交通红绿灯管制研究-Scilab数学建模计算及分析

交通红绿灯管制研究

摘要

交通流模型和红绿灯交通流模型,是城市交通管理的科学依据,是科学设置城市交通管理中红绿灯转换周期的根据.本文通过对交通高峰时期的车流进行模拟，利用粒子群算法，研究如何调整交通灯来分配交通资源，从而尽可能的缓解交通压力。

1.十字路口交通简介

红绿灯有着一套自

己的调度算法，它把车辆

离开的路口当做出口，把

要去往的路口当做入口，

它就是要实现在同一时

间内入口的放行量最大

化，也就是尽量保证疏导

去同一个路口的车辆。根

据现代城市的规划方法，

十字路口是十分常见的，

而设置在十字路口的红

绿灯运行起来就更加复杂了。十字路口交通情况如上图所示。其中R表示车辆右拐L：表示车辆左拐S:表示车辆直行P:表示人行数字1、2、3、4表示路口1、2、3、4。

上图中，常规交通灯的

绿灯亮状态（通行）顺

序如左图所示。其中，

“1-2”表示1P和2P可以

通过路口2通行；“2-3”表示2P和3P可以通过路口3通行；“3-4”表示3P和4P可以通过路口4通行；“4-1”表示4P和1P可以通过路口1通行。

2.问题分析与模型的建立

2.1问题的简化与分析

A.在对实际的十字路口交通状况进行了分析之后，我们认为可以对十字路口进行如下的简化：

首先，车流量的堆积同路口的行人没有实质的联系，在此我们先舍去了行人的影响，即图1-2中的“1-2P, 2-3P, 3-4P, 4-1P”即可舍去。

对大部分的十字路口而言，右转车辆一般直接放行，在这样的简化条件下，我们放弃考虑1R,2R,3R,4R的右转车流量而直接考虑路口的直行和左转车辆。

此外对于大多数的道路而言，在路口处都分为，左、直、右三道行驶，因此，在我们的模型中，将把左、直、右三个方向上的车流视为独立的事件，即这些车辆在十字路口处并不构成互相的干扰而独立行驶。

最后考虑到相对于整个红绿灯的交通周期，黄灯的时间较短且对整个交通的影响较小，因此我们在考虑问题时也忽略黄灯带来的影响。

B.对于交通拥堵的原因，我们进行了如下的分析：

交通的堵塞可以归结为3个原因，一个是由于激增的车流量超出的道路的承载力，从而导致堵车等现象，另一个则是因为道路行驶资源分布不均导致部分地区出现拥挤而部分地区没有的情况，最后则是由于道路维修、车祸等意外情况导致的道路拥挤。

最后一种情况非常容易理解，假设三车道的道路最大承载车流量为3A，那个在出现车祸等情况以后，占用的一个车道，则在事故地截面的承载力下降到2A，若道路上的车流量处于2A-3A之间，则在发生事故以后必将产生道路的阻塞。但是对于红绿灯，我们默认其变化与周期是固定的，因此突发情况不再这个课题的讨论范围之内。

第一种情况的影响因素只有道路的承载力和激增的车流量本身。即对于承载力为3A的道路来说，当车流量本身大于3A时，道路也必将堵塞。想解决这个问题，就必将涉及到道路的加宽和车辆的限行等，这也不在这个课题的讨论范围之内。

对于第二种情况来说，交通红绿灯的意义就在于调控十字路口各方向上的车

流量。因此，在合理分配红绿灯时间的情况下，我们就能够较为合理的分配交通资源而尽量少的避免交通的阻塞。

2.2模型的建立和分析

A.现有模型的研究

已有的模型是建

立在对交通路口的滞

留车流的分析的基础

上的，以较为简单的丁

字路口为例：丁字路口

的车流示意如图所示，

不考虑自行车和行人

时, 对于车流a2、b2 和c2 都不用加以管制. 故我们将先讨论只对a1、b1、c1 进行管制的情况.

1) 记号

在i= 1, 2, 3 时分别为a1、b1、c1 在遇到红灯后的停止车队尾部增长速度;

在i= 1, 2, 3 时分别为a1、b1、c1 的绿灯时间;

在i= 1, 2, 3 时分别为a1、b1、c1 的红灯时间;

定义交通周期的概念: 一个交通周期即在一个路口, 所有的不可同时亮的绿灯依次亮一

遍所需要的总的时间. 例如在丁字路口模型中, 一个交通周期是

记作T.

2) 模型的分析

a1、b1、c1 两两相冲突, 在某段时间内有且只有其中的一条车流通行; 对于某一条车道

而言, 红绿灯循环交替. 故若不考虑黄灯, 我们有

数学建模与计算机关系研究

数学建模与计算机关系研究【摘要】高等数学与计算机教学具有内在相关性，尤其是在数学建模应用中，根据计算机学科发展来发挥数学建模理论的作用及效果，有助于增强学生对高等数学的理解和应用能力。基于此，本文笔者就从高等数学建模理论与计算机技术的关系研究入手，来阐述建模嵌入在计算机辅助教学中的重要潜力。【关键词】计算机；高等数学；教学改革；数学建模 1.高等数学与计算机学科发展有人说，计算机技术的发展可以省去学习数学的麻烦，即便是很多专业计算机教师也抱有同样的想法。然而，对于计算机应用领域及实践中，计算机技术确实给很多从业者带来了便捷与高效，但计算机技术不等于数学，更不能替代数学。从高等数学教学实践来看，对于我们常见的数学概念，如比率、概率、图像、逻辑、误差、机会，以及程序等知识的认识，很多行业都在进行数字化、数量化转变，对数学知识的应用也日益广泛。从这些应用中，数学理论及知识，尤其是数学基本理论研究就显得更为重要。数学，在数学知识的应用中，更需要从练习中来提升对数学知识及概念的理解，也需要通过练习来提升运算能力。如果对数学概念及方法应用的不过，对数学单调性的知识缺乏深刻的认识，就会影响数学知识在实践应用中出现偏差。计算机技术的出现，尤其是程序化语言的应用，使得数学知识在表达与反映中能够依据不同的应用灵活有效、准确的运算，从而减少了不必要的验证，也提升了数学在各行业中的应用效率。数学软件学科的发展，成为计算机重要的辅助教学的热门领域，也使得计算机技术能够发挥其数学应用能力。在传统的数学教学中，逻辑与直观、抽象与具体始终是研究的矛盾主体，如有些太简单的例子往往无法进行全面的计算；有些复杂的例子又需要更多的计算量。在课堂表现与讲解中，对于理性与感性知识的认知，学生缺乏有效的理解和应用，而强大的计算机运算功能却能够直观的表达和弥补这些缺陷，并依托具体的演示过程中来营造概念间的差异性，帮助学生从中领会知识及方法。在计算机的辅助教学下，教师利用对数学理论课题或应用课题，从鲜活的思维及形象的表达上借助于软件来展现，让学生从失败与成功中得到知识的应用体验，从而将被动的知识学习转变为主动的参与实践，更有助于通过实践来激发学生的创新精神。这种将数学教学思维与逻辑与计算机技术的融合，便于从教学中调整教学目标，依据学生所需知识及专业需求来分配侧重点。数学建模就是从数学学科与计算机学科的融合与实践中帮助学生协作学习，提升自身的能力。 2.信息技术是高等数学应用的产物现代信息技术的发展及应用无处不在，对数学知识的渗透也是日益深入。当前，各行业在多种协作、多种专业融合中，借助于先进的信息技术都可以实现畅通的表达与物化。如天气预报技术、卫星电视技术、网络通讯技术等都需要从数

(完整版)数学建模之层次分析法

层次分析法层次分析法是一种解决多目标的复杂问题的定性与定量相结合的决策分析方法。该方法将定量分析与定性分析结合起来，用决策者的经验判断各衡量目标能否实现的标准之间的相对重要程度，并合理地给出每个决策方案的每个标准的权数，利用权数求出各方案的优劣次序，比较有效地应用于那些难以用定量方法解决的课题。缺点：（1）层次分析法的主观性太强，模型的搭建，判断矩阵的输入都是决策者的主观判断，往往会因为决策者的考虑不周、顾此失彼而造成失误。（2）层次分析法模型的内部结构太过理想化，完全分离、彼此独立的层次结构在实践中很难做到。（5）层次分析法只能从给定的决策方案中去选择，而不能给出新的、更优的策略。 1.模型的应用用于解决多目标的复杂问题的定性与定量相结合的决策分析。（1）公司选拔人员，（2）旅游地点的选取，（3）产品的购买等，（4）船舶投资决策问题（下载文档），（5）煤矿安全研究，（6）城市灾害应急能力，（7）油库安全性评价，（8）交通安全评价等。 2.步骤 ①建立层次结构模型首先明确决策目标，再将各个因素按不同的属性从上至下搭建出一个有层次的结构模型，模型如下图所示。

目标层准则层方案层目标层：表示解决问题的目的，即层次分析要达到的总目标。通常只有一个总目标。准则层：表示采取某种措施、政策、方案等实现预定总目标所涉及的中间环节。方案层：表示将选用的解决问题的各种措施、政策、方案等。通常有几个方案可选。注意：（1）任一元素属于且仅属于一个层次；任一元素仅受相邻的上层元素的支配，并不是任一元素与下层元素都有联系；（2）虽然对准则层中每层元素数目没有明确限制，但通常情况下每层元素数最好不要超过 9 个。这是因为，心理学研究表明，只有一组事物在 9 个以内，普通人对其属性进行判别时才较为清楚。当同一层次元素数多于 9 个时，决策者对两两重要性判断可能会出现逻辑错误的概率加大，此时可以通过增加层数，来减少同一层的元素数。 ②构造判断（成对比较）矩阵以任意一个上一层的元素为准则，对其支配的下层各因素之间进行两两比 a重要程度的衡量用Santy的1—9较。得到判断矩阵，再求出各元素的权重。 ij 标度方法给出。即

建立数学建模案例分析

§15.4锁具装箱问题 [学习目标] 1.能表述锁具装箱问题的分析过程； 2.能表述模型的建立方法； 3.会利用排列组合来计算古典概型； 4.会利用Mathematica求解锁具装箱问题。一、问题某厂生产一种弹子锁具，每个锁具的钥匙有5个槽，每个槽的高度从{1，2，3，4，5，6}6个数（单位从略）中任取一数。由于工艺及其它原因，制造锁具时对5个槽的高度有两个要求：一是至少有3个不同的数；二是相邻两槽的高度之差不能为5。满足上述两个条件制造出来的所有互不相同的锁具称为一批。销售部门在一批锁具中随意地抽取，每60个装一箱出售。从顾客的利益出发，自然希望在每批锁具中不能互开（“一把钥匙开一把锁”）。但是，在当前工艺条件下，对于同一批中两个锁具是否能够互开，有以下实验结果：若二者相对应的5个槽的高度中有4个相同，另一个槽的高度差为1，则可能互开；在其它情况下，不可能互开。团体顾客往往购买几箱到几十箱，他们会抱怨购得的锁具中出现互开的情形。现请回答以下问题： 1．每批锁具有多少个，能装多少箱？ 2．按照原来的装箱方案，如何定量地衡量团体顾客抱怨互开的程度（试对购买一、二箱者给出具体结果）。二、问题分析与建立模型因为弹子锁具的钥匙有5个槽，每个槽的高度从{1，2，3，4，5，6}这6个数中任取一数，且5个槽的高度必须满足两个条件：至少有3个不同的数；相邻两槽的高度之差不能为5。所以我们在求一批锁具的总数时，应把问题化为三种情况，即5个槽的高度由5个不同数字组成、由4个不同数字组成、由3个不同数字组成，分别算出各种情况的锁具个数，然后相加便得到一批锁具的总个数。在分别求这三种情况锁具个数的时候，先求出满足第1个条件的锁具个数再减去不满足第2个条件的锁具个数。在求这三种情况锁具个数的时候，主要依靠排列组合的不尽相异元素的全排列公式。下面用一个5元数组来表示一个锁具： Key=（h1，h2，h3，h4，h5）其中h i表示第i个槽的高度，i=1，2，3，4，5。此5元数组表示一把锁，应满足下述条件：条件1：h i∈{1，2，3，4，5，6}，i = 1，2，3，4，5。

数学建模与数学实验习题

数学建模与数学实验课程总结与练习内容总结第一章 1.简述数学建模的一般步骤。 2.简述数学建模的分类方法。 3.简述数学模型与建模过程的特点。第二章 4.抢渡长江模型的前3问。 5.补充的输油管道优化设计。 6.非线性方程（组）求近似根方法。第三章 7.层次结构模型的构造。 8.成对比较矩阵的一致性分析。第五章 9.曲线拟合法与最小二乘法。 10 分段插值法。第六章 11 指数模型及LOGISTIC模型的求解与性质。 12.VOLTERRA模型在相平面上求解及周期平均值。 13 差分方程（组）的平衡点及稳定性。 14 一阶差分方程求解。 15 养老保险模型。

16 金融公司支付基金的流动。 17 LESLLIE 模型。 18 泛函极值的欧拉方法。 19 最短路问题的邻接矩阵。 20 最优化问题的一般数学描述。 21 马尔科夫过程的平衡点。 22 零件的预防性更换。练习集锦 1. 在层次分析法建模中，我们介绍了成对比较矩阵概念，已知矩阵P 是成对比较矩阵 31/52a b P c d e f ?? ??=?????? ，（1）确定矩阵P 的未知元素。（2）求 P 模最大特征值。（3）分析矩阵P 的一致性是否可以接受（随机一致性指标ＲＩ取0.58）。 2. 在层次分析法建模中，我们介绍了成对比较矩阵概念，已知矩阵P 是三阶成对比较矩阵 322P ? ???=?????? ，（1）将矩阵P 元素补全。（2）求P 模最大特征值。（3）分析矩阵P 的一致性是否可以接受。 3.考虑下表数据

(1)用曲改直的思想确定经验公式形式。（2）用最小二乘法确定经验公式系数。 4.. 考虑微分方程 (0.2)0.0001(0.4)0.00001dx x xy dt dy y xy dt εε?=--????=-++?? （1）在像平面上解此微分方程组。（2）计算0ε=时的周期平均值。（3）计算0.1ε=时，y 的周期平均值占总量的周期平均值的比例增加了多少？ 5考虑种群增长模型 '()(1/1000),(0)200x t kx x x =-= （1）求种群量增长最快的时刻。（2）根据下表数据估计参数k 值。 6. 布均匀，若环保部门及时发现并从某时刻起切断污染源，并更新湖水（此处更新指用新鲜水替换污染水），设湖水更新速率是 3 (m r s 单位：）。（1）试建立湖中污染物浓度随时间下降的数学模型？求出污染物浓度降为控制前的5%所需要的时间。 7. 假如保险公司请你帮他们设计一个险种:35岁起保,每月交费400元,60岁开始领取养老金,每月养老金标准为３６００元，请估算该保险费月利率为多少（保留到小数点后５位）？ 8. 某校共有学生40000人，平时均在学生食堂就餐。该校共有,,A B C 3 个学生食堂。经过近一年的统计观测发现：A 食堂分别有10%，25%的学生经常去B ，C 食堂就餐，B 食堂经常分别有15%，25%的同学去

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

数学建模案例分析--对策与决策方法建模6决策树法

§6 决策树法对较为复杂的决策问题，特别是需要做多个阶段决策的问题，最常用的方法是决策树法。决策树法是把某个决策问题未来发展情况的可能性和可能结果所做的预测用树状图画出来。其步骤如下： 1、用方框表示决策点。从决策点画出若干条直线或折线，每条线代表一个行动方案，这样的直线或折线称为方案枝。 2、在各方案枝的末端画一个园圈，称为状态点，从状态点引出若干直线或折线，每条线表示一个状态，在线的旁边标出每个状态的概率，称为概率枝。 3、把各方案在各个状态下的损益期望值算出标记在概率枝的末端。 4、把计算得到的每个方案的损益期望值标在状态点上，然后通过比较，选出损益期望值最小的方案为最优方案。例1某厂准备生产一种新产品，产量可以在三种水平n1、n2、n3中作决策。该产品在市场上的销售情况可分为畅销、一般和滞销三种情况，分别为S1、S2、S3。通过调查，预测市场处于这三种情况的概率分别为0.5、0.3、0.2。三种决策在各种不同市场情况下的利润见下表：表1 基于各种决策的各种市场情况的利润表（万元）我们可以计算每种决策下利润的期望值：实行在水平n1下生产的利润的期望值为：90×0.5+30×0.3-60×0.2=42 实行在水平n2下生产的利润的期望值为：60×0.5+50×0.3-10×0.2=43 实行在水平n3下生产的利润的期望值为：10×0.5+9×0.3-6×0.2=6.5 由于在水平n2下生产利润的期望值最大，因而应选择产量水平n2生产。可以应用决策树帮助解决这样的决策问题，把各种决策和情况画在图1上：图1

图中的方框（□）称为决策点，圆圈（○）称为状态点，从方框出发的线段称为对策分支，表示可供选择的不同对策。在圆圈下面的线段称为概率分支，表示在此种对策下可能出现的各种情况。在概率分支上注明了该情况出现的概率。在每一个概率分支的末端注明了对应对策和对应情况下的收益（利润）。在计算时，我们把相应的期望值写在相应的状态点旁边，再由比较大小后选择最优决策，在图上用∥表示舍弃非最优的对策，并在决策点上注明最优决策所对应的期望利润。图2 利用决策树还可以解决多阶段的决策问题。例2 某公司在开发一种新产品前通过调查推知，该产品未来的销售情况分前三年和后三年两种情况。因此生产该产品有两种可供选择的方案：建造大厂和建造小厂。如果建造大厂，投资费用5000万元，当产品畅销时，每年可获利2000万元，当产品滞销时，每年要亏损120万元。如果建造小厂，投资费用1000万元，当产品畅销时，每年可获利300万元，当产品滞销时，每年仍可获利150万元。若产品畅销可考虑在后三年再扩建，扩建投资需2000万元，随后三年每年可获利1000万元；也可不再扩建。预测这六年该产品畅销的概率为0.6，滞销的概率为0.4。试分析该公司开发新产品应如何决策？根据问题的各种情况可以画出决策树如下：这是一个两阶段的决策问题。注意到图中有两个决策点，反映建小厂的方案中可以分成前三年和后三年两个阶段，并在后三年还要做出一次决策。图3 把各种数据填到图适当的位置后，由后向前计算获利的期望值。由图可见应采用决策：建造大厂。 500 900 1000*3=3000 300*3=900 6.5

数学建模与数学实验课后习题答案

P59 4.学校共1002名学生，237人住在A 宿舍，333人住在B 宿舍，432人住在C 宿舍。学生要组织一个10人的委员会，使用Q 值法分配各宿舍的委员数。解:设P 表示人数，N 表示要分配的总席位数。i 表示各个宿舍（分别取A,B,C ），i p 表示i 宿舍现有住宿人数，i n 表示i 宿舍分配到的委员席位。首先，我们先按比例分配委员席位。 A 宿舍为:A n = 365.21002 10237=? B 宿舍为:B n =323.31002 10333=? C 宿舍为:C n =311.4100210432=? 现已分完9人，剩1人用Q 值法分配。 5.93613 22372 =?=A Q 7.92404 33332 =?=B Q 2.93315 44322 =?=C Q 经比较可得，最后一席位应分给A 宿舍。所以，总的席位分配应为：A 宿舍3个席位，B 宿舍3个席位，C 宿舍4个席位。

商人们怎样安全过河

由上题可求：4个商人，4个随从安全过河的方案。解：用最多乘两人的船，无法安全过河。所以需要改乘最多三人乘坐的船。如图所示，图中实线表示为从开始的岸边到河对岸，虚线表示从河对岸回来。商人只需要按照图中的步骤走，即可安全渡河。总共需要9步。

P60 液体在水平等直径的管内流动，设两点的压强差ΔP 与下列变量有关：管径d,ρ,v,l,μ,管壁粗糙度Δ，试求ΔP 的表达式解：物理量之间的关系写为为()?=?,,,,,μρ?l v d p 。各个物理量的量纲分别为 []32-=?MT L p ，[]L d =，[]M L 3-=ρ，[]1-=LT v ，[]L l =，[]11--=MT L μ，Δ是一个无量纲量。 ???? ??????-----=?0310100011110010021113173A 其中0=Ay 解得 ()T y 00012111---=， ()T y 00101102--=， ()T y 01003103--=， ()T y 10000004= 所以 l v d 2111---=ρπ，μρπ112--=v ，p v ?=--313ρπ，?=4π 因为()0,,,,,,=??p l v d f μρ与()0,,,4321=ππππF 是等价的，所以ΔP 的表达式为： ()213,ππψρv p =?

第1节数学建模与数学探究

第1节数学建模与数学探究【内容要求】数学建模活动是对现实问题进行数学抽象，用数学语言表达问题、用数学方法构建模型解决问题的过程.主要包括：在实际情境中从数学的视角发现问题、提出问题，分析问题、构建模型，确定参数、计算求解，检验结果、改进模型，最终解决实际问题.数学建模活动是基于数学思维运用模型解决实际问题的一类综合实践活动，是高中阶段数学课程的重要内容. 【基本过程】数学建模活动的基本过程如下：数学探究活动是围绕某个具体的数学问题，开展自主探究、合作研究并最终解决问题的过程.具体表现为：发现和提出有意义的数学问题，猜测合理的数学结论，提出解决问题的思路和方案，通过自主探索、合作研究论证数学结论.数学探究活动是运用数学知识解决数学问题的一类综合实践活动，也是高中阶段数学课程的重要内容. 【过程解读】掌握建模基本过程，会对实际问题进行问题分析，善于合理假设. ·问题分析也常称为模型准备或问题重述.由于数学模型是建立数学与实际现象之

间的桥梁，因此，首要的工作是要设法用数学的语言表述实际现象.所谓问题重述是指把实际现象尽量地使用贴近数学的语言进行重新描述.为此，要充分了解问题的实际背景，明确建模的目的，尽可能弄清对象的特征，并为此搜集必需的各种信息或数据.要善于捕捉对象特征中隐含的数学因素，并将其一一列出.至此，我们便有了一个很好的开端，而有了这个良好的开端，不仅可以决定建模方向，初步确定用哪一类模型，而且对下面的各个步骤都将产生影响. ·模型假设(即合理假设)是与问题分析紧密衔接的又一个重要步骤.根据对象的特征和建模目的，在问题分析基础上对问题进行必要的、合理的取舍简化，并使用精确的语言作出假设，这是建模至关重要的一步.这是因为，一个实际问题往往是复杂多变的，如不经过合理的简化假设，将很难于转化成数学模型，即便转化成功，也可能是一个复杂的难于求解的模型从而使建模归于失败.当然，假设作得不合理或过分简单也同样会因为与实际相去甚远而使建模归于失败.一般地，作出假设时要充分利用与问题相关的有关学科知识，充分发挥想象力和观察判断力，分清问题的主次，抓住主要因素，舍弃次要因素. 【实际意义】数学建模的实际意义 1.在一般工程技术领域，数学建模仍然大有用武之地. 在以声、光、热、力、电这些物理学科为基础的诸如机械、电机、土木、水利等工程技术领域中，数学建模的普遍性和重要性不言而喻，虽然这里的基本模型是已有的，但是由于新技术、新工艺的不断涌现，提出了许多需要用数学方法解决的新问题；高速、大型计算机的飞速发展，使得过去即便有了数学模型也无法求解的课题(如大型水坝的应力计算，中长期天气预报等)迎刃而解；建立在数学模型和计算机模拟基础上的CAD技术，以其快速、经济、方便等优势，大量地替代了传统工程设计中的现场实验、物理模拟等手段. 2.在高新技术领域，数学建模几乎是必不可少的工具. 无论是发展通讯、航天、微电子、自动化等高新技术本身，还是将高新技术用于传统工业去创造新工艺、开发新产品，计算机技术支持下的建模和模拟都是经常使用的有效手段.数学建模、数值计算和计算机图形等相结合形成的计算机软件，已经被固化于产品中，在许多高新技术领域起着核心作用，被认为是高新技术的特征之一.

8第八章层次分析法

-167- 第八章层次分析法层次分析法（Analytic Hierarchy Process ，简称AHP ）是对一些较为复杂、较为模糊的问题作出决策的简易方法，它特别适用于那些难于完全定量分析的问题。它是美国运筹学家T. L. Saaty 教授于上世纪70年代初期提出的一种简便、灵活而又实用的多准则决策方法。 §1 层次分析法的基本原理与步骤人们在进行社会的、经济的以及科学管理领域问题的系统分析中，面临的常常是一个由相互关联、相互制约的众多因素构成的复杂而往往缺少定量数据的系统。层次分析法为这类问题的决策和排序提供了一种新的、简洁而实用的建模方法。运用层次分析法建模，大体上可按下面四个步骤进行：（i ）建立递阶层次结构模型；（ii ）构造出各层次中的所有判断矩阵；（iii ）层次单排序及一致性检验；（iv ）层次总排序及一致性检验。下面分别说明这四个步骤的实现过程。 1.1 递阶层次结构的建立与特点应用AHP 分析决策问题时，首先要把问题条理化、层次化，构造出一个有层次的结构模型。在这个模型下，复杂问题被分解为元素的组成部分。这些元素又按其属性及关系形成若干层次。上一层次的元素作为准则对下一层次有关元素起支配作用。这些层次可以分为三类：（i ）最高层：这一层次中只有一个元素，一般它是分析问题的预定目标或理想结果，因此也称为目标层。（ii ）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。（iii ）最底层：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。递阶层次结构中的层次数与问题的复杂程度及需要分析的详尽程度有关，一般地层次数不受限制。每一层次中各元素所支配的元素一般不要超过9个。这是因为支配的元素过多会给两两比较判断带来困难。下面结合一个实例来说明递阶层次结构的建立。例1 假期旅游有1P 、2P 、3P 3个旅游胜地供你选择，试确定一个最佳地点。在此问题中，你会根据诸如景色、费用、居住、饮食和旅途条件等一些准则去反复比较3个侯选地点。可以建立如图1的层次结构模型。图1 层次结构模型

数学建模案例分析

案例分析1: 自行车外胎的使用寿命问题：目前，自行车在我国是一种可缺少的交通工具。它小巧、灵活、方便、易学，而且价格适中，给广大居民带来了不小的益处。但是，自行车也有令人头痛的地方，最常见的问题莫过于扎胎了。扎胎的原因有很多，但相当一部分是由于外胎磨损，致使一些玻璃碴、小石子很容易侵入、扎破内胎。为了减少不必要的麻烦，如何估计自行车外胎的寿命，及时更换? 分析：分析角度：由于题目里未明确指出我们是应从厂家角度，还是应从用户角度来考虑这个问题，因此需要我们自己做出合理判断。若从厂家角度，我们面对的应当是一大批自行车外胎的平均寿命的估计。这样的估计要求一定精确度和相对明确的使用环境；而从用户角度来说，面对的仅是个人的一辆车，不需要很高的精确度，这样的寿命估计更简单，易于随时了解，下面仅从用户角度进行分析。产品的使用者需要了解产品的寿命，是基于安全性及更换的费用来考虑的。我们将这两个标准作为主要标准来分析，首先值得注意的两个关键性问题是如何定义寿命、何时为寿命的终止。寿命的定义要做到科学，直观，有可比性，在航空工业中航天飞机的使用寿命是用重复使用的次数来衡量，而工厂机器设备的寿命则以连续工作的时间来定义。本题外胎的寿命亦可用时间来表征，但由于外胎的寿命直接与其磨损速度相关；而磨损速度又与使用频率及行驶速度相互联系，致使外胎的寿命不一定与使用时间成正比(这种非正比关系使我们不能拿一辆—天跑200公里的自行车与一天只跑1公里的自行车进行寿命比较)，降低了可比性。如换成自行车的路程寿命来比较，就好得多。产品寿命是在安全性和更换费用相互制约下达到的一个点，在这个点上，外胎的安全系数降到用户不可接受的最低值，更换费用(寿命越长，在一定意义上更换费用越低)也达到了最大限度的节省。弄清了上面两个问题后，我们继续明确建立模型需要解决哪些问题及建立模型的重点难点。自行车使用过程中，一来影响因素多，二来这些因素之间彼此相关，十分复杂，要做到比较准确地估计使用寿命，不但要对外胎的性能有相当的了解，而且对使用环境更不能忽视。当然我们由于是站在用户角度上来考虑的，相对地就可忽略一些次要的影响因素。这样的数学模型面对着两个主要问题。一、自行车使用寿命与外胎厚度的关系，二、外胎能够抵御小石子破坏作用的最小厚度。后者可处理得相对简略些(如只考虑一块具有一般特征的小石子对外胎的破坏作用)，而重点(也是难点)是第一个问题。车重、人重、轮胎性质(力学的、热学的、甚至化学的)和自行车使用频率等都左右着它们的关系。这么多相关因素，不必一一都加以考虑(用户是不会在意这么多的)，有些因素，可以先不考虑，在模型的改进部分再作修改，采取逐步深入的方法，如：摩擦损耗有滑动摩擦和滚动摩擦损耗两种，由于滚动摩擦占用的时间(或路程)显然占绝对优势，因此可重点考虑。但滑动摩擦造成的一次损坏又比滚动摩擦大，在刹车使用过频的情况下，就不能不考虑了。最后，需对得出的结果用简单清晰的文字进行说明，以供用户参考。案例分析2：城市商业中心最优位置分析问题：城市商业中心是城市的基本构成要素之一。它的形成是一个复杂的定位过程。商业中心的选址涉及到各种因素制约，但其中交通条件是很重要的因素之一。即商业中心应位于城市“中心”，如果太偏离这一位置，极有可能在城市“中心”地带又形成一个商业区，造成重复建设。某市对老商业中心进行改建规划，使居民到商业中心最方便。如果你是规划的策划者，如何建立一个数学模型来解决这个问题。

数学建模实验

数学建模课程实验报告专题实验7 班级数财系1班学号2011040123 丛文实验题目常微分方程数值解实验目的 1．掌握用MATLAB求微分方程初值问题数值解的方法； 2．通过实例学习微分方程模型解决简化的实际问题； 3．了解欧拉方法和龙格库塔方法的基本思想。实验容 (包括分析过程、方法、和代码，结果) 1. 用欧拉方法和龙格库塔方法求下列微分方程初值问题的数值解，画出解的图形，对结果进行分析比较解；M文件 function f=f(x,y) f=y+2*x; 程序； clc;clear; a=0;b=1; %求解区间 [x1,y_r]=ode45('f',[a b],1); %调用龙格库塔求解函数求解数值解； %% 以下利用Euler方法求解 y(1)=1;N=100;h=(b-a)/N; x=a:h:b;

for i=1:N y(i+1)=y(i)+h*f(x(i),y(i)); end figure(1) plot(x1,y_r,'r*',x,y,'b+',x,3*exp(x)-2*x-2,'k-');%数值解与真解图 title('数值解与真解图'); legend('RK4','Euler','真解'); xlabel('x');ylabel('y'); figure(2)

plot(x1,abs(y_r-(3*exp(x1)-2*x1-2)),'k-');%龙格库塔方法的误差 title('龙格库塔方法的误差') xlabel('x');ylabel('Error'); figure(3) plot(x,abs(y-(3*exp(x)-2*x-2)),'r-')%Euler方法的误差 title('Euler方法的误差') xlabel('x');ylabel('Error');

科学计算与数学建模教学大纲

科学计算与数学建模教学大纲课程编号：13070162 课程名称：科学计算与数学建模英文名称：Scientific Computing & Mathematical Modeling 总学时：64 学分：4 先修课程要求：高等数学、线性代数适应专业：全校理、工、医、经、管、文、法等专业教材与主要教学参考书目（注：加*号的为指定教材或辅助教材） [1]*郑洲顺，张鸿雁等，科学计算与数学建模，上海：复旦大学出版社，2011. [2]*李庆扬，王能超，易大义．数值分析，通高等教育“十一五”国家级规划教材，北京：清华大学出版社，2008 [3] *姜启源，谢金星，叶俊．数学模型（第三版），北京：清华大学出版社，2007. [4] 邓建中，刘之行．计算方法，西安：西安交通大学出版社，2001. [5] 谭永基等．数学模型，上海：复旦大学出版社，1997. [6] 韩旭里，万中．数值分析与实验，北京：科学出版社，2006年. [7] 蔡大用，白峰杉．高等数值分析．北京：清华大学出版社，1998 [8] 曹志浩，张玉德，李瑞遐．矩阵计算与方程求根．北京：高等教育出版社，1984 [9] 李庆扬，关治，白峰杉．数值计算原理，北京：清华大学出版社，2000 [10]索尔（美）著．吴兆金，范红军译．数值分析，北京：人民邮电出版社，2010 [11]叶其孝．大学生数学建模竞赛辅导教材(1-5)．长沙：湖南教育出版社，1993-2008 [12]刘来福，曾文艺．数学模型与数学建模．第二版．北京：北京师范大学出版社，2002 [13]李尚志．数学建模竞赛教程．江苏：江苏教育出版社，1996 [13]李大潜．中国大学生数学建模竞赛．北京：高等教育出版社，1998 [14] *李荣华，冯果忱．微分方程数值解法．第二版．北京：高等教育出版社，1989 [15]施妙根，顾丽珍．科学和工程计算基础．北京：清华大学出版社，1999 [16]郭金玉，张忠彬，孙庆云．层次分析法在安全科学研究中的应用[J]．中国安全生产科学技术，2008，4(2)：69-73 [17]陈义华．数学建模的层次分析法. 甘肃工业大学学报．1997，23(3):92-97 [18]郭亚军．综合评价理论、方法及应用．北京：科学出版社，2007 [19]韩中庚．数学建模方法及其应用. 北京:高等教育出版社,2005 [20]易丹辉．统计预测方法与应用-北京：中国统计出版社，2004

数学建模与数学实验报告

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______________ 姓名______________ 学号_____________ 组员2：班级______________ 姓名______________ 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=-pi:0.01:pi; >> y=cos(tan(pi*x)); >> plot(x,y) -4 -3 -2 -1 1 2 3 4 -1-0.8-0.6-0.4-0.200.20.40.60.8 1 （2）用surf,mesh 命令绘制曲面2 2 2z 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） >> [x,y]=meshgrid([-2:0.1:2]); >> z=2*x.^2+y.^2; >> surf(x,y,z)

-2 2 >> mesh(x,y,z) -2 2 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 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 1)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） >> a=[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]; >> pjz=mean(a) pjz = 80.1000 >> bzhc=std(a) bzhc = 9.7106 >> jc=max(a)-min(a) jc = 44 >> bar(a)

第1章数学建模与误差分析

第1章数学建模与误差分析 1.1 数学与科学计算数学是科学之母，科学技术离不开数学，它通过建立数学模型与数学产生紧密联系，数学又以各种形式应用于科学技术各领域。数学擅长处理各种复杂的依赖关系，精细刻画量的变化以及可能性的评估。它可以帮助人们探讨原因、量化过程、控制风险、优化管理、合理预测。近几十年来由于计算机及科学技术的快速发展，求解各种数学问题的数值方法即计算数学也越来越多地应用于科学技术各领域，相关交叉学科分支纷纷兴起，如计算力学、计算物理、计算化学、计算生物、计算经济学等。科学计算是指利用计算机来完成科学研究和工程技术中提出的数学问题的计算，是一种使用计算机解释和预测实验中难以验证的、复杂现象的方法。科学计算是伴随着电子计算机的出现而迅速发展并获得广泛应用的新兴交叉学科，是数学及计算机应用于高科技领域的必不可少的纽带和工具。科学计算涉及数学的各分支，研究它们适合于计算机编程的数值计算方法是计算数学的任务，它是各种计算性学科的联系纽带和共性基础，兼有基础性和应用性的数学学科。它面向的是数学问题本身而不是具体的物理模型，但它又是各计算学科共同的基础。随着计算机技术的飞速发展，科学计算在工程技术中发挥着愈来愈大的作用,已成为继科学实验和理论研究之后科学研究的第三种方法。在实际应用中所建立的数学模型其完备形式往往不能方便地求出精确解，于是只能转化为简化模型，如将复杂的非线性模型忽略一些因素而简化为线性模型，但这样做往往不能满足精度要求。因此，目前使用数值方法来直接求解较少简化的模型，可以得到满足精度要求的结果，使科学计算发挥更大作用。了解和掌握科学计算的基本方法、数学建模方法已成为科技人才必需的技能。因此，科学计算与数学建模的基本知识和方法是工程技术人才必备的数学素质。 1.2 数学建模及其重要意义数学，作为一门研究现实世界数量关系和空间形式的科学，在它产生和发展的历史长河中，一直是和人们生活的实际需要密切相关。用数学方法解决工程实际和科学技术中的具体问题时，首先必须将具体问题抽象为数学问题，即建立起能描述并等价代替该实际问题的数学模型，然后将建立起的数学模型，利用数学理论和计算技术进行推演、论证和计算，得到欲求解问题的解析解或数值解，最后用求得的解析解和数值解来解决实际问题。本章主要介绍数学建模基本过程和求解数学问题数值方法的误差传播分析。 1.2.1 数学建模的过程数学建模过程就是从现实对象到数学模型，再从数学模型回到现实对象的循环，一般通过表述、求解、解释、验证几个阶段完成。数学建模过程如图1.2.1所示，数学模型求解方法可分为解析法和数值方法，如图1.2.2所示。表述是将现实问题“翻译”成抽象的数学问题，属于归纳。数学模型的求解方法则属于演绎。归纳是依据个别现象推出一般规律；演绎是按照普遍原理考察特定对象，导出结论。演绎利用严格的逻辑推理，对解释现象做出科学预见，具有重要意义，但是它要以归纳的结论作为公理化形式的前提，只有在这个前提下

层次分析法-数学建模

层次分析法一、分析模型和一般步骤二、建立层次结构模型三、构造成对比较矩阵四、作一致性检验五、层次总排序及决策一. 层次分析模型和一般步骤层次分析法是一种定性与定量分析相结合的多因素决策分析方法。这种方法将决策者的经验判断给于数量化，在目标因素结构复杂且缺乏必要数据的情况下使用更为方便，因而在实践中得到广泛应用。层次分析的四个基本步骤：（1）在确定决策的目标后，对影响目标决策的因素进行分类，建立一个多层次结构；（2）比较同一层次中各因素关于上一层次的同一个因素的相对重要性，构造成对比较矩阵；（3）通过计算，检验成对比较矩阵的一致性，必要时对成对比较矩阵进行修改，以达到可以接受的一致性；（4）在符合一致性检验的前提下，计算与成对比较矩阵最大特征值相对应的特征向量，确定每个因素对上一层次该因素的权重；计算各因素对于系统目标的总排序权重并决策。二. 建立层次结构模型将问题包含的因素分层：最高层（解决问题的目的）；中间层（实现总目标而采取的各种措施、必须考虑的准则等。也可称策略层、约束层、准则层等）；最低层（用于解决问题的各种措施、方案等）。把各种所要考虑的因素放在适当的层次内。用层次结构图清晰地表达这些因素的关系。〔例1〕购物模型某一个顾客选购电视机时，对市场正在出售的四种电视机考虑了八项准则作为评估依据，建立层次分析模型如下：

例2〕选拔干部模型对三个干部候选人、、，按选拔干部的五个标准：品德、才能、资历、年龄和群众关系，构成如下层次分析模型：假设有三个干部候选人、、，按选拔干部的五个标准：品德，才能，资历，年龄和群众关系，构成如下层次分析模型例3〕评选优秀学校某地区有三个学校，现在要全面考察评出一个优秀学校。主要考虑以下几个因素：（1）教师队伍（包括平均学历和年龄结构）

数学建模案例分析-- 插值与拟合方法建模1数据插值方法及应用

第十章插值与拟合方法建模在生产实际中，常常要处理由实验或测量所得到的一批离散数据，插值与拟合方法就是要通过这些数据去确定某一类已经函数的参数，或寻求某个近似函数使之与已知数据有较高的拟合精度。插值与拟合的方法很多，这里主要介绍线性插值方法、多项式插值方法和样条插值方法，以及最小二乘拟合方法在实际问题中的应用。相应的理论和算法是数值分析的内容，这里不作详细介绍，请参阅有关的书籍。 §1 数据插值方法及应用在生产实践和科学研究中，常常有这样的问题：由实验或测量得到变量间的一批离散样点，要求由此建立变量之间的函数关系或得到样点之外的数据。与此有关的一类问题是当原始数据 ),(,),,(),,(1100n n y x y x y x 精度较高，要求确定一个初等函数)(x P y =（一般用多项式或分段多项式函数）通过已知各数据点（节点），即n i x P y i i ,,1,0,)( ==，或要求得函数在另外一些点（插值点）处的数值，这便是插值问题。 1、分段线性插值这是最通俗的一种方法，直观上就是将各数据点用折线连接起来。如果 b x x x a n =<<<= 10 那么分段线性插值公式为 n i x x x y x x x x y x x x x x P i i i i i i i i i i ,,2,1,,)(11 1 11 =≤<--+--= ----- 可以证明，当分点足够细时，分段线性插值是收敛的。其缺点是不能形成一条光滑曲线。例1、已知欧洲一个国家的地图，为了算出它的国土面积，对地图作了如下测量：以由西向东方向为x 轴，由南向北方向为y 轴，选择方便的原点，并将从最西边界点到最东边界点在x 轴上的区间适当的分为若干段，在每个分点的y 方向测出南边界点和北边界点的y 坐标y1和y2，这样就得到下表的数据（单位：mm ）。根据地图的比例，18 mm 相当于40 km 。