数学建模系列+算法系列
文章平均质量分 52
一些数学建模以及算法入门的解说
Caiersaru
这个作者很懒,什么都没留下…
展开
-
数据结构-哈希表应用
数据结构-哈希表哈希表是在基于数组的基础上加入链表或者二叉树组成的新数据结构、为了显著提升查找效率/leetcode每日一题中出现了需要滑动数据块解决的问题:将一个字符串中长度为10重复出现的子串导出:如ABCCCABCCCABCCCABCCC导出ABCCCABCCC和CCCABCCCAB代码如下:哈希表作为一个便捷的计数工具class Solution: def findRepeatedDnaSequences(self, s: str) -> List[str]:原创 2021-10-08 16:33:51 · 148 阅读 · 0 评论 -
数学建模系列-优化模型(二)---图论模型(三)
书接上回,我们本次研究的是网络最大产流问题。1.什么是网络最大流?就是一个物流、运油、运水等等问题的通解,怎么样才能让我出发点到接受点每小时运输量最大呢?条件:1.有容量限制2.是或者可转化为但输入单输出的样式3.有向三大定理:第一个:C代表每条边的容量,F代表每条边目前的水流量,则必定有F<=C.第二个:任意一个节点,流入水量必定等于流出水量,否则细思极恐.(源点和汇点不算,显然自来水厂的水来自哪里都无所谓.)第三个:对于任何一条边,如果u向v流了f的流量,则v必定向u流了-f的原创 2021-08-31 13:25:39 · 381 阅读 · 0 评论 -
数学建模系列-预测模型(四)---时间序列模型
上回书说到,预测模型中的插值与拟合已经讲述完毕。现在我们研究的是时间序列模型。分类与普通的数值拟合不同,时间序列的拟合需要考虑多种因素,本质上是一种高级的拟和方式。同时也是一种黑箱模型,小结一下:多参数对多/单结果:神经网络模型单/复参数-单结果:线性回归模型参数极度短缺:灰色模型。定义可以简单理解为自变量为时间的数据拟合模型。底层逻辑承认事物发展的延续性,运用过去的时间序列数据进行统计分析,推测出事物的发展趋势;另一方面充分考虑到由于偶然因素影响而产生的随机性,为了消除随机波动产生的影响原创 2021-08-25 18:12:19 · 7246 阅读 · 0 评论 -
数学建模系列-预测模型(六)---微分方程模型
书接上回,我们在这里讨论一下微分方程模型,也是预测模型的最后一节,以后有想到的再补上、()拟合优度对于非线性情况已经没有意义了。。分类微分方程模型属于白盒模型,将物理或者其他自然科学的关系与预测目标结合出一个模型。但微分方程一般是对变化趋势建模,即不可以用直接量化的物理量来衡量(主要也是为了增加难度,纯一阶物理模型过于无聊了)微分方程模型有两种情况:1.常微分(通常都时间)2.偏微分(不仅仅是对一个变量的导数,而是多个变量)1.单变量:常微分方程,2.多变量:偏微分方程,因此,微分方程指的是又有原创 2021-08-25 19:25:35 · 4267 阅读 · 0 评论 -
数学建模系列-预测模型(五)---马尔可夫链
马尔科夫链的解决方向一般是关于事件发生的概率预测方法。根据目前状态来预测其将来各个时刻或者时期的变动情况的一种预测方法。可以用于时间序列、微分方程模型改进的一种方法。状态转移概率矩阵 假定某一种被预测的事件有E1,E2,…,En,共n个可能的状态。记Pij为从状态Ei转为状态Ej的状态转移概率,则矩阵P为状态转移概率矩阵,存放着每一个状态变化的概率。如何构成状态转移概率矩阵举个例子,比如给出100年之内某地的农作物生长情况并将其列出,那么就可以生成每一个状态转移的次数,并统计各个状态转移的概率。如何原创 2021-08-25 18:35:37 · 3384 阅读 · 0 评论 -
数学建模系列-优化模型(二)---图论模型(三)
本文考虑的是自最费用最大流问题。最大流问题的标号法:1.对初始点找有裕量的下一跳,用深度优先一路走下去,一直到终点为止,那么取这条路最小的一段的裕量。当然裕量也包括反向可以减少的量。2.将这个裕量更新到这条路经的每个点上。3.重复1,一直到找不到再有通往终点的裕量为止。那么此时就是最大流量。最大流量最小费用问题:将其分为两个不同的问题:1.最小费用(加权距离)2.最大流量(用标号算法)。一般的思路是可以用D斯特拉算法对最小费用进行求解。再求出最消费用的路线后求解最大流。1.清空流量,找出原创 2021-08-31 20:34:38 · 338 阅读 · 0 评论 -
数学建模系列--预测模型(二)---灰色预测模型
正如前文所述,目前我们学习预测模型的第二类:灰色预测模型。在控制领域,有一种方法将系统可以笼统的分为三类:黑箱、白箱、灰箱。其中黑箱是完全不可观的,因此只能通过大量的输入、输出数据进行建模,找到合理推算后的系统模型。从原理上看,上一期所讲的神经网络模型也在其中,属于通过大量输入输出得到我们的系统辨识。**白箱:**系统完全可观,可以直接通过过数学模型来应用求解。**灰箱:**系统部分可观,只能用数学方法将黑色的部分分割出来,通过部分数据推测该不可观部分的数学模型、但是当下关于灰色控制有了新的思路原创 2021-08-25 11:19:10 · 5273 阅读 · 1 评论 -
数学建模系列-优化模型(二)---图论模型(二)
书接上文,本文来解决最小生成树问题:1.什么是最小生成树?最小生成树问题可以简单地理解为将一张各点链接后的无向图。在一个赋权的连通的无向图 G 中找出一个生成树,并使得这个生成树的所有边的权数之和为最小。先立个FLg,数学建模系列更新完毕后会给出如下问题的解:https://blog.csdn.net/weixin_44949135/article/details/115614625?utm_medium=distribute.pc_relevant.none-task-blog-2defaultb原创 2021-08-31 12:52:19 · 429 阅读 · 0 评论 -
数学建模系列-优化模型(二)---图论模型(一)
图论模型可以简单理解为画图解决的模型。比较经典的有树状图、TSP算法等等。其中上一篇文章中提到的动态规划也看作图论的一种。图论模型可以简单的分为以下几种:最短路径问题最小生成树问题网络最大流问题排队问题接下来一一解释,并给出常见的算法。值得注意的是,以上都可以看作是或转化单目标优化。1.最小路径问题1.1经典的问题是路径规划问题,即求一个点到另一个点的最短路径。(无权)思路:**1.遍历法,**广度优先(钻井,先把每一层都扩建到最大再打下一层),按照树图的思想以起点为中心,分层,分层原创 2021-08-31 12:28:38 · 6893 阅读 · 2 评论 -
数学建模系列-优化模型---(一)规划模型
数学建模中我们经常遇到的一种问题是给定一些条件,目标是求得基于单或者多自变量的某个条件之的最优结果。一、线性规划模型给定多个条件,求某一个线性方程的最大值。(对与这种问题,我们一般采用的是最普通的图像法,在坐标系中标出我们需要的条件范围,采用直线逼近求最顶点的距离和对应的冲量)。二、非线性规划球的是某一个非线性方程的最大值,凸优化的思想也是来源于次,目标可能是局部最优而非全局最优了。三、0-1规划0-1规划中,所有未知量的取值只能是0或1,应用于任务分配场景。以上三种都可以直接用Matlab工原创 2021-08-28 15:14:35 · 3716 阅读 · 0 评论 -
数学建模系列-预测模型(一)---神经网络模型
最近在学习数学建模系列,数学建模主要分为三个大问题:1.预测模型2.优化模型3.评价模型又分为如下的各个子区间:一、神经网络预测、灰色预测、拟合插值预测(线性回归)、时间序列预测、马尔科夫链预测、微分方程预测、Logistic 模型等等。二、规划模型(目标规划、线性规划、非线性规划、整数规划、动态规划)、图论模型、排队论模型、神经网络模型、现代优化算法(**遗传算法、模拟退火算法、蚁群算法、**禁忌搜索算法)等等。三、模糊综合评价法、层次分析法、聚类分析法、主成分分析评价法、灰色综合评价原创 2021-08-25 10:20:32 · 12488 阅读 · 0 评论 -
数学建模系列-预测模型(三)--插值与拟合(线性回归法)
书接上文,我们今天学习预测模型的第三种方法,插值与拟合:强调一下,预测模型和评价模型以及优化模型都有相当多overlap的地方,后续遇到同样的解法便不再赘述咯。。分类插值与拟合:线性回归模型,可应用于预测模型问题以及优化模型问题、评价模型中也有部分应用。一种模型建立的最经典基本方法。属于黑箱模型。插值和拟合的区别插值:原则上曲线要通过图像中给出的点。如果要求这个近似函数(曲线或曲面)经过所已知的所有数据点,则称此类问题为插值问题。(不需要函数表达式)拟合:原则上不需要经过图像中的任何一个点,只要原创 2021-08-25 12:17:37 · 7659 阅读 · 0 评论 -
数学建模系列-优化模型---(四)神经网络模型
神经网络在优化中的应用:万能的模型+误差修正函数“,每次根据训练得到的结果与预想结果进行误差分析,进而修改权值和阈值,一步一步得到能输出和预想结果一致的模型。举一个例子:比如某厂商生产一种产品,投放到市场之后得到了消费者的反馈,根据消费者的反馈,厂商对产品进一步升级,优化,从而生产出让消费者更满意的产品。这就是BP神经网络的核心。BP神经网络是一种按误差反向传播(简称误差反传)训练的多层前馈网络,其算法称为BP算法,它的基本思想是梯度下降法,利用梯度搜索技术,以期使网络的实际输出值和期望输出值的误差均方原创 2021-09-21 08:34:37 · 1367 阅读 · 0 评论 -
数学建模系列-评价模型(四)---主成分分析法
主成分分析法可以理解为层次分析法的一种衍生,是为了舍去无用或者效用较少的参数来达到拟合的目的,为了简化计算。主成分与原始变量之间的关系: (1)主成分保留了原始变量绝大多数信息。 (2)主成分的个数大大少于原始变量的数目。 (3)各个主成分之间互不相关。 (4)每个主成分都是原始变量的线性组合。这么一看,又有点像是神经网络法的思想。PCA降维: 假设我们所讨论的实际问题中,有p个指标,我们把这 p个指标看作p个随机变量,记为X1,X2,…,Xp,主 成分分析就是要把这p个指标的问题原创 2021-09-21 12:08:59 · 1544 阅读 · 0 评论 -
数学建模系列-优化模型(五)---遗传算法模型
什么是遗传算法?遗传算法和模拟退火可以说是数学建模系列中两个万金油的角色, 只要有一定的原理知识,我们就可以对其进行判断。但是一般情况下给的分都不会特别高,毕竟数学建模比赛主要考察的还是对于数学基础的。遗传算法(Genetic Algorithm, GA)起源于对生物系统所进行的计算机模拟研究。它是模仿自然界生物进化机制发展起来的随机全局搜索和优化方法,借鉴了达尔文的进化论和孟德尔的遗传学说。其本质是一种高效、并行、全局搜索的方法,能在搜索过程中自动获取和积累有关搜索空间的知识,并自适应地控制搜索过程以原创 2021-09-21 10:03:09 · 2817 阅读 · 0 评论 -
数学建模系列-评价模型(五)---灰色综合评价法
我们在前面的预测模型中提到锅灰色分析法,可以移步哪里查看。也是在当我们拥有的数据较少时,或者对于要结局的对象、目标不是那么明显的时候使用,如此就可以求出所有的参数中哪一个和我们目标的关联最大,也可以应用于主成分分析里。...原创 2021-09-21 12:15:48 · 5859 阅读 · 0 评论 -
数学建模系列-评价模型(一)---模糊综合评价法
目前我们讲解评价方法,也是最简单的方法之一。底层逻辑:考虑多变量、表现来进行一个综合排名。有些事综合排名,有些是将我们的排名继续量化为几个大类。也可以分为极值问题和稳态问题。主要步骤:1.将参数归一化2.将参数分配权值,相加3.根据算出的值来进行排列这是最简单的也是最经典的方法,接下来,我们根据这个体系,添加就一些其他的方法。模糊综合评价法糊综合评价法是在模糊环境下,考虑了多因素的影响,为了某种目的对一事物作出综合决策的方法。和经典无本质上的区别。总体上并没有秩和比法第二部有用刻画隶属原创 2021-09-21 11:11:50 · 1604 阅读 · 0 评论 -
数学建模系列(三)-评价模型(六)---神经网络评价
神经网络我们在里面讲过多次,目前讲一下他的评价上的应用:入层反传,周而复始,直至误差达到期望最小,认为网络训练成功。之后就可以利用训练好的网络处理新的教学质量指标,得到准确的教学质量评价结果。BP神经网络逻辑结构图如下:2、接下来给一个应用实例:教学评价指标(每个指标打分范围0-10)(1) 输入层神经元个数的确定根据我们调查中的的教学评价指标, 一共有10个指标, 可将这10个指标作为模型的输入神经元, 所以输入层神经元个数n= 10.(2) 输出层神经元个数的确定我们将评价结果作为原创 2021-09-21 12:28:26 · 4632 阅读 · 0 评论 -
数学建模系列-评价模型(三)---聚类分析法
聚类分析法是一种特殊的方法,主要是把其他的几个目标分为一类。聚类分析的方法可以参考我们前面讲过的最小二乘法,也基本上是对于经典发的一种补充,可以放在前面对参数进行聚类分析,也可以放在后面对结果进行积累分析(相当于模糊或者纸和笔第二步)这里也可以简单的用进化二乘等、卡尔曼滤波直接进行分类。这篇博文里提到了进阶版的聚类分析原文链接:https://blog.csdn.net/weixin_45870904/article/details/113817808...原创 2021-09-21 11:58:20 · 619 阅读 · 0 评论 -
数学建模系列-优化模型(六)---模拟退火模型
模拟退火算法是基于一定概率跳出局部最优解的算法,我曾经写过这样一篇论文,现在把中心思想汇报下:1。启发式算法:启发式算法(Heuristic Algorithm)有两种定义:(1)基于直观或经验的构造的算法,对优化问题的实例能给出可接受的计算成本(计算时间、占用空间等)内,给出一个近似最优解,该近似解于真实最优解的偏离程度不一定可以实现预计;(2)启发式算法是一种技术,这种技术使得在可接受的计算成本内去搜寻最好的解,但不一定保证所得的解是可行解和最优解,甚至在多数情况下,无法阐述所得解同最优解的近似原创 2021-09-21 10:19:17 · 1388 阅读 · 0 评论 -
数学建模系列-优化模型(三)---排队论模型
所谓排队论模型,就是指一个模型中可根据交易简单的需要分为三个部分:(1)顾客造访(2)服务顾客时间(3)若不空闲,则顾客需要排队下面是对于排队论模型的建模以及解决方法:(1)关于顾客造访的模型,可以根据实践近似泊松分布,即每一个时刻到访的人数。(2)对于服务时间,等待时间+服务时间为一名顾客的在最终总时间。可以用多次实验模拟、(3)给出一个排队系统的例子以及其实现方法:船只卸货问题这里基本的解决方案使用过计算机来模拟场景达到实际的效果,相当来说准确的 、...原创 2021-09-16 22:34:47 · 1076 阅读 · 0 评论 -
数学建模系列-评价模型(二)---层次分析法
层次分析法在实际应用中还可以,但是教程基本上是给逆天用的、可以理解为比较法。比如这个层次结构模型就毫无意义,经典法也是这三步第二部,其实就是专家法,但是为了照顾看不懂的同学,采用了这样一种内部比较的方法。第三步观测是否通过一致性的检验接下来,对于每个人也进行内部比较。由此,层次分析结束。...原创 2021-09-21 11:48:54 · 362 阅读 · 0 评论