⑴ 數學建模中的規劃問題怎麼求解
數學教學不應該只是一些刻板的知識的傳授,而應該是通過豐富的數學活動來發展學生的數學應用能力以及對數學的理解力,激發學生學習數學的興趣.小學數學教學活動的設計看起來似乎很簡單,但要真正設計好卻是不容易的.這是因為,一個活動的安排與設計,不僅涉及到教師對本班學生發展水平的認識,對數學教育目標的理解,對教學目標的理解與掌握；而且還涉及到活動設計的合理性、新穎性.（剩餘0字）
⑵ 做數學建模的線性規劃問題該怎麼著手思考
你好
一般來時單純的線性規劃題目比較簡單。
你先列出目標函數以及相應的約束條件
然後用MATLAB中的linprog命令求解就行（lingo也行）
希望對你有幫助
⑶ 數學建模 道路規劃問題要考慮哪些因素具體怎麼考慮
還有地形地貌、成本、使用類型等
⑷ 數學建模問題，規劃類
這是個線性規劃問題
設A,B,C分別為X11,X12,X13,甲乙丙分別為X21,X22,X23
可寫出lingo里的程序：
model:
max=70*x21+60*x22+50*x23-45*x11-35*x12-25*x12;
x11+x12+x13>=x21+x22+x23;
12*x11+6*x12+8*x13>=10*x21+8*x22+6*x23;
0.5*x11+2*x12+3*x12<=x21+2*x22+x23;
x11<=5000;
x12<=5000;
x13<=5000;
x21>=3000;
x22>=2000;
x23>=1000;
@gin(x11);@gin(x12);@gin(x13);
@gin(x21);@gin(x22);@gin(x23);
end
(2) model:
max=70*x21+60*x22+50*x23-45*x11-35*x12-25*x12-x31-x32-x33;
x11+x12+x13>=x21+x22+x23;
12*x11+6*x12+8*x13>=10*x21+8*x22+6*x23;
0.5*x11+2*x12+3*x12<=x21+2*x22+x23;
x31+x32+x33<=800;
x11<=5000;
x12<=5000;
x13<=5000;
x21>=3000+10*x31;
x22>=2000+10*x32;
x23>=1000+10*x33;
@gin(x11);@gin(x12);@gin(x13);
@gin(x21);@gin(x22);@gin(x23);
@gin(x31);@gin(x32);@gin(x33);
end
⑸ 數學建模中這個問題可以用0-1規劃解決嗎，如果不能該用什麼方法
可以的，自變數是二分類可以用多元線性回歸
⑹ 數學建模規劃問題
可以分為：按是否線性可分為線性規劃和非線性規劃，一次是線性的，其他就是非線性的，按是否份過程階段 分動態規劃和非動態規劃，按目標函數的多少分，可以分單目標規劃和多目標規劃 。
線性和非線性的比較常見，我說說其他的吧。
動態規劃(dynamic programming)是運籌學的一個重要分支,它是解決多階段決策問題的一種有效的數量化方法.動態規劃是由美國學者貝爾曼(R.Bellman)等人所創立的.1951年貝爾曼首先提出了動態規劃中解決多階段決策問題的最優化原理,並給出了許多實際問題的解法.1957年貝爾曼發表了《動態規劃》一書,標志著運籌學這一重要分支的誕生.
動態規劃從創立到現在五十多年來,無論在工程技術,企業管理還是在工農業生產及軍事等部門都有廣泛的應用,並獲得了顯著的效果.在管理方面,動態規劃可用於資源分配問題,最短路徑問題,庫存問題,背包問題,設備更新問題,最優控制問題等等.所以動態規劃是現代管理學中進行科學決策不可缺少的工具.
動態規劃的優點在於,它把一個多維決策問題轉化為若干個一維最優化(optimization)問題,而對一維最優化問題一個一個地去解.這種方法是許多求極值方法所做不到的,它幾乎優於所有現存的優化方法.除此之外,動態規劃能求出全局極大或極小,這一點也優於其他優化方法.需要指出的是,動態規劃是求解最優化問題的一種方法,是解決問題的一種途徑,而不是一種新的演算法.在前面我們學習了用單純形解線性規劃問題,凡是具有線性規劃問題那樣統一的數學模型都可以用單純形法去求解,而動態規劃問題的求解卻沒有統一的方法(類似於單純形法).因此在用動態規劃求解最優化問題中,必須對具體問題具體分析,針對不同的問題,使用動態規劃的最優化原理(optimization principle)和方法,建立起與其相應的數學模型,然後再用動態規劃方法去求解.根據動態規劃這些特點,要求我們在學好動態規劃的基本原理和方法的同時,還應具有豐富的想像力,只有這樣才能建好模型求出問題的最優解.
可根據時間變數是離散的還是連續的,把動態規劃問題的模型分為離散決策過程和連續決策過程,根據決策過程的演變是確定性的還是隨機性的,動態規劃問題的模型又可分為確定性的決策過程和隨機性的決策過程,即離散確定性,離散隨機性,連續確定性,連續隨機性四種決策過程模型.我們主要研究離散確定性模型.
2.隨機規劃和模糊規劃是處理隨機和模糊優化問題的兩大數學規劃工具，稱之為不確定規劃。主要目的是為不確定環境中的優化理論奠定一個基礎。不確定規劃理論由三大類組成：期望值模型，機 會約束規劃和相關機會規劃。
3.隨機規劃的概念比較少見
可以參考一下運籌學的分支
數學規劃的研究對象是計劃管理工作中有關安排和估值的問題，解決的主要問題是在給定條件下，按某一衡量指標來尋找安排的最優方案。它可以表示成求函數在滿足約束條件下的極大極小值問題。
數學規劃和古典的求極值的問題有本質上的不同，古典方法只能處理具有簡單表達式，和簡單約束條件的情況。而現代的數學規劃中的問題目標函數和約束條件都很復雜，而且要求給出某種精確度的數字解答，因此演算法的研究特別受到重視。
這里最簡單的一種問題就是線性規劃。如果約束條件和目標函數都是呈線性關系的就叫線性規劃。要解決線性規劃問題，從理論上講都要解線性方程組，因此解線性方程組的方法，以及關於行列式、矩陣的知識，就是線性規劃中非常必要的工具。
線性規劃及其解法—單純形法的出現，對運籌學的發展起了重大的推動作用。許多實際問題都可以化成線性規劃來解決，而單純形法有是一個行之有效的演算法，加上計算機的出現，使一些大型復雜的實際問題的解決成為現實。
非線性規劃是線性規劃的進一步發展和繼續。許多實際問題如設計問題、經濟平衡問題都屬於非線性規劃的范疇。非線性規劃擴大了數學規劃的應用范圍，同時也給數學工作者提出了許多基本理論問題，使數學中的如凸分析、數值分析等也得到了發展。還有一種規劃問題和時間有關，叫做「動態規劃」。近年來在工程式控制制、技術物理和通訊中的最佳控制問題中，已經成為經常使用的重要工具。
排隊論是運籌學的又一個分支，它有叫做隨機服務系統理論。它的研究目的是要回答如何改進服務機構或組織被服務的對象，使得某種指標達到最優的問題。比如一個港口應該有多少個碼頭，一個工廠應該有多少維修人員等。
排隊論最初是在二十世紀初由丹麥工程師艾爾郎關於電話交換機的效率研究開始的，在第二次世界大戰中為了對飛機場跑道的容納量進行估算，它得到了進一步的發展，其相應的學科更新論、可靠性理論等也都發展起來。
因為排隊現象是一個隨機現象，因此在研究排隊現象的時候，主要採用的是研究隨機現象的概率論作為主要工具。此外，還有微分和微分方程。排隊論把它所要研究的對象形象的描述為顧客來到服務台前要求接待。如果服務台以被其它顧客佔用，那麼就要排隊。另一方面，服務台也時而空閑、時而忙碌。就需要通過數學方法求得顧客的等待時間、排隊長度等的概率分布。
排隊論在日常生活中的應用是相當廣泛的，比如水庫水量的調節、生產流水線的安排，鐵路分成場的調度、電網的設計等等。
對策論也叫博弈論，前面講的田忌賽馬就是典型的博弈論問題。作為運籌學的一個分支，博弈論的發展也只有幾十年的歷史。系統地創建這門學科的數學家，現在一般公認為是美籍匈牙利數學家、計算機之父——馮·諾依曼。
最初用數學方法研究博弈論是在國際象棋中開始的——如何確定取勝的著法。由於是研究雙方沖突、制勝對策的問題，所以這門學科在軍事方面有著十分重要的應用。近年來，數學家還對水雷和艦艇、殲擊機和轟炸機之間的作戰、追蹤等問題進行了研究，提出了追逃雙方都能自主決策的數學理論。近年來，隨著人工智慧研究的進一步發展，對博弈論提出了更多新的要求。
搜索論是由於第二次世界大戰中戰爭的需要而出現的運籌學分支。主要研究在資源和探測手段受到限制的情況下，如何設計尋找某種目標的最優方案，並加以實施的理論和方法。在第二次世界大戰中，同盟國的空軍和海軍在研究如何針對軸心國的潛艇活動、艦隊運輸和兵力部署等進行甄別的過程中產生的。搜索論在實際應用中也取得了不少成效，例如二十世紀六十年代，美國尋找在大西洋失蹤的核潛艇「打穀者號」和「蠍子號」，以及在地中海尋找丟失的氫彈，都是依據搜索論獲得成功的。
運籌學有廣闊的應用領域，它已滲透到諸如服務、庫存、搜索、人口、對抗、控制、時間表、資源分配、廠址定位、能源、設計、生產、可靠性、等各個方面。
應該排隊論和隨機規劃是比較接近的
具體的還希望你問一下專業的老師
希望對你有幫助
⑺ 數學建模如何著手做
如果你不是真正的建模愛好者，只是為了證書，或許我可以給點意見：
1、其實如果你所就讀的學校不是很一流的學校，老師平時講得方法通常都是用不上的，但是聽聽有助於你在比賽中找到入手點。軟體的熟悉運用軟體是很重要的。
2、比賽的時候通常所用的方法通常都是老師沒講過的（當然如果你們學校在數學建模方面工作做得很好，也不排除有很強大的老師的情況）。所以學會搜集資料是很重要的。網路文庫就是一個很不錯的資料庫。但是個人覺得通常你再搜索時是沒辦法找到直接的方法的，你可以搜索問題，然後能找到類似的題，就可以套它的方法。
3、在比賽時通常會有很多臨時的QQ群，可以加入很多參加討論，但是涉及關鍵的大家都不會說，不過還是可以有所幫助。
4、為了保證你論文的效率，你可以先寫出論文的框架，然後一塊一塊補進去。
以上幾點是針對比賽時的一點小建議。如果你很愛好，想在這方面有所建樹。
可以看看相關的書，思路的展開與數據的分析很有關。在做題前可以把問題中得數據先整理出來。如果是學校模擬，最多的是做最大最小問題，這類問題通常是線性規劃的問題，就用線性規劃。個人書屬於帶目的做題的，所以應該也給不了什麼比較有建樹的意見，自己慢慢在摸索吧！
⑻ 這道數學建模怎麼做他們說用線性規劃，用線性規劃怎麼寫，求解
生產產品1需要A2單位，B7單位，C5單位，而，每天提供原材料A10單位，這題應該是讓你做一個最優化問題，可能是利潤最大化，可能是生產時間最短，利用QSB做這類線性規劃最簡單了，也可以用matlab、lingo等
⑼ 數學建模 線性規劃問題
設每周生產x麵包，y香腸，利潤為S
有x≤200/0.1=2000，y≤800/0.25=3200
追求最大利潤，則工人工作時間應為最長，40小時即為2400分鍾，有：2x+3y=2400*5→x=6000-3y/2，y=4000-2x/3
S=x+2y=6000-3y/2+2y=6000+y/2≤6000+3200/2=7600,y=3200時S取最大值7600，→x=1200
所以，每周生產1200麵包，3200香腸時能達到最大可能的利潤
其實，實踐過程中，還應該考慮沒用完的原料的成本吧
⑽ 數學建模中0-1規劃的優化和改進應該怎樣實現
這個可以推薦你用一下LINDO軟體，裡面可以專門解決線性規劃的問題，0-1整型只是其中一個特例。至於改進，也可以通過該軟體進行靈敏度分析及其他分析，真的很有效。其原理就是單純形法的應用。