数学建模实验报告

合集下载

数学建模实验报告

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。

最新数学建模实验报告4酵母培养物离散阻滞增长模型精选全文

最新数学建模实验报告4酵母培养物离散阻滞增长模型精选全文

一.实验题目:已知从测量酵母培养物增长的实验收集的数据如表:时刻/h 0 1 2 3 4 5 6 7 8 9 生物量/g 9.6 18.3 29.0 47.2 71.1 119.1 174.6 257.3 350.7 441.0 时刻/h 10 11 12 13 14 15 16 17 18生物量/g 513.3 559.7 594.8 629.4 640.8 651.1 655.9 659.6 661.8二.实验要求1、作图分析酵母培养物的增长数据、增长率、与相对增长率.2、建立酵母培养物的增长模型.3、利用线性拟合估计模型参数,并进行模型检验,展示模型拟合与预测效果图.4、利用非线性拟合估计模型参数,并进行模型检验,展示模型拟合与预测效果图.5、请分析两个模型的区别,作出模型的评价.三.实验内容(1)对于此问,可直接根据数据作图 先求相对增长率随时间的变化,程序如下:k=[0,1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18];x=[9.6,18.3,29.0,47.2,71.1,119.1,174.6,257.3,350.7,441.0,513.3,559.7,594.8,629.4,640.8,651.1,655.9,659.6,661.8]; n=1;for n=1:18dx(n)=x(n+1)-x(n); endr=dx./x(1:18); plot(0:17,r,'kv')xlabel('时间k (小时)'),ylabel('增长率 (%)') title('增长率与时间')模拟效果图如下:时间 k(小时)增长率 (%)增长率与时间再求增长量随时间的变化,程序如下:k=[0,1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18];x=[9.6,18.3,29.0,47.2,71.1,119.1,174.6,257.3,350.7,441.0,513.3,559.7,594.8,629.4,640.8,651.1,655.9,659.6,661.8];n=1;for n=1:18dx(n)=x(n+1)-x(n); endplot(0:17,dx,'ko')xlabel('时间k (小时) '),ylabel('增长量 (克)')title('增长量与时间')模拟效果图如下:24681012141618时间 k(小时)增长量 (克)增长量与时间(2)建立酵母培养物的模型k---时刻(小时);x(k)---酵母培养物在第k 小时的生物量(克);r(k)---用前差公式计算的生物量在第k小时的增长率;r---生物量的固有增长率;N---生物量的最大容量。

数学建模实验报告

数学建模实验报告

数学建模实验报告一、实验目的和背景本次实验旨在运用数学建模方法,解决一个与实际生活相关的问题。

通过建立数学模型,分析问题,提出解决方案,并通过实验数据验证模型的可行性和准确性。

二、实验内容本次实验的题目是“公司送货员最优路径规划”。

公司有多名送货员需要在城市中进行货物的配送工作。

公司希望通过合理的路径规划,使得送货员能够在最短的时间内完成所有的配送任务。

在实验中,需要考虑的主要因素包括送货员之间的配送范围、道路交通状况、道路长度等。

三、实验步骤1.收集相关数据:收集城市道路网络的地理数据,包括道路长度、道路交通状况等信息。

2.确定目标函数和约束条件:由于目标是使得送货员在最短的时间内完成配送任务,因此可以将送货员的路径总长度作为目标函数,并设置配送时间限制作为约束条件。

3.建立数学模型:根据收集到的数据和确定的目标函数、约束条件,建立数学模型,将问题转化为一个最优化问题。

4.进行求解:使用数学建模常见的求解方法,如遗传算法、模拟退火算法等,对数学模型进行求解,得到最优的路径规划方案。

5.实验验证:将求解得到的路径规划方案应用于实际情境中,通过实践进行验证,观察实际效果与模型预测结果的一致性。

四、实验结果与分析通过对数学模型进行求解,得到了送货员的最优路径规划方案。

将该方案应用于实际情境中,观察实际效果与模型预测结果的一致性。

通过与其他非最优路径规划方案进行对比,可以发现,最优路径规划方案能够使得送货员在最短的时间内完成配送任务,提高工作效率。

五、结论和展望本次实验成功地运用了数学建模方法,解决了公司送货员最优路径规划问题。

通过建立数学模型,可以快速地得到最优的路径规划方案,提高了送货员的工作效率。

未来可以进一步改进模型,考虑更多实际情况,如车辆限行、路况实时变化等因素,提供更加精确和实用的路径规划方案。

总结:本次实验通过对公司送货员最优路径规划问题的建模和求解,展示了数学建模的应用价值和解决问题的能力。

数学建模实验报告

数学建模实验报告

数学建模实验报告1.流⽔问题问题描述:⼀如下图所⽰的容器装满⽔,上底⾯半径为r=1m,⾼度为H=5m,在下地⾯有⼀⾯积为B0.001m2的⼩圆孔,现在让⽔从⼩孔流出,问⽔什么时候能流完?解题分析:这个问题我们可以采⽤计算机模拟,⼩孔处的⽔流速度为V=sqrt[2*g*h],单位时间从⼩孔流出的⽔的体积为V*B,再根据⼏何关系,求出⽔⾯的⾼度H,时间按每秒步进,记录点(H,t)并画出过⽔⾯⾼度随时间的变化图,当⽔⾯⾼度⼩于0.001m 时,可以近似认为⽔流完了。

程序代码:Methamatic程序代码:运⾏结果:(5)结果分析:计算机仿真可以很直观的表现出所求量之间的关系,从图中我们可以很⽅便的求出要求的值。

但在实际编写程序中,由于是初次接触methamatic 语⾔,对其并不是很熟悉,加上个⼈能⼒有限,所以结果可能不太精确,还请见谅。

2.库存问题问题描述某企业对于某种材料的⽉需求量为随机变量,具有如下表概率分布:每次订货费为500元,每⽉每吨保管费为50元,每⽉每吨货物缺货费为1500元,每吨材料的购价为1000元。

该企业欲采⽤周期性盘点的),(S s 策略来控制库存量,求最佳的s ,S 值。

(注:),(S s 策略指的是若发现存货量少于s 时⽴即订货,将存货补充到S ,使得经济效益最佳。

)问题分析:⽤10000个⽉进⾏模拟,随机产⽣每个⽉需求量的概率,利⽤计算机编程,将各种S 和s 的取值都遍历⼀遍,把每种S,s的组合对应的每⽉花费保存在数组cost数组⾥,并计算出平均⽉花费average,并⽤类answer来记录,最终求出对应的S和s。

程序代码:C++程序代码:#include#include#include#include#define Monthnumber 10000int Need(float x){int ned = 0;//求每个⽉的需求量if(x < 0.05)ned = 50;else if(x < 0.15)ned = 60;else if(x < 0.30)ned = 70;else if(x < 0.55)ned = 80;else if(x < 0.75)ned = 90;else if(x < 0.85)ned = 100;else if(x < 0.95)ned = 110;else ned = 120;return ned;}class A{public:int pS;int ps;float aver;};int main(){A answer;answer.aver=10000000;//int cost[Monthnumber+1]={0}; float average=0;int i;float x;int store[Monthnumber];//srand((int)time(0));for(int n=6;n<=12;n++){// int n=11;int S=10*n;for(int k=5;k{// int k=5;int s=k*10;average=0;int cost[Monthnumber+1]={0};for(i=1;i<=Monthnumber;i++){store[i-1]=S;srand(time(0));x=(float)rand()/RAND_MAX; //产⽣随机数//cout<<" "<//cout<int need=Need(x);if(need>=store[i-1]){cost[i]= 1000*S + (need - store[i-1])*1500 + 500;store[i]=S;}else if(need>=store[i-1]-s){cost[i]=1000*(need+S-store[i-1]) + 50*(store[i-1]-need) + 500; store[i]=S;}else{cost[i]=(store[i-1]-need)*50;store[i]=store[i-1]-need;}average=cost[i]+average;}average=average/Monthnumber;cout<<"n="<cout<<"花费最少时s应该为:"<cout<<"平均每⽉最少花费为:"<}运⾏结果:结果分析:⽤计算机模拟的结果和⽤数学分析的结果有⼀定的差异,由于计算机模拟时采⽤的是随机模型⽽我⽤time函数和rand函数产⽣真随机数,所以在每次的结果上会有所差异,但对于⼀般的⽣产要求亦可以满。

数学建模实验报告

数学建模实验报告

《数学建模实验》实验报告学院名称数学与信息学院专业名称提交日期课程教师实验一:数学规划模型AMPL求解实验内容1. 用AMPL求解下列问题并作灵敏度分析:一奶制品加工厂用牛奶生产A1和A2两种奶制品,1桶牛奶可以在甲类设备上用12小时加工成3公斤A1或者在乙类设备上用8小时加工成4公斤A2,且都能全部售出,且每公斤A1获利24元,每公斤A2获利16元。

先加工厂每天能得到50桶牛奶的供应,每天工人总的劳动时间为480小时,并且甲类设备每天至多加工100公斤A1,乙类设备的加工能力没有限制,试为该厂制定一个计划,使每天的获利最大。

(1)建立模型文件:milk.modset Products ordered;param Time{i in Products }>0;param Quan{i in Products}>0;param Profit{i in Products}>0;var x{i in Products}>=0;maximize profit: sum{i in Products} Profit [i]* Quan [i]*x[i];subject to raw: sum{i in Products}x[i] <=50;subject to time:sum{i in Products}Time[i]*x[i]<=480;subject to capacity: Quan[first(Products)]*x[first(Products)]<=100;(2)建立数据文件milk.datset Products:=A1 A2;param Time:=A1 12 A2 8;param Quan:=A1 3 A2 4;param Profit:=A1 24 A2 16;(3) 建立批处理文件milk.runmodel milk.mod;data milk.dat;option solver cplex;solve;display x;(4)运行运行结果:CPLEX 11.0.0: optimal solution; objective 33602 dual simplex iterations (1 in phase I)x [*] :=A1 20A2 30;(5)灵敏度分析:model milk.mod;data milk.dat;option solver cplex;option cplex_options 'sensitivity';solve;display x;display x.rc, x.down, x.up;display raw, time, capacity;display raw.down, raw.up,raw.current, raw.slack;得到结果:【灵敏度分析】: x.rc x.down x.up:=A1 -3.55271e-15 64 96A2 0 48 72;raw = 48time = 2capacity = 0raw.down = 43.3333raw.up = 60raw.current = 50raw.slack = 0某公司有6个建筑工地,位置坐标为(a i, b i)(单位:公里),水泥日用量d i (单位:吨)1) 现有j j j吨,制定每天的供应计划,即从A, B两料场分别向各工地运送多少吨水泥,使总的吨公里数最小。

西安交大数学建模实验报告

西安交大数学建模实验报告

数学建模实验报告1,存货问题(一)问题描述某企业对于某种材料的月需求量为随机变量,具有如下表概率分布:每次订货费为500元,每月每吨保管费为50元,每月每吨货物缺货费为1500元,每吨材料的购价为1000元。

该企业欲采用周期性盘点的),(S s 策略来控制库存量,求最佳的s ,S 值。

(注:),(S s 策略指的是若发现存货量少于s 时立即订货,将存货补充到S ,使得经济效益最佳。

)(二)问题分析随机产生每个月需求量的概率,取遍每一个S 和s 的值,将每种S ,s 的组合对应的每月平均花费保存在数组money 里,筛选数组,选出其中费用最小值,并求出对应的S 和s 。

模拟400个月的生产情况。

(三)程序代码clear;clc;need=0; remain=0; cost=0; mincostavg=inf; forsl=30:10:70 forsh=80:10:140 fornum=1:100000m=rand; if m<=0.1 need=50;elseif m<=0.3 need=60;elseif m<=0.45 need=70;elseif m<=0.7 need=80;elseif m<=0.75 need=90;elseif m<=0.85 need=100;elseif m<=0.95need=110;elseneed=120;endif remain<slcost=cost+(sh-remain)*1000+500;ifsh<needcost=cost+(need-sh)*1500;remain=0;elsecost=cost+(sh-need)*50;remain=sh-need;endelseif remain<needcost=cost+(need-remain)*1500;remain=0;elsecost=cost+(remain-need)*50;remain=remain-need;endendendcostavg=cost/100000;ifcostavg<mincostavgmincostavg=costavg;propersl=sl;propersh=sh;endfprintf('s=%d, S=%d\nMonthly average cost=%.1f\n',sl,sh,costavg);cost=0;endendfprintf('\nWhen s=%d, S=%d\nThe least monthly average cost=%.1f\n',propersl,propersh,mincostavg);(四)运行结果s=30, S=80Monthly average cost=85466.9s=30, S=90Monthly average cost=87007.6Monthly average cost=87114.2 s=30, S=110Monthly average cost=87951.0 s=30, S=120Monthly average cost=86778.9 s=30, S=130Monthly average cost=86411.8 s=30, S=140Monthly average cost=86374.8 s=40, S=80Monthly average cost=83707.2 s=40, S=90Monthly average cost=84026.6 s=40, S=100Monthly average cost=85089.1 s=40, S=110Monthly average cost=85386.0 s=40, S=120Monthly average cost=86294.0 s=40, S=130Monthly average cost=85148.0 s=40, S=140Monthly average cost=84992.9 s=50, S=80Monthly average cost=83693.0 s=50, S=90Monthly average cost=82548.0 s=50, S=100Monthly average cost=82730.9 s=50, S=110Monthly average cost=83873.1 s=50, S=120Monthly average cost=84029.5 s=50, S=130Monthly average cost=84908.4 s=50, S=140Monthly average cost=84134.1 s=60, S=80Monthly average cost=83615.9 s=60, S=90Monthly average cost=82503.9 s=60, S=100Monthly average cost=81677.0Monthly average cost=81905.5s=60, S=120Monthly average cost=82946.0s=60, S=130Monthly average cost=83449.2s=60, S=140Monthly average cost=83871.3s=70, S=80Monthly average cost=83522.6s=70, S=90Monthly average cost=82525.8s=70, S=100Monthly average cost=81627.9s=70, S=110Monthly average cost=81323.3s=70, S=120Monthly average cost=82005.5s=70, S=130Monthly average cost=82601.6s=70, S=140Monthly average cost=82858.3When s=70, S=110The least monthly average cost=81323.3(五)结果分析用计算机模拟的结果和用数学分析的结果有一定的差异,由于计算机模拟时一般情况都是要简化模型的,所以在一定程度上会有所差异,我们可以考虑能不能通过改进算法来消除该差异,但对于一般的生产要求亦可以满足。

数学建模优秀实验报告

一、实验背景与目的随着科学技术的不断发展,数学建模作为一种解决复杂问题的有力工具,在各个领域都得到了广泛应用。

本实验旨在通过数学建模的方法,解决实际问题,提高学生的数学思维能力和解决实际问题的能力。

二、实验内容与步骤1. 实验内容本实验选取了一道具有代表性的实际问题——某城市交通拥堵问题。

通过对该问题的分析,建立数学模型,并利用MATLAB软件进行求解,为政府部门提供决策依据。

2. 实验步骤(1)问题分析首先,对某城市交通拥堵问题进行分析,了解问题的背景、目标及影响因素。

通过查阅相关资料,得知该城市交通拥堵的主要原因是道路容量不足、交通信号灯配时不当、公共交通发展滞后等因素。

(2)模型假设为简化问题,对实际交通系统进行以下假设:1)道路容量恒定,不考虑道路拓宽、扩建等因素;2)交通信号灯配时固定,不考虑实时调整;3)公共交通系统运行正常,不考虑公交车运行时间波动;4)车辆行驶速度恒定,不考虑车辆速度波动。

(3)模型构建根据以上假设,构建以下数学模型:1)道路容量模型:C = f(t),其中C为道路容量,t为时间;2)交通流量模型:Q = f(t),其中Q为交通流量;3)拥堵指数模型:I = f(Q, C),其中I为拥堵指数。

(4)模型求解利用MATLAB软件,对所构建的数学模型进行求解。

通过编程实现以下功能:1)计算道路容量C与时间t的关系;2)计算交通流量Q与时间t的关系;3)计算拥堵指数I与交通流量Q、道路容量C的关系。

(5)结果分析与解释根据求解结果,分析拥堵指数与时间、交通流量、道路容量之间的关系。

针对不同时间段、不同交通流量和不同道路容量,提出相应的解决方案,为政府部门提供决策依据。

三、实验结果与分析1. 结果展示通过MATLAB软件求解,得到以下结果:(1)道路容量C与时间t的关系曲线;(2)交通流量Q与时间t的关系曲线;(3)拥堵指数I与交通流量Q、道路容量C的关系曲线。

2. 结果分析根据求解结果,可以得出以下结论:(1)在高峰时段,道路容量C与时间t的关系曲线呈现下降趋势,说明道路容量在高峰时段不足;(2)在高峰时段,交通流量Q与时间t的关系曲线呈现上升趋势,说明交通流量在高峰时段较大;(3)在高峰时段,拥堵指数I与交通流量Q、道路容量C的关系曲线呈现上升趋势,说明拥堵指数在高峰时段较大。

数学建模实验报告

数学建模实验报告实验报告:数学建模引言:数学建模是一门独特且灵活的学科,它将现实问题转化为数学模型,并利用数学工具和方法来分析和解决这些问题。

通过实践和研究,我们可以发现数学建模在各个领域都有广泛的应用,如物理学、生物学、经济学等。

本实验报告旨在介绍数学建模的基本理论与方法,并展示一个实际问题的建模与求解过程。

一、数学建模的基本理论与方法1.1模型的建立数学建模的第一步是建立数学模型。

一个好的模型应具备以下要素:准确描述问题的前提条件,明确问题的目标,确定可变参数和约束条件,考虑问题的实际需求。

1.2模型的求解模型的求解是数学建模的核心环节。

根据模型的形式和要求,我们可以选择适合的求解方法,如数值方法(如微积分、线性代数等)和符号计算方法(如差分方程、偏微分方程等)等。

1.3模型的分析与验证在模型求解的基础上,我们需要对模型进行分析和验证。

分析主要是从数学角度研究模型的性质和规律,验证则是将模型的结果与实际数据进行比对,以评估模型的准确性和可靠性。

二、实际问题的建模与求解考虑以下实际问题:公司准备推出一款新产品,为了提高产品的市场竞争力,他们决定在一部分商品上采用价格优惠的策略。

为了确定优惠的程度,他们需要建立一个数学模型来分析不同优惠方案的效果,并选择最优的方案。

2.1模型的建立首先,我们需要明确问题的前提条件和目标。

假设该产品的市场价格为P,成本价格为C,单位销售量为Q。

我们的目标是最大化销售利润。

于是,我们可以建立以下数学模型:利润函数:利润=销售额-成本利润=(P-D)*Q-C其中D为优惠的价格折扣。

2.2模型的求解为了确定最优的优惠方案,我们需要将问题转化为一个数学优化问题。

我们可以选用辅助函数法或拉格朗日乘子法来求解最优值。

在这里,我们选择辅助函数法。

我们将利润函数分别对P和D求偏导数,并令其等于0,得到以下方程组:d(利润)/dP=Q-2D=0d(利润)/dD=P-C=0解这个方程组可以求得最优解P=C,D=Q/22.3模型的分析与验证在分析这个模型之前,我们需要验证模型的准确性。

数学建模实验报告1、层次分析法

数学建模实验报告1、层次分析法第一篇:数学建模实验报告1、层次分析法数学建模实验报告一、实验要求柴静的纪录片《穹顶之下》从独立媒体人的角度调查了席卷全国多个省份的雾霾的成因,提出解决的方法有:关停重污染的钢铁厂、提高汽柴油品质、淘汰排放不达标汽车、提高洗煤率等,请仔细观看该纪录片,根据雾霾的成因,选择你认为治理雾霾确实可行的几个方案,并用AHP方法给出这几个主要方案的重要性排序。

二、前期准备1、理解层次分析法(AHP)的原理、作用,掌握其使用方法。

2、观看两遍柴静所拍摄的纪录片《穹顶之下》,选出我认为可较为有效地治理雾霾的几个方法,初步确定各方法的有效性(即权重)。

3、初步拟定三个方案,每个方案中各个治理方法的权重不同。

三、思路&分析1、根据纪录片《穹顶之下》和个人的经验判断给出各个记录雾霾的方法对于治理雾霾的判断矩阵,以及三个不同方案对于五大措施的判断矩阵。

2、了解了AHP的原理后,不难发现MATLAB在其中的作用主要是将判断矩阵转化为因素的权重矩阵。

当然矩阵要通过一致性检验,得到的权重才足够可靠。

3、分别得到准则层对目标层、方案层对准则层的权重之后,进行层次总排序及一致性检验。

得到组合权向量(方案层对目标层)即可确定适用方案。

四、实验过程1、确定层次结构2、构造判断矩阵(1)五大措施对于治理雾霾(准则层对目标层)的判断矩阵(2)三个方案对于五大措施(方案层对准则层)的判断矩阵3、层次单排序及一致性检验该部分在MATLAB中实现,每次进行一致性检验和权向量计算时,步骤相同,输入、输出参数一致。

(虽然输入的矩阵阶数可能不同,但可以不把矩阵阶数作为参数输入,而通过 [n,n]=size(A)来算得阶数。

)因此考虑将这个部分定义为一个函数judge,输入一个矩阵A,打印一致性检验结果和权向量计算结果,并返回权向量、一致性指标CI、平均随机一致性指标RI。

将此脚本存为judge.m,在另一脚本ahp.m 中调用。

数学建模装船实验报告

一、实验目的通过本次数学建模实验,掌握数学建模的基本步骤和方法,提高运用数学知识解决实际问题的能力。

本次实验以装船问题为背景,分析问题、建立数学模型、求解模型,最终得到最优装船方案。

二、实验内容1. 问题背景某港口码头有一批货物需要装船运输,共有m种货物,每种货物的体积为Vi(立方米),重量为Wi(吨)。

船的载重能力为T(吨),载重体积为V(立方米)。

要求在满足载重和载重体积限制的条件下,使装船的货物总体积最小。

2. 模型假设(1)货物可任意排列,不考虑货物的形状和摆放方式;(2)货物的体积和重量均为已知,且每种货物的体积和重量均小于船的载重体积和载重能力;(3)货物的体积和重量之间成线性关系。

3. 模型构建(1)定义变量:设第i种货物的数量为xi(i=1,2,...,m),则总体积为:S = ∑(Vi xi)总体重为:W = ∑(Wi xi)(2)建立约束条件:载重限制:W ≤ T载重体积限制:S ≤ V(3)目标函数:最小化总体积,即:min S = ∑(Vi xi)4. 模型求解采用遗传算法对模型进行求解。

遗传算法是一种模拟自然界生物进化过程的优化算法,通过迭代优化求解最优解。

(1)初始化种群:随机生成一定数量的染色体,每个染色体代表一种装船方案,包括m种货物的数量。

(2)适应度函数:根据约束条件计算每个染色体的适应度值,适应度值越高表示方案越优。

(3)选择:根据适应度值对染色体进行选择,选择适应度值较高的染色体进入下一代。

(4)交叉:将选中的染色体进行交叉操作,产生新的染色体。

(5)变异:对染色体进行变异操作,增加种群的多样性。

(6)迭代:重复步骤(3)至(5),直到满足终止条件。

5. 结果分析与解释(1)结果分析:通过遗传算法求解得到最优装船方案,包括每种货物的数量。

(2)结果解释:根据最优装船方案,可以计算出每种货物的装船数量,从而实现总体积最小化。

三、实验总结通过本次数学建模实验,我们掌握了数学建模的基本步骤和方法,提高了运用数学知识解决实际问题的能力。

  1. 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. 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. 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)。

南昌航空大学
数学与信息科学学院
实验报告
课程名称:数学实验课程设计
实验名称:简单图形操作
实验类型:验证性□综合性□设计性■
实验室名称:数学实验室
班级学号: 09071122 学生姓名:刘汉旭
任课教师(教师签名):黄杰龙
成绩:
实验日期: 2010年09月21日
一、实验目的
1.熟悉掌握matlab软件的文件操作和命令环境。

2.掌握数据的存储方式。

3.掌握数据可视化的基本操作步骤。

4.通过matlab绘制二维图形以及三维图形。

二、实验用仪器设备、器材或软件环境
Matlab软件7.0版本。

三、问题重述、实验原理、方案设计、程序框图、预编程序等
问题一
1.问题概述:
一球从100m高度自由落下,每次落地后反跳回原高度的一半,再落下。

求它在第10次落地时,共经过多少米?第10次反弹有多高?
2.实验原理:
3.预编程序:
1.先建一M文件,编如下程序:
function gaodu(n)
h=100
s=100
for i=1:n
h=h/2;
s=s+2*h;
end
h
s
2.在命令窗口输入:
gaodu(10)
即可得出结果
h =
100
s =
100
h =
0.0977
s =
299.8047
问题二
有一函数f(x,y)=x^2+sin(xy)+2y,写一程序,输入自变量的值,输出函数值。

程序编写如下:
function y=f(x,y)
y=x^2+sin(x*y)+2*y;
end
在命令窗口输入:
f(1,0)
ans = 1
问题三
绘制peaks的网格图
输入命令:
>> [x,y]=meshgrid(-3:.125:3);
>> z=peaks(x,y);
>> meshz(x,y,z)
>>
问题四
设银行的年利率为11.25%,将10000元钱存入银行,问多长时间会连本带利翻一翻?
编写M文件while.m如下:
>> money=10000;
years=0;
while money<20000
years=years+1;
money=money*(1+11.25/100);
end
>> money
Years
运行得以下结果:
money =
2.1091e+004
years =
7
问题五
编程求∑n!。

先建一M文件如下:
Function s =jc(n)
For i=1:n
s=0
t=1
t=t*i
s=s+t
next i
s
在命令窗口输入命令:
jc(10)
可得结果:jc(10)
s =
1
s =
331
ans =
331
问题六
书上39页例题1.
编写M文件xxgh3.m如下:f=[13 9 10 11 12 8];
A=[0.4 1.1 1 0 0 0
0 0 0 0.5 1.2 1.3];
b=[800;900];
Aeq=[1 0 0 1 0 0
0 1 0 0 1 0
0 0 1 0 0 1];
beq=[400 600 500];
vlb=zeros(6,1);
vub=[];
[x,fval]=linprog(f,A,b,Aeq,beq,vlb,vub)
可得结果:
xxgh3
Optimization terminated.
x =
0.0000
600.0000
0.0000
400.0000
0.0000
500.0000
fval =
1.3800e+004
问题七
画函数Z=(X+Y)²的图形。

编写命令:
x=-3:0.1:3;
y=1:0.1:5;
[X,Y]=meshgrid(x,y);
Z=(X+Y).^2;
surf(X,Y,Z)
可得结果:
问题八
解微分方程
求du/dt=1+u²的通解。

编写命令:dsolve('Du=1+u^2','t')
可得结果
ans =
tan(t+C1)
四、实验过程中需要记录的实验数据
五、实验步骤、程序调试方法
1.编写程序是检查所编写程序的正确性。

2.检查完毕后在matlab中得出结果,若显现错误,则检查原程序是否缺少标点。

3.得出结果,进一步记录.
六、实验数据处理及结果分析
根据实际结果,可以作出定性和定量的分析,结果较为符合实际情况,具有较高的准确性和推广性。

七、实验中存在的问题及解决方案
1.若实验中得出的结果与真实值不同,则检查所变方程的正确性,确认后
在一次确认结果,知道得出所需到案。

2.编写的函数图像显示不出后与实际不符,检查所列写的函数是否有误,
标点是否正确或完整,多次确认后再一次输入,得出函数图象,确认误后则进行下一步操作。

八、心得体会
通过本次的数学模型的建立与处理,我们学习并掌握了二维插值的几种不同的方法以及多项式数据拟合的方法,进一步学会了使用matlab软件,加深了我们的数学知识,提高了我们解决实际问题的能力,为以后深入学习数学建模打下了坚实的基础。

相关文档
最新文档