数模作业
数学模型拟合作业
数学模型拟合作业引言数学模型是数学与实际问题相结合的产物，通过建立数学模型能够对复杂的实际问题进行简化和抽象，使其更易于分析和求解。
在现实生活中，我们经常会遇到一些问题需要拟合一个数学模型，以便更好地了解问题的本质和规律。
本文将介绍数学模型拟合的基本概念、常用的拟合方法以及实际应用。
数学模型拟合的基本概念1.1 数学模型数学模型是利用数学语言和符号对实际问题进行抽象和描述的工具。
它可以通过一系列的数学方程来描述问题的属性、关系和行为，从而使问题更易于分析和求解。
数学模型通常包括数学模型的定义、变量的定义、约束条件和目标函数等要素。
1.2 拟合问题在实际问题中，我们通常会根据已知的数据或观测到的现象，试图通过建立一个数学模型来描述数据或现象之间的关系。
这个过程称为拟合，也被称为参数估计或函数逼近。
拟合问题的目标是找到一个数学模型，使得该模型与已知的数据或观测结果的残差最小化。
常用的拟合方法2.1 线性回归线性回归是最常用的拟合方法之一，它假设拟合函数与自变量之间存在一个线性关系。
线性回归问题可以通过最小二乘法来求解，即通过最小化残差平方和来确定拟合函数的参数。
2.2 非线性回归在实际问题中，往往存在非线性关系的情况，因此线性回归并不能完全拟合数据。
为了解决这个问题，可以使用非线性回归方法。
非线性回归方法包括多项式拟合、指数拟合、对数拟合等，通过将非线性函数线性化，再利用线性回归方法进行拟合。
2.3 曲线拟合曲线拟合是一种通过将一条曲线与数据点进行拟合的方法。
曲线拟合通常使用的函数包括多项式函数、指数函数、对数函数、幂函数等。
曲线拟合的目标是找到一条曲线，使得曲线与数据点之间的误差最小化。
2.4 插值拟合插值拟合是一种通过已知数据点之间的插值来拟合的方法。
插值拟合可以通过拉格朗日插值法、牛顿插值法等方法进行。
插值拟合的目标是找到一个函数，使得该函数经过已知的数据点。
实际应用3.1 经济学中的拟合问题在经济学中，拟合问题是非常常见的。
数学建模结课作业
一． 某旅游景点从山脚到山顶有一缆车索道，全长约1471m,高度 差为380m 。
采用循环单线修建，从下站到上站行经8个铁塔，将缆绳分为九段，各段的水平距离用i d 表示，高差用i h 表示，其数据见下表：每一段缆绳垂下来的最低点不低于两端铁塔最低塔顶悬挂绳处1m 。
要求：（1）折线法；（2）抛物线法，估计整个索道工程所用的缆绳总长度。
解：（一）折线法思路：考虑到实际中工程架线不能过紧，但又为了节省原料，我们采取求出最大折线和最小折线，对两者求取平均值，以得到对缆线总长度的估测。
由于八个铁塔分九段，因此此题分两部分考虑：（1） 第一段：直接求出发点到第一个铁塔的距离，即21211h d l +=（2） 第二到九段：建立坐标系，运用距离公式求取l 的长度。
设A （x -,1）,B(i d x -,1i h +)得：l =用此公式求最大最小值。
matlab 求解第一段syms h1 d1h1=50d1=220l1=sqrt(d1.^2+h1.^2)第二段求最小值clearl='sqrt((-x)^2+1)+sqrt((200-x)^2+(45+1)^2)' ezplot(l,[0,200]);[xmin,lmin]=fminbnd(l,0,200)得图形可得当x=4.2553时，取得最小值205.45由图形可得当x=200时取得最大值，即clearl='sqrt((-x)^2+1)+sqrt((200-x)^2+(45+1)^2)' ezplot(l,[0,200]);[xmin,lmin]=fminbnd(l,0,200)x=200;lmax=eval(l);l=(lmin+lmax)/2;得lmax=246.0025l=225.7254第三段到第九段算法与第二段相同，所以结果为第一段：l1 = 225.6103第二到九段分别为: 225.7254 ，163.5839 ，142.7476，120.6438，142.7476，163.5839，225.7254，248.5321总长为：1658.9m抛物线法思路：参照示意图，因为将绳的形状看做抛物线，为了方便研究，以抛物线的最低点为原点建立抛物线2y ax =，则每段绳的长度为l =，最后相加求总长。
数学建模课后习题作业
【陈文滨】1、在稳定的椅子问题中，如设椅子的四脚连线呈长方形，结论如何？【模型假设】（1）椅子四条腿一样长，椅脚与地面接触处视为一点，四脚的连线呈长方形．（2）地面高度是连续变化的，沿任何方向都不会出现间断 (没有像台阶那样的情况)，即从数学的角度看，地面是连续曲面．这个假设相当于给出了椅子能放稳的必要条件．（3）椅子在任何位置至少有三只脚同时着地．为保证这一点，要求对于椅脚的间距和椅腿的长度而言，地面是相对平坦的．因为在地面上与椅脚间距和椅腿长度的尺寸大小相当的范围内，如果出现深沟或凸峰(即使是连续变化的)，此时三只脚是无法同时着地的。
【模型建立】在上述假设下，解决问题的关键在于选择合适的变量，把椅子四只脚同时着地表示出来．首先，引入合适的变量来表示椅子位置的挪动．生活经验告诉我们，要把椅子通过挪动放稳，通常有拖动或转动椅子两种办法，也就是数学上所说的平移与旋转变换．然而，平移椅子后问题的条件没有发生本质变化，所以用平移的办法是不能解决问题的．于是可尝试将椅子就地旋转，并试图在旋转过程中找到一种椅子能放稳的情形．注意到椅脚连线呈长方形，长方形是中心对称图形，绕它的对称中心旋转180度后，椅子仍在原地．把长方形绕它的对称中心O旋转，这可以表示椅子位置的改变。
于是，旋转角度θ这一变量就表示了椅子的位置．为此，在平面上建立直角坐标系来解决问题．如下图所示，设椅脚连线为长方形ABCD，以对角线AC所在的直线为x轴，对称中心O为原点，建立平面直角坐标系．椅子绕O点沿逆时针方向旋转角度θ后，长方形ABCD转至A1B1C1D1 的位置，这样就可以用旋转角θ（0≤θ≤π）表示出椅子绕点O旋转θ后的位置．其次，把椅脚是否着地用数学形式表示出来．我们知道，当椅脚与地面的竖直距离为零时，椅脚就着地了，而当这个距离大于零时，椅脚不着地．由于椅子在不同的位置是θ的函数，因此，椅脚与地面的竖直距离也是θ的函数．由于椅子有四只脚，因而椅脚与地面的竖直距离有四个，它们都是θ的函数．而由假设(3)可知，椅子在任何位置至少有三只脚同时着地，即这四个函数对于任意的θ，其函数值至少有三个同时为0．因此，只需引入两个距离函数即可．考虑到长方形ABCD是中心对称图形，绕其对称中心 O沿逆时针方向旋转180°后，长方形位置不变，但A,C和B,D对换了．因此，记A、B两脚与地面竖直距离之和为f（θ），C、D两脚与地面竖直距离之和为g（θ），其中θ∈[0，π]，从而将原问题数学化。
数学建模课作业范例
数学建模课作业范例范例题目：一家具公司签定了一项合同，合同要求在第一个月月底前，交付80把椅子，在第二个月月底前，交付120把椅子。
若每月生产x把椅子时，成本为50x+0.2x2(元)；如第一个月生产的数量超过订货数，每把椅子库存一个月的费用是8元。
公司每月最多能生产200把椅子。
求完成以上合同的最佳生产安排。
家具公司最佳生产安排问题一问题的提出一家具公司签定了一项合同，合同要求在第一个月月底前，交付80把椅子，在第二个月月底前，交付120把椅子。
若每月生产x把椅子时，成本为50x+0.2x2(元)；如第一个月生产的数量超过订货数，每把椅子库存一个月的费用是8元。
公司每月最多能生产200把椅子求成以上合同的最佳生产安排。
二假设与变量说明1.）模型假设1.椅子的成本和库存费没有变化2.该公司签定的合同并未发生变化3.该公司生产的椅子质量合格4.除了成本费和库存费并未产生其他额外的费用2）变量说明x1: 公司第一个月生产的椅子数x2: 公司第二个月生产的椅子数y1: 公司第一个月的成本费y2: 公司第二个月的成本费z: 库存费Y: 总的费用三模型分析和建立1. 模型分析：该家具公司需要每月制定一个最佳的椅子生产数（x1、x2）,使该公司完成合同所需成本最小，而获得最大利润。
本模型的问题焦点就是确定最小成本，即使Y=y1+y2+z最小的数学问题。
2. 模型建立第一个月的生产成本：y1=50x1+0.2x12第二个月的生产成本：y2=50x2+0.2x22所需库存费： z=(x1-80)*8总成本: Y=y1+y2+z=(50x1+0.2x12)+(50x2+0.2x22)+(x1-80)*8其中：x1 +x2=200 80≤x1≤200综上所述，可建立如下数学模型:Min Y=(50x1+0.2x12)+(50x2+0.2x22)+(x1-80)*8 s.t 80≤x1≤200x 1 + x2=200四.求解用LINGO对模型直接求解，输入格式为：model:min=(50*x1+0.2*x1^2)+( 50*x2+0.2*x2^2)+8*(x1-80);x1>=80;x1<=200;x1+x2=200;end运行后结果为:Optimal solution found at step: 4Objective value: 14120.00Variable Value Reduced CostX1 90.00000 0.0000000X2 110.0000 0.0000000Row Slack or Surplus Dual Price1 14120.00 1.0000002 9.999998 0.2158310E-053 110.0000 0.00000004 0.0000000 -94.00000五.结果与分析由计算可知，当x1=90,x2=110时成本费最底，所以生产的最佳安排是第一月生产90把椅子，第二月生产110把椅子.。
数学建模题目及答案-数学建模100题
资料范本本资料为word版本，可以直接编辑和打印，感谢您的下载数学建模题目及答案-数学建模100题地点：__________________时间：__________________说明：本资料适用于约定双方经过谈判，协商而共同承认，共同遵守的责任与义务，仅供参考，文档可直接下载或修改，不需要的部分可直接删除，使用时请详细阅读内容09级数模试题1. 把四只脚的连线呈长方形的椅子往不平的地面上一放，通常只有三只脚着地，放不稳，然后稍微挪动几次，就可以使四只脚同时着地，放稳了。
试作合理的假设并建立数学模型说明这个现象。
（15分）解：对于此题，如果不用任何假设很难证明，结果很可能是否定的。
因此对这个问题我们假设：（1）地面为连续曲面（2）长方形桌的四条腿长度相同（3）相对于地面的弯曲程度而言，方桌的腿是足够长的（4）方桌的腿只要有一点接触地面就算着地。
那么，总可以让桌子的三条腿是同时接触到地面。
现在，我们来证明：如果上述假设条件成立，那么答案是肯定的。
以长方桌的中心为坐标原点作直角坐标系如图所示，方桌的四条腿分别在A、B、C、D 处，A、B,C、D的初始位置在与x轴平行，再假设有一条在x轴上的线ab,则ab也与A、B，C、D平行。
当方桌绕中心0旋转时，对角线 ab与x轴的夹角记为。
容易看出，当四条腿尚未全部着地时，腿到地面的距离是不确定的。
为消除这一不确定性，令为A、B离地距离之和，为C、D离地距离之和，它们的值由唯一确定。
由假设（1），,均为的连续函数。
又由假设（3），三条腿总能同时着地，故=0必成立（）。
不妨设,g（若也为0，则初始时刻已四条腿着地，不必再旋转），于是问题归结为：已知,均为的连续函数，,且对任意有，求证存在某一，使。
证明：当θ=π时，AB与CD互换位置，故，。
作，显然，也是的连续函数，而，由连续函数的取零值定理，存在，，使得，即。
又由于，故必有，证毕。
2.学校共1000名学生，235人住在A宿舍，333人住在B宿舍，432人住在C宿舍。
数学建模作业题目
数学建模作业题目1、深圳杯数学建模夏令营题目（3）A题计划生育政策调整对人口数量、结构及其影响的研究B题基因组组装C题垃圾焚烧厂的经济补偿问题2、吉林省第五届数学建模竞赛试题（2）E题汽车租赁调度问题F题：阶梯电价的效用分析3、西北工业大学校数模竞赛试题（2）A题西安市经开区公共自行车服务系统设计B题食品价格变动分析4、浙江大学城市学院第八届数学建模竞赛题目（2）A题：外汇交易策略算法设计B题：雾霾时空分布研究5、井冈山大学第七届“井冈杯”数学建模竞赛试题（2）A题：课表编排问题B题：客房预定的价格和数量问题6、第十一届五一数学建模联赛(原苏北) （1）B题：能源总量控制问题7、第七届华中数学建模邀请赛赛题发布（2）A题：加速度检测仪数据校正B题：互联网搜索引擎的排名与设计8、第十六届华东杯大学生数学建模邀请赛试题（3）A电力网络出租车打车模式的现状和未来污水排放问题9、南京信息工程大学第八届数学建模竞赛赛题（2）A 污染气体的传播扩散B 乳腺癌病因分析10、北京交通大学数学建模校赛赛题（1）电梯运输策略问题11、武汉科技大学（2）A题：装配线平衡问题的随机算例生成B题：研究生研究水平的成因分析12、广州六校数学建模联赛题目（2）A题：中国GDP是否超过美国B题：反服贸团体游行的人数13、同济大学数学建模竞赛本科组赛题（2）A题经济金三角C题基因重排14、甘肃农业大学第十届数学建模竞赛试题（1）B题石油资源的开发与储备15江西理工大学数学建模竞赛题目（1）高层建筑火灾中的烟雾扩散建模与仿真以上为2014年各校试题。
从以上题目或者自行收集2014各高校的数学建模比赛试题（与我院数学建模选拔赛相同的不算，自己收集以上题目的信息)中选一作一篇不少于15页的论文。
论文格式如下●论文用白色A4纸单面打印；上下左右各留出至少2.5厘米的页边距；从上面装订。
●论文第一页为搜索的高校姓名与学号、班级。
●论文题目和摘要写在论文第二页上，从第三页开始是论文题目内容与论文正文。
数学建模d题2023
数学建模d题
以下是一个数学建模的D题示例：
题目：某公司生产工厂的运营管理问题
描述：某公司的生产工厂负责生产一种产品，并且需要考虑以下几个因素：
1. 生产成本：每单位产品的生产成本为C1，其中包括原材料成本、人工成本、设备维护等费用。
2. 产能限制：工厂的产能为M单位产品/年。
3. 销售价格：公司销售产品的价格为P1每单位。
4. 市场需求：市场每年对该产品的需求量为D单位。
问题：建立一个数学模型，确定工厂应该生产多少产品，以最大化利润。
解决思路和步骤：
1. 变量定义：
- X：工厂每年生产的产品数量。
- R：工厂每年实际销售的产品数量。
- Profit：工厂每年的利润。
2. 目标函数：
最大化利润，即Maximize Profit = (R * P1) - (X * C1)
3. 约束条件：
- R <= X （工厂生产的产品数量不会超过实际销售的数量）
- X <= M（工厂的产能限制）
- R = min(X, D) （实际销售的产品数量不会超过市场需求的数量）
4. 求解：
使用线性规划等数学方法，将目标函数和约束条件转化为数学模型，并求解最优解，即确定最佳的工厂生产数量和实际销售数量，以实现最大化利润的
目标。
这个数学模型可以帮助公司确定最佳的生产计划，使得生产量与市场需求相匹配，同时最大化利润。
根据实际情况，可以根据模型进行调整和优化。
数学建模大作业习题答案
数学建模大作业习题答案数学建模大作业习题答案作为一门应用数学课程，数学建模在现代科学研究和工程技术中具有重要的地位和作用。
通过数学建模，我们可以将实际问题转化为数学模型，从而利用数学方法进行分析和求解。
在数学建模的学习过程中，我们经常会遇到一些习题，下面我将为大家提供一些数学建模大作业题目的答案，希望能对大家的学习有所帮助。
1. 题目：某城市的交通拥堵问题解答：针对这个问题，我们可以采用图论的方法进行建模和求解。
首先，我们将城市的道路网络抽象为一个图，图的节点表示交叉口，边表示道路。
然后，我们可以给每条边赋予一个权重，表示道路的通行能力。
接着，我们可以使用最短路径算法，比如Dijkstra算法，来计算从一个交叉口到另一个交叉口的最短路径，从而找到最优的交通路线。
此外，我们还可以使用最小生成树算法，比如Prim算法，来构建一个最小的道路网络，以减少交通拥堵。
2. 题目：某工厂的生产调度问题解答：对于这个问题，我们可以采用线性规划的方法进行建模和求解。
首先，我们可以将工厂的生产任务抽象为一个线性规划模型，其中目标函数表示最大化生产效益，约束条件表示生产能力、物料供应和市场需求等方面的限制。
然后，我们可以使用线性规划求解器，比如Simplex算法或内点法，来求解这个线性规划模型，得到最优的生产调度方案。
此外，我们还可以引入一些启发式算法，比如遗传算法或模拟退火算法，来寻找更好的解决方案。
3. 题目：某股票的价格预测问题解答：对于这个问题，我们可以采用时间序列分析的方法进行建模和求解。
首先，我们可以将股票的价格序列抽象为一个时间序列模型，比如ARIMA模型。
然后，我们可以使用历史数据来拟合这个时间序列模型，并进行参数估计。
接着，我们可以利用这个时间序列模型来预测未来的股票价格。
此外，我们还可以引入其他的预测方法，比如神经网络或支持向量机，来提高预测的准确性。
通过以上的例子，我们可以看到，在数学建模的过程中，我们需要将实际问题抽象为数学模型，然后利用数学方法进行分析和求解。
- 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)。
数学建模与数学实验报告指导教师__郑克龙___ 成绩____________组员1：班级__计算0802__ 姓名__王恒___ 学号__20082994___ 组员2：班级__计算0802__ 姓名__ 李迁__ 学号______________实验1.(1)绘制函数cos(tan())y x π=的图像，将其程序及图形粘贴在此。
>> x=-1:0.01:1;>> y=cos(tan(pi*x)); >> plot(x,y)-1-0.8-0.6-0.4-0.20.20.40.60.81-1-0.8-0.6-0.4-0.200.20.40.60.81（2）用surf,mesh 命令绘制曲面222z x y =+，将其程序及图形粘贴在此。
（注：图形注意拖放，不要太大）（20分） 解：1.(1)>> [X,Y]=meshgrid([-4:0.2:4]); >> z=2*X.^2+Y .^2; >> surf(z)>> [X,Y]=meshgrid([-4:0.2:4]); >> z=2*X.^2+Y.^2;>> surf(z)>> mesh(z)实验2.1、某校60名学生的一次考试成绩如下:93 75 83 93 91 85 84 82 77 76 77 95 94 89 91 88 86 83 96 81 79 97 78 75 67 69 68 84 83 81 75 66 85 7094 84 83 82 80 78 74 73 76 70 86 76 90 89 71 66 86 73 80 94 79 78 77 63 53 551)计算均值、标准差、极差、偏度、峰度，画出直方图；2)检验分布的正态性；3)若检验符合正态分布，估计正态分布的参数并检验参数. （20分）（1）>> x=[93 75 83 93 91 85 84 82 77 76 77 95 94 89 91 88 86 83 96 81 79 97 78 75 67 69 68 84 83 81 75 66 85 70 94 84 83 82 80 78 74 73 76 70 86 76 90 89 71 66 86 73 80 94 79 78 77 63 53 55];>> mean(x)ans =80.09999999999999>> std(x)ans =9.71055689722465>> max(x)-min(x)ans =44>> skewness(x)ans =-0.46817846064913>> kurtosis(x)ans =3.1529409218476650556065707580859095100024681012（2）5560657075808590950.010.02 0.05 0.10 0.25 0.50 0.750.90 0.95 0.980.99 DataP r o b a b i l i t yNormal Probability Plot>> hist(x)>> normplot(x)>> [muhat,sigmahat,muci,sigmaci]=normfit(x)muhat =80.09999999999999sigmahat =9.71055689722465muci =77.59149715696080 82.60850284303919sigmaci =8.23099868367594 11.84359663801530>> [h,sig,ci]=ttest(x,muhat) h =0 sig =1 ci =77.59149715696080 82.60850284303919 %因为H=0所以可以认为服从正态分布)>> u=mean(x); >> q=std(x);>> [H,sig]=ztest(x,u,q,0.05,0) H =0 sig =1>>%（由h=0知可以接受该假设）实验 3. 在研究化学动力学反应过程中，建立了一个反应速度和反应物含量的数学模型，形式为34231253211x x x xx y βββββ+++-=其中51,,ββ 是未知参数，321,,x x x 是三种反应物（氢，n 戊烷，异构戊烷）的含量，y 是反应速度.今测得一组数据如表4，试由此确定参数51,,ββ ，并给出置信区间.51,,ββ 的参考值为 （1，0.05, 0.02, 0.1, 2）.（20分）序号 反应速度y 氢x 1 n 戊烷x 2异构戊烷x 31 8.55 470 300 102 3.79 285 80 103 4.82 470 300 1204 0.02 470 80 1206 14.39 100 190 107 2.54 100 80 658 4.35 470 190 659 13.00 100 300 5410 8.50 100 300 12011 0.05 100 80 12012 11.32 285 300 1013 3.13 285 190 120建立文件nihe.mclc;x1=[470 285 470 470 470 100 100 470 100 100 100 285 285]';x2=[300 80 300 80 80 190 80 190 300 300 80 300 190]';x3=[10 10 120 120 10 10 65 65 54 120 120 10 120]';x=[x1 x2 x3];y=[8.55 3.79 4.82 0.02 2.75 14.39 2.54 4.35 13.00 8.50 0.05 11.32 3.13]';f=@(beta,x)(beta(1).*x(:,2)-(1/beta(5)).*x(:,3)).*((1+beta(2).*x(:,1)+beta(3).*x(:,2)+beta(4).*x(:,3))).^(-1); beta0=[1 0.05 0.02 0.1 2]';opt=optimset('TolFun',1e-3,'TolX',1e-3);[beta,bint] =nlinfit(x,y,f,beta0,opt)运行结果：>> nihebeta =1.129233613766330.056577987484020.035668639997210.101754443271101.31595418394010bint =0.12535487345330-0.15077814802874-0.082334138533440.039924567139760.120229913393460.070194583456850.000834887987650.31999635043279-0.028202786737810.08912636268397-0.16190583332125-0.28617114942294即得到beta的拟合值及95%的置信区间实验4.某设备上安装有四只型号规格完全相同的电子管，已知电子管寿命为1000--2000小时之间的均匀分布。
当电子管损坏时有两种维修方案，一是每次更换损坏的那一只；二是当其中一只损坏时四只同时更换。
已知更换时间为换一只时需1小时，4只同时换为2小时。
更换时机器因停止运转每小时的损失为20元，又每只电子管价格10元，试用模拟方法决定哪一个方案经济合理？（20分）%设这四个灯为ABCD全部换为方法一,不全部换为方法二（注意这里跟题目相反）x1=0;y1=0;%第一种方法用的钱x2=0;y2=0;%第二种方法用的钱ia=0;ib=0;ic=0;id=0;%分别为ABCD灯换的次数A2=0;B2=0;C2=0;D2=0;%分别为ABCD灯用的总时间m=50;%试验总次数i=0;%已经进行试验次数j=0;%第一种方法占优的次数percent=0;%第一种方法占优占总次数的百分比n=100000;%每次试验总时间%下面共进行m轮试验比较全部换这种办法（办法1）用n个小时后和不全部换这种办法（办法2）%坚持同样的时间哪个更经济while i<mwhile x1<n%全部换A=unifrnd(1000,2000,1,1);B=unifrnd(1000,2000,1,1);C=unifrnd(1000,2000,1,1);D=unifrnd(1000,2000,1,1);x=min(D,min(C,min(B,A)));x1=x1+x;%总时间y1=y1+2*20+4*10;if A2<nia=ia+1;A2=A2+A;endif B2<nib=ib+1;B2=B2+B;endif C2<nic=ic+1;C2=C2+C;if D2<nid=id+1;D2=D2+D; end endy1;%输出n 个小时后方法1所用的钱y2=(ia+ib+ic+ic)*20+(ia+ib+ic+ic)*10;%输出n 个小时后方法2所用的钱 if y1<y2j=j+1;%统计第一种办法占优的次数 end i=i+1; end m jpercent=j/m运行结果为>> cx m =50 j =50percent =1由此可以看出实验了m=50次，第一种办法占优了j=50次占有率100%（这里指的办法种类与题目相反）改变m 或n 也可得到类似的结果所以全部更换这种办法更好实验5.（1）利用matlab 的相关命令以及编写相应的函数文件求解非线性规划问题2212min(3)(2)f x x =-+- （10分）s.t. 1221240x x x x +-=⎧⎨-≥⎩(附上所有程序及运行结果)function f=fun(x);f=(x(1)-3)^2+(x(2)-2)^2;mycon.mfunction[g,ceq]=mycon2(x) g=[x(1)+x(2)-4;-x(1)^2+x(2)]; ceq=[0;0];youh.m x0=[3;2];VLB=[];VUB=[]; aeq=[1 1 -4];beq=[0];[x,fval]=fmincon('fun',x0,[],[],[],[],VLB,VUB,'mycon2')>> youhWarning: Large-scale (trust region) method does not currently solve this type of problem, switching to medium-scale (line search). > In fmincon at 260 In youh at 4Optimization terminated: first-order optimality measure less than options.TolFun and maximum constraint violation is less than options.TolCon.Active inequalities (to within options.TolCon = 1e-006): lower upper ineqlin ineqnonlin 1 x =2.50000000000000 1.50000000000000fval =0.50000000000000 >>（2）利用matlab 求解下列两个微分方程 （i ）''2,(0)2,(1)1y y x y y -=-==11 （ii ）'''(1)24,(0)0,(1)2(1)0x y y y y y +=-=-=(附上求解命令及运行结果)（10分）（i ）>> dsolve('D2y-y=x-2','y(0)=2,y(1)=1','x')ans =2-x（ii ）>> dsolve('(1+x)*D2y=2*y-4','y(0)=0,y(1)-2Dy(1)=0','x')ans =-2*(1+x)^(1/2)*besseli(1,2*2^(1/2)*(1+x)^(1/2))*bessely(1,4*i)/(-besseli(1,4)*bessely(1,2*i*2^(1/2))+bes sely(1,4*i)*besseli(1,2*2^(1/2)))+2*(1+x)^(1/2)*bessely(1,2*i*2^(1/2)*(1+x)^(1/2))*besseli(1,4)/(-besseli (1,4)*bessely(1,2*i*2^(1/2))+bessely(1,4*i)*besseli(1,2*2^(1/2)))+2。