图论应用
最小生成树
1、所有顶点接入
2、没有回路
3、权值之和最小
克鲁斯卡尔算法:找最短边
普利姆算法:最近顶点
最短路径
第一段
s->1: 25
s->2: 21
第二段
s->1->8: 31
s->1->7: 36
s->2->3: 41
s->2->4: 46
第三段
s->1->8->9: 64
s->1->7->9: 91
s->1->7->5: 71
s->2->3->5: 61
s->2->4->6: 91
第四段
s->1->8->9->t: 82
s->1->7->9->t: 109
s->1->7->5->t: 92
s->2->3->5->t: 82
s->2->4->6->t: 103
网络与最大流量
23
C
运筹方法
BA
动态规划
暴力破解
B
排队论
设初始排队人数为X,每分钟来Y人
(60Y+X)/8=60
(40Y+X)/10=40
联立得X=240,Y=4
(240+4*20)/20=16
C
预测
博弈论
从逻辑推理的角度来看,无论另一名嫌疑犯的选择是什么,每个嫌疑犯自己的最佳策略都是坦白。因为如果他们抵赖,被抓到并且对方坦白,他们将会面临较长的刑期(10年),但是坦白可以变成8年;同时如果对方抵赖,则可以被释放。两人都这样处理导致了双输的结果
状态转移矩阵
(
0.5
0.5
)
×
(
0.8
0.2
0.4
0.6
)
{ \begin{pmatrix} 0.5 & 0.5 \\ \end{pmatrix} } \times { \begin{pmatrix} 0.8 & 0.2 \\ 0.4 & 0.6 \\ \end{pmatrix} }
(0.50.5)×(0.80.40.20.6)
第一个月
(0.50.8+0.50.4,0.50.2+0.50.6)得(0.6,0.4)
的二个月
(0.60.8+0.60.4,0.40.2+0.40.6)得(0.64,0.36)
决策
决策者
可供选择的方案
衡量选择方案的准则
事件
每一事件的发生将会产生的某种结果
决策者的价值观
确定型决策
风险决策
不确定型决策
不确定型决策
决策准则 | 说明 |
---|---|
乐观主义准则 | maxmax准则,其决策的原则是“大中取大”,总抱有乐观和冒险的态度决不放弃任何获得最好结果的机会。在决策表中各个方案对各个状态的结果中选出最大者,记在表的最右列,再从该列中选出最大者 |
悲观主义准则 | maxmin准则,其决策的原则是“小中取大”。抱有悲观和保守的态度在各种最坏的可能结果中选择最好的。决策时从决策表中各方案对各个状态的结果选出最小者,记在表的最右列,再从该列中选出最大者 |
折中主义准则 | Harwicz准则,既不乐观冒险,也不悲观保守,而是从中折中平衡,用一个系数a(称为折中系数)来表示,并规定0<a<1cv=a*maxfam+(1-a)*minfan,然后比较cvi,从中选择最大者 |
等可能准则 | Laplace准则,当决策者无法事先确定每个自然状态出现的概率时,可以将每个状态出现的概率定为1/n,然后按照EMV决策 |
后悔值准则 | Savage准则,每个自然状态的最大收益值(损失矩阵取为最小值)作为该状态的理想目标,并将该状态的其它值与最大值的差作为未达到理想目标的后悔值。决策的原则是最大后悔值达到最小(minmax,大中取小,最小最大后悔值) |
决策树
水路成本:700075%+(7000+9000010%)*25%=9250
陆路成本:10000
决策表
A:950.35+700.4+850.25=82.5
B:750.35+950.4+900.25=86.75
选B
数学建模
模型准备:了解问题的实际背景,明确其实际意义,掌握对象的各种信息。用数学语言来描述问题。
模型假设:根据实际对象的特征和建模的目的,对问题进行必要的简化,并用精确的语言提出一些恰当的假设。
模型建立:在假设的基础上,利用适当的数学工具来刻划各变量之间的数学关系,建立相应的数学结构。只要能够把问题描述清楚,尽量使用简单的数学工具。
直接分析法:认识原理,直接构造出模型
类比法:根据类似问题模型构造新模型
数据分析法:大量数据统计分析之后建模。
构想法:对将来可能发生的情况给出设想从而建模。
模型求解:利用获取的数据资料,对模型的所有参数做出计算 (估计)。
模型分析:对所得的结果进行数学上的分析。
模型的合理性分析
(最佳、适中、满意等)
模型的误差分析
(模型误差、观测误差、截断误差、舍入误差、过失误差、绝对误差、相对误差等)
参数的灵敏性分析
(变量数据是否敏感,在最优方案不变的条件下这些变量允许变化的范围)
模型检验:将模型分析结果与实际情形进行比较,以此来验证模型的准确性、合理性和适用性。如果模型与实际较吻合,则要对计算结果给出其实际含义,并进行解释。如果模型与实际吻合较差,则应该修改假设,再次重复建模过程
利用实际案例数据对模型进行检验是很常见的。将模型作为一个黑盒,通过案例数据的输入,检查其输出是否合理。这是应用人员常用的方法
可以请专家来分析模型是否合理。经验丰富的专家一般会根据模型自身的逻辑,再结合实际情况,分析是否会出现矛盾或问题。
利用计算机来模拟实际问题,再在计算机上检验该数学模型。有时很难用实际案例或聘请专家来检验模型,例如,试验或实验的代价太大,难以取得实际案例,有的项目技术比较新,缺乏有经验的专家。例如,对某种核辐射防护建立的数学模型,采用计算机模拟方法来检验就十分有效。
模型应用:应用方式因问题的性质和建模的目的而异