数学建模主要方法与常用算法概括

数学建模主要方法

1. 规划类方法：有约束条件求最优解；eg：利用现有资源安排生产以取得最大经济效益；
2. 图与网络：某具体事物之间的联系；
3. 排队论：也称随机服务系统理论，解决性态问题、最优化问题、排队系统的统计推断；
4. 对策论：又称博弈论、竞赛论，具有竞争性的问题，每方都力求选取对自己最有利的方案，找到一个最合理的方案并求解；
5. 层次分析法：略；
6. 插值与拟合：插值，求过已知有限个数据点的近似函数；拟合，已知有限个数据点，求近似函数，不要求过已知点，只求某种意义上偏差最小；
7. 数据的统计描述与分析（数理统计）：搜集、整理、加工、分析统计数据，使之系统条理，显示数据资料的趋势、特征和数量关系，是统计推断的基础，需要参数估计与假设检验；
8. 方差分析：用数理统计的方法分析实验结果，鉴别各影响因素对结果的影响程度，关心的试验结果称之为指标，可以控制的条件称为因素或因子，因素所处的状态称之为水平，方法有单因素、多因素方差分析；
9. 回归分析：对拟合问题做出的统计分析，由曲线拟合所得到的函数为点估计，应进行假设检验或进行区间估计，也可通过方差分析评价优劣；eg：依据经验建立回归模型、可信度检验、判断某变量对 y 的影响程度、诊断回归模型是否符合数据、利用回归模型对 y 进行预设/控制；
10. 微分方程建模：实际问题描述导致的求解微分方程的定解问题；
11. 差分方程：离散状态转移的数学工具，可将连续的模型离散化；
12. 稳定状态模型：建模的主要目的并不是要寻求动态过程每个瞬时的性态，而是研究某种意义 下稳定状态的特征，特别是当时间充分长以后动态过程的变化趋势的问题；
13. 常微分方程的数值解法：离散化；
14. 偏微分方程的数值解法：差分法、泊松、拉普拉斯；
15. 马氏链模型：一种特殊随机序列，研究随机现象变化过程中的概率规律性，未来时刻的变化只与现在有关；
16. 动态优化模型：求最优控制函数使得某个泛函达到极值，有变分法、最优控制理论法；
17. 神经网络模型：用以模式识别、图像处理、智能控制、组合优化、金融预测与管理、通信、机器人及专家系统等；
18. 目标规划：实际中的多目标问题（目标有不同地位），求解有加权重系数法、优先级法、有效解法；
19. 模糊数学模型：解决一些分类无明显界限的问题；
20. 现代优化算法：启发式算法，求解NP-hard问题，主要有禁忌搜索、模拟退火、遗传算法、人工神经网络；
21. 时间序列模型：按时间顺序排列的、随时间变化且相互关联的数据序列即时间序列，分析时间序列的方法，有加法模型、乘法模型、混合模型；
22. 存贮论：研究存贮系统的性质、运行规律及寻找最优策略的学科，有确定性跟随机性之分，输入->存贮->输出；
23. 经济与金融方面的优化问题：主要涉及 lingo 的使用；
24. 生产与服务运作管理中的优化问题：eg：设备问题、下料问题、面试顺序；
25. 灰色系统理论及应用：与白箱问题相对，对于无法研究清楚内部机理的问题，依据某种思维逻辑与推断构造模型。研究在大量信息缺乏或紊乱的情况下实际问题的解决；
26. 多元分析：多变量的统计分析方法；eg：聚类分析、主成分分析、因子分析、判断分析、典型相关分析、典型相关系数检验；
27. 偏最小二乘回归：研究两组多重相关变量间的相互依赖关系，并研究用 一组变量去预测另一组变量，集中了主成分分析，典型相关分析和线性回归分析方法的特点；
28. 支持向量机：克服“维数灾难”和过学习等困难的强有力的方法；
29. 排序理论与方法：生产过程中的作业安排问题。

数模十类算法

1. 蒙特卡罗算法（随机性模拟算法）：在计算机仿真时，用于随机性模拟；
2. 数据处理算法（数据拟合、参数估计、插值等）：图像处理、数据走势；
3. 规划类算法：一般解决最优化问题，可用 Lindo 、lingo 求解；
4. 图论算法：包括最短路、网络流、二分图、Dijkstra、Floyd、Prim、Bellman-Ford，最大流，二分匹配等算法；
5. 计算机算法：用于算法设计；
6. 最优化理论的三大经典算法：模拟退火、神经网络、遗传算法，解决较困难的最优化问题；
7. 网格算法与穷举法：暴力搜索，重点讨论模型本身轻视算法的问题；
8. 连续数据离散化算法：运用差分代替微分、求和代替积分思想；
9. 数值分析算法：MATLAB 已内置；
10. 图像处理算法：与图形有关的问题，需要用图片说明的问题，设计图片等展示与处理。