数学建模系列-数学建模那些事

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

1. 蒙特卡罗算法
2. 数据拟合、参数估计、插值等数据处理算法(常用matlab实现);
3. 线性规划、整数规划、多元规划、二次规划(用lingo、lingodo、matlab即可实现);
4. 图论算法(包括最短路、网络流、二分图);
5. 动态规划、回溯搜索、分治算法、分支界定
6. 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);
7. 网格算法和穷举法
8. 连续数据离散化
9. 数值分析算法
10. 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。