![](https://img-blog.csdnimg.cn/20201014180756913.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
数模笔记
文章平均质量分 66
郭烨豪
学习进步ing,请大家多多关照!
展开
-
数模笔记_随机模型之马尔可夫链
Date: 2_25Name: Guo YehaoTheme: Markov ChainReference: 数学建模方法与分析(华章)首先总结一下随机到达现象(泊松过程),分为连续型和离散型,对应了相邻两次到达之间的时间间隔和给定时间间隔内到达次数的讨论。连续型(指数分布):常见的到达现象,比如顾客的到达、电话的呼叫、放射性衰变,相邻两次到达之间的时间,满足速率为λ的指数分布。为何称之为“速率”呢?因为我们知道一个量的期望和这个量是同量纲的,我们现在讨论的是时间,随机到达时间的期望.原创 2021-02-26 13:02:40 · 711 阅读 · 0 评论 -
数模笔记_多变量最优化计算之牛顿法
Date: 2_22Name: Guo YehaoTheme: Calculation in Optimality with multiple variablesReference: 数学建模方法与分析(华章)在上一节中,我们讨论多变量最优化计算中的随机搜索算法,它的精度并不是众多算法中最高的。在精度问题上,有的时候问题本身就带有明显的误差性,以至于我们不能将其忽略,比如上一节消防站部署的问题,我们在区域划分时就有了误差,因此我们并不需要对结果要求很高的精确度,所以用一些比较粗略的算法就可以.原创 2021-02-22 22:21:37 · 2049 阅读 · 0 评论 -
数模笔记_多变量最优化计算之随机搜索算法及建模案例
Data: 2_22Name: Guo YehaoTheme: Calculation in Optimality with multiple variablesReference: 数学建模方法与分析(华章)写在前面:看完本节讲到的随机搜索算法不禁让我类比一个有趣的事实:我写的博客只是读书笔记,记录了我在读书时的一些思考,而没有转述或者以更详细的方式介绍书中的理论和方法,所以浏览者不能指望通过浏览我的博客就学会什么具体的方法。但是如果读者亲自看书,那么我的博客会提供一些对应章节内容的有益见.原创 2021-02-22 11:51:18 · 1956 阅读 · 0 评论 -
数模笔记_多变量最优化的拉格朗日乘子方法中的灵敏性分析和影子价格
Name: Guo YehaoTheme: Sensitivity Analysis and Shadow Price in Optimality with multiple variablesReference: 数学建模方法与分析(华章) 承接之前的多变量最优化问题中,用拉格朗日乘子的方法讨论有约束条件的最优化问题,我们讨论这种范式下的灵敏性分析,分为弹性价格系数和约束条件的分析。首先是分析弹性价格系数,和无约束条件下的最优化问题相比,仍然是分析三个量:两个决策变量和目标值。我们有两.原创 2021-02-21 17:10:09 · 1518 阅读 · 0 评论 -
数模笔记_多变量最优化
Data: 2_20Name: Guo YehaoTheme: Optimality with multiple variablesReference: 数学建模方法与分析(华章)对于多变量的最优化问题,文章首先介绍了无约束的最优化,在实际生产中,它基于产能不受限制的基本假设。在数学求解方法上,是简单的多元函数求偏导,解驻点。有一些可圈可点之处:在其计算过程中,体现了代数软件在符号计算上的强大之处。在稳健性分析中,分析价格弹性系数对于决策变量和最优的目标值的影响。一方面是常见的.原创 2021-02-20 22:13:40 · 3334 阅读 · 0 评论 -
数模笔记_单变量最优化
Date: 2_19Name: Guo YehaoTheme: Optimality with one variableReference: 数学建模方法与分析(华章)从单变量最优化重谈问题分析:分析有哪些变量,变量之间的关系,我们期待第一步选择出基础的变量,它们可以直接的表示为底层的自变量(比如时间),然后再将这些基础变量组合得到我们想要的目标,或者是表示出相关的约束条件。这种分层次的思考和确定函数(变量),有利于我们理清问题的要素。建立起数学问题之后,应该选择建模方法。应用数学的研究过程.原创 2021-02-20 22:06:35 · 854 阅读 · 0 评论