数学建模的概念:
所谓的数学建模就是使用数学框架解决实际应用问题,数学建模在解决问题的同时能够培养
1. 数学思维能力,
2. 分析问题本质的能力,
3. 团队合作的能力,
4. 资料检索的能力,
5. 编程能力,
6. 论文写作的能力。
数学建模中的典型方法
- 蒙特卡罗算法
- 数据拟合、参数估计、插值等数据处理算法(常用matlab实现);
- 线性规划、整数规划、多元规划、二次规划(用lingo、lingodo、matlab即可实现);
- 图论算法(包括最短路、网络流、二分图);
- 动态规划、回溯搜索、分治算法、分支界定
- 最优化理论的三个经典算法(模拟退火算法、神经网络算法、遗传算法);
- 网格算法和穷举法
- 连续数据离散化
- 数值分析算法
- 图像处理算法(常用matlab实现)
数学建模中的工具选取
好的工具能够提高工作和解决问题的效率,数据建模并不是让你用手算,而是有许多的工具帮助我们完成计算。所以选取适当的工具很重要。
数学建模中常用的工具有: Matlab、Mathmatic、lingo 、sass、spass 等。 有些工具在解决特定的问题时会比较方便,所以个人认为我们
可以根据解决的问题的类型而选择特定的工具来提高我们的效率。
- Matlab是全能的,也是比较常用的工具之一,用它可以解决几乎所有的数学建模问题,但是matlab学习成本比较高,学起来稍微有些难。(Mathmatic相同)
- Lingo在解决线性问题上面比较擅长,操作简单,傻瓜式编程,学习成本比较低。建议遇到线性问题首先考虑用Lingo。