数学建模笔记——整数规划类问题之我见（匈牙利算法）

最新推荐文章于 2023-09-01 21:10:48 发布
最新推荐文章于 2023-09-01 21:10:48 发布
阅读量2k 收藏 16
点赞数
文章标签： 动态规划 算法
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/aichi_shaqima/article/details/126492025
版权

浅浅叙述匈牙利算法

目录

浅浅叙述匈牙利算法

基本思路

计算步骤

来一道简单例题

1.1 符号规定

1.2目标函数​编辑

      1.3约束条件

​编辑

1.4代码

题目复述

基本假设

问题分析

符号说明

 模型的建立与求解

模型建立思路

模型建立的过程

建立0-1整数规划模型

 运用匈牙利方法：

代码实现

 

基本思路

        匈牙利法的基本思路:对费用矩阵C的行和列减去某个常数,将C化为有n个位于不同行不同列的零元素，令这些零元素对应的变量取1,其余变量取0,即得到指派问题的最优解。
        匈牙利法是基于指派问题的标准型的，标准型需满足以下3个条件:
        (1)目标函数求min;
        (2)效率矩阵为n阶方阵;
        (3)效率矩阵中所有元素Cij20,且为常数。

计算步骤

匈牙利法的计算步骤:
(1)变换效率矩阵C,使每行每列至少有一个0,变换后的矩阵记为B
●行变换:找出每行min值，该行各元素减去它;
●列变换:找出每列min值，该列各元素减去它;
●若某行列已有0元素，则不用减。

来一道简单例题

如何安排工作使得成本最低？（注：①每个人只能做一项工作；②每项工作只能分配给一个人做；③所有工作都要安排完。）

表1 不同人对每一项工作收费表

 

第一件

第二件

第三件

第四件

第五件

甲

12

7

9

7

9

乙

8

9

6

6

6

丙

7

17

12

14

9

丁

15

14

6

6

10

戊

4

10

10

10

9

1.1 符号规定

对上述问题进行抽象，首先进行如下符号定义
符号                                        含义
   C                                        工人的成本矩阵
   Cij                                      工人 i对  j工作的收费.
   Wij ​                                    是否将工作 j 配给工作 i ，若是则为 1 ，若否则为 0
   m                                       工人的数量
   n                                        工作的数量

1.2目标函数fd106ec08eb24029bd5319d30bd9f742.png

      1.3约束条件

6c851050894347ceb588a86ba25f2585.png

 

 

1.4代码

from scipy.optimize import linear_sum_assignment
#由于python有scipy库的支持，已经有了现成的匈牙利方法，可以直接调用就行。
import numpy as np
#在使用的过程中，也需要调用numpy库使矩阵的建立更简单
cost_mat = np.array([[12, 7, 9, 7, 9],
                     [8, 9, 6, 6, 6],
                     [7, 17, 12, 14, 9],
                     [15, 14, 6, 6, 10],
                     [4, 10, 7, 10, 9]])
work_idx_ls, pokeman_idx_ls = linear_sum_assignment(cost_mat)
cost = 0
work = ['第一件', '第二件', '第三件', '第四件', "第五件"]
pokeman = ["甲", "乙", "丙", '丁', "戊"]
for work_idx, poken_idx in zip(work_idx_ls, pokeman_idx_ls):
    print(f"工作 {work[work_idx]} 指派给 工人 {pokeman[poken_idx]}")
    cost += cost_mat[work_idx][poken_idx]
print(f"最后消耗  {cost}元!")
#匈牙利法具体的python求解过程放在了文章末尾的py代码段里，可以自行查看
#实际中可以直接使用scipy库进行求解

那么现在，让我们来点真家伙吧！

废话不多说，直接上题

2013年国赛b题第二问

题目复述

对于重大突发事件，需要调度全区20个交巡警服务平台的警力资源，对进出该区的13条交通要道实现快速全封锁。实际中一个平台的警力最多封锁一个路口，请给出该区交巡警服务平台警力合理的调度方案。

————————————此处应该有数据表格，原题数据放文章结尾——————————

基本假设

1、假设每个突发事件需要处理的时间相同。
2、假设在出警过程中匀速行驶。
3、 假设嫌疑犯逃亡时匀速行驶。
4、假设嫌疑犯逃离的速度不会大于警察迫捕速度。

问题分析

        第二小问要求制定A区交巡警服务平台警力合理的调度方案，调度全区20个交巡警服务平台的警力资源，对进出该区的13条交通要道实现快速封锁。考虑实际中一个平台的警，力至多能够封锁一个路口,对每个路口分配-一个平台警力进行围堵。
        当突发事件发生时， 全区各个服务点对于交通要道的封锁是同步进行的。由于距离原因，每个服务点对要封锁的交通要道所需时间是不同的，最后一个交通要道完成封锁才算对全区的封锁完成。本文考虑按最后完成对交通要道封锁的时间作为标准，选择最快完成全区封锁的调度方案。考虑对20个平台与13个交通要道进行遍历，计算出每种组合中平台到达交通要道的最大时间，将每种组合的最大时间进行比较，选取值最小的组合作为交巡警服务平台警力的调度方案。
        本文考虑采用 0-1整数规划的方法,对20个平台分配13个交通要道以获得最合理的调度方案。对每个平台分配一个交通要道，并在分配完这些任务后，使完成全部任务的总时间为最小。

符号说明

9ce5d62540684dfbbc11087438b0f64a.png

 模型的建立与求解

模型建立思路

        制定合理的调度方案，使全区20个交巡警服务平台的警力快速封锁该区的13条交通要道，建立0-1整数规划中的不平衡的指派类型模型求解此问。通过建立目标函数和约束条件，利用匈牙利算法寻找最优解，即选取完成时间最少的调度方案。
考虑一个平台的警力最多封锁一个路口，调度A区20各个交巡警服务平台的警力资源对13条
交通要道进行全封锁。全封锁是参与道路封锁的各交巡警服务平台同时进行的以完成封锁自标为标准结果。但由于各平台与所要封锁道路的距离的不同，在警车时速相同的情况下，各平台的出勤时间是不同的，到达所要封锁自的地的时间不同，即结束封锁时间不同。计算茁每个方案的结束时间，选取完成时间最少的方案作为最佳方案。

模型建立的过程

        建立目标函数本文根据0-1整数规划中不平衡的指派类型求解此问,将A区20个交巡警服务平台的警力资源分配13条交通要道以实现快速封锁，设第i个服务点完成第j条交通要道的封锁，给每条交通要道分配一个服务点进行封锁管理，并要求封锁完成，以使完成全部任务的总时间为最小，以此建立目标函数minZ=max T  式中T表示时间。
        

建立0-1整数规划模型

①每个服务点的警力最多封锁一个交通要道，即>xy = 1,j=1,2.... ,
②每个交通要道为避免警力资源浪费而只需一个服务点的平台警力,
即x, =1,i=1,2...n
③对每个交通要道有无服务点的警力封锁判断，即x, = 0,1,其中0为
该交通要道没有警力封锁，1为该交通要道有警力封锁。

867e59a89471431f9d174819e12abd93.png

 对目标函数进行整合，最后最终的函数为：

73704c0ef71e4674a00e8a72277028df.png

 运用匈牙利方法：

这个时候我们再来使用刚刚提到的匈牙利法来进行求解

这个时候遇到一个问题:
20个巡警和13个交通路口无法构成nx n的矩阵，无法构成方阵,则无法进行匈牙利法的求解

解决问题的方法:我们补7列0向量，让其满足20x 20的方阵，由于补足的列为0，则相当于无用工作，不影响最后的结果。
这个题中
1，要求最小值
2，所有值都是正数
3，补完以后是方阵

所以可以用匈牙利法来做

针对0- 1整数规划中不平衡的指派问题利用匈牙利法求解,步骤如下:
(1)将系数矩阵标准化，并变换系数矩阵，使其各行各列中都出现0元素。将20个交巡警服务平台分别与13个交通要道的最短距离列为系数矩阵Cij，i=1,2...2.0.j=1.2..13.将Cj化为标准型，增加7列虚拟工作0,矩阵的阶数为20。
(2)然后再将Cij系数矩阵带入python的程序进行求解即可

代码实现

from json.encoder import INFINITY

import numpy as np
import xlrd
data = xlrd.open_workbook('2011B.xls')
#print("sheets：" + str(data.sheet_names()))  #打印sheets名

table1 = data.sheet_by_name('全市交通路口节点数据')
loc = [] 
 #节点位置列表
w = [] 
 #发案率列表           
 
loc.append([0, 0]) 
w.append(0.0)   # 为使索引值和节点编号对应，填入一个数据

#读入A区各节点的坐标数据
for k in range(1, 93):
    x = table1.cell(k, 1).value  #注意，excel里的计数是从0开始的，和图像化界面里显示的不同
    y = table1.cell(k, 2).value
    loc.append([x, y])
    w.append(table1.cell(k, 4).value)

table2 = data.sheet_by_name('全市交通路口的路线')
distance = np.zeros((93, 93), dtype=np.float)

 
for i in range(1, 93):
    for j in range(1, 93):
        if i == j:
            distance[i, j] = 0.0
        else:
            distance[i, j] = INFINITY
 #路程矩阵
for k in range(1, table2.nrows):
    i = int(table2.cell(k, 0).value)
    j = int(table2.cell(k, 1).value)
    #print(i, j)
    if i <= 92 and j <= 92:
        distance[i, j] = np.sqrt((loc[i][0]-loc[j][0])**2 + (loc[i][1]-loc[j][1])**2)
        distance[j, i] = np.sqrt((loc[i][0]-loc[j][0])**2 + (loc[i][1]-loc[j][1])**2)

 #最短距离
for k in range(1, 93):
    for i in range(1, 93):
        for j in range(1, 93):
            if distance[i, k] + distance[k, j] < distance[i, j]:
                distance[i, j] = distance[i, k] + distance[k, j]

time = np.zeros((93, 93), dtype=np.float)
for i in range(1, 93):
    for j in range(1, 93):
        time[i, j] = distance[i, j]/10


filename = 'rask2.txt'
pingtai = range(1, 21)

table3 = data.sheet_by_name('全市区出入口的位置')
chukou = []
for k in range(1, 14):
    #print(int(table3.cell(k, 2).value))
    chukou.append(int(table3.cell(k, 2).value))
#创建文档写入数据
with open(filename, 'w') as f: 
    for i in pingtai:
        for j in chukou:
            f.write('%.4f' % time[i, j] +",")
        f.write("\n")

from scipy.optimize import linear_sum_assignment
import numpy as np
cost_mat = np.array([[22.2362,16.0285,9.2868,19.2934,21.0962,22.5018,22.8932,19.0012,19.5158,12.0834,5.8809,11.8501,4.8852,0,0,0,0,0,0,0],
[20.4639,14.1297,7.3881,17.3947,19.1975,20.6030,21.1210,17.2289,17.7436,10.3112,3.9822,10.3095,6.0351,0,0,0,0,0,0,0],
[18.3523,12.7672,6.0256,16.0322,17.8350,19.2405,19.0093,15.1173,15.6319,8.1996,6.0938,8.1979,4.3934,0,0,0,0,0,0,0],
[21.9974,15.0085,8.2669,18.2735,20.0763,21.4818,22.6544,16.2269,15.5353,8.1030,4.8610,7.3959,0.3500,0,0,0,0,0,0,0],
[17.6282,12.9696,6.2280,16.2346,17.7495,19.1551,18.2852,11.3069,10.6153,3.1829,9.4211,2.4758,5.2551,0,0,0,0,0,0,0],
[17.6588,13.0002,6.2586,16.2652,17.7801,19.1856,18.3158,11.3375,10.6459,3.2135,9.4517,2.5064,5.3373,0,0,0,0,0,0,0],
[14.9149,10.9012,4.1596,14.1662,15.0363,16.4418,15.5720,8.5702,8.0155,0.5831,7.3527,1.2902,7.9917,0,0,0,0,0,0,0],
[14.0925,9.4339,2.6923,12.6989,14.2138,15.6194,14.7496,10.2280,10.4932,3.0608,5.8854,3.0995,8.6773,0,0,0,0,0,0,0],
[13.0107,8.2742,1.5325,11.5392,13.1320,14.5376,13.6678,9.7757,10.7244,3.4923,4.7257,4.1994,9.3367,0,0,0,0,0,0,0],
[7.5866,12.7757,6.9567,9.5107,7.7079,9.1135,8.2436,14.1949,15.1435,7.9114,10.1498,8.6186,14.7608,0,0,0,0,0,0,0],
[3.7914,8.3373,11.3950,5.0723,3.2696,4.6751,3.8053,18.6332,19.5819,12.3498,14.5882,13.0569,19.1992,0,0,0,0,0,0,0],
[0.0000,11.9503,14.5433,8.6853,6.8825,6.4770,3.5916,21.7814,22.7301,15.4980,17.7364,16.2051,22.3474,0,0,0,0,0,0,0],
[5.9770,5.9733,12.7149,2.7083,0.9055,0.5000,2.3854,22.8083,23.7570,16.5249,16.1208,17.2320,21.3318,0,0,0,0,0,0,0],
[11.9503,0.0000,6.7417,3.2650,5.0677,6.4733,8.3587,18.0499,18.9167,11.4843,10.1475,12.1914,15.3585,0,0,0,0,0,0,0],
[17.0296,13.2981,6.5564,16.5630,17.1509,18.5565,17.6867,4.7518,5.7005,4.4015,9.7496,5.1086,11.8101,0,0,0,0,0,0,0],
[14.5433,6.7417,0.0000,10.0066,11.8094,13.2149,15.1003,11.3083,12.1750,4.7427,3.4059,5.4498,8.6169,0,0,0,0,0,0,0],
[21.8921,14.9032,8.1616,18.1682,19.9710,21.3765,22.5492,18.6571,19.5239,12.0915,4.7557,12.7986,7.8205,0,0,0,0,0,0,0],
[24.2472,18.5145,11.7728,21.7795,23.5822,24.9878,24.9042,21.0122,21.5268,14.0945,8.3669,13.6993,6.7344,0,0,0,0,0,0,0],
[22.5465,16.9615,10.2198,20.2264,22.0292,23.4348,23.2036,19.3115,19.8262,12.3938,7.6393,11.9986,5.0337,0,0,0,0,0,0,0],
[26.9458,21.2131,14.4714,24.4781,26.2809,27.6864,27.6029,23.0108,22.3192,14.8869,11.0656,14.1798,6.4489,0,0,0,0,0,0,0]])
work_idx_ls, pokeman_idx_ls = linear_sum_assignment(cost_mat)
cost = 0
work = ['a1', 'a2', 'a3', 'a4', "a5",'a6','a7','a8','a9','a10','a11','a12','a13']
pokeman = ["1", "2", "3", '4', "5",'6','7','8','9','10','11','12','13','14','15','16','17','18','19','20']
filename = '最后的结果.txt'

for work_idx, poken_idx in zip(work_idx_ls, pokeman_idx_ls):
    print(f"交通 {work[work_idx]} 指派给 警察 {pokeman[poken_idx]}")
    cost += cost_mat[work_idx][poken_idx]
print(f"最后消耗  {cost}时间!")

2011年数学建模国赛b题附件数据

https://download.csdn.net/download/aichi_shaqima/86438453

 

aichi_shaqima
关注
  • 0
    点赞
  • 踩
  • 16
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
匈牙利优化：它是一种改进的匈牙利算法，适用于方阵和非方阵输入。-matlab开发
05-31
运行“MAIN.m”文件出现提示时输入任意分配矩阵作为目标矩阵如果类型是最大化类型，则在提示时输入 1 否则为 0 然后打印最大或最小总数之后打印分配矩阵，其中标记为 1 的元素被视为分配位置，否则为 0。将这些矩阵与输入矩阵进行比较以识别分配。 线矩阵由减号给出，按照减号轨迹识别线 仅打印唯一的解决方案集 注意：对于非方阵，该算法最适用于行/列短为方阵的矩阵 使用的功能： findminlines2coverall0(A) = 用最少的行数覆盖所有的零Improvement（A，linematrix）=如果总行数小于row = col数，则将最小未覆盖的val与交集元素相加，并从未覆盖的元素中减去（根据当前行矩阵完成） finalAssignment(A) = 制作最终作业集
十九、 指派问题 - 匈牙利法 （0-1 整数规划）
sky的博客
03-07 4657
原文视频：https://www.bilibili.com/video/BV194411y7sA?p=19 匈牙利法 第一步： （1）写出工作效率矩阵 先找出行最小值，并用每个数减掉，再找出列最小值，并进一步减去 （2）需要找出N个独立的“0元素”，满足 从行上看，只有1个0，从列上看，也只有1个0，此时令这些独立的0取1，其余元素取0，得到新的矩阵 一般只适用于 小于等于4的情况 第二步：...
匈牙利算法+HDU2063
维生素C吃多了会上火
12-23 870
匈牙利算法 例题1：HDU2063 题目： RPG girls今天和大家一起去游乐场玩，终于可以坐上梦寐以求的过山车了。可是，过山车的每一排只有两个座位，而且还有条不成文的规矩，就是每个女生必须找个个男生做partner和她同坐。但是，每个女孩都有各自的想法，举个例子把，Rabbit只愿意和XHD或PQK做partner，Grass只愿意和linle或LL做partner，PrincessSnow...
【运筹学】匈牙利法 ( 匈牙利法示例 )
热门推荐
让 学习 成为一种 习惯 ( 韩曙亮 の 技术博客 )
01-14 2万+
一、使用匈牙利法求解下面的指派问题、 二、第一步 : 变换系数矩阵 ( 每行每列都出现 0 元素 )、 三、第二步 : 试指派 ( 找独立 0 元素 )
匈牙利算法总结
CV前沿
01-07 1164
指派问题概述：有n项不同的任务，需要n个人分别完成其中的1项，每个人完成任务的时间不一样。于是就有一个问题，如何分配任务使得花费时间最少。通俗来讲，就是n*n矩阵中，选取n个元素，每行每列各有1个元素，使得和最小。 指派问题常采用的方法是匈牙利算法。 除了标准型的匈牙利问题外，还经常遇到非平衡的匈牙利问题。也即是矩阵不是nn,而是mn。 重要参考资料： 指派问题匈牙利解法以及其优化 pyth...
匈牙利算法
y527c的博客
09-01 215
1.目标函数求最小值；2.人数和任务数相等；3。效率非负。
数学建模学习笔记——常见的预测模型总结
08-18
涵盖的预测模型有：灰色预测模型、差分预测模型、马尔可夫预测以及时间序列预测
数学建模算法模型——统计分析.zip
10-10
《数学建模算法模型——统计分析》这个压缩包文件包含了多个文档和PDF，它们共同构成了一个丰富的统计分析和数学建模的学习资源库。这些文件涵盖了从基础理论到具体应用的各种主题，适合对数学建模和统计分析感兴趣...
数学建模算法模型——模糊综合评价.zip
10-10
数学建模是应用数学解决实际问题的重要手段，它涉及到多种数学工具和算法。在这个压缩包中，主要聚焦于“模糊综合评价”这一特定的数学建模方法。模糊综合评价是模糊数学在决策分析中的一个重要应用，它适用于处理...
这是用MATLAB语言写的数学建模——优化类笔记.zip
09-28
【标题】中的“数学建模——优化类笔记”表明这是一份关于使用MATLAB进行数学建模，特别是解决优化问题的资料。MATLAB是一种强大的数值计算软件，常用于科学计算、数据分析、算法开发以及图形可视化等领域。在数学...
数学建模——笔记.zip
最新发布
06-17
不论是用数学方法在科技和生产领域解决哪类实际问题，还是与其它学科相结合形成交叉学科，首要的和关键的一步是建立研究对象的数学模型，并加以计算求解（通常借助计算机）；数学建模和计算机技术在知识经济时代的...
匈牙利算法与套题
飞机飞过天空的博客
11-26 1440
匈牙利算法与套题 匈牙利算法是利用增广路来找二分图里的最大匹配问题。 二分图的概念： 设G=(V, E)是一个无向图。如果顶点集V可分割为两个互不相交的子集U和V，并且图中每条边连接的两个顶点一个在U中，另一个在V中，则称图G为二分图。 如何判断给你的图为一个二分图：染色法 染色法就是将二分图中的两个不相关的子区间染成不同颜色，这样在这个图里面的边 ...
数学建模：整数规划—指派模型与匈牙利算法
Charles Leclerc's blog
04-30 3582
标准指派模型匈牙利算法基本原理匈牙利算法步骤非标准型的指派问题 指派模型是一种重要的整数规划模型，指派模型又叫分配模型，指有各种不同的资源将分派给各种不同的用途，以寻求一种最优的分配方案。要求使有限的资源达到最经济的运用，取得最大的经济效果。这里的资源可以是人力，材料、工件、设备等; 用途可以是待用设备、待完成工作、待加工的工件等。资源与用途之间是一一对应的，即当某种资源分配给某种用途之后，这种资源就不能再分配给别的用途了，同样，这种用途也不能再占用别的资源了。 标准指派模型 标准指派问题的一般提法是：
完美匹配-匈牙利算法（Hungarian method Edmonds）讲解
关注网络安全、云原生安全
12-17 7984
目录 匈牙利算法（Hungarian method Edmonds） 例题1 有完美匹配 例题2 无完美匹配 代码实现 变量及函数说明 测试数据1 测试结果1 测试数据2 测试结果 匈牙利算法（Hungarian method Edmonds） 以任意一个匹配M作为开始。（可取M=∅。） ①若M已饱和X的每个顶点，停止（M为完美匹配）。否则，取X中M-不饱和顶点u，今：S&...
【算法题】任务分配问题---匈牙利算法
weixin_33827590的博客
08-16 3832
一、问题描述 问题描述：N个人分配N项任务，一个人只能分配一项任务，一项任务只能分配给一个人，将一项任务分配给一个人是需要支付报酬，如何分配任务，保证支付的报酬总数最小。 问题数学描述： 　　 二、实例分析---穷举法 在讲将匈牙利算法解决任务问题之前，先分析几个具体实例。 以3个工作人员和3项任务为实例，下图为薪酬图表和根据薪酬图表所得的cost矩阵。 　　 利用最简单的方法(穷...
数学建模（四）整数规划—匈牙利算法
qq_45981086的博客
08-23 4522
老哥带你学建模：匈牙利算法求解指派规划
匈牙利算法示例
llllaaaaiiii0421的博客
03-03 223
假设我们有一个二分图，其中左部点集为{A, B, C}，右部点集为{1, 2, 3}。边集为{(A, 1), (A, 2), (B, 2), (B, 3), (C, 3)}。注意：在这个简单示例中，我们是随机找到的边，在实际的匈牙利算法中，需要找到增广路径，这需要一些额外的策略。找到A点和1点之间的边(A, 1)，将A点与1点匹配。找到B点和2点之间的边(B, 2)，将B点与2点匹配。找到C点和3点之间的边(C, 3)，将C点与3点匹配。初始化：所有点都没有匹配，最大匹配数为0。
数学建模学习笔记-算法（求解整数规划-3.匈牙利算法）
qq_60471941的博客
01-04 299
n项工作，每人干且仅干一项工作，每个工作只有一个人做。intlinprog求解器对匈牙利算法的利用。匈牙利算法本身可以看这篇文章，比较清晰。分配工作才能使工人花费总时间最少。
数学建模笔记手写csdn
08-05
数学建模是一门重要而又有趣的学科，它是将数学的方法与现实问题相结合的过程。在进行数学建模的过程中，笔记的记录是非常重要的，可以帮助我们更好地理解问题、掌握建模方法，并且方便后期的复习和总结。 我想将我的数学建模笔记手写在CSDN上，主要出于以下几个原因。首先，手写笔记能够培养我对数学建模概念的理解和记忆能力。通过亲自动手书写数学模型、公式和解题步骤，我可以更好地掌握知识点，避免只是机械地复制粘贴或者直接照抄书中的内容。 其次，通过手写笔记，我可以更好地记录自己在建模过程中的思考和想法。数学建模是一个灵活而创造性的过程，每个人对问题的理解和解决方式不尽相同。在手写笔记中，我可以更加自由地表达自己的思路和想法，将自己独特的见解与他人分享。 此外，手写笔记也可以提高我对数学建模问题的整体把握能力。在手写过程中，我需要整理和提炼一些关键的概念和知识点，并将它们以更简洁、更清晰的方式呈现出来。这种整合和概括的过程可以帮助我更好地理解问题的本质和解决思路，并将其与其他相关知识进行联系，形成一个更完整的知识体系。 最后，将数学建模笔记手写在CSDN上，可以与其他同学和科研者进行交流与讨论。CSDN是一个专注于计算机科学与技术的知识分享平台，拥有众多对数学建模感兴趣的读者和作者。通过将自己的笔记分享在CSDN上，可以获得更多人的意见和建议，从而不断完善自己的建模能力。 总而言之，数学建模笔记的手写在CSDN上，不仅可以帮助我提升对数学建模的理解和记忆能力，还可以促进思考、整理和交流能力，对于提升自己的数学建模能力具有重要意义。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值