多的道路節點，所取得效果也比較理想。

參 考 文 獻
[1]中小城市警察巡邏勤務方式的探討，俞詳，江蘇公安專科學校學報，1998年第1期
[2]Matlab7.0從入門到精通，求是科技，人民郵電出版社；
[3]不確定車數的隨機車輛路徑問題模型及演算法，運懷立等，工業工程，第10卷第3期，2005年5月；
[4]隨機交通分配中的有效路徑的確定方法，李志純等，交通運輸系統工程與信息，第3卷第1期，2003年2月。

E. MATLAB中插值法的選擇，各有什麼優點，在數學建模中那個通用性強

當然是拉格朗日插值法通用性強。

F. 數學建模問題，用MATLAB解決插值擬合問題

clc;clear x=[1200 1600 2000 2400 2800 3200 3600 4000] y=[1200 1600 2400 2800 3200 3600] [X,Y]=meshgrid(x,y) Z =[... 1130 1250 1280 1230 1040 900 500 700 1320 1450 1420 1400 1300 700 900 850 1390 1500 1500 1400 900 1100 1060 950 1500 1200 1100 1350 1450 1200 1150 1010 1500 1550 1600 1550 1600 1600 1600 1550 1480 1500 1550 1510 1430 1300 1200 980] subplot(2,1,1) surf(X,Y,Z) colorbar [xi,yi] = meshgrid(1200:100:4000,1200:100:3600); zi = interp2(X,Y,Z,xi,yi,'spline'); subplot(2,1,2) surfc(xi,yi,zi) colorbar xlabel('x'),ylabel('y') 圖形見： http://hi..com/chemical%5Fengineering/album/item/64475edf3dc4630248540312.html

G. 數學建模最鄰近插值法適用什麼問題的求解

人們在進行社會的、經濟的以及科學管理領域問題的系統分析中，面臨的常常是一個由相互關聯、相互制約的眾多因素構成的復雜而往往缺少定量數據的系統。
在這樣的系統中，人們感興趣的問題之一是：就 n 個不同事物所共有的某一性質而言，應該怎樣對任一事物的所給性質表現出來的程度（排序權重）賦值，使得這些數值能客觀地反映不同事物之間在該性質上的差異？
層次分析法為這類問題的決策和排序提供了一種新的、簡潔而實用的建模方法。它把復雜問題分解成組成因素，並按支配關系形成層次結構，然後用兩兩比較的方法確定決策方案的相對重要性。
層次分析法在經濟、科技、文化、軍事、環境乃至社會發展等方面的管理決策中都有廣泛的應用。
常用來解決諸如綜合評價、選擇決策方案、估計和預測、投入量的分配等問題。
運用層次分析法解決問題，大體可以分為四個步驟：
1. 建立問題的遞階層次結構；(首先，將復雜問題分解為稱之為元素的各組成部分，把這些元素按屬性不同分成若干組，以形成不同層次。同一層次的元素作為准則，對下一層次的某些元素起支配作用，同時它又受上一層次元素的支配。這種從上至下的支配關系形成了一個遞階層次。處於最上面的的層次通常只有一個元素，一般是分析問題的預定目標或理想結果。中間層次一般是准則、子准則。最低一層包括決策的方案。層次之間元素的支配關系不一定是完全的，即可以存在這樣的元素，它並不支配下一層次的所有元素。 )
2. 構造兩兩比較判斷矩陣；
3. 由判斷矩陣計算被比較元素相對權重；
4. 計算各層次元素的組合權重。

H. 關於碳排放量的數學建模用插值擬合的方法

方法如下：
拉格朗日（二維）、分段性插值（二維）、Hermite（三維）、樣條（三維且對光滑程度有要求）。擬合：已知有限個數據點，求近似函數，不要求過已知數據點，只要求在某種意義下它在這些點上的總偏差最小。
曲線擬合問題的提法是，已知一組（二維）數據，即平面上的n個點(xi，yi)，i=1、2，，n，xi互不相同，尋求一個函數（曲線）y=f(x)，使f(x)在某種准則下與所有數據點最為接近，即曲線擬合得最好。

I. 從數模插值失敗,可能超出數模範圍!

數模插值失敗，可能超出數模範圍，這種情況的出現可能是建模沒有做好。
數模一般指數學建模，就是通過計算得到的結果來解釋實際問題，並接受實際的檢驗，來建立數學模型的全過程。當需要從定量的角度分析和研究一個實際問題時，人們就要在深入調查研究、了解對象信息、作出簡化假設、分析內在規律等工作的基礎上，用數學的符號和語言作表述來建立數學模型。