- 博客(4)
- 收藏
- 关注
RSS订阅原创 模拟退火算法介绍以及一个最简单模型的Python实现方式
我们经常会看到以下四类问题，给定一个函数求极值、旅行商问题（TSP）、书店买书问题、背包问题。通常我们的解法是运用蒙特卡洛模拟or穷举法，但是当函数中自变量特别多时，这些方法的计算复杂度将非常非常大，显然不是我们在数模比赛中可以应用的。 以上的两种方法运用的都是盲目搜索的理念，即每次获取新解的过程都是相互独立的，并没有运用在搜索过程中产生的中间信息；反之，如果利用了中间信息，我们称之为启发式搜索，例如机器学习中的梯度下降法等。我们看一下“爬山法”这个简单的启发式搜索算法的过...
2022-02-20 09:22:23
533
原创 插值算法的Python实现方式
数模比赛中，常常需要对数据进行处理和分析，但有时候数据不多，就需要一些方法“模拟产生”一些靠谱的值来满足需求，这就是插值的作用。本文不再具体介绍每个插值算法的内在原理，将直接通过调包实现。 下面，先上三件套，看一下原始数据的大致情况： import numpy as np import pandas as pd import matplotlib.pyplot as plt data = pd.read_excel('data.xlsx') 拉格...
2022-02-15 22:48:39
3288
原创 优劣解距离法（TOPSIS）的Python实现方式
TOPSIS是一种常用的综合评价方法，能充分利用原始数据的信息，反映各个评价方案之间的差异。在层次分析法中，我们往往不知道指标的数据，需要主观（专家）打分，且评价的决策层不能太多，而TOPSIS方法对数据分布以及样本含量没有严格限制，计算方式简易。 第一步，为了保证评分是越大越好，需将原始矩阵正向化。 指标计算方式的理解：极小型就是倒转数据，中间型就是距离中间点距离的倒转，区间型则要分类，靠左就是距离下限的距离的倒转，靠右就是距离上限距离的倒转（越近越...
2022-02-15 22:25:03
2270
原创 层次分析法（AHP）的Python实现方式
层次分析法是数学建模最基础的模型之一，主要用于解决评价类问题。 解决评价类问题，应首先考虑以下三个问题：①我们评价的目标是什么②我们达到目标有哪几种具体方案③评价的准则或者是指标是什么 引一例题：小明想要去旅游（评价目标），初步选择苏杭、北戴河、桂林三地（具体方案），第三个问题则经常通过题目中的背景材料、常识or相关文献整理而来，这里假定小明选择了五个评判指标（如景色、消费水平等五种）。 第一步，我们绘制层次结构图，可以利用PPT的Sma...
2022-02-14 10:58:18
2877
2
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人