数学模型概述

数学模型概述
数学模型概述

数学模型概述

2006年12月19日星期二下午 02:23

数学模型概述

数学是一切科学和技术的基础。数学教育改革关系到数学乃至科学的未来,努力使我国的数学教育面向21世纪,适应现代化建设的需要,已成为刻不容缓而又意义深远的任务。目前,数学的应用向着各个领域渗透,各行各业日益依赖于数学,甚至可以说当今的社会正日益数学化。从科学技术的角度来看,不少新的分支(交叉)学科出现了,特别是与数学相结合而产生的学科,例如数学化学、数学生物学、数学地质学、数学心理学、数理语言学、数学社会科学等。我国著名科学家钱学森教授也多次强调数学科学的重要性,并论述了他对“数学技术”的理解。而且象财务、会计专用软件包等都是大量应用了现有的相关的数学知识,开发数学模型以及应用数学技巧、方法的结果。然而多数人只是见到外在表现而没认识到所以能有这种外在表现的内在原因。因而人们对当今这个时代的日益数学化这一特点远没有取得共识。相反我们却看到一种矛盾的现象,一方面很容易“论证”数学的重要性,因为从小学一年级到大学一年级(甚至高年级、研究生阶段)每学期都要学习数学而且都是必修课,而任何其他学科都没有这么长的学习时间,因而“数学最重要”不是很显然了吗?然而认真地看一下对数学科研的资助在削弱,选学数学作为终身职业的学生数目锐减,甚至要求大量削减数学教学学时的“呼声”经常出现。不少有远见的科学家已经注意到这一问题的严重性。例如著名的Dvaid(美国数学界的权威)的报告中就指出“一方面,数学及数学的应用在科学、技术、商业和日常生活中所起的作用愈来愈大;在另一方面,一般公众甚至科学界对数学研究可以说是一无所知。”James G. Glimm在《数学科学,技术,经济竞争力》中指出“作为一种技术的数学科学的作用未被认识到,数学科学作为技术变化以及工业竞争的推动力的极其重要性也未被认识到”,E.E.David Jr.在《 Notice of American Mathematical Society 》中肯定地指出“数学的重要性不是不言自明的,何况许多对此看法游移不定的人并没有认真地思考过(数学的重要性问题)。”他告诫数学界要作出更多的主动努力使人们更了解数学。众所周知,21世纪是人才竞争的时代,人才竞争的关键是人才的培养,大学作为人才培养的主要阵地,实施素质教育势在必行。

一、数学素质教育1、对数学地位和作用的再认识数学不仅是一切科学和技术的基础,而且是学习和攀登科学技术高峰的钥匙和先决条件。在信息社会里,由于计算机的广泛应用,加速了现代社会的“数学化”进程,因为越来越多的问题首先需要归结或表示为能用计算手段处理的数学问题,数学科学在社会发展中的地位空前提高,目前,人们把科学计算与理论研究、科学实验并列为科学研究的三种基本方法。在日常的经济与行政管理工作中,严谨的逻辑思维与定量思维是衡量一个人文化素质是否全面发展的一个重要标志。德国著名数学家H.G.Grassmann曾说过:“数学除了锻炼敏锐的理解力、发现真理以外,还有另一个训练全面考虑科学系统的头脑的开发功能”。而James在《数学科学·技术·经济竞争力》中指出:“数学的思考方式具有根本的重要性。简言之,数学为组织和构造知识提供了方法,以至于当用于技术时就能使科学家和工程师们生产出系统的、能复制的,并且是可以传播的知识。分析、设计、建模、模拟(仿真)及其具体实施就可能变成高效加结构良好的活动。”因此,“在经济竞争中数学科学是必不可少的,数学科学是一种关键的、普遍的、能够实行的技术”。

但是,众所周知,计算机并不是法力无边的,它不会自己建立模型,不会设计适当的方法,也不会自行编程序软件。计算机所擅长的只是按照人们编制的软件快速进行数学计算和符号演算。在这个意义是容易理解数学可以帮助人更好地驾驭计算机,计算机越发展越需要数学修养高的人。计算机正是借助于数学才获得了广泛的成功,甚至根本改变了许多技术领域的面貌。

综上所述,数学素质是素质的重要组成部分,实施以大学生数学素质教育为核心的数学教学改革势在必行。

2、高等院校数学教育的任务由于以计算机和通讯为代表的信息技术的迅猛发展,当前的数学教育面临两大问题:其一是信息革命对数学与数学教育提出了哪些新的要求,或者说数学教育应该进行哪些改革才能满足信息社会的需要;其二是现代教育技术对数学教学改革能发挥哪些作用,在新技术的支持下能否创设更理想的数学教育,以克服传统教育难以解决的哪些困难。一个不争的事实是:计算机革命的冲击力

如此迅猛,是因为人脑的延伸,它正以惊人的速度深刻地改变着人们的工作方式、生活方式与思维方式。70年代,美国的未来学家针对计算机的普遍使用,作了一个就业展望,结果令人吃惊:一半以上的职业将不复存在,其余大多数也将从根本上受到影响!这就是说现在正在为未来的就业而学习的面临一种危机,即在他们一开始走向社会时,原来要从事的职业可能已不存在了。这就是我们所处的时代:一个迅猛变化而充满竞争的时代。面向21世纪培养素质型的人才是世纪之交我国高等教育改革的核心内容。为了主动适应社会主义市场经济和高等教育发展的需要,培养学生的综合素质,提高学生的实际应用能力,首先应使学生系统掌握本专业及与专业相关的基础理论、基础知识和基本技能,受到良好的科学思维和科学方法的基本训练。在知识结构上,达到以本专业知识为主,拓宽相关专业知识;在能力结构上,达到专业技能、职业技能和初等研究能力的复合。

从这个意义上讲,高等院校数学教育的任务应包括三方面的内容,即基本知识的传授、自学能力和创造性思维能力的培养以及应用数学思想和方法解决实际问题能力的培养。基本知识的传授是数学教育的基础,自学能力和创造性思维能力的培养是核心,数学应用是数学教育的目的。3、加强基础,提高大学生数学素质素质是知识和能力的综合体现,数学素质是指人们认识和处理数形规律、理解和运用逻辑关系、领会和研究抽象事物的能力,也是一种思维模式和思维习惯,其外在表现就是人们对事物从量的方面进行观察和研究的能力、思维的逻辑性和严谨性及应用数学方法解决实际问题的能力。高等院校数学素质教育的内涵就是通过教学活动让学生学习、掌握数学的思想、方法和技巧,培养学生论证运算能力、逻辑思维能力,特别是运用数学的立场、观点和方法分析、解决实际问题的能力,初步具备自学所需的更深入的数学新知的能力。因此,高等院校大学生的数学素质应由以下三方面能力组成:1)语言模型能力:初步具备分析问题、简化问题的能力以及用严谨且有逻辑层次的精练、准确的语言描述问题的能力;2)处理问题能力:初步具备查阅应用文献资料的能力,初步具备运用适当的数学思想、方法和技巧解决所遇到的实际问题,初步具备一定的计算机通用软件运用能力等;3)综合创新能力:初步具备一定的创造能力,科学论文的写作能力,与他人分开合作能力等。

二、数学模型及其建立1.一个简单的数学模型航行问题:甲乙两地相距90km,船从甲地到乙地顺水而行需3h,从乙地到甲地逆水而行需5h。问船速、水速各为多少?解:设船速、水速分别为x km/h,y km/h,根据题意,得:解之得:关于此问题求解过程的疑问:

众所周知,“距离=时间×速度”是描述匀速直线运动的方程,在此问题中,船在90km的航行中何以保证其运动的匀速、直线运动?倘否,何以可用匀速直线运动规律来求解该问题?问题的回答应建立在对数学模型建立的理解上。2.数学模型概念模型是人们为了一定的目的对原型进行的一个抽象。数学模型并不是什么新东西(尽管过去很长时间这一术语用的很少),可以说,有了数学并要用数学去解决实际问题就一定要用数学的语言、方法去近似地刻划该实际问题,而这种刻划的数学表达就是一个数学模型,其过程就是数学建模。或者也可以进一步说,所谓数学模型是指对于现实世界的一个特定对象,为了一个特定目的,根据特有的内在规律,做出一些必要的简化假设,运用适当的数学工具得到的一个对问题近似刻划的数学结构,以便于人们更深刻地认识所研究的对象。如上述航行问题中的一元二次线性方程组即是该问题的数学模型。

3)模型构造的两种学派在模型构造的指导思想上有两种不同的学派:一派主张尽可能地反映各种可能的影响因素,建立比较复杂的数学模型,以求得对现实情况更为精细的模拟,然后用计算机去求得结果;另一派主张选择其主要因素,建立相对比较简单的数学模型,以便更容易地通过数学推理和分析去揭示其本质的特性,而不被一些次要因素所困惑。

事实上,建立数学模型的目的是为了了解、掌握系统发展的规律,并对未来的发展作出预测预报,为决策者提供决策依据。因此,后一种方法更为可取。

4)建立数学模型的过程上述框图可形象地描述数学建模的全部思想及建立的全过程。其大致可以分为以下几步:

①模型准备:了解问题的实际背景,明确建模的目的,搜集建模所需的各种信息(如现象、数据等),尽量弄清对象的特征,由此初步确定用哪一类模型;

②模型假设:根据研究对象的特征和建模的目的,对问题进行必要的、合理的简化,用精确的语言作出假设。一般地,一个实际问题如果不经过简化假设很难“翻译”成数学问题,即使可能,也很难甚至于不可能求解。值得注意的是,由于考虑问题的视点不同,所作的简化假设不同,因而对同一问题会得到不同的数学模型。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、现象的分析,或者是二者的结合。作假设时要充分利用各方面综合信息,要充分发挥想象力、洞察力和判断力,要分清问题中的主要因素、次要因素。但有一点要特别注意,模型的假设作得不合理或过于简单,会导致模型失败或部分失败;假设作得过于详细,则可能把问题复杂化,很难甚至无法继续进行下去。

由于模型简化假设的重要性及其本身的困难性,这就需要我们经常对一些感兴趣的问题多思多想多练,逐渐体会其中的奥秘。一般地,对问题的简化假设可逐渐由易到难的过程,逐步取得希望得到的结果。

③模型构成:根据所做的假设分析对象的因果关系,利用对象的内在规律和适当的数学工具,构造各个量(常量和变量)之间的等式(或不等式)关系或其他数学结构。

④模型求解:可以采用解方程、画图形、证明定理、逻辑运算、数值计算等各种传统的和近代的数学方法,特别是计算机技术。尤其是各种数学软件的使用,如Maple、Mathematica、Matlab、SPSS等,当然不是要精通每一个数学软件,熟练掌握其中一个软件即可。近年,Maple软件以其功能强大、界面友好、简单易学而深得人们喜爱。

⑤模型分析:对模型求解进行数学上的分析,主要是进行误差分析、稳定性分析及灵敏性分析等。

⑥模型检验:把数学上的分析结果“翻译”回到实际问题,并用实际的现象、数据与之比较,检验模型的合理性和适用性。这是建模成败的关键。模型检验的结果如果不符合或者部分不符合实际,应该对模型简化假设部分再做进一步的修改、补充,重新建立模型。

⑦模型应用:建立模型的主要目的是对实际生产进行预测、预报并提供相应的决策、控制,所以任何没有应用价值的完善的数学模型都是没有任何意义的。

实际上,数学建模是一个多次迭代过程,每一次迭代大体上包括:实际问题的抽象、简化、假设,明确参数和变量;形成明确的数学问题并建立相应的每一简化层次上的数学模型;解析地或数值地求解该数学模型;对结果进行解释、分析、验证;如果符合实际则交付使用,否则,进行下一次迭代,如此循环,直至得到满意结果为止。

三、数学实验

随着计算机科学与技术的迅猛发展,人类已经进入以计算机、网络、数码、光纤、多媒体为主要标志的信息时代。人们越来越意识到,在工业时代,人类要解放的是自己的双手,而在信息时代要解放的则是自己的大脑。

计算机特别是数学软件的迅速发展对数学科学也产生了巨大的冲击,对数学研究的观念及研究方法都产生了深刻的影响,甚而可以说这种影响是一场革命性的影响。引发这场冲击波的最主要的数学事件是“四色定理”的证明。1976年,美国Illinois大学的两名年轻数学家利用计算机成功地解决了困扰数学界长达近两百年之久的著名的四色定理(即:地图是可四面着色的),这一成果震惊了整个数学界。众所周知,数学问题只能是通过严格的数学逻辑推理才能得到证明,但四色定理的结果则是借助计算机技术并运用穷举法而得,因而在当时有一大批数学家不承认这是一个证明。经过长时间的争论,这一结果最终还是被数学界接受了,并由此引发了数学家们的思考,从而产生了“数学实验”这一新的数学研究方法。在此后的数十年,数学科学中的一个新的具有极大生命力的分支——实验数学得到了人们广泛关注并有了长足的发展。

由于上述原因,数学实验在数学教育特别是数学素质教育中的重要地位被愈来愈多的人所认识。我们有理由相信,数学实验这一新的数学学习及研究方法定会被越来越多的学生所接受,并会在大学生数学素质的形成过程中具有不可低估的重要性。

1.计算机数学实验与计算机代数系统

所谓数学实验,简单地说,就是用计算机代替笔和纸以及人的部分脑力劳动进行科学计算、数学推理、猜想的证明以及智能化文字处理等。

科学计算包括两类:一类是纯数值的计算,例如求函数值、方程的数值解等;另一类是符号计算,又称代数运算,这是一种智能化的计算,处理的是符号,符号可以代表整数、有理数、实数和复数,也可以代表多项式、函数,还可以代表数学结构如集合、群等。我们在数学的教学和研究中通常用笔和纸进行的数学运算多为符号运算。

数值计算常常是一项非常繁琐的工作,事实上,人类很早就意识到在解决实际问题时对于数学特别是“计算”(包括数值计算、逻辑运算、符号计算、图形计算等)的极端重要性,并致力于“计算”的机械化及计算机械的发明创造(如算盘、对数计算器、计算尺、加法机、Leibnitz演算机、差分机,等等)。直到计算机的出现和发展才逐步解决了数值计算中的困难。从计算机发明到现在五十多年间,用计算机进行的科学计算主要是数值计算,如天气预报、油藏模拟、航天等。

而用计算机进行符号和代数运算是数学和计算机领域的一个新的发展方向。长期以来,数学家和计算机科学家梦想用计算机代替人脑进行代数符号运算以及数学的各种处理,使数学走向“机械化”的道路,从而也使计算机本身更加智能化。我国著名数学家吴文俊院士首先提出的“吴氏消元法”为数学处理在计算机上的实现奠定了理论基础,并在几何定理机械证明、方程组求解、微分几何、理论物理、机器人学、计算机图形学等数学和高科技领域相继获得了广泛的应用。

20世纪80年代以来,用计算机进行代数运算的研究在国外发展非常迅速,涉及的数学领域不断地扩大,出现了多种符号运算方法、计算程序和系统,如符号运算(symbolic computation)、符号和代数运算(symbolic and algebra computation)、符号处理(symbolic manipulation)、计算机代数(computer algebra)等等。这是一个以构造性数学为核心,以计算机实现为目标,以实用的算法为研究内容,以实用程序或软件为成果的研究领域,这个领域被称为计算机数学。计算机数学的发展逐步产生了一些独立的计算机程序库,称为计算机代数系统。一部分计算机代数系统发展成为完整的专用或通用的计算机数学软件,如美国的Mathematica、Matlab,加拿大的Maple等。

根据计算机代数系统的用途,将其分为两类:专用系统和通用系统。专用系统主要是为解决物理和数学某些分支中的特殊问题而设计的,专用系统在符号和数据结构上都适用于相应的领域而且多数是用低级语言编写的,因此专业人员使用很方便,计算速度也较快,它们在专业问题的研究中起着重要的作用;通用系统具有多种数据结构和丰富的数学函数,应用领域广泛。

总之,计算机数学是数学研究领域的新方向,计算机数学的产品——数学软件在不断地发展、提高和完善。数学软件为数学的教学、研究和应用开辟了新天地,既使数学实验成为可能,又使数学成果直接为实际服务以及使数学的大众化成为可能。

2.数学实验数学实验是计算机技术和数学软件引入教学后出现的新事物,是数学教学体系、教学内容和教学方法改革的一项尝试。几年前,设置数学实验课的构想一出现,立即在数学教育界引起反响。2000年,在教育部高教司主持编纂出版的“高等教育面向21世纪教学内容和课程体系改革报告”的《高等数学改革研究报告》中,把“数学实验”列为高校理科类专业的基础课之一,并明确指出了数学实验在数学教学体系中的作用和地位等。

1)数学实验课程开设的必要性当前传统的数学教育面临巨大的困难。从教学内容看,几十年不变,内容较为陈旧;从教学方法看,大部分数学课堂没有摆脱以教师传授为主的注入式,数学课难以唤起学生的积极性;从教学对象看,数学教育并没有做到面向全体学生,真正的“因材施教”至今还难以实现;从教学目标看,决大部分精力还放在应付考试的单纯解题训练上,数学知识的形成过程被淹没了,数学与实际的生动联系不见了;从教学模式看,基本上还是教师讲学生听的“一刀切”的班级授课,学生被动学习的局面没有改变,缺少必要的“个别化”教学与学生彼此之间的交流,学生的课堂参与是极其有限的;从教学评估看,大部分是凭经验“摸着石头过河”,难于及时准确地了解教学信息,因而我们的教学策略难以保证有很强的针对性;从教学手段看,没有摆脱“粉笔+黑板”的束缚,计算与画图还是传统的手工方式,教师的工作基本上还属于个体的手工业劳动。数学不仅是学生的沉重负担,也是教师的沉重负担。

因此,传统的数学教育已远远不能满足数学化时代的需求,而把计算机技术引入教育将带来深刻而广泛的影响,它不单会影响到教学内容的变化,而且将引发教学方法、教学模式、教学观念等等一系列的变

革。特别是计算机强大的文字、图形、动画和声音功能,能够激发学生的兴趣,增强学习的积极性;能给学生提供更多动手的机会,特别是计算机的人机交互功能,为实现教学的“个别化”创设了理想的环境。2)数学实验的主要功能①帮助学生认知数学概念数学概念是数学的基础,是数学的灵魂,但因其高度的抽象性使学生往往难以理解,更有甚者,部分学生因此而失去数学学习的兴趣。如极限是数学教学的一个难点,在传统的一支笔、一块黑板、一张嘴的教学模式下,很难把随n的不断变化而趋向某个常数或不趋向于某个常数的动态过程显露出来,更不能有一个学生参与的认知环境。一段时间下来,一些学生对极限的概念还是不理解,“意义建构”并未完成。而运用计算机教学工具,可以把数列的通项随n变化的过程动态的显示出来,学生可以亲自参与,反复实践,反复体验何谓“无限逼近”。在这样的认知环境下,加上教师的启发来完成概念的形成过程。

②帮助学生做数学实验在传统的教学模式中,教学过程中的一切几乎都是由教师决定的,学生很少有参与实践的机会。而在交互式计算机的学习环境中,学生不仅可以接受教师的安排而且还可以有自己的设想,可以自己做“数学实验”。在这样的认知环境及教学模式下,学生积极主动,观察能力、归纳能力、思维能力都得到了很好的训练、培养,素质也会得到提高。③帮助学生实现“数学的发现”多媒体计算机在教学中的运用,给学生以“数学发现”的机会。学生不仅获取了知识、培养了能力、增长了才干,也使他们的丰富的想象力与创造力得到充分的发挥。传统的教学中,学生的想象力很难发挥出来,甚至可以说被扼杀。而在数学实验室,可很容易地使知识间的联系立即建立,所学的难以理解的概念瞬间可以得到应用。数学学习的兴趣还需要“激发”?!

④用计算机进行数学辅导课堂的局限性很大,学生课后需要复习,希望课堂的再现,需要课外辅导。传统的教学中许多学生一直在“听老师讲”还是“记好课堂笔记”之间举棋不定。利用计算机教学软件可以很方便的解决这个问题。上课时学生不必记笔记,大量的时间用在老师指导下的教学活动中(“协商”、“会话”,也不仅仅是“听讲”)。课后,学生可以根据自己的需要再现课堂教学的任一部分内容,或者再反复地实验、琢磨。在网络状态下,学生在自己家里也可以向老师提出问题,求得解答,课后的辅导变得随时随地。

⑤用计算机做数学练习传统的数学练习只能暴露几个学生的解题结果,代表性不强。在网络教室中,教师可以根据需要调阅任一个学生的学习效果,及时发现他们的进度、难处,以便及时地加以纠正。好的方法、典型的问题、典型的错误可以再展示在大屏幕上或板演到黑板上,或者指示其他同学调阅学习伙伴的学习情况。同学之间也可以利用网络进行讨论。

⑥帮助学生应用计算机解决实际问大学生数学素质教育的核心内容就是应用数学的思想、方法和技巧解决实际问题。问题的解决首先应是数学模型的建立(数学建模课程教学基本可以达到这一目的),而模型的求解则必须依赖于数学软件等软件的使用,这恰是数学实验室的主要任务之一,即数学软件的系统学习与实验。譬如线性规划问题求解,通常应用单纯形法求解一个简单的问题都需要较长的时间,而在数学软件中只需要几分钟就可求出最优解。

由于数学软件的方便、快捷及不易出错的特点,学生不再需要花费大量的时间在计算上,而可把更多的时间用在数学思想、方法和技巧的理解及应用上。如此形成一个良性循环,数学素质教育的目的才能实现,高素质的数学应用人才才能得以培养。

四、数学建模素质培养众所周知,人才的培养是关键。今天,在技术(科学)中最有用的数学研究领域是数值分析和数学建模。从某种意义上讲,数学建模已经发展成一个相对独立的数学分支,而且不断地向应用数学和纯粹数学提供着大量的挑战性问题,从而推进着数学科学的发展(特别是近年来正在迅速发展的工业数学(Industrial Mathematics))。由于计算机及通讯手段的迅速发展,近三十年来数学建模的研究取得了前所未有的蓬勃发展,数学建模已成为数学科学向一切领域渗透的主要媒介。愈来愈多的人认识到,一个有竞争能力的科技人员必须具备一定的数学建模知识和能力,为此,作为人才培养主要阵地的大学开设数学建模课程就显得十分必要。实践证明,数学建模在培养具有创新精神的人才方面起到了积极的作用,是数学教学改革特别是数学素质教育的切入点和生长点。简单地说,下述几方面能力的培养则显得重要而有意义。

1.培养“翻译”的能力:即把经过一定抽象、简化的问题用数学语言表达出来形成数学模型,对应用数学的方法进行推演或计算得到的结果,能用“常人”能懂的语言“翻译”(表达)出来;2.应用已

学到的数学方法和思想进行综合应用和分析,并能学习一些新的数学知识(若需要),并能理解合理的抽

象和简化,特别是进行数学分析的重要性;3.发展联想能力:因为对于不少完全不同的实际问题,在

一定的简化层次下,它们的数学模型是相同的或相似的,这正是数学的应用广泛性的表现。这就要求培养

学生有广泛的兴趣,多思多想多练,通过熟能生巧而逐步达到触类旁通的境界;4.逐渐发展形成一种

洞察能力,通俗地讲就是一眼能抓住或部分抓住问题要点的能力;5.熟练使用技术手段,特别是计算

机技术,尤其是数学软件,这将帮助你节省时间,在一定阶段能得到直观形象的结果。另外,还应具

备与他人分工合作能力及一定的文字表达能力等等。

五、结束语a)21世纪是人才竞争的时代,人才竞争的关键是人才的培养,大学作为人才培养的

主要阵地,实施素质教育势在必行。素质教育立足于人的潜能的开发和综合品质的提高,其目的在于提高

受教育者的素质。数学素质是素质的重要组成部分。b)《数学模型和数学实验》作为数学素质教育

的核心课程,其主要内容是“数学建模、数值计算、数据处理”,通过学习,使学生初步具备下述三方面

能力①语言模型能力:初步具备分析问题、简化问题的能力以及用严谨且有逻辑层次的精练、准确的语言

描述问题的能力;②处理问题能力:初步具备查阅应用文献资料的能力,具备运用适当的数学思想、方

法和技巧解决所遇到的实际问题,具备一定的计算机通用软件运用能力等;③综合创新能力:初步具备

一定的创造能力,科学论文的写作能力以及与他人分开合作能力等。c)尽管《数学模型和数学

实验》是数学素质教育的核心内容,但我们必须清醒地认识到,《数学模型和数学实验》绝不能取代其它

数学课程教学,它是数学教学的一个重要而不可缺少的有机组成部分。

主要参考文献

1.姜伯驹,在数学与力学指导委员会第二次会议上的讲话,数学的实践与认识,1997,Vol. 27(4):361-366

2.叶其孝主编,大学生数学建模竞赛辅导教材(一),长沙:湖南教育出版社,1994,1-24

3.叶其孝主编,卢树铭主审,数学建模教育与国际数学建模竞赛,《工程数学》专辑,Vol. 10,1994,1-2

4.基斯.德夫林著,李文林,袁向东,李家宏等译,数学:新的黄金时代,上海:上海教育出版社,1998,138-165 5.姜启源主编,数学模型(第二版),北京:高等教育出版社,1993,1-27

6.刘来福,曾文艺编著,数学模型与数学建模,北京:北京师范大学出版社,1997,1-9

7.乐经良主编,数学实验,北京:高等教育出w认识,2001,Vol.31(5):613-617

10.高成修等,数学建模的教学、竞赛与创新精神,数学的实践与认识,2001,Vol.31(5):623-624

11.王玮明等,高等农业院校大学生数学素质教育研究,兰州大学学报(自然科学版),2000(数学教学与研究专辑),Vol. 36,151-155 12.王玮明等,高等农业院校大学生数学素质教育实践,兰州大学学报(自然科学版),2000(数学教学与研究专辑),Vol. 36,156-161

https://www.360docs.net/doc/947080337.html,/mathspace/blog/item/9b87663e81d9bf3d71cf6c05.html

数学建模

潍坊学院 数学与信息科学学院数学建模实训论文实训题目:幸福感的评价与量化模型 学生姓名、学号、专业班级 1、 2、 3、 指导教师: 2012

论文题目 摘要 问题一,采用加权平均的方法对主观指标进行分值量化(采取100到0分赋值法)利用熵值法求出二级指标对一级指标的权重向量,最后,建立了网民幸福指数的数学模型。 (单独一页,不得少于400字) 关键字:二级模糊综合评价,层次分析法

一问题重述 改革开放三十多年,我国经济建设取得了巨大成就,人们物质生活得到了极大改善。但也有越来越多的人开始思考:我们大力发展经济,最终目的是为了什么?温家宝总理近年来多次强调:我们所做的一切,都是为了让人民生活得更加幸福。在今年的全国两会期间,“幸福感”也成为最热门词语之一。 幸福感是一种心理体验,它既是对生活的客观条件和所处状态的一种事实判断,又是对于生活的主观意义和满足程度的一种价值判断。它表现为在生活满意度基础上产生的一种积极心理体验。而幸福指数,就是衡量这种感受具体程度的主观指标数值。美国、英国、荷兰、日本等发达国家都开始了幸福指数的研究,并创设了不同模式的幸福指数。如果说GDP、GNP 是衡量国富、民富的标准,那么,百姓幸福指数就可以成为一个衡量百姓幸福感的标准。百姓幸福指数与GDP一样重要,一方面,它可以监控经济社会运行态势;另一方面,它可以了解民众的生活满意度。可以说,作为最重要的非经济因素,它是社会运行状况和民众生活状态的“晴雨表”,也是社会发展和民心向背的“风向标”。国内学者也对幸福感指数进行了研究,试图建立衡量人们幸福感的量化模型,可参看附件的参考论文。 根据你自己对幸福感的理解,要求完成以下工作: 1、附表给出了网上调查的一系列数据,根据这些数据,试建立网民幸福感的评价指标体系,并利用这些指标建立衡量幸福指数的数学模型。 2、试查找相关资料,分别建立某一地区或某一学校教师和学生的幸福指数的数学模型,并找出影响他们幸福感的主要因素。 3、你所建立的评价体系和模型,能否推广到更加普遍的人群,试讨论之。 4、根据你所建模型得出的结论,给相关部门(例如政府、或学校管理部门等)写一封短信(1页纸以内),阐明你对幸福的理解和建议。 二问题分析 在问题一中,由于幸福指数的影响因素较多,我们可以采用表(表5-1)二级分层结构,即采用二级模糊综合评判的方法,就足以解决问题了。 我们发现要通过模糊综合评价对网民幸福指数幸福感指数进行衡量,缺少了各个因素的权重值,所以就必须要求出影响网民幸福指数的一级指标的权重才能进行网民幸福指数的衡量。因为网民幸福指数有每个一级指标构成,所以要求出每个一级指标对于幸福指数影响的权重,而每个一级指标又是有二级指标来决定的,也要求出一级指标下每个二级指标对于一级指标影响的权重。对于此,我们引入熵权法先求解二级指标对于一级指标的权重,进而求解出一级指标对于网民幸福指数的权重。 三符号说明

数学建模实验四概论

西北农林科技大学实验报告 学院名称:理学院 专业年级:2013级信计1班 姓 名: 学 号 课 程:数学模型与数学建模 报告日期:2013年12月1日 拟合模型与回归分析 实验目的 配合《数学建模与数学模型》的第3章“常见的模型及其组建”,介绍如何运用数学软件进行模型组建,并结合数学理论分析求解模型。 拟合模型的组建是通过对有关变量的观测数据(散点图)的观察、分析。结合问题背景,运用数学分析,选择当前恰当的数学表达方式得到的。拟合的目的是寻找一条光滑曲线y=ψ(x),能够很好地表现受随机因素干扰的观测数据 (){}n i i i y x 1,=所反映的规律。原则上尽量选择简单的数学公式表达规律,在简单 的数学表达式中选择拟合效果好的。 一、赛跑成绩与赛跑距离 1 实验题目 赛跑成绩与赛跑距离 2 实验问题陈述 下面的表2.1.1给出了1997年以前6个不同距离的中短距离赛跑成绩的世界纪录: 3 实验内容 解 共分4个步骤,分别叙述如下。 步骤1 在坐标系上画出观测数据的散点图。 >> X=[100 200 400 800 1000 1500]; >> Y=[9.95 19.72 43.86 102.4 133.9 212.1]; >> plot(X,Y,'*')

步骤2 根据散点图,取线性拟合模型y=a+bx. 步骤3 利用数据(x i ,y i )估计模型参数a,b 。就是在寻找超定方程(方程个数多于未知数的个数)Ad =y ′的近似解d =(a,b)′,其中 ? ? ?? ?? ??=n x x A ...1...11,????? ? ??=n y y ...y ′ 1 称X=(x 1,x 2,....,x n )′为设计矩阵。采用最小二乘法确定参数的估计值∧a ,∧ b ,也就是求拟合残差平方和 ∑=--=n i i i bx a y Q 12)( 的最小值(a,b)。下面利用MATLAB 指令完成参数估计。 >> A=[ones(size(X))',X']; >> d=A\Y'; >> z=d(1)+d(2).*X; ; 得到线性模型:y=-9.99+0.145x. 步骤4 分析拟合效果,做拟合图。 >> plot(X,Y,'*',X,z,'LineWidth',2) >> Q=sum((Y-z).^2)

数学建模知识及常用方法

数学建模知识——之新手上路 一、数学模型的定义现在数学模型还没有一个统一的准确的定义,因为站在不同的角度可以有不同的定义。不过我们可以给出如下定义:“数学模型是关于部分现实世界和为一种特殊目的而作的一个抽象的、简化的结构。”具体来说,数学模型就是为了某种目的,用字母、数学及其它数学符号建立起来的等式或不等式以及图表、图像、框图等描述客观事物的特征及其内在联系的数学结构表达式。一般来说数学建模过程可用如下框图来表明:数学是在实际应用的需求中产生的,要解决实际问题就必需建立数学模型,从此意义上讲数学建模和数学一样有古老历史。例如,欧几里德几何就是一个古老的数学模型,牛顿万有引力定律也是数学建模的一个光辉典范。今天,数学以空前的广度和深度向其它科学技术领域渗透,过去很少应用数学的领域现在迅速走向定量化,数量化,需建立大量的数学模型。特别是新技术、新工艺蓬勃兴起,计算机的普及和广泛应用,数学在许多高新技术上起着十分关键的作用。因此数学建模被时代赋予更为重要的意义。二、建立数学模型的方法和步骤 1. 模型准备要了解问题的实际背景,明确建模目的,搜集必需的各种信息,尽量弄清对象的特征。 2. 模型假设根据对象的特征和建模目的,对问题进行必要的、合理的简化,用精确的语言作出假设,是建模至关重要的一步。如果对问题的所有因素一概考虑,无疑是一种有勇气但方法欠佳的行为,所以高超的建模者能充分发挥想象力、洞察力和判断力,善于辨别主次,而且为了使处理方法简单,应尽量使问题线性化、均匀化。 3. 模型构成根据所作的假设分析对象的因果关系,利用对象的内在规律和适当的数学工具,构造各个量间的等式关系或其它数学结构。这时,我们便会进入一个广阔的应用数学天地,这里在高数、概率老人的膝下,有许多可爱的孩子们,他们是图论、排队论、线性规划、对策论等许多许多,真是泱泱大国,别有洞天。不过我们应当牢记,建立数学模型是为了让更多的人明了并能加以应用,因此工具愈简单愈有价值。 4. 模型求解可以采用解方程、画图形、证明定理、逻辑运算、数值运算等各种传统的和近代的数学方法,特别是计算机技术。一道实际问题的解决往往需要纷繁的计算,许多时候还得将系统运行情况用计算机模拟出来,因此编程和熟悉数学软件包能力便举足轻重。 5. 模型分析 对模型解答进行数学上的分析。“横看成岭侧成峰,远近高低各不同”,能否对模型结果作出细致精当的分析,决定了你的模型能否达到更高的档次。还要记住,不论那种情况都需进行误差分析,数据稳定性分析。例题:一个笼子里装有鸡和兔若干只,已知它们共有 8 个头和 22 只脚,问该笼子中有多少只鸡和多少只兔?解:设笼中有鸡 x 只,有兔 y 只,由已知条件有 x+y=8 2x+4y=22 求解如上二元方程后,得解 x=5,y=3,即该笼子中有鸡 5 只,有兔 3 只。将此结果代入原题进行验证可知所求结果正确。根据例题可以得出如下的数学建模步骤: 1)根据问题的背景和建模的目的做出假设(本题隐含假设鸡兔是正常的,畸形的鸡兔除外) 2)用字母表示要求的未知量 3)根据已知的常识列出数学式子或图形(本题中常识为鸡兔都有一个头且鸡有 2 只脚,兔有 4 只脚) 4)求出数学式子的解答 5)验证所得结果的正确性这就是数学建模的一般步骤三、数模竞赛出题的指导思想传统的数学竞赛一般偏重理论知识,它要考查的内容单一,数据简单明确,不允许用计算器完成。对此而言,数模竞赛题是一个“课题”,大部分都源于生产实际或者科学研究的过程中,它是一个综合性的问题,数据庞大,需要用计算机来完成。其答案往往不是唯一的(数学模型是实际的模拟,是实际问题的近似表达,它的完成是在某种合理的假设下,因此其只能是较优的,不唯一的),呈报的成果是一篇论文。由此可见“数模竞赛”偏重于应用,它是以数学知识为引导计算机运用能力及文章的写作能力为辅的综合能力的竞赛。四、竞赛中的常见题型赛题题型结构形式有三个基本组成部分: 1. 实际问题背景涉及面宽——有社会,经济,管理,生活,环境,自然现象,工程技术,现代科学中出现的新问题等。一般都有一个

数学建模的经典模板

一、摘要 内容: (1)用1、2句话说明原问题中要解决的问题; (2)建立了什么模型(在数学上属于什么类型),建模的思想(思路),模型特点; (3)算法思想(求解思路),特色; (4)主要结果(数值结果,结论);(回答题目的全部“问题”) (5)模型优点,结果检验;模型检验,灵敏度分析,有无改进,推广 要求 (1)特色和创新之处必须在这里强调; (2)长度 (3)要确保准确、简明、条理、清晰、突出特色和创新点; 二、问题的提出 内容: 用自己的语言阐述背景,条件,要求;重点列出‘问题’也即要求; 要求: (1)不是题目的完整拷贝 (2)根据自己的理解,用自己的语言清楚简明的阐述背景、条件和要求; 三、条件假设 内容 (1)根据题目中的条件做出假设 (2)根据题目中的要求做出假设; 要求 (1)合理性最重要; (2)假设合理且全面,但不欣赏罗列大量的无关假设,关键性假设不能缺; (3)合理假设作用: 简化问题,明确问题,限定模型的适用范围 四、符号约定 五、问题分析 1.名词解释 2.问题的背景分析 3.问题分析 六、模型建立 抽象要求 (1)模型的主要类别:初等模型、微分方程模型、差分方程模型、概率模型、统计预测模型、

优化模型、决策模型、图论模型等 (2)几种常见的建模目的:(对应相对(1)的方法) 描述或解释现实世界的各类现象,常采用机理型分析方法,探索研究对象的内在规律性; 预测感兴趣的时间爱你是否会发生,或者事物的房展趋势,常采用数理统计或模拟的方法; 优化管理、决策或者控制事物,需要合理地定义可量化的评价指标及评价方法; (3)建模过程常见的几个要点: 模型的整体设计、合理的假设、建立数学结构、建立数学表达式; (4)模型的要求: 明确、合理、简洁、具有一般性; 例如:有些论文不给出明确的模型,只是就赛题所给的特殊情况,用凑得方法给出结果,虽然结果大致对,但缺乏一般性,不是建模的正确思路;((与第三点对应)) (5)鼓励创新,特别欣赏独树一帜、标新立异,但要合理 (6)避免出现罗列一系列的模型,又不做评价的现象; 具体要求: (1)基本模型:首先要有数学模型:数学公式、方案等;基本模型,要求完整,正确,简明(2)简化模型:要明确说明,简化思想,依据;简化后的模型尽可能给出; 七、模型求解 每一块内容包括:计算方法设计或选择、算法设计或选择、算法思想依据、步骤及实现、计算框图、所采用的软件名称 写作要求: 1、需要建立数学命题时:命题叙述要符合数学命题的表述规范,尽可能论证严密 2、需要说明计算方法或算法的原理、思想、依据、步骤。若采用现有软件,说明采用此软件的理由,软件名称 3、计算过程,中间结果可要可不要的,不要列出 4、设法算出合理的数值结果 5、最终数值结果的正确性或合理性是第一位的 6、对数值结果或模拟结果进行必要的检验。结果不正确、不合理、或误差大时,分析原因,对算法、计算方法、或模型进行修正、改进 7、题目中要求回答的问题,数值结果,结论,须一一列出 8、列数据问题:考虑是否需要列出多组数据,或额外数据对数据进行比较、分析,为各种方案的提出提供依据 9、结果表示:要集中,一目了然,直观,便于比较分析 ▲数值结果表示:精心设计表格;可能的话,用图形图表形式 ▲求解方案,用图示更好 10、必要时对问题解答,作定性或规律性的讨论。最后结论要明确 内容 (1)算法设计或选择,算法的思想依据,步骤; (2)引用或建立必要的数学命题和定理; (3)在不能给出精确解的情况下,需要给出不知一种解法(算法),并进行测试比较,给出

数学建模方法模型

数学建模方法模型 一、统计学方法 1 多元回归 1、方法概述: 在研究变量之间的相互影响关系模型时候用到。具体地说:其可以定量地描述某一现象和某些因素之间的函数关系,将各变量的已知值带入回归方程可以求出因变量的估计值,从而可以进行预测等相关研究。 2、分类 分为两类:多元线性回归和非线性线性回归;其中非线性回归可以通过一定的变化转化为线性回归,比如:y=lnx 可以转化为 y=u u=lnx 来解决;所以这里主要说明多元线性回归应该注意的问题。 3、注意事项 在做回归的时候,一定要注意两件事: (1) 回归方程的显著性检验(可以通过 sas 和 spss 来解决) (2) 回归系数的显著性检验(可以通过 sas 和 spss 来解决) 检验是很多学生在建模中不注意的地方,好的检验结果可以体现出你模型的优劣,是完整论文的体现,所以这点大家一定要注意。 4、使用步骤: (1)根据已知条件的数据,通过预处理得出图像的大致趋势或者数据之间的大致关系; (2)选取适当的回归方程; (3)拟合回归参数; (4)回归方程显著性检验及回归系数显著性检验 (5)进行后继研究(如:预测等)

2 聚类分析 1、方法概述 该方法说的通俗一点就是,将 n个样本,通过适当的方法(选取方法很多,大家可以自行查找,可以在数据挖掘类的书籍中查找到,这里不再阐述)选取 m 聚类中心,通过研究各样本和各个聚类中心的距离 Xij,选择适当的聚类标准,通常利用最小距离法(一个样本归于一个类也就意味着,该样本距离该类对应的中心距离最近)来聚类,从而可以得到聚类结果,如果利用sas 软件或者 spss 软件来做聚类分析,就可以得到相应的动态聚类图。这种模型的的特点是直观,容易理解。 2、分类 聚类有两种类型: (1) Q型聚类:即对样本聚类; (2) R型聚类:即对变量聚类; 通常聚类中衡量标准的选取有两种: (1) 相似系数法 (2) 距离法 聚类方法: (1) 最短距离法 (2) 最长距离法 (3) 中间距离法 (4) 重心法 (5) 类平均法 (6) 可变类平均法 (7) 可变法

什么是数学模型与数学建模

1. 什么是数学模型与数学建模 简单地说:数学模型就是对实际问题的一种数学表述。 具体一点说:数学模型是关于部分现实世界为某种目的的一个抽象的简化的数学结构。 更确切地说:数学模型就是对于一个特定的对象为了一个特定目标,根据特有的内在规律,做出一些必要的简化假设,运用适当的数学工具,得到的一个数学结构。数学结构可以是数学公式,算法、表格、图示等。 数学建模就是建立数学模型,建立数学模型的过程就是数学建模的过程(见数学建模过程流程图)。数学建模是一种数学的思考方法,是运用数学的语言和方法,通过抽象、简化建立能近似刻划并"解决"实际问题的一种强有力的数学手段。 2.美国大学生数学建模竞赛的由来: 1985年在美国出现了一种叫做MCM的一年一度大大学生数学模型(1987年全称为Mathematical Competition in Modeling,1988年改全称为Mathematical Contest in Modeling,其所写均为MCM)。这并不是偶然的。在1985年以前美国只有一种大学生数学竞赛(The william Lowell Putnam mathematial Competition,简称Putman(普特南)数学竞赛),这是由美国数学协会(MAA--即Mathematical Association of America的缩写)主持,于每年12月的第一个星期六分两试进行,每年一次。在国际上产生很大影响,现已成为国际性的大学生的一项著名赛事。该竞赛每年2月或3月进行。 我国自1989年首次参加这一竞赛,历届均取得优异成绩。经过数年参加美国赛表明,中国大学生在数学建模方面是有竞争力和创新联想能力的。为使这一赛事更广泛地展开,1990年先由中国工业与应用数学学会后与国家教委联合主办全国大学生数学建模竞赛(简称CMCM),该项赛事每年9月进行。

工程技术中常用的数学建模方法概述

工程技术中常用的数学建模方法概述 摘要对目前工程和管理研究领域所涉及的数学建模方法作了简要分析,指出不同的问题所需用到的建模方法,并通过举例说明建模的方法和步骤。 关键词数学建模;建模方法;模型;建模;数学应用 在现实社会生产实践中,随着科学研究的进步,多学科交叉运用越来越多。数学建模就是一种解决实际应用问题的有效方法,当然要在充分了解问题的实际背景的基础上,把实际问题抽象成数学问题,建立起数学模型,利用数学知识对数学模型进行分析探求,得到数学结果,得出应用问题的解。即通过对问题的数学化,模型构建和求解检验[1]。 其一般步骤可分成如下几点: (1)模型准备:了解问题的实际背景,搜集建模必需的各种信息,明确建模目的。 (2)建模:对问题进行必要合理的简化和假设,根据所作的假设分析对象的因果关系,利用对象的内在规律和适当的数学工具,构造各个量(变量和常量)之间的关系或其他数学结构。 (3)求模:根据数学知识和方法,求解数学模型,得到数学问题的结果。求模时要注意灵活运用各种数学方法,包括matlab等工程软件[2]。 (4)回归:把数学问题的结果回归到实际问题中,通過分析,判断,验证,得到实际问题的结果。 下面谈谈几种常用的数学建模法,限于篇幅,不便举太多例子。 (1)建立函数模型法 有关成本最低,效益最大,用料或费用最省等应用问题,可考虑建立相应函数关系式,并把实际问题转化为求最值的问题。 (2)建立三角形模型法 有关涉及几何、测量、航海等应用问题可考虑转化为三角问题来解决[3]。 (3)建立数列模型法 对于一些产量增长,细菌繁殖,存款利率,物价调节,人口探测等应用问题,往往需要通过观察分析,归纳抽象,建立出数列模型,然后用数列的有关知识加

初中数学建模案例资料

初中数学建模案例

中学数学建模论文指导 中学阶段常见的数学模型有:方程模型、不等式模型、函数模型、几何模型和统计模型等。我们也把运用数学模型解决实际问题的方法统称为应用建模。可以分五种模型来写。论文最好自己写,如果是参加竞赛的话从网上找的会被搜出来的。 一、建模论文的标准组成部分 建模论文作为一种研究性学习有意义的尝试,可以锻炼学生发现问题、解决问题的能力。一般来说,建模论文的标准组成部分由论文的标题、摘要、正文、结论、参考文献等部分组成。现就每个部分做个简要的说明。 1. 题目 题目是给评委的第一印象,所以论文的题目一定要避免指代不清,表达不明的现象。建议将论文所涉及的模型或所用的计算方式写入题目。如“用概率方法计算商场打折与返券的实惠效应”。 2. 摘要 摘要是论文中重要的组成部分。摘要应该使用简练的语言叙述论文的核心观点和主要思想。如果你有一些创新的地方,一定要在摘要中说明。进一步,必须把一些数值的结果放在摘要里面,例如:“我们的最终计算得出,对于消费者来说,打折比返券的实惠率提高了23%。”摘要应该最后书写。在论文的其他部分还没有完成之前,你不应该书写摘要。因为摘要是论文的主旨和核心内容的集中体现,只有将论文全部完成且把论文的体系罗列清楚后,才可写摘要。

摘要一般分三个部分。用三句话表述整篇论文的中心。 第一句,用什么模型,解决什么问题。 第二句,通过怎样的思路来解决问题。 第三句,最后结果怎么样。 当然,对于低年级的同学,也可以不写摘要。 3. 正文 正文是论文的核心,也是最重要的组成部分。在论文的写作中,正文应该是从“提出问题—分析问题—选择模型—建立模型—得出结论”的方式来逐渐进行的。其中,提出问题、分析问题应该是清晰简短。而选择模型和建立模型应该是目标明确、数据详实、公式合理、计算精确。在正文写作中,应尽量不要用单纯的文字表述,尽量多地结合图表和数据,尽量多地使用科学语言,这会使得论文的层次上升。 4. 结论 论文的结论集中表现了这篇论文的成果,可以说,只有论文的结论经得起推敲,论文才可以获得比较高的评价。结论的书写应该注意用词准确,与正文所描述或论证的现象或数据保持绝对的统一。并且一定要对结论进行自我点评,最好是能将结论推广到社会实践中去检验。

数学建模课程简介

《数学建模》课程简介 20053025 数学建模 4.5 Mathematical Modeling 4-1 预修要求:微积分、线性代数 面向对象:竺可桢学院工程高级班 内容简介: 本课程以物理、生态、环境、医学、管理、经济、信息技术等领域的一些典型实例为背景,阐述如何通过建立数学模型的方法来研究、解决实际问题的基本方法和技能。开设本课程的目的是,在传授知识的同时,通过典型建模实例的分析和参加建模实践活动,培养和增强学生自学能力、创新素质。参加数学建模课的学习,应自己动手解决一、二个实际问题,以求在实际参与中获取真知。 本课程包括一定学时的讨论班,学生可利用课外时间自己参与建模实践活动并自愿参加由指导教师组织的讨论班活动。选修本课程的本科生经双向选择还有机会参加全国大学生数学建模竞赛(每年约90人)和美国大学生数学建模竞赛(每年为21人)。 推荐教材或参考书: “数学建模”,杨启帆、谈之奕、何勇编著,浙江大学出版社出版,2006年7月 《数学建模》教学大纲 20053025 数学建模 4.5 Mathematical Modeling 4-1 预修要求:微积分、线性代数 面向对象:竺可桢学院工程高级班 一、教学目的与基本要求: 通过典型数学模型分析和课外建模实践,使学生基本掌握运用数学知识建立数学模型来研究科研问题或实际课题的基本技能与基本技巧,本课程教学除传授知识外还要求学生在实际建模中注意培养和提高自身的能力,以便提高自己的综合素质与实际本领。 二、主要内容及学时分配: 1.数学建模概论,3学时 2.初等模型,8学时:舰艇的汇合,双层玻璃的功效,崖高的估算,经验模型,参数 识别,量纲分析法建模,方桌问题、最短路径与最速方案等 3.微分方程建模,14学时:马尔萨斯模型和罗杰斯蒂克模型,为什么要用三级火箭发 射人造卫星,药物在体内的分布,传染病模型,捕食系统的P-P模型,双种群生态 系统研究等

数学模型的定义

一、数学模型的定义 现在数学模型还没有一个统一的准确的定义,因为站在不同的角度可以有不同的定义。不过我们可以给出如下定义:“数学模型是关于部分现实世界和为一种特殊目的而作的一个抽象的、简化的结构。”具体来说,数学模型就是为了某种目的,用字母、数学及其它数学符号建立起来的等式或不等式以及图表、图象、框图等描述客观事物的特征及其内在联系的数学结构表达式。一般来说数学建模过程可用如下框图来表明: 数学是在实际应用的需求中产生的,要解决实际问题就必需建立数学模型,从此意义上讲数学建模和数学一样有古老历史。例如,欧几里德几何就是一个古老的数学模型,牛顿万有引力定律也是数学建模的一个光辉典范。今天,数学以空前的广度和深度向其它科学技术领域渗透,过去很少应用数学的领域现在迅速走向定量化,数量化,需建立大量的数学模型。特别是新技术、新工艺蓬勃兴起,计算机的普及和广泛应用,数学在许多高新技术上起着十分关键的作用。因此数学建模被时代赋予更为重要的意义。 二、建立数学模型的方法和步骤 1. 模型准备 要了解问题的实际背景,明确建模目的,搜集必需的各种信息,尽量弄清对象的特征。 2. 模型假设 根据对象的特征和建模目的,对问题进行必要的、合理的简化,用精确的语言作出假设,是建模至关重要的一步。如果对问题的所有因素一概考虑,无疑是一种有勇气但方法欠佳的行为,所以高超的建模者能充分发挥想象力、洞察力和判断力,善于辨别主次,而且为了使处理方法简单,应尽量使问题线性化、均匀化。 3. 模型构成 根据所作的假设分析对象的因果关系,利用对象的内在规律和适当的数学工具,构造各个量间的等式关系或其它数学结构。这时,我们便会进入一个广阔的应用数学天地,这里在高数、概率老人的膝下,有许多可爱的孩子们,他们是图论、排队论、线性规划、对策论等许多许多,真是泱泱大国,别有洞天。不过我们应当牢记,建立数学模型是为了让更多的人明了并能加以应用,因此工具愈简单愈有价值。 4. 模型求解 可以采用解方程、画图形、证明定理、逻辑运算、数值运算等各种传统的和近代的数学方法,特别是计算机技术。一道实际问题的解决往往需要纷繁的计算,许多时候还得将系统运行情况用计算机模拟出来,因此编程和熟悉数学软件包能力便举足轻重。 5. 模型分析 对模型解答进行数学上的分析。“横看成岭侧成峰,远近高低各不同”,能否对模型结果

数学建模常用方法

数学建模常用方法 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M a t l a b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L i n d o、L i n g o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M a t l a b进行处理) 一、在数学建模中常用的方法: 1.类比法 2.二分法 3.量纲分析法 4.差分法 5.变分法 6.图论法 7.层次分析法 8.数据拟合法 9.回归分析法 10.数学规划(线性规划、非线性规划、整数规划、动态规划、目标规划) 11.机理分析 12.排队方法

数学建模中常见的十大模型

数学建模常用的十大算法==转 (2011-07-24 16:13:14) 转载▼ 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,同时可以通过模拟来检验自己模型的正确性,几乎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MA TLAB 作为工具。 3. 线性规划、整数规划、多元规划、二次规划等规划类算法。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 软件求解。 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,竞赛中很多场合会用到。 6. 最优化理论的三大非经典算法:模拟退火算法、神经网络算法、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,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。两者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. 一些连续数据离散化方法。很多问题都是实际来的,数据可以是连续的,而计算机只能处理离散的数据,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,即使问题与图形无关,论文中也会需要图片来说明问题,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MA TLAB 进行处理。 以下将结合历年的竞赛题,对这十类算法进行详细地说明。 以下将结合历年的竞赛题,对这十类算法进行详细地说明。 2 十类算法的详细说明 2.1 蒙特卡罗算法 大多数建模赛题中都离不开计算机仿真,随机性模拟是非常常见的算法之一。 举个例子就是97 年的A 题,每个零件都有自己的标定值,也都有自己的容差等级,而求解最优的组合方案将要面对着的是一个极其复杂的公式和108 种容差选取方案,根本不可能去求解析解,那如何去找到最优的方案呢?随机性模拟搜索最优方案就是其中的一种方法,在每个零件可行的区间中按照正态分布随机的选取一个标定值和选取一个容差值作为一种方案,然后通过蒙特卡罗算法仿真出大量的方案,从中选取一个最佳的。另一个例子就是去年的彩票第二问,要求设计一种更好的方案,首先方案的优劣取决于很多复杂的因素,同样不可能刻画出一个模型进行求解,只能靠随机仿真模拟。 2.2 数据拟合、参数估计、插值等算法 数据拟合在很多赛题中有应用,与图形处理有关的问题很多与拟合有关系,一个例子就是98 年美国赛A 题,生物组织切片的三维插值处理,94 年A 题逢山开路,山体海拔高度的插值计算,还有吵的沸沸扬扬可能会考的“非典”问题也要用到数据拟合算法,观察数据的

线性规划与数学建模简介

第十三章线性规划与数学建模简介 【授课对象】理工类专业学生 【授课时数】6学时 【授课方法】课堂讲授与提问相结合 【基本要求】1、了解数学模型的基本概念、方法、步骤; 2、了解线性规划问题及其数学模型; 3、了解线性规划问题解的性质及图解法. 【本章重点】线性规划问题. 【本章难点】线性规划问题、线性规划问题解的性质、图解法. 【授课内容】 本章简要介绍数学建模的基本概念、方法、步骤,并以几个典型线性规划问题为例,介绍构建数学模型的方法及其解的性质。 §1 数学建模概述 一、数学建模 数学建模是构造刻划客观事物原型的数学模型并用以分析、研究和解决实际问题的一种科学方法。运用这种科学方法,必须从实际问题出发,遵循从实践到认识再实践的认识规律,围绕建模的目的,运用观察力、想象力的抽象概括能力,对实际问题进行抽象、简化,反复探索,逐步完善,直到构造出一个能够用于分析、研究和解决实际问题的数学模型。因此,数学建模是一种定量解决实际问题的创新过程。 二、数学模型的概念 模型是人们对所研究的客观事物有关属性的模拟。例如在力学中描述力、 量和加速度之间关系的牛顿第二定律F=ma就是一个典型的(数学)模型。一般地,可以给数学模型下这样的定义:数学模型是磁于以部分现实世界为一定目的而做的抽象、简化的数学结构。 通俗而言,数学模型是为了一定目的对原型所作的一种抽象模拟,它用数学 式子,数学符号以及程序、图表等描述客观事物的本质特征与内在联系。 三建立数学模型的方法和步骤 建立数学模型没有固定模式。下面介绍一下建立模型的大体过程: 1.建模准备 建模准备是确立建模课题的过程。这类课题是人们在生产和科研中为了使 认识和实践过一步发展必须解决的问题。因此,我们首先要发现这类需要解决的实际问题。其次要弄清所解决问题的目的要求并着手收集数据。进行建模筹划,组织必要的人力、物力等,确立建模课题。 2.模型假设 作为建模课题的实际问题都是错综复杂的、具体的。如果不对这些实际问题进行抽象简化,人们就无法准确把握它的本质属性,而模型假设就是根据建模的目的对原型进行抽象、简化,抓住反映问题本质属性的主要因素,简化掉那些非本质的

统计学数学模型

一、多元回归 1、方法概述: 在研究变量之间的相互影响关系模型时候,用到这类方法,具体地说:其可以定量地描述某一现象和某些因素之间的函数关系,将各变量的已知值带入回归方程可以求出因变量的估计值,从而可以进行预测等相关研究。 2、分类 分为两类:多元线性回归和非线性线性回归;其中非线性回归可以通过一定的变化转化为线性回归,比如:y=lnx 可以转化为 y=u u=lnx 来解决;所以这里主要说明多元线性回归应该注意的问题。 3、注意事项 在做回归的时候,一定要注意两件事: (1)回归方程的显著性检验(可以通过sas和spss来解决)(2)回归系数的显著性检验(可以通过sas和spss来解决) 检验是很多学生在建模中不注意的地方,好的检验结果可以体现出你模型的优劣,是完整论文的体现,所以这点大家一定要注意。 4、使用步骤: (1)根据已知条件的数据,通过预处理得出图像的大致趋势或者数据之间的大致关系; (2)选取适当的回归方程; (3)拟合回归参数; (4)回归方程显著性检验及回归系数显著性检验

(5)进行后继研究(如:预测等)这种模型的的特点是直观,容易理解。 这体现在:动态聚类图可以很直观地体现出来!当然,这只是直观的一个方面! 二、聚类分析 聚类有两种类型: (1) Q型聚类:即对样本聚类;(2) R型聚类:即对变量聚类;聚类方法: (1)最短距离法(2)最长距离法(3)中间距离法(4)重心法(5)类平均法(6)可变类平均法(7)可变法(8)利差平均和法 在具体做题中,适当选取方法; 3、注意事项 在样本量比较大时,要得到聚类结果就显得不是很容易,这时需要根据背景知识和相关的其他方法辅助处理。还需要注意的是:如果总体样本的显著性差异不是特别大的时候,使用的时候也要注意!4、方法步骤 (1)首先把每个样本自成一类; (2)选取适当的衡量标准,得到衡量矩阵,比如说:距离矩阵或相似性矩阵,找到矩阵中最小的元素,将该元素对应的两个类归为一类, (4)重复第2步,直到只剩下一个类; 补充:聚类分析是一种无监督的分类,下面将介绍有监督的“分

数学建模如何查找资料

在数学建模中文献资料的查找是十分关键,其实不仅是在数学建模中,在学习和做研究就是如此,不阅读文献资料就相当于闭门造车,什么都弄不出来,现在的工作几乎都可以说是站在前人的肩膀上,从出生开始就是站在前人的肩膀上了,所学的任何书本知识都是前人总结出来的。通过文献资料的阅读可以知道别人在这个方面做了多少工作了,怎么做的工作,取得了哪些进展,还存在什么问题没解决,难点在哪里,热点在哪里,哪里是关键,哪些是有价值的,哪些是无意义的等等等等......,并且可以通过查找文献得到一些很有用的信息,比如某个教授牛的程度,所擅长的领域等等,呵呵,翻教授老底了,比较好玩,选导师的时候强烈推荐。 文献查找主要有三个模式: A.书 B.书+中外文期刊数据库 C.书+中外文期刊数据库+学位论文 D.书+中外文期刊数据库+学位论文+搜索引擎对于全国赛推荐D模式,但要改为Dc模式:中外文期刊数据库+学位论文

对于美赛则要改为Da模式:外文期刊数据库+搜索引擎 在此要解释下为何如此推荐,对于参加建模的来说一般书基本上是用不上了的,没必要去查了,直接查找数据库即可了,全国赛的题目大多是研究了很多年的东西了,这个也是和国内学术环境相关的,虽然近几年的赛题是体现最新形式的,但是相关的研究还是有的,还是可以参考的,要知道国内鲜有几个教授牛的站在国际前沿还给本科生出个数模题玩玩的,一般都是老东西新面孔的。也就是可以归类为学术研究类的新面孔老方法类。所以查数据库是最有效率的方法,并且查学位论文是尤其推荐的,要知道查找学位论文是最高效率得到信息的途径。虽然学位论文很长,很吓人,没有七八十页也有个一百多页,其实看多了学位论文就知道真正有用的东西页就那么个十多页最多二十多页,直接翻到那个部分看就可以了,为什么篇幅这么大就和中国的教育中的一些硬性指标相关了,每个级别的学位论文都有一个规定的字数范围,虽然大部分是垃圾,但为了达到这个字数要求也得凑足这个数字,水了,中国高等教育的悲哀啊。

第一章数学建模概述

1数学建模概述 ? 数学模型 ? 数学建模过程 ? 数学建模示例 ? 建立数学模型的方法和步骤 ? 数学模型的分类 1数学模型 模型:是我们对所研究的客观事物有关属性的模拟,它应当具有事物中使我们感兴趣的主要性质,模拟不一定是对实体的一种仿造,也可以是对某些基本属性的抽象。 直观模型: 实物模型,主要追求外观上的逼真。 物理模型:为一定目的根据相似原理构造的模型,不仅可以显示原型的外形或某些特征,而且可以进行模拟试验,间接地研究原型的某些规律。 思维模型,符号模型,数学模型 数学模型: 1)近藤次郎(日)的定义:数学模型是将现象的特征或本质给以数学表述的数学关系式。它是模型的一种。 2)本德(美)的定义:数学模型是关于部分现实世界和为一种特殊目的而作的一个抽象的简化的数学结构。 3)姜启源(中)的定义:是指对于现实世界的某一特定对象,为了某个特定的目的,做出一些必要的简化和假设,运用 适当的数学工具得到一个数学结构。 数学结构:是指数学符号、数学关系式、数学命题、图形图表等,这些基于数学思想与方法的数学问题。 总之,数学模型是对实际问题的一种抽象,基于数学理论和方法,用数学符号、数学关系式、数学命题、图形图表等来刻画客观事物的本质属性与其内在联系。古希腊时期:“数理是宇宙的基本原理”。文艺复兴时期:应用数学来阐明现象“进行尝试”。微积分法的产生,使得数学与世界密切联系起来,用公式、图表、符号反映客观世界越来越广泛,越来越精确。费马(P.Fermal 1601-1665)用变分法表示“光沿着所需时间最短的路径前进”。牛顿(Newton 1642-1727)将力学法则用单纯的数学式表达,如,牛顿第二定律: 结合开普勒三定律得出万有引力定律 航行问题: 甲乙两地相距750千米,船从甲到乙顺水航行需30小时,从乙到甲逆水航行需50小时,问船速、水速各多少? 用y x ,分别代表船速、水速,可以列出方程 解方程组,得 22 1r m m G F =ma F =?? ?=?-=?+75050)(75030)(y x y x 小时) (千米小时)(千米/5/20==y x

建立数学模型方法步骤特点及分类

建立数学模型的方法、步骤、特点及分类 [学习目标] 1.能表述建立数学模型的方法、步骤; 2.能表述建立数学模型的逼真性、可行性、渐进性、强健性、可转移性、非 预制性、条理性、技艺性和局限性等特点;; 3.能表述数学建模的分类; 4.会采用灵活的表述方法建立数学模型; 5.培养建模的想象力和洞察力。 一、建立数学模型的方法和步骤 —般说来建立数学模型的方法大体上可分为两大类、一类是机理分析方法,一类是测试分析方法.机理分析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,建立的模型常有明确的物理或现实意义.测试分折将研究对象视为一个“黑箱”系统,内部机理无法直接寻求,可以测量系统的输人输出数据、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与数据拟合得最好的模型。这种方法称为系统辨识(System Identification).将这两种方法结合起来也是常用的建模方法。即用机理分析建立模型的结构,用系统辨识确定模型的参数. 可以看出,用上面的哪一类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决定的.如果掌握了机理方面的一定知识,模型也要求具有反映内部特性的物理意义。那么应该以机理分析方法为主.当然,若需要模型参数的具体数值,还可以用系统辨识或其他统计方法得到.如果对象的内部机理基本上没掌握,模型也不用于分析内部特性,譬如仅用来做输出预报,则可以系统辩识方法

为主.系统辨识是一门专门学科,需要一定的控制理论和随机过程方面的知识.以下所谓建模方法只指机理分析。 建模要经过哪些步骤并没有一定的模式,通常与实际问题的性质、建模的目的等有关,从 §16.2节的几个例子也可以看出这点.下面给出建模的—般步骤,如图16-5所示. 图16-5 建模步骤示意图 模型准备首先要了解问题的实际背景,明确建模的目的搜集建模必需的各种信息如现象、数据等,尽量弄清对象的特征,由此初步确定用哪一类模型,总之是做好建模的准备工作.情况明才能方法对,这一步一定不能忽视,碰到问题要虚心向从事实际工作的同志请教,尽量掌握第一手资料. 模型假设根据对象的特征和建模的目的,对问题进行必要的、合理的简化,用精确的语言做出假设,可以说是建模的关键一步.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.

1数学建模概述

第1章数学建模概述 (2) §1.1从现实现象到数学模型 (2) §1.2数学建模方法、步骤、特点与分类 (4) §1.3怎样学习数学建模及组织数学建模竞赛 (8) 习题1 (10)

第1章数学建模概述 随着科学技术的发展,特别是计算机技术的飞速发展,数学建模作为一门用数学方法解决实际问题的学科越来越受到人们的重视。对于广大科技人员和应用数学工作者来说,建立数学模型是沟通摆在面前的实际问题与他们掌握的数学工具之间联系的一座必不可少的桥梁.其实,“所谓高科技就是一种数学技术”,几乎所有学科发展到高级阶段都要引入数学,进行量化处理,甚至几乎所有科学理论都可看作数学模型,马克思说过“一门科学只有成功地运用数学时,才算达到了完善的地步”。当今,数学以空前的广度和深度向一切领域渗透,可以从以下几方面来看数学建模在现实世界中的重要意义: (1)在一般工程技术领域数学建模仍然大有用武之地,如机械、电机、土木、水利等; (2)在高新技术领域数学建模几乎是必不可少的工具,如通信、微电子、航天、自动化等; (3)数学进入一些新领域,诸如经济、人口、生态、地质等。所谓非物理领域也为数学建模开辟了许多处女地,如计量经济学、人口控制论、数学生态学等。 本章为数学建模概述,主要讨论建立数学模型的意义、方法和步骤,使读者全面的、初步的了解数学建模,最后给出几点数学建模竞赛建议供读者参考。 §1.1从现实现象到数学模型 现实世界丰富多彩,变化万千。人们无时无刻都在运用自己的智慧和力量去认识、利用、改造世界,从而创造出更加多彩的物质文明和精神文明。博览会是集中展示这些成果的场所之一。工业展厅上,豪华、舒适的新型汽车令人赞叹不已;农业展厅上,硕大、娇艳的各种水果令人流连忘返;科技展厅上,大型水电站模型雄伟壮观,人造卫星模型高高耸立,讲解员深入浅出的介绍原子结构模型的运行机理,电影演播室里播放着一部现代化炼钢厂自动化生产的影片,其中既有火花四溅的炼钢情形,也有控制的框图、公式和程序。参加博览会,既有汽车、水果那些原封不动的从现实搬到展厅的实物,也有各种实物模型、照片、图表、公式……,这些模型在短短几个小时给大家的作用,恐怕置身现实世界很多天也无法做到。 与形形色色的模型相对应,它们在现实世界的原始参照物统称为原型,它们是人们现实世界里关心、研究或者从事生产、管理的实际对象。本书所述的现实对象、研究对象、实际问题等均指原型。模型是为了某个特定目的将原型的某一部分信息简缩、抽象、提炼而构成的原型替代物,也是所研究的系统、过程、事

相关文档
最新文档