数模5—蒙特卡洛算法、灰色预测

一、蒙特卡洛法

1.方法简介

当无法求得精确解时，进行随机抽样，根据统计试验求近似解。 通常就用随机抽样，统计实验。

🎯通俗理解
●假如有十万个苹果，需要挑选出其中最大的，但只能闭着眼睛挑，手里最多保留一个苹果。初始时可以先闭着眼睛随机挑选，拿到一个苹果。
●然后，可继续闭着眼睛挑一个，并与手里现有的比较，留下较大的、扔掉较小的
●循环重复上一步，则挑的次数越多，挑出最大苹果的可能性也就越大
●但人的时间精力有限，除非把十万苹果都挑一遍，否则无法确定挑出来的就是最大的。所以挑了30000后，就把此时手里的苹果视为十万个苹果中最大的近似解
🎯翻译翻译
●一万个苹果挑最大:可行域过大、没有通用方法求出精确解(十万个全挑完不现实)
●闭眼挑:随机抽样
●每次挑完留下大的:统计试验
●挑3000次后手里的视为最大:求近似解
●挑的次数越多接近最大的概率越大:需构成统计意义

2.简单例题

3.Matlab求解代码

●为实现随机撒点，可用matlab自带的rand函数
●撒的点数越多，求得的解越可能更接近最优解

clc;clear
%蒙特卡洛算法求解圆周率近似值
 
% 参数初始化：投放10000个点，圆半径为1，圆心坐标(0,0)
% 初始时还未投放点，有0个点在圆内
p = 10000;  r = 1; x0 = 1;  y0 = 1;  n = 0; 
 
% 将p个点随机放在一个边长为2的正方形内，该正方形内有个内切圆
% 正方形的面积是4
% 因为每个点都是“随机投放”的，最终落在圆内的点数比上总点数，就近似等于圆的面积比上正方形面积
% 即2*pi*(r^2)/4 = (圆内点数)/(总点数)
 
hold on     % 保持绘图窗口，多次绘图
for i = 1:p     % 对于要投放的总共p个点
    % rand函数产生在(0, 1)之间的随机数；rand函数还有其他多种形式，可自行百度
    px = rand*2;    % 随机生成该点的横坐标  %（0，2）的随机数
    py = rand*2;    % 随机生成该点的纵坐标
    % 所以，
    % 若该点在圆内，则颜色设为蓝色，变量n加一；在圆外则设为红色
    if (px-1)^2 + (py-1)^2 < 1      % 横纵坐标的平方和小于半径，则在圆内
        plot(px,py,'.','Color',"b");
        n = n+1;
    else
        plot(px,py,'.','Color',"r");
    end
end
axis equal      % 绘图时横纵坐标单位长度相同，便于观察圆
s = (n/p)*4;
pi0 = s;
 
% 注意：matlab本身有圆周率值，在计算时直接调用pi即可
% a = 2*pi

运行结果：

4.方法分析注意事项

二、灰度预测

1.由题目导入GM(1,1)模型

不要死扣，反正就是要检验

优点:数据少且无明显规律时可用，利用微分方程挖掘数据本质规律
缺点:灰色预测只适合短期预测、指数增长的预测

求解可以用这个：https://baijiahao.baidu.com/s?id=1731960099235423354&wfr=spider&for=pc
如何用spss做灰色关联度分析？手把手教学快速掌握
https://mpaidata.blog.csdn.net/article/details/121639443

三、BFS和DFS的matlab求解，A*算法

matlab 的深度优先遍历和广度优先遍历算法
https://blog.csdn.net/wangh0802/article/details/77130775

A*算法的原理：
2022年Mathorcup数学建模挑战杯C题比赛心得总结
https://blog.csdn.net/whale_cat/article/details/124278387

写一遍这个 代码！ 很锻炼人的（蒙特卡洛！！！）
还有 搜索 数学建模神经网络 数学建模遗传算法 是数学建模蚁群算法