⑴ 数学建模中的规划问题怎么求解
数学教学不应该只是一些刻板的知识的传授,而应该是通过丰富的数学活动来发展学生的数学应用能力以及对数学的理解力,激发学生学习数学的兴趣.小学数学教学活动的设计看起来似乎很简单,但要真正设计好却是不容易的.这是因为,一个活动的安排与设计,不仅涉及到教师对本班学生发展水平的认识,对数学教育目标的理解,对教学目标的理解与掌握；而且还涉及到活动设计的合理性、新颖性.（剩余0字）
⑵ 做数学建模的线性规划问题该怎么着手思考
你好
一般来时单纯的线性规划题目比较简单。
你先列出目标函数以及相应的约束条件
然后用MATLAB中的linprog命令求解就行（lingo也行）
希望对你有帮助
⑶ 数学建模 道路规划问题要考虑哪些因素具体怎么考虑
还有地形地貌、成本、使用类型等
⑷ 数学建模问题，规划类
这是个线性规划问题
设A,B,C分别为X11,X12,X13,甲乙丙分别为X21,X22,X23
可写出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 数学建模中这个问题可以用0-1规划解决吗，如果不能该用什么方法
可以的，自变量是二分类可以用多元线性回归
⑹ 数学建模规划问题
可以分为：按是否线性可分为线性规划和非线性规划，一次是线性的，其他就是非线性的，按是否份过程阶段 分动态规划和非动态规划，按目标函数的多少分，可以分单目标规划和多目标规划 。
线性和非线性的比较常见，我说说其他的吧。
动态规划(dynamic programming)是运筹学的一个重要分支,它是解决多阶段决策问题的一种有效的数量化方法.动态规划是由美国学者贝尔曼(R.Bellman)等人所创立的.1951年贝尔曼首先提出了动态规划中解决多阶段决策问题的最优化原理,并给出了许多实际问题的解法.1957年贝尔曼发表了《动态规划》一书,标志着运筹学这一重要分支的诞生.
动态规划从创立到现在五十多年来,无论在工程技术,企业管理还是在工农业生产及军事等部门都有广泛的应用,并获得了显着的效果.在管理方面,动态规划可用于资源分配问题,最短路径问题,库存问题,背包问题,设备更新问题,最优控制问题等等.所以动态规划是现代管理学中进行科学决策不可缺少的工具.
动态规划的优点在于,它把一个多维决策问题转化为若干个一维最优化(optimization)问题,而对一维最优化问题一个一个地去解.这种方法是许多求极值方法所做不到的,它几乎优于所有现存的优化方法.除此之外,动态规划能求出全局极大或极小,这一点也优于其他优化方法.需要指出的是,动态规划是求解最优化问题的一种方法,是解决问题的一种途径,而不是一种新的算法.在前面我们学习了用单纯形解线性规划问题,凡是具有线性规划问题那样统一的数学模型都可以用单纯形法去求解,而动态规划问题的求解却没有统一的方法(类似于单纯形法).因此在用动态规划求解最优化问题中,必须对具体问题具体分析,针对不同的问题,使用动态规划的最优化原理(optimization principle)和方法,建立起与其相应的数学模型,然后再用动态规划方法去求解.根据动态规划这些特点,要求我们在学好动态规划的基本原理和方法的同时,还应具有丰富的想象力,只有这样才能建好模型求出问题的最优解.
可根据时间变量是离散的还是连续的,把动态规划问题的模型分为离散决策过程和连续决策过程,根据决策过程的演变是确定性的还是随机性的,动态规划问题的模型又可分为确定性的决策过程和随机性的决策过程,即离散确定性,离散随机性,连续确定性,连续随机性四种决策过程模型.我们主要研究离散确定性模型.
2.随机规划和模糊规划是处理随机和模糊优化问题的两大数学规划工具，称之为不确定规划。主要目的是为不确定环境中的优化理论奠定一个基础。不确定规划理论由三大类组成：期望值模型，机 会约束规划和相关机会规划。
3.随机规划的概念比较少见
可以参考一下运筹学的分支
数学规划的研究对象是计划管理工作中有关安排和估值的问题，解决的主要问题是在给定条件下，按某一衡量指标来寻找安排的最优方案。它可以表示成求函数在满足约束条件下的极大极小值问题。
数学规划和古典的求极值的问题有本质上的不同，古典方法只能处理具有简单表达式，和简单约束条件的情况。而现代的数学规划中的问题目标函数和约束条件都很复杂，而且要求给出某种精确度的数字解答，因此算法的研究特别受到重视。
这里最简单的一种问题就是线性规划。如果约束条件和目标函数都是呈线性关系的就叫线性规划。要解决线性规划问题，从理论上讲都要解线性方程组，因此解线性方程组的方法，以及关于行列式、矩阵的知识，就是线性规划中非常必要的工具。
线性规划及其解法—单纯形法的出现，对运筹学的发展起了重大的推动作用。许多实际问题都可以化成线性规划来解决，而单纯形法有是一个行之有效的算法，加上计算机的出现，使一些大型复杂的实际问题的解决成为现实。
非线性规划是线性规划的进一步发展和继续。许多实际问题如设计问题、经济平衡问题都属于非线性规划的范畴。非线性规划扩大了数学规划的应用范围，同时也给数学工作者提出了许多基本理论问题，使数学中的如凸分析、数值分析等也得到了发展。还有一种规划问题和时间有关，叫做“动态规划”。近年来在工程控制、技术物理和通讯中的最佳控制问题中，已经成为经常使用的重要工具。
排队论是运筹学的又一个分支，它有叫做随机服务系统理论。它的研究目的是要回答如何改进服务机构或组织被服务的对象，使得某种指标达到最优的问题。比如一个港口应该有多少个码头，一个工厂应该有多少维修人员等。
排队论最初是在二十世纪初由丹麦工程师艾尔郎关于电话交换机的效率研究开始的，在第二次世界大战中为了对飞机场跑道的容纳量进行估算，它得到了进一步的发展，其相应的学科更新论、可靠性理论等也都发展起来。
因为排队现象是一个随机现象，因此在研究排队现象的时候，主要采用的是研究随机现象的概率论作为主要工具。此外，还有微分和微分方程。排队论把它所要研究的对象形象的描述为顾客来到服务台前要求接待。如果服务台以被其它顾客占用，那么就要排队。另一方面，服务台也时而空闲、时而忙碌。就需要通过数学方法求得顾客的等待时间、排队长度等的概率分布。
排队论在日常生活中的应用是相当广泛的，比如水库水量的调节、生产流水线的安排，铁路分成场的调度、电网的设计等等。
对策论也叫博弈论，前面讲的田忌赛马就是典型的博弈论问题。作为运筹学的一个分支，博弈论的发展也只有几十年的历史。系统地创建这门学科的数学家，现在一般公认为是美籍匈牙利数学家、计算机之父——冯·诺依曼。
最初用数学方法研究博弈论是在国际象棋中开始的——如何确定取胜的着法。由于是研究双方冲突、制胜对策的问题，所以这门学科在军事方面有着十分重要的应用。近年来，数学家还对水雷和舰艇、歼击机和轰炸机之间的作战、追踪等问题进行了研究，提出了追逃双方都能自主决策的数学理论。近年来，随着人工智能研究的进一步发展，对博弈论提出了更多新的要求。
搜索论是由于第二次世界大战中战争的需要而出现的运筹学分支。主要研究在资源和探测手段受到限制的情况下，如何设计寻找某种目标的最优方案，并加以实施的理论和方法。在第二次世界大战中，同盟国的空军和海军在研究如何针对轴心国的潜艇活动、舰队运输和兵力部署等进行甄别的过程中产生的。搜索论在实际应用中也取得了不少成效，例如二十世纪六十年代，美国寻找在大西洋失踪的核潜艇“打谷者号”和“蝎子号”，以及在地中海寻找丢失的氢弹，都是依据搜索论获得成功的。
运筹学有广阔的应用领域，它已渗透到诸如服务、库存、搜索、人口、对抗、控制、时间表、资源分配、厂址定位、能源、设计、生产、可靠性、等各个方面。
应该排队论和随机规划是比较接近的
具体的还希望你问一下专业的老师
希望对你有帮助
⑺ 数学建模如何着手做
如果你不是真正的建模爱好者，只是为了证书，或许我可以给点意见：
1、其实如果你所就读的学校不是很一流的学校，老师平时讲得方法通常都是用不上的，但是听听有助于你在比赛中找到入手点。软件的熟悉运用软件是很重要的。
2、比赛的时候通常所用的方法通常都是老师没讲过的（当然如果你们学校在数学建模方面工作做得很好，也不排除有很强大的老师的情况）。所以学会搜集资料是很重要的。网络文库就是一个很不错的资料库。但是个人觉得通常你再搜索时是没办法找到直接的方法的，你可以搜索问题，然后能找到类似的题，就可以套它的方法。
3、在比赛时通常会有很多临时的QQ群，可以加入很多参加讨论，但是涉及关键的大家都不会说，不过还是可以有所帮助。
4、为了保证你论文的效率，你可以先写出论文的框架，然后一块一块补进去。
以上几点是针对比赛时的一点小建议。如果你很爱好，想在这方面有所建树。
可以看看相关的书，思路的展开与数据的分析很有关。在做题前可以把问题中得数据先整理出来。如果是学校模拟，最多的是做最大最小问题，这类问题通常是线性规划的问题，就用线性规划。个人书属于带目的做题的，所以应该也给不了什么比较有建树的意见，自己慢慢在摸索吧！
⑻ 这道数学建模怎么做他们说用线性规划，用线性规划怎么写，求解
生产产品1需要A2单位，B7单位，C5单位，而，每天提供原材料A10单位，这题应该是让你做一个最优化问题，可能是利润最大化，可能是生产时间最短，利用QSB做这类线性规划最简单了，也可以用matlab、lingo等
⑼ 数学建模 线性规划问题
设每周生产x面包，y香肠，利润为S
有x≤200/0.1=2000，y≤800/0.25=3200
追求最大利润，则工人工作时间应为最长，40小时即为2400分钟，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时S取最大值7600，→x=1200
所以，每周生产1200面包，3200香肠时能达到最大可能的利润
其实，实践过程中，还应该考虑没用完的原料的成本吧
⑽ 数学建模中0-1规划的优化和改进应该怎样实现
这个可以推荐你用一下LINDO软件，里面可以专门解决线性规划的问题，0-1整型只是其中一个特例。至于改进，也可以通过该软件进行灵敏度分析及其他分析，真的很有效。其原理就是单纯形法的应用。