gaygod
有劳无获？？？？？不劳而获！!!!!!! 
数学建模内容摘要：数学作为现代科学的一种工具和手段，要了解什么是数学模型和数学建模，了解数学建模一般方法及步骤。关键词：数学模型、数学建模、实际问题伴随着当今社会的科学技术的飞速发展，数学已经渗透到各个领域，数学建模也显得尤为重要。数学建模在人们生活中扮演着重要的角色，而且随着计算机技术的发展，数学建模更是在人类的活动中起着重要作用，数学建模也更好的为人类服务。一、数学模型数学模型是对于现实世界的一个特定对象，一个特定目的，根据特有的内在规律，做出一些必要的假设，运用适当的数学工具，得到一个数学结构简单地说:就是系统的某种特征的本质的数学表达式(或是用数学术语对部分现实世界的描述)，即用数学式子(如函数，图形，代数方程，微分方程，积分方程，差分方程等)来描述(表述，模拟)所研究的客观对象或系统在某一方面的存在规律随着社会的发展，生物，医学，社会，经济……，各学科，各行业都涌现现出大量的实际课题，急待人们去研究，去解决但是，社会对数学的需求并不只是需要数学家和专门从事数学研究的人才，而更大量的是需要在各部门中从事实际工作的人善于运用数学知识及数学的思维方法来解决他们每天面临的大量的实际问题，取得经济效益和社会效益他们不是为了应用数学知识而寻找实际问题(就像在学校里做数学应用题)，而是为了解决实际问题而需要用到数学而且不止是要用到数学，很可能还要用到别的学科，领域的知识，要用到工作经验和常识特别是在现代社会，要真正解决一个实际问题几乎都离不开计算机可以这样说，在实际工作中遇到的问题，完全纯粹的只用现成的数学知识就能解决的问题几乎是没有的你所能遇到的都是数学和其他东西混杂在一起的问题，不是"干净的"数学，而是"脏"的数学其中的数学奥妙不是明摆在那里等着你去解决，而是暗藏在深处等着你去发现也就是说，你要对复杂的实际问题进行分析，发现其中的可以用数学语言来描述的关系或规律，把这个实际问题化成一个数学问题，这就称为数学模型数学模型具有下列特征:数学模型的一个重要特征是高度的抽象性通过数学模型能够将形象思维转化为抽象思维，从而可以突破实际系统的约束，运用已有的数学研究成果对研究对象进行深入的研究数学模型的另一个特征是经济性用数学模型研究不需要过多的专用设备和工具，可以节省大量的设备运行和维护费用，用数学模型可以大大加快研究工作的进度，缩短研究周期，特别是在电子计算机得到广泛应用的今天，这个优越性就更为突出但是，数学模型具有局限性，在简化和抽象过程中必然造成某些失真所谓"模型就是模型"(而不是原型)，即是指该性质二、数学建模 数学建模是利用数学方法解决实际问题的一种实践即通过抽象，简化，假设，引进变量等处理过程后，将实际问题用数学方式表达，建立起数学模型，然后运用先进的数学方法及计算机技术进行求解简而言之，建立数学模型的这个过程就称为数学建模模型是客观实体有关属性的模拟陈列在橱窗中的飞机模型外形应当象真正的飞机，至于它是否真的能飞则无关紧要;然而参加航模比赛的飞机模型则全然不同，如果飞行性能不佳，外形再象飞机，也不能算是一个好的模型模型不一定是对实体的一种仿照，也可以是对实体的某些基本属性的抽象，例如，一张地质图并不需要用实物来模拟，它可以用抽象的符号，文字和数字来反映出该地区的地质结构数学模型也是一种模拟，是用数学符号，数学式子，程序，图形等对实际课题本质属性的抽象而又简洁的刻划，它或能解释某些客观现象，或能预测未来的发展规律，或能为控制某一现象的发展提供某种意义下的最优策略或较好策略数学模型一般并非现实问题的直接翻版，它的建立常常既需要人们对现实问题深入细微的观察和分析，又需要人们灵活巧妙地利用各种数学知识这种应用知识从实际课题中抽象，提炼出数学模型的过程就称为数学建模实际问题中有许多因素，在建立数学模型时你不可能，也没有必要把它们毫无遗漏地全部加以考虑，只能考虑其中的最主要的因素，舍弃其中的次要因素数学模型建立起来了，实际问题化成了数学问题，就可以用数学工具，数学方法去解答这个实际问题如果有现成的数学工具当然好如果没有现成的数学工具，就促使数学家们寻找和发展出新的数学工具去解决它，这又推动了数学本身的发展例如，开普勒由行星运行的观测数据总结出开普勒三定律，牛顿试图用自己发现的力学定律去解释它，但当时已有的数学工具是不够用的，这促使了微积分的发明求解数学模型，除了用到数学推理以外，通常还要处理大量数据，进行大量计算，这在电子计算机发明之前是很难实现的因此，很多数学模型，尽管从数学理论上解决了，但由于计算量太大而没法得到有用的结果，还是只有束之高阁而电子计算机的出现和迅速发展，给用数学模型解决实际问题打开了广阔的道路而在现在，要真正解决一个实际问题，离了计算机几乎是不行的数学模型建立起来了，也用数学方法或数值方法求出了解答，是不是就万事大吉了呢 不是既然数学模型只能近似地反映实际问题中的关系和规律，到底反映得好不好，还需要接受检验，如果数学模型建立得不好，没有正确地描述所给的实际问题，数学解答再正确也是没有用的因此，在得出数学解答之后还要让所得的结论接受实际的检验，看它是否合理，是否可行，等等如果不符合实际，还应设法找出原因，修改原来的模型，重新求解和检验，直到比较合理可行，才能算是得到了一个解答，可以先付诸实施但是，十全十美的答案是没有的，已得到的解答仍有改进的余地，可以根据实际情况，或者继续研究和改进;或者暂时告一段落，待将来有新的情况和要求后再作改进 应用数学知识去研究和和解决实际问题，遇到的第一项工作就是建立恰当的数学模型从这一意义上讲，可以说数学建模是一切科学研究的基础没有一个较好的数学模型就不可能得到较好的研究结果，所以，建立一个较好的数学模型乃是解决实际问题的关键之一数学建模将各种知识综合应用于解决实际问题中，是培养和提高同学们应用所学知识分析问题，解决问题的能力的必备手段之一三、数学建模的一般方法建立数学模型的方法并没有一定的模式，但一个理想的模型应能反映系统的全部重要特征:模型的可靠性和模型的使用性建模的一般方法:机理分析 机理分析就是根据对现实对象特性的认识，分析其因果关系，找出反映内部机理的规律，所建立的模型常有明确的物理或现实意义(1) 比例分析法--建立变量之间函数关系的最基本最常用的方法 (2) 代数方法--求解离散问题(离散的数据，符号，图形)的主要方法 (3) 逻辑方法--是数学理论研究的重要方法，对社会学和经济学等领域的实际 问题，在决策，对策等学科中得到广泛应用 (4) 常微分方程--解决两个变量之间的变化规律，关键是建立"瞬时变化率"的表达式 (5) 偏微分方程--解决因变量与两个以上自变量之间的变化规律测试分析方法 测试分析方法就是将研究对象视为一个"黑箱"系统，内部机理无法直接寻求，通过测量系统的输入输出数据，并以此为基础运用统计分析方法，按照事先确定的准则在某一类模型中选出一个数据拟合得最好的模型 (1) 回归分析法--用于对函数f(x)的一组观测值(xi，fi)i=1，2，…，n，确定函数的表达式，由于处理的是静态的独立数据，故称为数理统计方法(2) 时序分析法--处理的是动态的相关数据，又称为过程统计方法(3) 回归分析法--用于对函数f(x)的一组观测值(xi，fi)i=1，2，…，n，确定函数的表达式，由于处理的是静态的独立数据，故称为数理统计方法(4) 时序分析法--处理的是动态的相关数据，又称为过程统计方法将这两种方法结合起来使用，即用机理分析方法建立模型的结构，用系统测试方法来确定模型的参数，也是常用的建模方法， 在实际过程中用那一种方法建模主要是根据我们对研究对象的了解程度和建模目的来决定机理分析法建模的具体步骤大致可见左图仿真和其他方法(1) 计算机仿真(模拟)--实质上是统计估计方法，等效于抽样试验① 离散系统仿真--有一组状态变量② 连续系统仿真--有解析表达式或系统结构图(2) 因子试验法--在系统上作局部试验，再根据试验结果进行不断分析修改，求得所需的模型结构(3) 人工现实法--基于对系统过去行为的了解和对未来希望达到的目标，并考虑到系统有关因素的可能变化，人为地组成一个系统(参见:齐欢《数学模型方法》，华中理工大学出版社，1996)四、数学模型的分类数学模型可以按照不同的方式分类，下面介绍常用的几种按照模型的应用领域(或所属学科)分:如人口模型，交通模型，环境模型，生态模型，城镇规划模型，水资源模型，再生资源利用模型，污染模型等范畴更大一些则形成许多边缘学科如生物数学，医学数学，地质数学，数量经济学，数学社会学等按照建立模型的数学方法(或所属数学分支)分:如初等数学模型，几何模型，微分方程模型，图论模型，马氏链模型，规划论模型等按第一种方法分类的数学模型教科书中，着重于某一专门领域中用不同方法建立模型，而按第二种方法分类的书里，是用属于不同领域的现成的数学模型来解释某种数学技巧的应用在本书中我们重点放在如何应用读者已具备的基本数学知识在各个不同领域中建模按照模型的表现特性又有几种分法:确定性模型和随机性模型 取决于是否考虑随机因素的影响近年来随着数学的发展，又有所谓突变性模型和模糊性模型静态模型和动态模型 取决于是否考虑时间因素引起的变化线性模型和非线性模型 取决于模型的基本关系，如微分方程是否是线性的离散模型和连续模型 指模型中的变量(主要是时间变量)取为离散还是连续的虽然从本质上讲大多数实际问题是随机性的，动态的，非线性的，但是由于确定性，静态，线性模型容易处理，并且往往可以作为初步的近似来解决问题，所以建模时常先考虑确定性，静态，线性模型连续模型便于利用微积分方法求解，作理论分析，而离散模型便于在计算机上作数值计算，所以用哪种模型要看具体问题而定在具体的建模过程中将连续模型离散化，或将离散变量视作连续，也是常采用的方法按照建模目的分:有描述模型，分析模型，预报模型，优化模型，决策模型，控制模型等按照对模型结构的了解程度分:有所谓白箱模型，灰箱模型，黑箱模型这是把研究对象比喻成一只箱子里的机关，要通过建模来揭示它的奥妙白箱主要包括用力学，热学，电学等一些机理相当清楚的学科描述的现象以及相应的工程技术问题，这方面的模型大多已经基本确定，还需深入研究的主要是优化设计和控制等问题了灰箱主要指生态，气象，经济，交通等领域中机理尚不十分清楚的现象，在建立和改善模型方面都还不同程度地有许多工作要做至于黑箱则主要指生命科学和社会科学等领域中一些机理(数量关系方面)很不清楚的现象有些工程技术问题虽然主要基于物理，化学原理，但由于因素众多，关系复杂和观测困难等原因也常作为灰箱或黑箱模型处理当然，白，灰，黑之间并没有明显的界限，而且随着科学技术的发展，箱子的"颜色"必然是逐渐由暗变亮的五、数学建模的一般步骤建模的步骤一般分为下列几步:模型准备首先要了解问题的实际背景，明确题目的要求，搜集各种必要的信息模型假设在明确建模目的，掌握必要资料的基础上，通过对资料的分析计算，找出起主要作用的因素，经必要的精炼，简化，提出若干符合客观实际的假设，使问题的主要特征凸现出来，忽略问题的次要方面一般地说，一个实际问题不经过简化假设就很难翻译成数学问题，即使可能，也很难求解不同的简化假设会得到不同的模型假设作得不合理或过份简单，会导致模型失败或部分失败，于是应该修改和补充假设;假设作得过分详细，试图把复杂对象的各方面因素都考虑进去，可能使你很难甚至无法继续下一步的工作通常，作假设的依据，一是出于对问题内在规律的认识，二是来自对数据或现象的分析，也可以是二者的综合作假设时既要运用与问题相关的物理，化学，生物，经济等方面的知识，又要充分发挥想象力，洞察力和判断力，善于辨别问题的主次，果断地抓住主要因素，舍弃次要因素，尽量将问题线性化，均匀化经验在这里也常起重要作用写出假设时，语言要精确，就象做习题时写出已知条件那样模型构成根据所作的假设以及事物之间的联系， 利用适当的数学工具去刻划各变量之间的关系，建立相应的数学结构――即建立数学模型把问题化为数学问题要注意尽量采取简单的数学工具，因为简单的数学模型往往更能反映事物的本质，而且也容易使更多的人掌握和使用模型求解利用已知的数学方法来求解上一步所得到的数学问题，这时往往还要作出进一步的简化或假设在难以得出解析解时，也应当借助计算机求出数值解模型分析对模型解答进行数学上的分析，有时要根据问题的性质分析变量间的依赖关系或稳定状况，有时是根据所得结果给出数学上的预报，有时则可能要给出数学上的最优决策或控制，不论哪种情况还常常需要进行误差分析，模型对数据的稳定性或灵敏性分析等模型检验分析所得结果的实际意义，与实际情况进行比较，看是否符合实际，如果结果不够理想，应该修改，补充假设或重新建模，有些模型需要经过几次反复，不断完善模型应用所建立的模型必须在实际中应用才能产生效益，在应用中不断改进和完善应用的方式自然取决于问题的性质和建模的目的参考文献：(1)齐欢《数学模型方法》，华中理工大学出版社，1996。(2)《数学的实践与认识》，(季刊)，中国数学会编辑出版。
一年一度的全国数学建模大赛在今年的9 月22 日上午8 点拉开战幕，各队将在3 天72 小时内对一个现实中的实际问题进行模型建立，求解和分析，确定题目后，我们队三人分头行动，一人去图书馆查阅资料，一人在网上搜索相关信息，一人建立模型，通过三人的努力，在前两天中建立出两个模型并编程求解，经过艰苦的奋斗，终于在第三天完成了论文的写作，在这三天里我感触很深，现将心得体会写出，希望与大家交流。 团队精神：团队精神是数学建模是否取得好成绩的最重要的因素，一队三个人要相互支持，相互鼓励。切勿自己只管自己的一部分（数学好的只管建模，计算机好的只管编程，写作好的只管论文写作），很多时候，一个人的思考是不全面的，只有大家一起讨论才有可能把问题搞清楚，因此无论做任何板块，三个人要一起齐心才行，只靠一个人的力量，要在三天之内写出一篇高水平的文章几乎是不可能的。 有影响力的leader：在比赛中，leader 是很重要的，他的作用就相当与计算机中的CPU，是全队的核心，如果一个队的leader 不得力，往往影响一个队的正常发挥，就拿选题来说，有人想做A 题，有人想做B 题，如果争论一天都未确定方案的话，可能就没有足够时间完成一篇论文了，又比如，当队中有人信心动摇时（特别是第三天，人可能已经心力交瘁了），leader 应发挥其作用，让整个队伍重整信心，否则可能导致队伍的前功尽弃。 合理的时间安排：做任何事情，合理的时间安排非常重要，建模也是一样，事先要做好一个规划，建模一共分十个板块（摘要，问题提出，模型假设，问题分析，模型假设，模型建立，模型求解，结果分析，模型的评价与推广，参考文献，附录）。你每天要做完哪几个板块事先要确定好，这样做才会使自己游刃有余，保证在规定时间内完成论文，以避免由于时间上的不妥，以致于最后无法完成论文。 正确的论文格式：论文属于科学性的文章，它有严格的书写格式规范，因此一篇好的论文一定要有正确的格式，就拿摘要来说吧，它要包括6 要素（问题，方法，模型，算法，结论，特色），它是一篇论文的概括，摘要的好坏将决定你的论文是否吸引评委的目光，但听阅卷老师说，这次有些论文的摘要里出现了大量的图表和程序，这都是不符合论文格式的，这种论文也不会取得好成绩，因此我们写论文时要端正态度，注意书写格式。 论文的写作：我个人认为论文的写作是至关重要的，其实大家最后的模型和结果都差不多，为什么有些队可以送全国，有些队可以拿省奖，而有些队却什么都拿不到，这关键在于论文的写作上面。一篇好的论文首先读上去便使人感到逻辑清晰，有条例性，能打动评委；其次，论文在语言上的表述也很重要，要注意用词的准确性；另外，一篇好的论文应有闪光点，有自己的特色，有自己的想法和思考在里面，总之，论文写作的好坏将直接影响到成绩的优劣。 算法的设计：算法的设计的好坏将直接影响运算速度的快慢，建议大家多用数学软件（Mathematice，Matlab，Maple， Mathcad，Lindo，Lingo，SAS 等），这里提供十种数学建模常用算法，仅供参考：1、 蒙特卡罗算法（该算法又称随机性模拟算法，是通过计算机仿真来解决问题的算法，同时可以通过模拟可以来检验自己模型的正确性，是比赛时必用的方法）2、数据拟合、参数估计、插值等数据处理算法（比赛中通常会遇到大量的数据需要处理，而处理数据的关键就在于这些算法，通常使用Matlab 作为工具）3、线性规划、整数规划、多元规划、二次规划等规划类问题（建模竞赛大多数问题属于最优化问题，很多时候这些问题可以用数学规划算法来描述，通常使用Lindo、Lingo 软件实现）4、图论算法（这类算法可以分为很多种，包括最短路、网络流、二分图等算法，涉及到图论的问题可以用这些方法解决，需要认真准备）5、动态规划、回溯搜索、分治算法、分支定界等计算机算法（这些算法是算法设计中比较常用的方法，很多场合可以用到竞赛中）6、最优化理论的三大非经典算法：模拟退火法、神经网络、遗传算法（这些问题是用来解决一些较困难的最优化问题的算法，对于有些问题非常有帮助，但是算法的实现比较困难，需慎重使用）7、网格算法和穷举法（网格算法和穷举法都是暴力搜索最优点的算法，在很多竞赛题中有应用，当重点讨论模型本身而轻视算法的时候，可以使用这种暴力方案，最好使用一些高级语言作为编程工具）8、一些连续离散化方法（很多问题都是实际来的，数据可以是连续的，而计算机只认的是离散的数据，因此将其离散化后进行差分代替微分、求和代替积分等思想是非常重要的）9、数值分析算法（如果在比赛中采用高级语言进行编程的话，那一些数值分析中常用的算法比如方程组求解、矩阵运算、函数积分等算法就需要额外编写库函数进行调用）10、图象处理算法（赛题中有一类问题与图形有关，即使与图形无关，论文中也应该要不乏图片的，这些图形如何展示以及如何处理就是需要解决的问题，通常使用Matlab 进行处理）以上便是我这次参加这次数学建模竞赛的一点心得体会，只当贻笑大方，不过就数学建模本身而言，它是魅力无穷的，它能够锻炼和考查一个人的综合素质，也希望广大同学能够积极参与到这项活动当中来。
