anikin1213的专栏

数学建模竞赛中应当掌握的十类算法： 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 模拟来检验自己模型的正确性，几乎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、二次规划等规划类算法。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软件求解。 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， 竞赛中很多场合会用到。 6.最优化理论的三大非经典算法：模拟退火算法、神经网络算法、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，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。两者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。 8.一些连续数据离散化方法。很多问题都是实际来的，数据可以是连续的，而计算机只能处理离散的 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。 0.图象处理算法。赛题中有一类问题与图形有关，即使问题与图形无关，论文中也会需要图片来说明 问题，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。 以下将结合历年的竞赛题，对这十类算法进行详细地说明。 十类算法的详细说明

张文修 梁怡 编著 西安交通大学出版社 遗传算法是模拟自然界生物进化过程与机制求解问题的一类自组织与自适应的人工智能技术。已广泛应用于计算机科学，人工智能，信息技术及工程实践。 本书重点在于阐述遗传算法的数学基础。本书分为3章，第1章给出了遗传算法的几何理论，第2章给出了遗传算法的马尔可夫链分析，第3章给出了遗传算法的收敛理论。