《数学建模》

最新推荐文章于 2024-08-30 19:57:59 发布

bellediao

最新推荐文章于 2024-08-30 19:57:59 发布

阅读量2.1k

点赞数 31

数学建模中十大算法实现步骤与代码 - CSDN博客 https://blog.csdn.net/lemaden520/article/details/77931930

数学建模算法总结（一） - CSDN博客 https://blog.csdn.net/sanganqi_wusuierzi/article/details/54800341

数学建模算法总结（二） - CSDN博客 https://blog.csdn.net/sanganqi_wusuierzi/article/details/54801723

数学建模算法总结（三） - CSDN博客 https://blog.csdn.net/sanganqi_wusuierzi/article/details/54802355

数学建模模型大全 - CSDN博客
https://blog.csdn.net/qwl755/article/details/73558416

数学建模常见的综合评价方法及预测方法 https://blog.csdn.net/sanganqi_wusuierzi/article/details/54800283

（数学建模常见的综合评价方法及预测方法 - CSDN博客
https://blog.csdn.net/sanganqi_wusuierzi/article/details/54800283）

（https://blog.csdn.net/weixin_42616102/article/details/81008100）

数学建模四大模型总结 - CSDN博客 https://blog.csdn.net/qq_27848507/article/details/52160863

16种常用的数据分析方法汇总 - CSDN博客 https://blog.csdn.net/anxixiaomu/article/details/69075286

数学建模算法总结 - 简书 https://www.jianshu.com/p/7b4a86000a21?from=groupmessage

非常好的动态规划总结，DP总结 - CSDN博客
https://blog.csdn.net/mmc2015/article/details/73558346

图的四种最短路径算法 - CSDN博客
https://blog.csdn.net/wzy_2017/article/details/78910697贪心算法、蚁群算法、遗传算法、模拟退火算法介绍 - CSDN博客 https://blog.csdn.net/u010159842/article/details/67639262

数学建模学习笔记 - CSDN博客 https://blog.csdn.net/sanganqi_wusuierzi/article/details/54802718

《数学建模竞赛入门与提高》读书笔记 - CSDN博客 https://blog.csdn.net/sanganqi_wusuierzi/article/details/54800168

多指标综合评价方法汇总 - CSDN博客
https://blog.csdn.net/fanfanrenrenmi/article/details/52950357

评价模型 - CSDN博客
https://blog.csdn.net/weixin_42616102/article/details/81008100

100个经典的动态规划方程 - CSDN博客
https://blog.csdn.net/w_t_y_y/article/details/68952519

数学建模 ————统计问题之预测（一） - CSDN博客
https://blog.csdn.net/nightmare_dimple/article/details/74264491

数学建模————统计问题之分类/聚类（二） - CSDN博客
https://blog.csdn.net/nightmare_dimple/article/details/74275863

Matlab随笔之插值与拟合（上） - 墨初 - 博客园
https://www.cnblogs.com/vanker/p/4265031.html

1、关于等高线图：

MATLAB如何读取excel文件中的数据_百度经验 https://jingyan.baidu.com/article/925f8cb8177349c0dde056dd.html

如何用matlab做等高线图 – MATLAB中文论坛
http://www.ilovematlab.cn/thread-316801-1-1.html


A=xlsread('denggaoxian.xls');%这个文件要放在C:\Users\lenovo\Documents\MATLAB
x=A(:,1);%X是矩阵a中第一列所有的元素排成的列向量 
y=A(:,2);
z=A(:,3);
% scatter(x,y,5,z)%散点图
% figure
[X,Y,Z]=griddata(x,y,z,linspace(min(x),max(x))',linspace(min(y),max(y)),'v4');%插值
% pcolor(X,Y,Z);shading interp%伪彩色图
figure,contourf(X,Y,Z) %等高线图
colorbar
figure,surfc(X,Y,Z)%三维曲面
colorbar
shading interp

关于从等高线图上获取点的个数问题：https://wenku.baidu.com/view/343b155d3b3567ec102d8a76.html

2、图论算法及其MATLAB实现[1]_百度文库
https://wenku.baidu.com/view/09fddcfe52ea551811a687d1.html?from=search

用途：求最短距离

3、

（1）层次分析法是一种主观的决策方法，可以用来确定一些指标权重，辅助决策依据的一种定性分析方法，层次分析法运用前需要构造层次模型：决策层，中间层（指标层），底层（选择层）；形成等级层次；然后构造两两对比矩阵，通过9分位数来进行构造；对对比矩阵进行求最大特征值和特征向量，进行一致性检验；最后得到权重向量。具体实现过程如下Matlab程序：

clc;
clear;
A=[1 1.2 1.5 1.5;
0.833 1 1.2 1.2;
0.667 0.833 1 1.2;
0.667 0.833 0.833 1];
                                   %因素对比矩阵A，只需要改变矩阵A
[m,n]=size(A);                     %获取指标个数
RI=[0 0 0.58 0.90 1.12 1.24 1.32 1.41 1.45 1.49 1.51];
R=rank(A);                         %求判断矩阵的秩
[V,D]=eig(A);                      %求判断矩阵的特征值和特征向量，V特征值，D特征向量；
tz=max(D);
B=max(tz);                         %最大特征值
[row, col]=find(D==B);             %最大特征值所在位置
C=V(:,col);                        %对应特征向量
CI=(B-n)/(n-1);                    %计算一致性检验指标CI
CR=CI/RI(1,n);
if CR<0.10
    disp('CI=');disp(CI);
    disp('CR=');disp(CR);
    disp('对比矩阵A通过一致性检验，各向量权重向量Q为：');
    Q=zeros(n,1);
    for i=1:n
        Q(i,1)=C(i,1)/sum(C(:,1)); %特征向量标准化
    end
    Q                              %输出权重向量
else
    disp('对比矩阵A未通过一致性检验，需对对比矩阵A重新构造');
end
（2）

层次分析法的matlab的实现：

【实例】市政部门管理人员需要对修建一项市政工程项目进行决策，可选择的方案是修建通往旅游区的高速路（简称建高速路）或修建城区地铁（简称建地铁）。除了考虑经济效益外，还要考虑社会效益、环境效益等因素。

递阶层次结构及判断矩阵分别见下：

表2 判断矩阵表

1/3

1/5

1/3

Matlab求解得到C层次与D层次的总排序分别为：

C1	C2	C3	C4	C5	C6
0.0714	0.0714	0.3214	0.1071	0.3214	0.1071

D1	D2
0.3408	0.6592

结果表明，建地铁（D2）的权重（0.6592）远远大于建高速路（D1）的权重（0.3408），因此，最终的决策方案是建地铁。

Matlab求解程序见下：

clc
a=[1,1/3,1/3
3,1,1
3,1,1];
[x,y]=eig(a);eigenvalue=diag(y);lamda=max(eigenvalue); %x为特征向量，y为特征值，lamda为最大特征值，lamda=max(eigenvalue)亦可为lamda=eigenvalue(2)，第二个特征值恰为最大特征值
ci1=(lamda-3)/2;cr1=ci1/0.52
w1=x(:,2)/sum(x(:,2))                                  %准则层B对目标层的单排序，也是总排序
b1=[1,1;1,1];
[x,y]=eig(b1);eigenvalue=diag(y);lamda=max(eigenvalue);
ci21=(lamda-2)/1;cr21=ci21/0
w21=x(:,2)/sum(x(:,2))                                 %准则层C中C1、C2对B层中B1的单排序
b2=[1  3;1/3,1];
[x,y]=eig(b2);eigenvalue=diag(y);lamda=max(eigenvalue);
ci22=(lamda-2)/1;cr22=ci22/0
w22=x(:,1)/sum(x(:,1))                                 %准则层C中C3、C4对B层中B2的单排序
b3=[1    3;1/3   1];
[x,y]=eig(b3);eigenvalue=diag(y);lamda=max(eigenvalue);
ci23=(lamda-2)/1;cr23=ci23/0
w23=x(:,1)/sum(x(:,1))                                 %准则层C中C5、C6对B层中B3的单排序
c1=[1  5;1/5  1];
[x,y]=eig(c1);eigenvalue=diag(y);lamda=max(eigenvalue);
ci31=(lamda-2)/1;cr31=ci31/0
w31=x(:,1)/sum(x(:,1))                                 %措施层D对C层中C1的单排序
c2=[1  3;1/3   1];
[x,y]=eig(c2);eigenvalue=diag(y);lamda=max(eigenvalue);
ci32=(lamda-2)/1;cr32=ci32/0
w32=x(:,1)/sum(x(:,1))                                 %措施层D对C层中C2的单排序
c3=[1  1/5;5   1];
[x,y]=eig(c3);eigenvalue=diag(y);lamda=max(eigenvalue);
ci33=(lamda-2)/1;cr33=ci33/0
w33=x(:,1)/sum(x(:,1))                                 %措施层D对C层中C3的单排序
c4=[1  7;1/7   1];
[x,y]=eig(c4);eigenvalue=diag(y);lamda=max(eigenvalue);
ci34=(lamda-2)/1;cr34=ci34/0
w34=x(:,1)/sum(x(:,1))                                 %措施层D对C层中C4的单排序
c5=[1  1/5;5   1];
[x,y]=eig(c5);eigenvalue=diag(y);lamda=max(eigenvalue);
ci35=(lamda-2)/1;cr35=ci35/0
w35=x(:,1)/sum(x(:,1))                                 %措施层D对C层中C5的单排序
c6=[1  1/3;3   1];
[x,y]=eig(c6);eigenvalue=diag(y);lamda=max(eigenvalue);
ci36=(lamda-2)/1;cr36=ci36/0
w36=x(:,1)/sum(x(:,1))                                 %措施层D对C层中C6的单排序
w_sum1=[w21*w1(1,1)
w22*w1(2,1)
w23*w1(3,1)]