怎么用数学建模计算

‘壹’ 数学建模的方法有哪些

1. 预测模块：灰色预测、时间序列预测、神经网络预测、曲线拟合（线性回归）；
   

2. 归类判别：欧氏距离判别、fisher判别等 ；
   

3. 图论：最短路径求法 ；
   

4. 最优化：列方程组 用lindo 或 lingo软件解 ；
   

5. 其他方法：层次分析法 马尔可夫链 主成分析法 等 。

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，同时间=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）。
    

‘贰’ 数学建模怎么做

给你个答卷模式吧：
一。论文的结构基本上就是一下几个部分：
1.摘要
2.问题的叙述，问题的分析，背景的分析等
3.模型的假设，符号说明（表）
4.模型的建立（问题分析，公式推导，基本模型，最终或简化模型等）
5.模型的求解
二。计算方法设计或选择；算法设计或选择， 算法思想依据，步骤及实现，计算框图；所采用的软件名称（因为很多问题实际上都会用到计算机上的个来软件，所以注明这些还是非常有必要的）；
三。附录，参考文献，模型评价都是少不了的。

如果你实在还没听明白，我给你个简单的方法，做建模的时候很有用的。当你接到某套题目时，你先看看这是属于数学建模什么模型的（比如最优解，微分方程模型等等），然后你就可以去找与这类问题相似的优秀数学建模，相信对你的建模会有很好的帮助作用。

祝你成功！

‘叁’ 怎样建数学模型初一

如何建立数学模型的几点探索

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、图象、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。

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），呈报的成果是一编“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。一般都有一个比较确切的现实问题。
2．- @/ v1 e+ [. h2 d4 n& a0 a1 w若干假设条件
有如下几种情况：
1）只有过程、规则等定性假设，无具体定量数据；
2）给出若干实测或统计数据；
3）给出若干参数或图形；
4）蕴涵着某些机动、可发挥的补充假设条件，或参赛者可以根据自己收集或模拟产生数据。
3．2 n9 u8 ]# b; u$ ^0 z要求回答的问题
往往有几个问题，而且一般不是唯一答案。一般包含以下两部分：
1）比较确定性的答案（基本答案）；
2）更细致或更高层次的讨论结果（往往是讨论最优方案的提法和结果）。
4模型求解。
a.需要建立数学命题时：
命题叙述要符合数学命题的表述规范，尽可能论证严密。
b.需要说明计算方法或算法的原理、思想、依据、步骤。
若采用现有软件，说明采用此软件的理由，软件名称。
c.计算过程，中间结果可要可不要的，不要列出。
d.设法算出合理的数值结果。
5 结果分析、检验；模型检验及模型修正；结果表示。
a.最终数值结果的正确性或合理性是第一位的；
b.对数值结果或模拟结果进行必要的检验；
结果不正确、不合理、或误差大时，分析原因， 对算法、计算方法、或模型进行修正、改进。
c.题目中要求回答的问题，数值结果，结论，须一一列出；
d.列数据问题：考虑是否需要列出多组数据，或额外数据对数据进行比较、分析，为各种方案的提出提供依据；
e.结果表示：要集中，一目了然，直观，便于比较分析

五、建模理念

1.应用意识
要解决实际问题，结果、结论要符合实际；
模型、方法、结果要易于理解，便于实际应用；站在应用者的立场上想问题，处理问题。
2.数学建模
用数学方法解决问题，要有数学模型；
问题模型的数学抽象，方法有普适性、科学性，不局限于本具体问题的解决。
3.创新意识
建模有特点，更加合理、科学、有效、符合实际；更有普遍应用意义；不单纯为创新而创新。

‘肆’ 数学建模都有哪些方法

这些是以前在网上整理的：
要重点突破：
1 预测模块：灰色预测、时间序列预测、神经网络预测、曲线拟合（线性回归）；
2 归类判别：欧氏距离判别、fisher判别等 ；
3 图论：最短路径求法 ；
4 最优化：列方程组 用lindo 或 lingo软件解 ；
5 其他方法：层次分析法 马尔可夫链 主成分析法 等 ；
6 用到软件：matlab lindo （lingo） excel ；
7 比赛前写几篇数模论文。

这是每年参赛的赛提以及获奖作品的解法，你自己估量着吧……

赛题 解法
93A非线性交调的频率设计 拟合、规划
93B足球队排名 图论、层次分析、整数规划
94A逢山开路 图论、插值、动态规划
94B锁具装箱问题 图论、组合数学
95A飞行管理问题 非线性规划、线性规划
95B天车与冶炼炉的作业调度 动态规划、排队论、图论
96A最优捕鱼策略 微分方程、优化
96B节水洗衣机 非线性规划
97A零件的参数设计 非线性规划
97B截断切割的最优排列 随机模拟、图论
98A一类投资组合问题 多目标优化、非线性规划
98B灾情巡视的最佳路线 图论、组合优化
99A自动化车床管理 随机优化、计算机模拟
99B钻井布局 0-1规划、图论
00A DNA序列分类 模式识别、Fisher判别、人工神经网络
00B钢管订购和运输 组合优化、运输问题
01A血管三维重建 曲线拟合、曲面重建
01B 工交车调度问题 多目标规划
02A车灯线光源的优化 非线性规划
02B彩票问题 单目标决策
03A SARS的传播 微分方程、差分方程
03B 露天矿生产的车辆安排 整数规划、运输问题
04A奥运会临时超市网点设计 统计分析、数据处理、优化
04B电力市场的输电阻塞管理 数据拟合、优化
05A长江水质的评价和预测 预测评价、数据处理
05B DVD在线租赁 随机规划、整数规划

算法的设计的好坏将直接影响运算速度的快慢，建议多用数学软件（
Mathematice,Matlab,Maple, Mathcad,Lindo,Lingo,SAS 等），这里提供十种数学
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）

‘伍’ 数学建模怎么入门

数学建模入门方式如下：

①先看看书，最好一本国内的，一本国外的，数学建模书--推荐(数学建模(原书第4版)作者:(美)Brooks R. Cole William P.Fox Steven B. Horton Maurice D.Weir 叶其孝 姜启源 译)，姜启源，编的那本可以)。--学习相关的软件和数学方法(MATLAB、Lingo、SAS等)--看些历年的题--做一些老题。
②如果参加数学建模竞赛，一定要分工明确，安排好各个环节大家的工作，而且要有领头的人，很多问题难以确定时，需要有人拍板的。
③参加国内赛，论文和解题的思路还是要比较严谨一些的好，解题的各个环节基本都要有，要比较完整才能得高分;美国赛就要尽情的放开思路，把奇思妙想都放进去，一些想法建立的模型复杂难解也没有关系，可以提出解题思路即可。全网招募小白免费学习，测试一下你是否有资格。

想要了解关于数学建模方面的更多内容，可以了解一下广州中教在线教育科技有限公司(以下简称:中教在线)。成立于2010年2月，是国内从事互联网技能教商培训机构，生打3D建模、原画绘制、影视后期及设计类在线学习课程，为零基础入门学员提十全面立体的系统学习成长解决方案，致力于国内线上教育电业已有多年。

‘陆’ 数学建模怎么做

传统的观点
数学=逻辑的推理
数学=思想的体操
数学=难题的求解
数学——研究数和空间图形的科学。
特点：系统性、精确性、抽象性

2. 数学模型的特点

数学模型：用图形、符号所刻画的一个实际问题的模型。这里的实际问题既包涵具体的自然现象比如自由落体现象，也包涵抽象的现象比如顾客对某种商品所取的价值倾向。
我们也可以这样直观地理解这个概念：数学建模是一个让纯粹数学家（指只懂数学不懂数学在实际中的应用的数学家）变成物理学家，生物学家，经济学家甚至心理学家等等的过程。

3. 数学模型的分类

按不同的分类标准可作如下不同的分类：
第一，按模型的应用领域的不同可分为人口模型、交通模型、环境模型、生态模型、水资源模型、城市规划模型、生产过程模型等。
第二，按建立模型所采用的方法分为初等数学模型、几何模型、微分方程模型、图论模型、马氏链模型、最优化模型等。
第三，按模型的特性分，有确定性模型和随机性模型、静态模型和动态模型、离散模型和连续模型等。
第四，按建模的目的分为描述模型、仿真模型、分析模型、预报模型、 优化模型、决策模型、控制模型等。
第五，按照对模型结构和参数的了解程度可分为三种模型：模型的结构和参数都是已知的，称为白箱模型；只知其结构，参数未知的称为灰箱模型；结构和参数均为未知的模型称为黑箱模型。
�8�5
二、建立数学模型的程序及简单举例

1.建立数学模型的程序

数学建模—是一个过程：

A 模型准备

要求建模者深刻了解实际问题的背景, 明确建模的目的; 进行全面深入细致的调查研究, 尽量掌握建模对象的各种信息; 找出实际问题的内在规律. 这是向实际工作者和有关专家学习的过程.

B 模型假设

现实问题涉及面广, 一般不可能面面俱到, 必须根据调查得到的信息, 将实际问题简化、理想化. 这就要求抓住主要因素, 抛弃次要因素, 提出恰当的假设. 在提出假设时, 如考虑因素过多, 模型过于复杂就无法求解; 反之如考虑因素过少, 模型十分粗糙, 就会与实际情况不符. 一个较理想的数学模型往往要多次修改假设才能得到.

C 模型建立

利用恰当的数学工具建立各种量 (常量和变量) 之间的数学关系. 建模时究竟采用何种数学工具要根据问题的特征、建模的目的以及建模者的数学特长而定. 可以这样说, 在建立模型时可能用到数学的任一分支; 同一实际问题可以用不同的数学方法建立不同的模型. 一般而言, 在达到预期目标的前提下, 应采用尽可能简单的数学工具以便为更多的人接受和使用.

D 模型求解

包括求解各种类型的方程、画图、列表、证明定理、逻辑运算、上机计算和制作软件包等.

E 模型分析和检验

根据模型的特点和模型求解的结果, 分析各种变量之间的依赖关系、稳定性质, 作出预测、最优决策与控制, 然后将分析的结果与客观的实际情况比较, 检验模型的合理性和适用范围. 如果不合理, 则修改原来的假设重新建模, 直到模型求解结果符合实际情况和建模的要求为止.

F 模型应用

‘柒’ 数学建模怎么做啊

数学建模就是通过计算得到的结果来解释实际问题，并接受实际的检验，来建立数学模型的全过程。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作表述来建立数学模型。

模型准备
了解问题的实际背景，明确其实际意义，掌握对象的各种信息。以数学思想来包容问题的精髓，数学思路贯穿问题的全过程，进而用数学语言来描述问题。要求符合数学理论，符合数学习惯，清晰准确。

模型假设
根据实际对象的特征和建模的目的，对问题进行必要的简化，并用精确的语言提出一些恰当的假设。

模型建立
在假设的基础上，利用适当的数学工具来刻划各变量常量之间的数学关系，建立相应的数学结构（尽量用简单的数学工具）。

模型求解
利用获取的数据资料，对模型的所有参数做出计算（或近似计算）。

模型分析
对所要建立模型的思路进行阐述，对所得的结果进行数学上的分析。

模型检验
将模型分析结果与实际情形进行比较，以此来验证模型的准确性、合理性和适用性。如果模型与实际较吻合，则要对计算结果给出其实际含义，并进行解释。如果模型与实际吻合较差，则应该修改假设，再次重复建模过程。

‘捌’ 数学建模怎么做

数学建模是在大学当中的一个数学竞赛项目，其规则就是，通过数学知识来解决实际生活中具体的问题。

因为无论是作图还是写文章，许多地方都需要通过软件来进行辅助制作。其次的话就是需要自己组建团队，一般需要三四个人的样子。

‘玖’ 数学建模怎么做啊

数学建模就是用数学语言描述实际现象的过程。这里的实际现象既包涵具体的自然现象比如自由落体现象，也包涵抽象的现象比如顾客对某种商品所取的价值倾向。这里的描述不但包括外在形态，内在机制的描述，也包括预测，试验和解释实际现象等内容。
我们也可以这样直观地理解这个概念：数学建模是一个让纯粹数学家（指只懂数学不懂数学在实际中的应用的数学家）变成物理学家，生物学家，经济学家甚至心理学家等等的过程。
数学模型一般是实际事物的一种数学简化。它常常是以某种意义上接近实际事物的抽象形式存在的，但它和真实的事物有着本质的区别。要描述一个实际现象可以有很多种方式，比如录音，录像，比喻，传言等等。为了使描述更具科学性，逻辑性，客观性和可重复性，人们采用一种普遍认为比较严格的语言来描述各种现象，这种语言就是数学。使用数学语言描述的事物就称为数学模型。有时候我们需要做一些实验，但这些实验往往用抽象出来了的数学模型作为实际物体的代替而进行相应的实验，实验本身也是实际操作的一种理论替代。
数学是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，一直是和各种各样的应用问题紧密相关的。数学的特点不仅在于概念的抽象性、逻辑的严密性，结论的明确性和体系的完整性，而且在于它应用的广泛性，进入20世纪以来，随着科学技术的迅速发展和计算机的日益普及，人们对各种问题的要求越来越精确，使得数学的应用越来越广泛和深入，特别是在即将进入21世纪的知识经济时代，数学科学的地位会发生巨大的变化，它正在从国或经济和科技的后备走到了前沿。经济发展的全球化、计算机的迅猛发展，数学理伦与方法的不断扩充使得数学已经成为当代高科技的一个重要组成部分和思想库，数学已经成为一种能够普遍实施的技术。培养学生应用数学的意识和能力已经成为数学教学的一个重要方面。
应用数学去解决各类实际问题时，建立数学模型是十分关键的一步，同时也是十分困难的一步。建立教学模型的过程，是把错综复杂的实际问题简化、抽象为合理的数学结构的过程。要通过调查、收集数据资料，观察和研究实际对象的固有特征和内在规律，抓住问题的主要矛盾，建立起反映实际问题的数量关系，然后利用数学的理论和方法去分折和解决问题。这就需要深厚扎实的数学基础，敏锐的洞察力和想象力，对实际问题的浓厚兴趣和广博的知识面。数学建模是联系数学与实际问题的桥梁，是数学在各个领械广泛应用的媒介，是数学科学技术转化的主要途径，数学建模在科学技术发展中的重要作用越来越受到数学界和工程界的普遍重视，它已成为现代科技工作者必备的重要能力之。

‘拾’ 用数学建模的方法求圆周率

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，同时间=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） 。

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） 。

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） 。

圆周率

用希腊字母π（读作[paɪ]）表示，是一个常数（约等于3.141592653），是代表圆周长和直径的比值。它是一个无理数，即无限不循环小数。在日常生活中，通常都用3.14代表圆周率去进行近似计算。而用十位小数3.141592653便足以应付一般计算。即使是工程师或物理学家要进行较精密的计算，充其量也只需取值至小数点后几百个位。