数学建模
linjiet
笔记、分享
展开
-
建模方法(一)-博弈论中使用划线法求解纳什均衡
对网上的博弈论划线法的总结如下。完全信息静态博弈是指博弈各方同时决策,任何博弈参与者对博弈信息均完全了解。博弈信息包括:博弈过程、博弈结果、博弈各方的策略集、收益等。它的均衡可以用纳什均衡,且每个完全信息静态博弈都存在这样的均衡。纳什均衡可以用划线法+支付矩阵来求得,但并不是所有的求解纳什均衡都可以用这个方法。参与者位于支付矩阵的上部和左部,参与者的策略位于矩阵左部和上部,矩阵中的数值为组...原创 2018-08-16 12:25:38 · 55206 阅读 · 0 评论 -
建模方法(十四)-R型聚类法
在实际工作中,变量聚类法的应用也是十分重要的。在系统分析或评估过程中,为避免遗漏某些重要因素,往往在一开始选取指标时,尽可能多地考虑所有的相关因素。而这样做的结果,则是变量过多,变量间的相关度高,给系统分析与建模带来很大的不便。因此,人们常常希望能研究变量间的相似关系,按照变量的相似关系把它们聚合成若干类,进而找出影响系统的主要因素。原理和步骤可以参考其他博文。这里给出一个应用实例。...原创 2018-09-12 22:08:34 · 7119 阅读 · 0 评论 -
建模方法(十三)-模式识别
什么是模式呢?广义地说,在自然界中可以观察的事物,如果能够区别它们是否相同或是否相似,都可以称之为模式。人们为了掌握客观事物,按事物相似的程度组成类别。模式识别的作用和目的就在于面对某一具体事物时将其正确地归入某一类别。模式识别的方法很多,除了支持向量机外还有数理统计方法、聚类分析等方法。选择合适简便的方法即可。比如将中国主要城市按照消费水平进行分类。...原创 2018-09-12 21:50:35 · 1273 阅读 · 0 评论 -
建模方法(十二)-一个实例说明微分方程建模(logistic人口模型)
使用微分方程建模,实质就是利用变化率求解未知函数实现建模。先理解凹凸函数概念:一阶导数是斜率,二阶导数判断凹凸性也就是说,二阶导数,是描述斜率增长快慢的从形状上可以区分函数的凹凸性质二阶导数大于0,凹函数二阶导数小于0,凸函数。实质就是函数上取两个点,这两个点之间的直线段,在函数曲线之上,说明函数是凹的。两点之间的直线段,在函数曲线之下,说明函数的是凸的。下面举一个美国...原创 2018-09-12 20:53:21 · 15905 阅读 · 1 评论 -
建模方法(八)-PCA主成分分析算法
主成分分析法与因子分析本质都是降维,使得满足限制条件和尽可能保证数据的完整性而使特征维度减少。主成分指的就是降维后得到的各个维度。 他是将特征进行融合的一种算法,我们希望用更小的维度来完整表达一个个体,将数据沿方差最大方向投影(方差最大,即最分散。这也容易理解,毕竟分散的数据更容易区分开来,PCA的降维方式),数据更易于区分——这就是PCA降维的核心思想。 举个简单例子:学生与他的成绩 ...转载 2018-08-25 13:55:51 · 2189 阅读 · 0 评论 -
建模方法(七)-中心化处理和标准化处理
一、中心化(又叫零均值化)和标准化(又叫归一化)概念及目的?1、在回归问题和一些机器学习算法中,以及训练神经网络的过程中,通常需要对原始数据进行中心化(Zero-centered或者Mean-subtraction(subtraction表示减去))处理和标准化(Standardization或Normalization)处理数据标准化(归一化)处理是数据挖掘的一项基础工作,不同评价指标往...转载 2018-08-25 11:16:35 · 13416 阅读 · 0 评论 -
建模方法(五)-遗传算法的定义和应用
遗传算法(Genetic Algorithm)是从达尔文生物进化论中“适者生存”衍生出的算法,是对进化的模拟。它可以应用于TSP问题,组合优化问题等。拿TSP问题来说,我们将n个地点排成一个解(1,2...n),这个解相当于生物进化论中的个体,解的不断优化越来越靠近最优值时,相当于个体的进化过程使得个体更加适应他所处的环境,而个体的进化是包含基因突变,交配遗传和选择这些过程,在遗传算法中,解要靠近...原创 2018-08-21 23:17:16 · 1746 阅读 · 0 评论 -
建模方法(十一)-灰色预测模型GM(2,1)
引言:GM(1,1)模型适用于具有较强指数规律的序列,只能描述单调的变化过程,对于非单调的摆动发展序列或有饱和的S形序列,可以考虑建立GM(2,1),DGM和Verhulst模型。GM(1,1)与GM(2,1)不论是建模方法和精度检验都差别不大,差别在于GM(2,1)是二阶常微分方程,GM(1,1)为一阶常微分方程。我们先介绍变量的含义:均值生成序列的方法在我建模方法(十)中给出了...原创 2018-08-28 19:25:03 · 20888 阅读 · 2 评论 -
组件生产数学建模模拟题中使用遗传算法的改进和认识
遗传算法的最终结果可能每次都不一样。基于路径编码说明。对于目标函数是求最小值时,在设计适应函数时,可以使用常数/目标函数值(大于0)的式子给出。用除法可以将有更小值的个体应该有更大的概率被选择,除法很好体现了这一点。用加减法在选择空间即选择纬度很小或者问题规模小时效果很糟糕,目标函数值差距不大,导致被选择的概率差距不大,所以好的个体和坏的个体被选择的可能性拉不开差距,从而最后求解得到的曲线波动...原创 2018-08-23 23:43:14 · 809 阅读 · 2 评论 -
建模方法(四)-因子分析定义和应用
因子分析(factor analysis)也是一种降维、简化数据的技术。 它通过研究众多变量之间的内部依赖关系,使用少数几个“抽象”的变量来表示其基本的 数据结构。这几个抽象的变量被称作“因子”,能反映原来 众多变量的主要信息。原始的变量是可观测的显在变量,而 因子一般是不可观测的潜在变量。 例如:商店的环境、商店 的服务和商品的价格作为因子,这三个方面除了价格外,商店的环境 和服务质量,都是客观...原创 2018-08-20 20:58:05 · 67383 阅读 · 4 评论 -
建模方法(十)-灰色预测模型GM(1,1)
灰色生成:将原始数据列中的数据,按照某种要求作数据处理称为灰色生成。对原始数据的生成就是企图从杂乱无章的现象中去发现内在规律。常用的生成方式有累加生成,累减生成,均值生成,级比生成等。 这里举个例子说明累加生成: 公式: 我满可以看看生成前和生成后的区别: 这样将非负序列转换为了递增数列。如果我们想把这个累加生成的数列变回去,使用如下方法: 对于生成的数列,我们可以设想用...原创 2018-08-27 23:02:23 · 115862 阅读 · 8 评论 -
最小二乘法
最小二乘法(又称最小平方法)是一种数学优化技术。它通过最小化误差的平方和寻找数据的最佳函数匹配。利用最小二乘法可以简便地求得未知的数据,并使得这些求得的数据与实际数据之间误差的平方和为最小。最小二乘法还可用于曲线拟合。其他一些优化问题也可通过最小化能量或最大化熵用最小二乘法来表达。 ...转载 2018-08-27 21:16:03 · 455 阅读 · 0 评论 -
特征向量和特征值的物理意义
转载地址:http://blog.csdn.net/sunshine_in_moon/article/details/45749691本文转自知乎大牛。 从定义出发,Ax=cx:A为矩阵,c为特征值,x为特征向量。 矩阵A乘以x表示,对向量x进行一次转换(旋转或拉伸)(是一种线性转换),而该转换的效果为常数c乘以向量x(即只进行拉伸)。 我们通常求特征值和特征向量即为求出该矩阵能使...转载 2018-08-27 18:04:39 · 12592 阅读 · 0 评论 -
建模方法(三)-模拟退火算法的方法和应用
模拟退火法(Simulated annealing, SA)是模拟热力学中经典粒子系统的降温过程,来求解极值问题(一般是全局极小值)。当孤立粒子系统的温度以足够慢的速度下降时,系统近似处于热力学平衡状态,最后系统将达到本身的最低能量状态,即基态,这相当于能量函数的全局极小点。其步骤如下(也称为Metropolis过程):注意每次迭代T0会减少,这是为了保证模型的稳定,不然很难得到结果。其中...原创 2018-08-20 11:21:39 · 3378 阅读 · 0 评论 -
建模方法(二)-组合优化问题的定义
组合最优化是通过对数学方法的研究去寻找处理离散事件的最优编排、分组、次序或筛选等问题的优化方法。实际上就是从有限个离散状态中选取最好的状态。模型如下:从模型可看出组合优化问题是一个规划问题(在一定条件下,求解目标函数的最大值最小值,这类问题叫做数学规划,它是运筹学里的重要内容)。解决这类优化问题的方法有各种规划(线性、非线性、目标、整数、随机、模糊)、遗传算法、退火算法、神经网络、搜索算法...原创 2018-08-20 10:37:21 · 19144 阅读 · 0 评论 -
建模方法(九)-层次分析法(AHP)算法和应用
问题提出 1.买钢笔,一般要依据质量、颜色、实用性、价格等方面的因素来选择某一只钢笔。 2.我们如果想要给一些问题的指标设定权重,而又减弱主观因素在里面。 对于这些问题我们都可以使用AHP算法,让结果尽量接近实际。AHP可以解决给指标计算权值,可以帮助我们对可选方案做决策。层次分析算法的思想 他依靠目标与影响目标的因素的联系紧密程度给各个指标或者候选方案赋予一个权值。算法步骤 ...原创 2018-08-26 20:49:25 · 34247 阅读 · 3 评论 -
建模方法(六)-爬山算法
爬山算法顾名思义就是不断需找自变量使得当前的函数值小于新的自变量对应的函数值。他和模拟退火算法很像,可以说模拟退火算法也是爬山算法的一类。 爬山算法,是一种局部贪心的最优算法. 该算法的主要思想是:每次拿相邻点对应函数值与当前点对应函数值进行比对,取两者中较优者,作为爬坡的下一步。爬山算法有很多类,下面简单介绍。 1. 首选爬山算法依次寻找该点X的邻近点中首次出现的比点X价值高的点,并...原创 2018-08-22 13:02:39 · 2878 阅读 · 0 评论 -
建模方法(十五)-蒙特卡罗算法
蒙特卡罗算法是使用随机抽样方法对问题求得一个近似解,样本越多结果越接近真实值,例如我们想要计算二维空间的图形的面积,就可以使用蒙特卡罗算法。我们在x属于[0,2],y属于[0,4]之间,任取1000个随机点,结果如下:我们计算落在图中图形中的点的个数与1000做比,这个值就近似认为是图形与[0,2]和[0,4]围成矩形的面积的比,矩形的面积为8是已知,可以用刚才算的比值乘以8就得到...原创 2018-09-13 19:26:26 · 3919 阅读 · 0 评论