数学建模方法与分析（1）

K3njuan

于 2024-09-06 08:46:45 发布

阅读量420

点赞数 13

文章标签：数学建模学习

本文链接：https://blog.csdn.net/Kenjuan/article/details/141895518

版权

系列文章目录

一、最优化模型

单变量最优化
多变量最优化

文章目录

前言
单变量最优化
五步方法
提出问题
选择建模方法
推导模型的数学表达式
求解模型
回答问题
灵敏性分析
灵敏度与稳健性

前言

本系列文章是学习“数学建模方法与分析”一课的笔记

参考书籍《Mathematical Modeling（Fourth Edition）》Mark M.Meerschaert

单变量最优化

五步方法

提出问题
选择建模方法
推导模型的数学表达式
求解问题
回答问题

提出问题

第一步是提出问题，而问题需要用数学语言表达，这通常需要大量的工作。在这个过程中，我们需要对实际问题做一些假设。在这个阶段不必担心需要做出推测，因为我们总可以在后面的过程中随时返回和做出更好的推测。在用数学术语提出问题之前，我们要定义所用的术语. 首先列出整个问题涉及的变量，包括恰当的单位，然后写出关于这些变量所做的假设，列出我们已知的或假设的这些变量之间的关系式，包括等式和不等式。这些工作做完后，就可以提出问题了。用明确的数学语言写出这个问题的目标的表达式，再加上前面写出的变量、单位、等式、不等式及所做假设，就构成了完整的问题.

例1.1 一头猪重 200 磅，每天增重 5 磅，饲养每天需花费 45 美分. 猪的市场价格为每磅 65 美分，但每天下降 1 美分，求出售猪的最佳时间.

在例1.1中，全部的变量包括：猪的重量w(磅)，从现在到出售猪期间经历的时间t(天)，t天内饲养猪的花费C(美元)，猪的市场价格P(美元/磅)，售出生猪所获得的收益R(美元)，我们最终获得的净益P(美元)。这里还有一些其他的有关量，如猪的初始重量（200 磅）等，但它们不是变量. 把变量和那些保持常数的量区分开是很重要的。

第一步中的三个阶段（变量、假设、目标）的确定不需要按特定的顺序

选择建模方法

第二步是选择建模方法。现在我们已经有了一个用数学语言表述的问题，我们需要选择一种数学方法来获得解，许多问题都可以表示成一个已有有效的一般求解方法的标准形式。应用数学领域的多数研究都包含确定问题的一般类别，并提出解决该类问题的有效方法。在这一领域有许多文献，并且不断取得许多新的进展。

对于例1.1，我们将其定为为单变量最优化问题

推导模型的数学表达式

第三步是推导模型的数学表达式。我们要把第一步得到的问题应用于第二步，写成所选建模方法需要的标准形式，以便于我们运用标准的算法过程求解

求解模型

第四步是利用第二步中确定的标准过程求解这个模型. 在我们的例子中，要对（1-1）式中y=f(x)在区间X≥0上求最大值。图1-2给出了f（x）的曲线，由于f关于x是二次的，因此这是一条抛物线。我们计算出：

回答问题

第五步是回答第一步中提出的问题：何时售猪可以达到最大的净收益。由我们的数学模型得到的答案是在8天之后，可以获得净收益133.20美元。只要第一步中提出的假设成立，这一结果就是正确的

灵敏性分析

数学建模整个过程从对问题做出一些假设开始。但我们很少能保证这些假设都是完全正确的，因此我们需要考虑所得结果对每一条假设的敏感程度。

我们知道有些数据要比其他数据的可靠性高得多。生猪现在的重量、现在的价格、每天的饲养花费都很容易测量，而且有相当大的确定性。猪的生长率则不那么确定，而价格的下降率则确定性更低。记 r为价格的下降率。我们前面假设r= 0.01 美元/天，现在假设r的实际值是不同的，求出不同r下的最优解x，从图中可以看到售猪的最优时间对参数r是很敏感的