数学建模实验答案离散模型
数学建模实验报告

湖南城市学院数学与计算科学学院《数学建模》实验报告专业:学号:姓名:指导教师:成绩:年月日目录实验一 初等模型........................................................................ 错误!未定义书签。
实验二 优化模型........................................................................ 错误!未定义书签。
实验三 微分方程模型................................................................ 错误!未定义书签。
实验四 稳定性模型.................................................................... 错误!未定义书签。
实验五 差分方程模型................................................................ 错误!未定义书签。
实验六 离散模型........................................................................ 错误!未定义书签。
实验七 数据处理........................................................................ 错误!未定义书签。
实验八 回归分析模型................................................................ 错误!未定义书签。
实验一 初等模型实验目的:掌握数学建模的基本步骤,会用初等数学知识分析和解决实际问题。
实验内容:A 、B 两题选作一题,撰写实验报告,包括问题分析、模型假设、模型构建、模型求解和结果分析与解释五个步骤。
数学建模离散问题建模方法和案例分析报告

1. 存在性问题案例---- 董事会会议安排
Mix Well For Fruitful Discussion (MCM1997-B)
一. 问题的提出 An Tostal 公司董事会由29名董事(其中9名在职)组成。
公司要召开为期一天的董事会会议。 上午分3节(sessions), 每节分成6组(groups) 下午4 节, 每节分成4组。
• 构造出购书方案总的效用函数:
wj xj
j
“尽最大可能满足学生希望”的目标就是:
max wj x j
j
综合起来,便得到原问题的数学模型:
max x j
j
min c j x j
j
max wj x j 这是一个多目标最j 优化问题。 根据本问题的特点,可以采用将次要目标改成 约束的方法,即将它改为:
required number of elementary computational steps is bounded by a polynomial in the size of the problem.
---- J.Edmonds & R.M.Karp (1960) • P --- NP --- NP-C
为让董事们充分发表意见,应如何安排各节各组的 董事名单?
二. 分析和建模 关于组合设计
1. Euler36军官问题和正交拉丁方
设 S {a1, a2,, an} 是一个n元集合。A是一个 n n 阶
矩阵,它的元素为S中的元素。如果S 中的每一个元素都 恰好在A的每一行中出现一次,同时在A的每一列中出现 一次, 那么就称A为S上的一个n阶拉丁方。
• (1,2,3), (4,5,6), (7,8,9);(1,4,7), (2,5,8), (3,6,9); (1,5,9), (2,6,7), (3,4,8);(1,6,8), (2,4,9), (3,5,7)。 组成一个9阶的Steiner三元系。
数学建模实验-离散模型

1 5 3 B3= 1 / 5 1 1 / 7 1 / 3 2 1 2 4 1 B6= 1 / 2 1 2 1 / 3 1 / 2 1
以 B1 为例: 代码如下:
>> B=[1 2 4;1/2 1 2;1/3 1/2 1;] B = 1.0000 0.5000 0.3333 2.0000 1.0000 0.5000 4.0000 2.0000 1.0000
所以要选择诺基亚 N73 三、本次实验的难点分析
试题的求解需要我们对层次分析法有较为深刻地了解, 层次分析法对我们的 matlab 编程水平有 比较高的要求,通过程序的求解我们更深入的了解了 matlab。
四、参考文献
无
5
2 4 1 B1= 1 / 2 1 2 1 / 3 1 / 2 1 1 1/ 2 1 / 3 1 B4= 2 1 3 1 1
1 2 3 B2= 1 / 2 1 1 1 / 3 1 1 1 5 3 B5= 1 / 5 1 1 / 2 1 / 3 2 1
W W (3)W (2)
0.4556 0.0361 0.56 0.55 0.65 0.17 0.65 0.54 0.1393 0.28 0.24 0.12 0.39 0.12 0.16 0.16 0.21 0.23 0.44 0.23 0.30 0.0887 0.0221 0.0590
130/ 77 65 / 77 36 / 77
0.56 0.28 0.16
0.56 0.55 0.65 0.17 0.65 0.54 W= 0.28 0.24 0.12 0.39 0.12 0.16 0.16 0.21 0.23 0.44 0.23 0.30
数学建模简明教程课件:离散模型

5
②中间层:这一层次中包含了为实现目标所涉及的中间环 节,它可以由若干个层次组成,包括所需考虑的准则、子准则 ,因此也称为准则层.
③最低层:这一层次包括了为实现目标可供选择的各种措 施、决策方案等,因此也称为措施层或方案层.
16
⑤若A的最大特征值λmax对应的特征向量为W=(w1,…,
wn)T,则
aij
wi wj
, i, j 1,2,, n ,即
w1 w1
w1
w1 w2
wn
w2 w2
w2
A w1 w2
wn
wn wn
wn
w1 w2
wn
17
定理6.3 n阶正互反矩阵A为一致矩阵当且仅当其最大特
征根λmax=n,且当正互反矩阵A非一致时,必有λmax>n. 根据定理6.3,我们可以由λmax是否等于n来检验判断矩阵A
当CR<0.10时,认为层次总排序结果具有较满意的一致性
并接受该分析结果.
26
6.1.2 层次分析法的应用
在应用层次分析法研究问题时,遇到的主要困难有两个: (1)如何根据实际情况抽象出较为贴切的层次结构; (2)如何将某些定性的量作比较,接近实际以定量化处理. 层次分析法对人们的思维过程进行了加工整理,提出了一 套系统分析问题的方法,为科学管理和决策提供了较有说服力 的依据.但层次分析法也有其局限性,主要表现在: (1)它在很大程度上依赖于人们的经验,主观因素的影响很 大,它至多只能排除思维过程中的严重非一致性,却无法排除 决策者个人可能存在的严重片面性.
3
6.1.1 层次分析法的基本原理与步骤
第八章:离散模型解答

萧澜 1 . 循环赛模型一、 问题:下图是5位网球选手循环赛的结果。
作为竞赛图,它是双向连通的吗?找出几条完全路径,用适当的方法排出5位选手的名次。
二、模型分析与建立:这是一个关于竞赛图排列名次的问题,我们可以利用双向连通竞赛的名次排序方法来处理这一问题。
根据图形建立竞赛图的邻接矩阵A=(ij a )n n ⨯如下:⎩⎨⎧=,否则的有向边到存在从顶点0,1j i a ij由此得到邻接矩阵A=⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎣⎡0111100100000010110001010三、模型求解: 各级分量为S=S(1)=(2,2,1,2,3),S(2)=(4,3,2,4,5),S(3)=(7,6,4,7,9),S(4)=(13,11,7,13,17).由此可以知道名次为:5,1(4),2,3(选手1和4名次相同)。
另外此结果也可以根据Perron-Frobenius 定理,由s A kk k =→λ1lim我们只需算出矩阵A 的最大特征根λ和对应特征向量S 得到大小排处名次。
我们可以用Matlab 求解,程序如下: A=[0,1,0,1,0 0,0,1,1,0 1,0,0,0,0 1,1,1,0,0]; eig(A)[X,D]=eig(A)从结果中可以看到A 的最大特征根8393.1=λ,所对应的特征向量为:)2769.0,2137.0,1162.0,11793.0,2137.0(=s由此得到排名顺序也是:5,1(4),2,3(选手1和4名次相同)。
2.投票权重 理事会有五个常任理事和十个非常任的理事,提案仅当全部的常任理事和至少非四个常任理事赞成时方可通过,求每位常任理事和每位非常任理事在投票中的权重? 模型分析:由题意可知题中涉及到了利益的分配问题,那么此题可以应用Shapley 值法进行求解Shapley 值法所需要的知识:设集合I={1,2,…,n},如果对于I 的任意一个子集s 都对应着一个实值函数v(s),满足v()=0;v( s s 21)≥v(s 1)+v(s 2), s 1 s 2= 称[I,v]为n 人合作对策,v 为对策的特征函数 Shapley 值由特征函数v 来确定记为)).()...,(),(()(21v v v v nϕϕϕ=Φ对于任意的子集s,记x(s)=∑∈si ix,即s 中成员的权重,对于一切s I ⊂满足x(s)≥v(s)的x 组成的集合称[I,v]的核心,当核心存在时,即所有s 的分配都不小于s 的效益,可以将Shapley 值作为一种特定的分配,即x iiv =)(ϕ;Shapley 值)).()...,(),(()(21v v v v nϕϕϕ=Φ为∑∈-=s i s v s v s v is i)]\()(|)[(|)(ωϕ,i=1,2,…,n!)!1|(||)!|(|)(|n s s n s --=ω其中s i 是中包含的所有子集,{s}是子集s 中的元素的数目(人数),)(||s ω是加权因子, s \ i 表示s 去掉i 后的集合.模型建立:集合I={1,2,…,5,6,…,15},其中i=1,2,…,5表示常人理事会员,i=6,…,15为非常任理事会员,将集合s=(),,()(}15...{}7{}6{}{51=i i )中任意的k 个元素的集合,k=4,5,…,10的特征函数定义为1,I 中的其他集合的特征函数的定义为0,因为这样的集合有Ck 10个,且!15)]!5(15[)!15()(+--+=k k s ω(k=4,5,…,10),所以任意一个常任理事的Shapley 值为(即投票时占的比重)为∑==10410*|)(|k kiCs ωϕ代入数据可的ϕi=0.916,(i=1,2,…,5)而任意的非常任理事的权重为ϕi =101(1-5*0.196)=0.002(i=6,…,15).Matlab 语言程序:循环赛模型另解下图是5位网球选手循环赛的结果。
循环比赛的名次—数学建模离散模型的应用

1
1
1
1
2 4
(1)
2 3 4
(2)
2 3 4
(3)
2 3 4
(4)
3
• 具有唯一的完全路径,如(1); 竞赛图的 3种形式
• 双向连通图——任一对顶点存在两条有 向路径相互连通,如(4);
• 其他,如(2), (3) 。
竞赛图 的性质
• 必存在完全路径;
• 若存在唯一的完全路径,则由它确定的顶 点顺序与按得分排列的顺序一致,如(1) 。
(9,8,5,8)
T
T
s As
(k )
( k 1)
Ae
k
(7)
(13,13,8,9) , s
T
(21,17,9,13)
k , s ?
(k )
双向连通竞赛图的名次排序
s As
(k )
( k 1)
Ae
k
• 对于n(>3)个顶点的双向连通竞赛图,存在 正整数r,使邻接矩阵A 满足Ar >0,A称素阵 • 素阵A的最大特征根为正单 根,对应正特征向量s,且
(k )
lim k
A e
k
k
s
k , s (归一化后) s
1 2 4
(4)
用s排名
0 0 A 0 3 1
1 0 0 0
1 1 0 0
0 1 1 0
1.4, s (0.323 ,0.280 ,0.167 ,0.230 )T
排名为{1,2,4,3}{1,2, 3, 4}?0 0 0 A 0 0 0
1 0 1 0 0 0
0 0 0 0 1 1
1 1 1 1 1 1 1 0 0 0 1 1 0 0 1 0 0 0
数学建模实验答案 离散模型讲解

实验09 离散模型(2学时)(第8章离散模型)1. 层次分析模型1.1(验证,编程)正互反阵最大特征根和特征向量的实用算法p263~264已知正互反阵261????1/21A?4????1/461/1??注:[263]定理2 n阶正互反阵A的最大特征根≥n。
★(1) 用MATLAB函数求A的最大特征根和特征向量。
调用及运行结果(见[264]):1 3.0092k =1>> w=V(:,k)/sum(V(:,k))w =0.58760.32340.0890[263])(2) 幂法(见n正互反矩阵,算法步骤如下:A为n×(0)w 1);a. 任取n 维非负归一化初始列向量(分量之和为)k?1)((k2,0,1,?Aww,k?;计算b.1)?(k w1)k?(?w1)k?(w归一化,即令c. ;n?1)?(k w i1i?)(1)k(k?1)k?(?)n|?|w,(i?w?1,2,w即,当d. 对于预先给定的精度ε时,iib;为所求的特征向量;否则返回到步骤1)?(kn w1??i?。
e. 计算最大特征根)(k wn1i?i 注:)k(k?1)(((k)k)???wAw??ww?1)(k? w?i n,i?1,2,??)k(w i文件如下:函数式m [lambda w]=p263MI(A,d)function——求正互反阵最大特征根和特征向量%幂法% A 正互反方阵% d 精度 2 % lambda 最大特征根归一化特征列向量% w0.000001,则d取if(nargin==1) %若只输入一个变量(即A)d=1e-6;end的阶数取方阵A n=length(A); %任取归一化初始列向量w0=w0/sum(w0);%w0=rand(n,1);1while ww=A*w0;%归一化w=ww/sum(ww);all(abs(w-w0)<d) if; breakendw0=w;endlambda=sum(ww./w0)/n;的最大特征根和特征向量。
数学建模简明教程第六章离散模型

收集数据与信息
数据来源
确定数据来源,包括实验数据、调查数据、公开数据等,确保数据的准确性和 可靠性。
数据预处理
对收集到的数据进行清洗、整理和转换,以适应离散模型的建立和应用。
选择合适的离散模型
模型类型
根据问题特点和目标,选择合适的离 散模型类型,如概率模型、统计模型 、逻辑模型等。
离散模型的优化
参数调整
根据验证结果,调整离散 模型的参数,以提高模型 的预测精度和稳定性。
算法改进
探索更高效的算法,以降 低计算复杂度和提高模型 训练速度。
特征选择
根据模型需求,选择与问 题相关的特征,去除冗余 和无关特征,提高模型性 能。
离散模型的改进建议
深入研究数据
持续学习
深入了解数据分布和特性,为模型改 进提供更有针对性的指导。
等方面。
在交通运输领域,离散模型用于 描述交通流量的变化和预测交通
状况。Βιβλιοθήκη 在经济学和社会学领域,离散模 型用于研究人口增长、市场行为、
社会网络等方面的问题。
02
离散模型的建立
确定问题与目标
明确问题背景
在建立离散模型前,需要明确问 题的背景、研究目的和相关领域 ,以便确定模型的应用范围和针 对性。
确定研究目标
数学建模简明教程第六章 离散模型
• 离散模型概述 • 离散模型的建立 • 离散模型的求解 • 离散模型的验证与优化 • 离散模型案例分析
01
离散模型概述
离散模型的定义
离散模型是指对研究对象进行离散化 处理,将其划分为若干个离散的单元 或状态,然后对每个单元或状态进行 数学描述和分析的模型。
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
数学建模实验答案离散模型The following text is amended on 12 November 2020.实验09 离散模型(2学时)(第8章 离散模型)1. 层次分析模型(验证,编程)正互反阵最大特征根和特征向量的实用算法p263~264已知正互反阵⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡=14/16/1412/1621A 注:[263]定理2 n 阶正互反阵A 的最大特征根 ≥ n 。
★(1) 用MATLAB 函数求A 的最大特征根和特征向量。
(2) 幂法(见[263])A 为n×n 正互反矩阵,算法步骤如下:a. 任取n 维非负归一化初始列向量(分量之和为1)(0)w ;b. 计算(1)(),0,1,2,k k w Aw k +==;c. (1)k w +归一化,即令(1)(1)(1)1k k nk ii w ww+++==∑;d. 对于预先给定的精度ε,当(1)()||(1,2,,)k k ii w w i n ε+-<=时,(1)k w +即为所求的特征向量;否则返回到步骤b ;e. 计算最大特征根(1)()11k n i k i iw n w λ+==∑。
注:()()(1)()(1)()1,2,,k k k k k i k iAw w w w w i nw λλλ++≈⇒≈⇒∴≈=end w0=w; endlambda=sum(ww./w0)/n;☆(2) 用幂法函数求A 的最大特征根和特征向量。
(3) 和法(见[264])A 为n×n 正互反矩阵,算法步骤如下:a. 将A 的每一列向量归一化得∑==ni ijijij a a w 1~; b. 对ijw ~按行求和得∑==nj ij i w w 1~~; c. 将i w ~归一化T n ni ii i w w w w w w w ),,,(,~~211==∑=即为近似特征向量; d. 计算∑==n i iiw Aw n 1)(1λ,作为最大特征根的近似值。
function [lambda w]=p264HE (A)%和法——求正互反阵最大特征根和特征向量 % A 正互反方阵 % lambda 最大特征根 % w 归一化特征列向量AA=A/diag(sum(A)); %a. 将A 的每一列向量归一化 ww=sum(AA,2); %b. 对AA 按行求和,ww 为列向量 w=ww./sum(ww); %c. 归一化,得w 为近似特征列向量lambda=sum(A*w./w)/ length(A); %d. 计算最大特征根的近似值λ☆(3) 用和法函数求A 的最大特征根和特征向量。
(4) 根法(见)A 为n×n 正互反矩阵,算法步骤如下:a. 将A 的每一列向量归一化得∑==ni ijijij a a w 1~; b. 对ijw ~按行求积并开n 次方得∏==nj nij i w w 11)~(~; c. 将i w ~归一化T n n i ii i w w w w w w w ),,,(,~~211==∑=即为近似特征向量; d. 计算∑==ni ii w Aw n 1)(1λ,作为最大特征根的近似值。
★(4) 编写根法函数,用该函数求A 的最大特征根和特征向量。
[提示:sum, prod, diag]对矩阵A 按行求和的调用为sum(A, 2)。
对矩阵A 按行求积的调用为prod(A, 2)。
diag(V),用向量V构造对角矩阵。
nargin,存放函数输入自变量的数目。
编写的程序和调用及运行结果(见):function [lambda w]=p264GEN (A)%根法——求正互反阵最大特征根和特征向量% A 正互反方阵% lambda 最大特征根%w 归一化特征列向量n=length(A);AA=A/diag(sum(A)); %a. 将A的每一列向量归一化ww=(prod(AA,2)).^(1/n); %b. 对AA按行求积并开n次方,ww为列向量w=ww./sum(ww); %c. 归一化,得w为近似特征列向量lambda=sum(A*w./w)/n; %d. 计算最大特征根的近似值λ(验证,编程)旅游决策问题p250~256在下面程序中,脚本式m文件调用函数式m文件(求A的最大特征根及归一化特征列向量、一致性指标值CI、一致性比率值CR),中调用另一个函数式m文件(求A的最大特征根及归一化特征列向量)。
%旅游决策问题%文件名:clear; clc; format compact;%层次分析法的基本步骤:%1.建立层次结构模型% 见p250 图1 选择旅游地的层次结构%2.构造成对比较阵%第2层为准则层:景色、费用、居住、饮食和旅途5个准则A=[1 1/2 4 3 3 ;...2 1 7 5 5 ;...要求:请仔细阅读以上程序,完成以下实验:在脚本式m文件后面添加命令,使★① 显示第2层的数据。
包括:最大特征根λ;特征向量(权向量)w;一致性指标CI;一致性比率CR。
★② 显示第3层的数据。
包括:特征向量(权向量)w;最大特征根λ;一致性指标CI。
添加的命令和运行结果(见表3):w3k,lambda3,CI3k★③ 显示最下层(第3层)对目标(第1层)的组合权向量。
w3★④ 显示第2层和第3层的组合一致性比率,以及最下层对第1层的组合一致性比率。
添加的命令和运行结果(见): CR2,CR3,CR2. 循环比赛的名次(编程,验证)双向连通竞赛图(4顶点)的名次排序p270, 271~2724个顶点的竞赛图(教材p270中图3(4))如下:3424个队得分(获胜场数)为(2,2,1,1)由得分排名为{(1,2),(3,4)},该竞赛图是双向连通图,属于第2种类型,可通过以下方法给出名次排序。
该图的邻接矩阵为:⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=0001100011000110A ★(1) 编写一个程序,求出1~8级得分向量,并依据8级得分向量给出排名。
给出程序和运行结果(比较): clear; clc; format compact ; format short g ;A=[0 1 1 0;0 0 1 1;0 0 0 1;1 0 0 0]; %邻接矩阵n=length(A);%方阵A 的阶数s=A*ones(n,1); disp(s');for k=2:8s=A*s; disp(s');end[~,k]=sort(s,'descend'); %降序k' %排名(2) 求元素互不相等的得分向量法得分向量为s=A*ones其中,⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=1111ones 记s (1)=ss (k)=A*s (k-1)=A k *ones, k=2, 3, … (s (k)称为k 级得分向量) 程序如下:%双向连通竞赛图的名次排序(求元素不等的得分向量)%文件名:clear; clc; format compact ; format short g ;A=[0 1 1 0;0 0 1 1;0 0 0 1;1 0 0 0]; %邻接矩阵 n=length(A);%方阵A 的阶数s=A*ones(n,1); k=1;while length(unique(s))<n %unique(s)去掉s 中的重复元素 s=A*s; k=k+1;endk % k 级得分向量s' %元素不等的得分列向量[~,kk]=sort(s,'descend'); %降序kk' %排名☆(2) 运行求元素互不相等的得分向量法程序。
运行结果(比(3) 特征根法对于n≥4个顶点的双向连通竞赛图,其邻接矩阵A 为素阵(存在正整数r ,使A r >0),且有 1lim k k k A s λ→∞=其中,1为全1列向量,λ为最大实特征根且为正,s为其特征列向量。
%双向连通竞赛图的名次排序(特征根法)%文件名:clear; clc; format compact; format short g;A=[0 1 1 0;0 0 1 1;0 0 0 1;1 0 0 0];%邻接矩阵[V,D]=eig(A); %返回A的特征值和特征向量。
%其中D为A的特征值构成的对角阵,每个特征值%对应的V的列为属于该特征值的一个特征向量。
D=diag(D); %返回矩阵D的对角线元素构成列向量。
D=D.*(imag(D)==0); %复数特征值用0代替,实数的则不变[lamda,k]=max(D);lamdas=V(:,k)/sum(V(:,k)); %最大特征根对应的特征列向量(归一化)[~,k]=sort(s,'descend'); %降序s', k'(验证)双向连通竞赛图(6顶点)的名次排序p270,272~2736个顶点的竞赛图(教材p270中图1)如下:63该图的邻接矩阵为:010111000111110100000011001001001000A ⎡⎤⎢⎥⎢⎥⎢⎥=⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦要求:使用上题的程序。
☆(1) 求出1~4级得分向量,并依据4级得分向量给出排名。
运行结果(比较):3. 公平的席位分配(验证)参照惯例的席位分配方法p278~279某学校有甲乙丙三个系共有200名学生,其中甲系有103人,乙系有63人,丙系有34人。
(1) 有20个代表席位,采用参照惯例的席位分配方法,分别求出甲乙丙系的“席位分配结果”。
(2) 有21个代表席位,采用参照惯例的席位分配方法,分别求出甲乙丙系的“席位分配结果”。
function [qi,ni]=p278fun(p,n)% p 各单位人数(列向量)% n 总席位(标量)% qi 按比例分配的席位(列向量)% ni 参照惯例的结果(列向量)qi=n*p/sum(p); %按比例各单位所得席位(可能含小数)ni=fix(qi); %各单位所得席位取整m=n-sum(ni); %可能有没分配完的席位if m>0 %席位没分完[~,k]=sort(qi-ni,'descend'); %按降序排序(缺省为升序)ni(k(1: m))=ni(k(1: m))+1; %排在前m个,加1end要求:①在命令窗口分别调用以上函数求解(使用最佳定点或浮点格式(5位数字)控制命令format short g)。
②两个结果比较,合理吗☆ 题(1)(20个代表席位)的调用及结果(比较表1)。
(验证)Q值方法p280~281(教材:公平的席位分配)某学校有甲乙丙三个系共有200名学生,其中甲系有103人,乙系有63人,丙系有34人。
(1) 有20个代表席位,采用Q值法分别求出甲乙丙系的“席位分配结果”。