数学建模
hahahaer~
这世界上真的有人在过着你想要的生活,也必曾走过你所未经历的苦难。
展开
-
数学建模第四讲----拟合算法+mean函数+匿名函数+曲线拟合工具箱+随机数生成
一.适用情况二.原创 2020-08-10 19:25:24 · 607 阅读 · 0 评论 -
数学建模第三讲----插值算法+MAYTLAB绘图
目录一.适用情况二.常见但建模不会去用的插值方法三.比赛会用到的插值方法----分段三次埃尔米特插值&三次样条插值(1)分段埃尔米特插值(2) 三次样条插值(3)n维数据的插值(不常用)(4)可以使用插值算法来预测数据四.MATLAB画图1.plot画图函数用法2.figure(n)一.适用情况已知的数据较少,需要根据已知数据再模拟创造出一些新的数据二.常见但建模不会去用的插值方法拉格朗日插值法 牛顿插值法注意:1.当插值多项式次数过高原创 2020-08-03 19:35:51 · 2734 阅读 · 0 评论 -
数学建模第二讲(二)----TOPSIS代码部分+MATLAB自定义函数(sort,zero,幻方矩阵)
一.在MATBLAB中引入表格数据把数据复制到工作区,并将这个矩阵命名为X(1)在工作区右键,点击新建(Ctrl+N),输入变量名称为X(2)在Excel中复制数据,再回到Excel中右键,点击粘贴Excel数据(Ctrl+Shift+V)(3)关掉这个窗口,点击X变量,右键另存为,保存为mat文件(下次就不用复制粘贴了,只需使用load命令即可加载数据)(4)注意,代码和数据要放在同一个目录下哦,且Matlab的当前文件夹也要是这个目录。clear;clcload data_water原创 2020-07-26 11:55:27 · 2533 阅读 · 3 评论 -
数学建模第二讲(一)----TOPSIS(优劣解距离法)
目录一.模型适用条件二.TOPSIS步骤(1)将原始矩阵正向化①极小型指标正向化②中间型指标正向化③区间型指标正向化(2)正向化矩阵标准化(3)计算得分并归一化一.模型适用条件选择最优策略,最佳人选问题 评价的决策层很多,即n很大 决策层中指标的数据是已知的二.TOPSIS步骤(1)将原始矩阵正向化将所有指标类型统一转为极大型指标常见指标类型:①极小型指标正向化公式:max-x如果所有元素均为正数,也可使用1/x例如:.原创 2020-07-25 20:40:05 · 2272 阅读 · 1 评论 -
数学建模第一讲(三)----层次分析法代码
说明:在论文写作中,应该先对判断矩阵进行一致性检验,然后再计算权重,因为只有判断矩阵通过了一致性检验,其权重才是有意义的。 在下面的代码中,我们先计算了权重,然后再进行了一致性检验,这是为了顺应计算过程,事实上在逻辑上是说不过去的。 自己写论文中如果用到了层次分析法,一定要先对判断矩阵进行一致性检验。 只有非一致矩阵的判断矩阵才需要进行一致性检验,因此要造一个非一致矩阵。...原创 2020-07-20 23:30:10 · 1257 阅读 · 0 评论 -
数学建模----论文写作
避免查重tips(1)程序中的降重方法:加上自己的注释 改变量名称(ctrl+f【查找替换】) 把附录代码变成图片:转成PDF,然后浏览器打开打印(会降低代码清晰度,不建议)(2)正文中降重方法把易查重的部分放入图片中(公式编辑器) 把字体改小,然后设为白色(不建议) 建模流程部分用流程图表示(平时就准备着) ...原创 2020-07-20 20:53:16 · 237 阅读 · 0 评论 -
数学建模第一讲(二)-----matlab基础知识入门
目录:一.数学建模常用编程语言:二.Matlab窗口界面功能(1)主页窗口(2)绘图窗口(用来根据数据绘制图像)(3)App窗口(包含很多工具箱)(4)编辑器窗口(运行,查找,替换)(5)更改当前文件夹,直接将目录复制到导航栏,左侧会出现该文件夹下的所有文件。双击左侧文件即可打开对应文件。(6)工作区,显示所有用到的变量三.Matlab基本常识四.Matlab常用函数(1)disp函数:(2)向量表示法(3)拼接字符串way1:strcat...原创 2020-07-18 22:26:26 · 1137 阅读 · 3 评论 -
数学建模第一讲(一)----层次分析法模型(AHP)
一·模型适用问题:评价类问题(选择最优方案)二.评价类问题可用打分解决,各项指标权重和为1(1)确定指标用图:(2)确定图中数据方法:分而治之的思想(两个两个指标进行比较,最终根据比较结果来推算出权重)三.关键词:确定评价指标;形成评价体系四.切入问题:(1)评价目标(2)共几种可选方案(3)评价准则或指标是什么 题目背景材料提炼 常识 网上搜集参考资料(知网/万方/百度学术/谷歌学术等平台搜文献 -> 虫部落搜索引擎集合 https:/.原创 2020-07-16 12:23:29 · 3936 阅读 · 1 评论