怎麼用數學建模計算

『壹』 數學建模的方法有哪些

1. 預測模塊：灰色預測、時間序列預測、神經網路預測、曲線擬合（線性回歸）；
   

2. 歸類判別：歐氏距離判別、fisher判別等 ；
   

3. 圖論：最短路徑求法 ；
   

4. 最優化：列方程組 用lindo 或 lingo軟體解 ；
   

5. 其他方法：層次分析法 馬爾可夫鏈 主成分析法 等 。

建模常用演算法，僅供參考：

1. 蒙特卡羅演算法（該演算法又稱隨機性模擬演算法，是通過計算機模擬來解決 問題的演算法，同時間=可以通過模擬可以來檢驗自己模型的正確性，是比賽時必 用的方法） 。
   

2. 數據擬合、參數估計、插值等數據處理演算法（比賽中通常會遇到大量的數 據需要處理，而處理數據的關鍵就在於這些演算法，通常使用Matlab 作為工具） 。
   

3. 線性規劃、整數規劃、多元規劃、二次規劃等規劃類問題（建模競賽大多 數問題屬於最優化問題，很多時候這些問題可以用數學規劃演算法來描述，通 常使用Lindo、Lingo 軟體實現） 。
   

4. 圖論演算法（這類演算法可以分為很多種，包括最短路、網路流、二分圖等算 法，涉及到圖論的問題可以用這些方法解決，需要認真准備） 。
   

5. 動態規劃、回溯搜索、分治演算法、分支定界等計算機演算法（這些演算法是算 法設計中比較常用的方法，很多場合可以用到競賽中） 。
   

6. 最優化理論的三大非經典演算法：模擬退火法、神經網路、遺傳演算法（這些 問題是用來解決一些較困難的最優化問題的演算法，對於有些問題非常有幫助， 但是演算法的實現比較困難，需慎重使用） 。
   

7. 網格演算法和窮舉法（網格演算法和窮舉法都是暴力搜索最優點的演算法，在很 多競賽題中有應用，當重點討論模型本身而輕視演算法的時候，可以使用這種 暴力方案，最好使用一些高級語言作為編程工具） 。
   

8. 一些連續離散化方法（很多問題都是實際來的，數據可以是連續的，而計 算機只認的是離散的數據，因此將其離散化後進行差分代替微分、求和代替 積分等思想是非常重要的） 。
   

9. 數值分析演算法（如果在比賽中採用高級語言進行編程的話，那一些數值分 析中常用的演算法比如方程組求解、矩陣運算、函數積分等演算法就需要額外編 寫庫函數進行調用） 。
   

10. 圖象處理演算法（賽題中有一類問題與圖形有關，即使與圖形無關，論文 中也應該要不乏圖片的，這些圖形如何展示以及如何處理就是需要解決的問 題，通常使用Matlab 進行處理）。
    

『貳』 數學建模怎麼做

給你個答卷模式吧：
一。論文的結構基本上就是一下幾個部分：
1.摘要
2.問題的敘述，問題的分析，背景的分析等
3.模型的假設，符號說明（表）
4.模型的建立（問題分析，公式推導，基本模型，最終或簡化模型等）
5.模型的求解
二。計算方法設計或選擇；演算法設計或選擇， 演算法思想依據，步驟及實現，計算框圖；所採用的軟體名稱（因為很多問題實際上都會用到計算機上的個來軟體，所以註明這些還是非常有必要的）；
三。附錄，參考文獻，模型評價都是少不了的。

如果你實在還沒聽明白，我給你個簡單的方法，做建模的時候很有用的。當你接到某套題目時，你先看看這是屬於數學建模什麼模型的（比如最優解，微分方程模型等等），然後你就可以去找與這類問題相似的優秀數學建模，相信對你的建模會有很好的幫助作用。

祝你成功！

『叄』 怎樣建數學模型初一

如何建立數學模型的幾點探索

一、數學模型的定義

現在數學模型還沒有一個統一的准確的定義，因為站在不同的角度可以有不同的定義。不過我們可以給出如下定義：「數學模型是關於部分現實世界和為一種特殊目的而作的一個抽象的、簡化的結構。」具體來說，數學模型就是為了某種目的，用字母、數學及其它數學符號建立起來的等式或不等式以及圖表、圖象、框圖等描述客觀事物的特徵及其內在聯系的數學結構表達式。一般來說數學建模過程可用如下框圖來表明：

數學是在實際應用的需求中產生的，要解決實際問題就必需建立數學模型，從此意義上講數學建模和數學一樣有古老歷史。例如，歐幾里德幾何就是一個古老的數學模型，牛頓萬有引力定律也是數學建模的一個光輝典範。今天，數學以空前的廣度和深度向其它科學技術領域滲透，過去很少應用數學的領域現在迅速走向定量化，數量化，需建立大量的數學模型。特別是新技術、新工藝蓬勃興起，計算機的普及和廣泛應用，數學在許多高新技術上起著十分關鍵的作用。因此數學建模被時代賦予更為重要的意義。

二、建立數學模型的方法和步驟

1.模型准備
要了解問題的實際背景，明確建模目的，搜集必需的各種信息，盡量弄清對象的特徵。
2.模型假設
根據對象的特徵和建模目的，對問題進行必要的、合理的簡化，用精確的語言作出假設，是建模至關重要的一步。如果對問題的所有因素一概考慮，無疑是一種有勇氣但方法欠佳的行為，所以高超的建模者能充分發揮想像力、洞察力和判斷力，善於辨別主次，而且為了使處理方法簡單，應盡量使問題線性化、均勻化。
3.模型構成
根據所作的假設分析對象的因果關系，利用對象的內在規律和適當的數學工具，構造各個量間的等式關系或其它數學結構。這時，我們便會進入一個廣闊的應用數學天地，這里在高數、概率老人的膝下，有許多可愛的孩子們，他們是圖論、排隊論、線性規劃、對策論等許多許多，真是泱泱大國，別有洞天。不過我們應當牢記，建立數學模型是為了讓更多的人明了並能加以應用，因此工具愈簡單愈有價值。
4.模型求解
可以採用解方程、畫圖形、證明定理、邏輯運算、數值運算等各種傳統的和近代的數學方法，特別是計算機技術。一道實際問題的解決往往需要紛繁的計算，許多時候還得將系統運行情況用計算機模擬出來，因此編程和熟悉數學軟體包能力便舉足輕重。
5.模型分析
對模型解答進行數學上的分析。「橫看成嶺側成峰，遠近高低各不同」，能否對模型結果作出細致精當的分析，決定了你的模型能否達到更高的檔次。還要記住，不論那種情況都需進行誤差分析，數據穩定性分析。

三、數模競賽出題的指導思想

傳統的數學競賽一般偏重理論知識，它要考查的內容單一，數據簡單明確，不允許用計算器完成。對此而言，數模競賽題是一個「課題」，大部分都源於生產實際或者科學研究的過程中，它是一個綜合性的問題，數據龐大，需要用計算機來完成。其答案往往不是唯一的（數學模型是實際的模擬，是實際問題的近似表達，它的完成是在某種合理的假設下，因此其只能是較優的，不唯一的），呈報的成果是一編「論文」。由此可見「數模競賽」偏重於應用，它是以數學知識為引導計算機運用能力及文章的寫作能力為輔的綜合能力的競賽。

四、競賽中的常見題型

賽題題型結構形式有三個基本組成部分：
1.實際問題背景
涉及面寬——有社會，經濟，管理，生活，環境，自然現象，工程技術，現代科學中出現的新問題等。一般都有一個比較確切的現實問題。
2．- @/ v1 e+ [. h2 d4 n& a0 a1 w若干假設條件
有如下幾種情況：
1）只有過程、規則等定性假設，無具體定量數據；
2）給出若干實測或統計數據；
3）給出若干參數或圖形；
4）蘊涵著某些機動、可發揮的補充假設條件，或參賽者可以根據自己收集或模擬產生數據。
3．2 n9 u8 ]# b; u$ ^0 z要求回答的問題
往往有幾個問題，而且一般不是唯一答案。一般包含以下兩部分：
1）比較確定性的答案（基本答案）；
2）更細致或更高層次的討論結果（往往是討論最優方案的提法和結果）。
4模型求解。
a.需要建立數學命題時：
命題敘述要符合數學命題的表述規范，盡可能論證嚴密。
b.需要說明計算方法或演算法的原理、思想、依據、步驟。
若採用現有軟體，說明採用此軟體的理由，軟體名稱。
c.計算過程，中間結果可要可不要的，不要列出。
d.設法算出合理的數值結果。
5 結果分析、檢驗；模型檢驗及模型修正；結果表示。
a.最終數值結果的正確性或合理性是第一位的；
b.對數值結果或模擬結果進行必要的檢驗；
結果不正確、不合理、或誤差大時，分析原因， 對演算法、計算方法、或模型進行修正、改進。
c.題目中要求回答的問題，數值結果，結論，須一一列出；
d.列數據問題：考慮是否需要列出多組數據，或額外數據對數據進行比較、分析，為各種方案的提出提供依據；
e.結果表示：要集中，一目瞭然，直觀，便於比較分析

五、建模理念

1.應用意識
要解決實際問題，結果、結論要符合實際；
模型、方法、結果要易於理解，便於實際應用；站在應用者的立場上想問題，處理問題。
2.數學建模
用數學方法解決問題，要有數學模型；
問題模型的數學抽象，方法有普適性、科學性，不局限於本具體問題的解決。
3.創新意識
建模有特點，更加合理、科學、有效、符合實際；更有普遍應用意義；不單純為創新而創新。

『肆』 數學建模都有哪些方法

這些是以前在網上整理的：
要重點突破：
1 預測模塊：灰色預測、時間序列預測、神經網路預測、曲線擬合（線性回歸）；
2 歸類判別：歐氏距離判別、fisher判別等 ；
3 圖論：最短路徑求法 ；
4 最優化：列方程組 用lindo 或 lingo軟體解 ；
5 其他方法：層次分析法 馬爾可夫鏈 主成分析法 等 ；
6 用到軟體：matlab lindo （lingo） excel ；
7 比賽前寫幾篇數模論文。

這是每年參賽的賽提以及獲獎作品的解法，你自己估量著吧……

賽題 解法
93A非線性交調的頻率設計 擬合、規劃
93B足球隊排名 圖論、層次分析、整數規劃
94A逢山開路 圖論、插值、動態規劃
94B鎖具裝箱問題 圖論、組合數學
95A飛行管理問題 非線性規劃、線性規劃
95B天車與冶煉爐的作業調度 動態規劃、排隊論、圖論
96A最優捕魚策略 微分方程、優化
96B節水洗衣機 非線性規劃
97A零件的參數設計 非線性規劃
97B截斷切割的最優排列 隨機模擬、圖論
98A一類投資組合問題 多目標優化、非線性規劃
98B災情巡視的最佳路線 圖論、組合優化
99A自動化車床管理 隨機優化、計算機模擬
99B鑽井布局 0-1規劃、圖論
00A DNA序列分類 模式識別、Fisher判別、人工神經網路
00B鋼管訂購和運輸 組合優化、運輸問題
01A血管三維重建 曲線擬合、曲面重建
01B 工交車調度問題 多目標規劃
02A車燈線光源的優化 非線性規劃
02B彩票問題 單目標決策
03A SARS的傳播 微分方程、差分方程
03B 露天礦生產的車輛安排 整數規劃、運輸問題
04A奧運會臨時超市網點設計 統計分析、數據處理、優化
04B電力市場的輸電阻塞管理 數據擬合、優化
05A長江水質的評價和預測 預測評價、數據處理
05B DVD在線租賃 隨機規劃、整數規劃

演算法的設計的好壞將直接影響運算速度的快慢，建議多用數學軟體（
Mathematice,Matlab,Maple, Mathcad,Lindo,Lingo,SAS 等），這里提供十種數學
建模常用演算法，僅供參考：
1、 蒙特卡羅演算法（該演算法又稱隨機性模擬演算法，是通過計算機模擬來解決
問題的演算法，同時可以通過模擬可以來檢驗自己模型的正確性，是比賽時必
用的方法）
2、數據擬合、參數估計、插值等數據處理演算法（比賽中通常會遇到大量的數
據需要處理，而處理數據的關鍵就在於這些演算法，通常使用Matlab 作為工具）
3、線性規劃、整數規劃、多元規劃、二次規劃等規劃類問題（建模競賽大多
數問題屬於最優化問題，很多時候這些問題可以用數學規劃演算法來描述，通
常使用Lindo、Lingo 軟體實現）
4、圖論演算法（這類演算法可以分為很多種，包括最短路、網路流、二分圖等算
法，涉及到圖論的問題可以用這些方法解決，需要認真准備）
5、動態規劃、回溯搜索、分治演算法、分支定界等計算機演算法（這些演算法是算
法設計中比較常用的方法，很多場合可以用到競賽中）
6、最優化理論的三大非經典演算法：模擬退火法、神經網路、遺傳演算法（這些
問題是用來解決一些較困難的最優化問題的演算法，對於有些問題非常有幫助，
但是演算法的實現比較困難，需慎重使用）
7、網格演算法和窮舉法（網格演算法和窮舉法都是暴力搜索最優點的演算法，在很
多競賽題中有應用，當重點討論模型本身而輕視演算法的時候，可以使用這種
暴力方案，最好使用一些高級語言作為編程工具）
8、一些連續離散化方法（很多問題都是實際來的，數據可以是連續的，而計
算機只認的是離散的數據，因此將其離散化後進行差分代替微分、求和代替
積分等思想是非常重要的）
9、數值分析演算法（如果在比賽中採用高級語言進行編程的話，那一些數值分
析中常用的演算法比如方程組求解、矩陣運算、函數積分等演算法就需要額外編
寫庫函數進行調用）
10、圖象處理演算法（賽題中有一類問題與圖形有關，即使與圖形無關，論文
中也應該要不乏圖片的，這些圖形如何展示以及如何處理就是需要解決的問
題，通常使用Matlab 進行處理）

『伍』 數學建模怎麼入門

數學建模入門方式如下：

①先看看書，最好一本國內的，一本國外的，數學建模書--推薦(數學建模(原書第4版)作者:(美)Brooks R. Cole William P.Fox Steven B. Horton Maurice D.Weir 葉其孝 姜啟源 譯)，姜啟源，編的那本可以)。--學習相關的軟體和數學方法(MATLAB、Lingo、SAS等)--看些歷年的題--做一些老題。
②如果參加數學建模競賽，一定要分工明確，安排好各個環節大家的工作，而且要有領頭的人，很多問題難以確定時，需要有人拍板的。
③參加國內賽，論文和解題的思路還是要比較嚴謹一些的好，解題的各個環節基本都要有，要比較完整才能得高分;美國賽就要盡情的放開思路，把奇思妙想都放進去，一些想法建立的模型復雜難解也沒有關系，可以提出解題思路即可。全網招募小白免費學習，測試一下你是否有資格。

想要了解關於數學建模方面的更多內容，可以了解一下廣州中教在線教育科技有限公司(以下簡稱:中教在線)。成立於2010年2月，是國內從事互聯網技能教商培訓機構，生打3D建模、原畫繪制、影視後期及設計類在線學習課程，為零基礎入門學員提十全面立體的系統學習成長解決方案，致力於國內線上教育電業已有多年。

『陸』 數學建模怎麼做

傳統的觀點
數學=邏輯的推理
數學=思想的體操
數學=難題的求解
數學——研究數和空間圖形的科學。
特點：系統性、精確性、抽象性

2. 數學模型的特點

數學模型：用圖形、符號所刻畫的一個實際問題的模型。這里的實際問題既包涵具體的自然現象比如自由落體現象，也包涵抽象的現象比如顧客對某種商品所取的價值傾向。
我們也可以這樣直觀地理解這個概念：數學建模是一個讓純粹數學家（指只懂數學不懂數學在實際中的應用的數學家）變成物理學家，生物學家，經濟學家甚至心理學家等等的過程。

3. 數學模型的分類

按不同的分類標准可作如下不同的分類：
第一，按模型的應用領域的不同可分為人口模型、交通模型、環境模型、生態模型、水資源模型、城市規劃模型、生產過程模型等。
第二，按建立模型所採用的方法分為初等數學模型、幾何模型、微分方程模型、圖論模型、馬氏鏈模型、最優化模型等。
第三，按模型的特性分，有確定性模型和隨機性模型、靜態模型和動態模型、離散模型和連續模型等。
第四，按建模的目的分為描述模型、模擬模型、分析模型、預報模型、 優化模型、決策模型、控制模型等。
第五，按照對模型結構和參數的了解程度可分為三種模型：模型的結構和參數都是已知的，稱為白箱模型；只知其結構，參數未知的稱為灰箱模型；結構和參數均為未知的模型稱為黑箱模型。
�8�5
二、建立數學模型的程序及簡單舉例

1.建立數學模型的程序

數學建模—是一個過程：

A 模型准備

要求建模者深刻了解實際問題的背景, 明確建模的目的; 進行全面深入細致的調查研究, 盡量掌握建模對象的各種信息; 找出實際問題的內在規律. 這是向實際工作者和有關專家學習的過程.

B 模型假設

現實問題涉及面廣, 一般不可能面面俱到, 必須根據調查得到的信息, 將實際問題簡化、理想化. 這就要求抓住主要因素, 拋棄次要因素, 提出恰當的假設. 在提出假設時, 如考慮因素過多, 模型過於復雜就無法求解; 反之如考慮因素過少, 模型十分粗糙, 就會與實際情況不符. 一個較理想的數學模型往往要多次修改假設才能得到.

C 模型建立

利用恰當的數學工具建立各種量 (常量和變數) 之間的數學關系. 建模時究竟採用何種數學工具要根據問題的特徵、建模的目的以及建模者的數學特長而定. 可以這樣說, 在建立模型時可能用到數學的任一分支; 同一實際問題可以用不同的數學方法建立不同的模型. 一般而言, 在達到預期目標的前提下, 應採用盡可能簡單的數學工具以便為更多的人接受和使用.

D 模型求解

包括求解各種類型的方程、畫圖、列表、證明定理、邏輯運算、上機計算和製作軟體包等.

E 模型分析和檢驗

根據模型的特點和模型求解的結果, 分析各種變數之間的依賴關系、穩定性質, 作出預測、最優決策與控制, 然後將分析的結果與客觀的實際情況比較, 檢驗模型的合理性和適用范圍. 如果不合理, 則修改原來的假設重新建模, 直到模型求解結果符合實際情況和建模的要求為止.

F 模型應用

『柒』 數學建模怎麼做啊

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。

模型准備
了解問題的實際背景，明確其實際意義，掌握對象的各種信息。以數學思想來包容問題的精髓，數學思路貫穿問題的全過程，進而用數學語言來描述問題。要求符合數學理論，符合數學習慣，清晰准確。

模型假設
根據實際對象的特徵和建模的目的，對問題進行必要的簡化，並用精確的語言提出一些恰當的假設。

模型建立
在假設的基礎上，利用適當的數學工具來刻劃各變數常量之間的數學關系，建立相應的數學結構（盡量用簡單的數學工具）。

模型求解
利用獲取的數據資料，對模型的所有參數做出計算（或近似計算）。

模型分析
對所要建立模型的思路進行闡述，對所得的結果進行數學上的分析。

模型檢驗
將模型分析結果與實際情形進行比較，以此來驗證模型的准確性、合理性和適用性。如果模型與實際較吻合，則要對計算結果給出其實際含義，並進行解釋。如果模型與實際吻合較差，則應該修改假設，再次重復建模過程。

『捌』 數學建模怎麼做

數學建模是在大學當中的一個數學競賽項目，其規則就是，通過數學知識來解決實際生活中具體的問題。

因為無論是作圖還是寫文章，許多地方都需要通過軟體來進行輔助製作。其次的話就是需要自己組建團隊，一般需要三四個人的樣子。

『玖』 數學建模怎麼做啊

數學建模就是用數學語言描述實際現象的過程。這里的實際現象既包涵具體的自然現象比如自由落體現象，也包涵抽象的現象比如顧客對某種商品所取的價值傾向。這里的描述不但包括外在形態，內在機制的描述，也包括預測，試驗和解釋實際現象等內容。
我們也可以這樣直觀地理解這個概念：數學建模是一個讓純粹數學家（指只懂數學不懂數學在實際中的應用的數學家）變成物理學家，生物學家，經濟學家甚至心理學家等等的過程。
數學模型一般是實際事物的一種數學簡化。它常常是以某種意義上接近實際事物的抽象形式存在的，但它和真實的事物有著本質的區別。要描述一個實際現象可以有很多種方式，比如錄音，錄像，比喻，傳言等等。為了使描述更具科學性，邏輯性，客觀性和可重復性，人們採用一種普遍認為比較嚴格的語言來描述各種現象，這種語言就是數學。使用數學語言描述的事物就稱為數學模型。有時候我們需要做一些實驗，但這些實驗往往用抽象出來了的數學模型作為實際物體的代替而進行相應的實驗，實驗本身也是實際操作的一種理論替代。
數學是研究現實世界數量關系和空間形式的科學，在它產生和發展的歷史長河中，一直是和各種各樣的應用問題緊密相關的。數學的特點不僅在於概念的抽象性、邏輯的嚴密性，結論的明確性和體系的完整性，而且在於它應用的廣泛性，進入20世紀以來，隨著科學技術的迅速發展和計算機的日益普及，人們對各種問題的要求越來越精確，使得數學的應用越來越廣泛和深入，特別是在即將進入21世紀的知識經濟時代，數學科學的地位會發生巨大的變化，它正在從國或經濟和科技的後備走到了前沿。經濟發展的全球化、計算機的迅猛發展，數學理倫與方法的不斷擴充使得數學已經成為當代高科技的一個重要組成部分和思想庫，數學已經成為一種能夠普遍實施的技術。培養學生應用數學的意識和能力已經成為數學教學的一個重要方面。
應用數學去解決各類實際問題時，建立數學模型是十分關鍵的一步，同時也是十分困難的一步。建立教學模型的過程，是把錯綜復雜的實際問題簡化、抽象為合理的數學結構的過程。要通過調查、收集數據資料，觀察和研究實際對象的固有特徵和內在規律，抓住問題的主要矛盾，建立起反映實際問題的數量關系，然後利用數學的理論和方法去分折和解決問題。這就需要深厚扎實的數學基礎，敏銳的洞察力和想像力，對實際問題的濃厚興趣和廣博的知識面。數學建模是聯系數學與實際問題的橋梁，是數學在各個領械廣泛應用的媒介，是數學科學技術轉化的主要途徑，數學建模在科學技術發展中的重要作用越來越受到數學界和工程界的普遍重視，它已成為現代科技工作者必備的重要能力之。

『拾』 用數學建模的方法求圓周率

蒙特卡羅演算法（該演算法又稱隨機性模擬演算法，是通過計算機模擬來解決 問題的演算法，同時間=可以通過模擬可以來檢驗自己模型的正確性，是比賽時必 用的方法） 。

數據擬合、參數估計、插值等數據處理演算法（比賽中通常會遇到大量的數 據需要處理，而處理數據的關鍵就在於這些演算法，通常使用Matlab 作為工具） 。

線性規劃、整數規劃、多元規劃、二次規劃等規劃類問題（建模競賽大多 數問題屬於最優化問題，很多時候這些問題可以用數學規劃演算法來描述，通 常使用Lindo、Lingo 軟體實現） 。

圓周率

用希臘字母π（讀作[paɪ]）表示，是一個常數（約等於3.141592653），是代表圓周長和直徑的比值。它是一個無理數，即無限不循環小數。在日常生活中，通常都用3.14代表圓周率去進行近似計算。而用十位小數3.141592653便足以應付一般計算。即使是工程師或物理學家要進行較精密的計算，充其量也只需取值至小數點後幾百個位。