自然界的多种群模型分析
摘要：在我们生活的大自然中，有着太多太多的秩序和规则。种群之间的你争我斗，弱肉强食也是非常激烈。种群，顾名思义就是指同一种生物的一个集合。不同种群之间的关系大致分为四种：捕食与被捕食关系，互利共生关系，相互竞争关系和寄生与寄主关系。我们这次的建模就是围绕着种群之间的关系来展开的，下面我将从这几个方面来进行分类讨论，由于寄生与寄主的关系不是很常见，关系也比较简单，在此便不再赘述。
捕食与被捕食关系：这种关系很简单，大家也能很容易地理解，通俗地解释，就是指一种生物以另一种生物为食，举个例子大家也许会更容易地理解。比如说狼和羊的关系，狼是捕食者，羊是被捕食者，狼以羊为食，是羊的天敌。
互利共生关系：指两种生物共同生活在一个区域有助于提高另一种生物的种群密度，假如其中一种生物的数量减少，也会影响另一种生物的数量，使其数量减少。比如草地和森林优势植物的根多与真菌共生形成菌根，多数有花植物依赖昆虫传粉，大部分动物的消化道也包含着微生物群落，最典型的就是大豆与根瘤菌。大豆给根瘤菌提供养分，根瘤菌给大豆提供氮元素。
相互竞争关系：有种内和种间两种竞争方式。这里是指两种共居一起，为争夺有限的营养、空间和其他共同需要而发生斗争的种间关系。竞争的结果，或对竞争双方都有抑制作用，大多数的情况是对一方有利，另一方被淘汰，一方替代另一方。举个例子，牛和羊生活在共同的一片草地上，因为这两种生物都以草为食，它们之间不存在其他关系，所以它们之间是竞争关系。
以上就是三种种群之间的关系，下面我们就从这三个方面对物种种群密度的变化进行分析。在以下的讨论中我们将建立微分方程的数学模型，对生物多种群之间各种关系进行
关键词：生物种群，数量，关系，互相作用，竞争
问题重述：
生物学的研究对维持地球生态平衡有着不可替代的作用，是可持续发展的重要组成部分！地球上的物种一直只在减少，现在也有很多物种濒临灭绝，因此对
生物学的研究是十分迫切的，也是意义重大的！我们可以通过建立数学模型来来研究生物种群的数量变化规律!多种群模型研究在同一环境中两种或两种以上的生物种群数量的变化规律。在自然界中，各种生物根据其生理特点、食物来源等分成了不同的层次，各层次之间及同一层次上的种群有着各种各样的联系。而且在同一自然环境中，经常有多种生物共存，对相互影响非常大的生物种群，我们无法割裂开来单独讨论，，故必须弄清楚它们之间的相互关系，一起进行研究，这就导出了多种群的模型！在多种群模型中两种群是比较简单但也十分重要的！本论文将通过建立数学模型来研究两物种之间的竞争、互利共生、捕食这三种关系！从而来解释为什么在战争期间捕鱼的总数减少而掠肉鱼的比例却会上升这一现象！最后将推广到三种群的模型，研究更复杂的问题！
符号说明：
t:时间 x:甲物种种群数量 y：乙物种种群数量
1()
f x：甲种群的发展规律所导出的自身的相对增长率
2()
g y：乙种群的发展规律所导出的自身的相对增长率
1()
g y：表示乙种群对甲种群的影响2()
f x：表示甲种群对乙种群的影响
1
a：甲种群的内禀增长率2a：乙种群的内禀增长率
1
c：乙种群对甲种群的影响2c：甲种群对乙种群的影响
基本假设：
1因为种群的基数很大，所以一个种群的数量变化可以视为时间t的连续变换，而非离散的；
2其中一个任一种群，在单独，不受其他种群影响的条件下是满
足logistic模型的；
3外界环境是很美好的，各研究对象除受彼此影响外，是不受自然环境约束的；4假设种群关于种内和种间关系的函数是线性的，这是伏特拉模型的基础；
5在竞争关系中，甲种群消耗同种自然资源会对乙种群有阻滞作用；
6在捕食关系中，捕食者只以被捕食者为食，被捕食者灭绝后，捕食者将无法单独存活；
问题分析：
在自然界中，种群之间的竞争是必不可少的，那么种群之间的关系是怎样的呢？现在就来分析一下。
对于捕食与被捕食关系，当然是捕食者会不停地捕食被捕食者，直到将被
捕食者全部捕食完。但是，被捕食者一旦灭绝，捕食者也会因为没有食物来源而灭绝。
对于竞争关系，因为这两个种群的食物来源是相同的，它们会竞争同一种食物或是生存条件。当然，弱的一方也就会因为失去生存的条件而灭绝，而生存下来的一方不但不会因为一方的灭绝而灭绝，其种群数量还会越来越多。
对于互利共生关系，两种群生活在一起，可以互相为之提供必需的生存资源，所以其二者的种群数量会一直保持在一个稳定的状态，不会迅猛的增长，也不会突然地灭绝。
模型建立：
多种群模型是研究在同一环境中两种或两种以上的生物种群数量的变化规律的模型。在同一自然环境中，多种生物之间是有密切的关系的。大致可分为这几种关系：捕食与被捕食关系，互利共生关系，相互竞争关系，当然我们在摘要中也曾提到过。我们小组首先两种群模型进行建模，再以此为基础对多种群模型进行更加深入的探讨。
设t 时刻，甲乙两种群的数量为x(t)，y(t)。 甲乙两种群相对于自身的增长率为
1dx x dt
和
1dy y dt
由于之前已经假设单个种群的增长只与另一个种群有关，不存在任何的客观环境条件来阻碍该种群的数量增长。下面我们给出甲乙两种群的增长模型：
11221()()
1()()
dx f x g y x dt dy f x g y y dt
=+=+
其中1()f x 和2()g y 分别表示甲乙两种群各自的发展规律所导出的自身的相对增长率；1()g y 和2()f x 分别表示另一种群对这一种群的影响，这四个函数需要根据具体对象和环境确定。
假设：1()f x =1a 1()g y =1c y 2()f x =2a x 2()g y =2a
1122()()dx a c y x
dt dy a c x y
dt
=+=+
这是根据假设建立的两种群关系的微分方程模型，其中1a ，2a 是甲乙种群的内禀
增长率，由食物来源决定；1c ，2c 反映的是两种群的相互作用。
下面我们将根据所建立的模型讨论捕食关系的两种群。
捕食关系的两种群：
设：甲种群为兔子()x t ，乙种群为狼()y t 。
根据假设，狼只以兔子为食，兔子灭绝后，狼将无法生存。 所以有： 10a > 因为狼对兔子的增长有抑制作用：10c < 20a < 兔子对狼的增长有促进作用：20c > 我们令：
12121,0.5,0.1,0.02
a a c c ==-=-=
所以模型变为：
(10.1)
dx x y dt =-
(0.50.02)
dy y x dt
=-+
下面我们编写程序，检验模型的正确性。 子程序：
function dx=shier(t,x) dx=zeros(2,1);
dx(1)=x(1)*(1-0.1*x(2)); dx(2)=x(2)*(-0.6+0.01*x(1))
主程序：
ts=0:0.1:20; x0=[25,2];
[t,x]=ode45('shier',ts,x0);[t,x],
plot(t,x),grid,gtext('x(t)'),gtext('y(t)'),
结果显示：
结果分析：
由显示的图形结果可知：兔子和狼的数量是周期性的震荡模型，一方面，兔子数量的增长促进了下一时间狼的数量的增长，而狼的增长反过来又使得下一时间段的兔子数量减少。呈现出周期的震荡，这与捕食关系的特点是大致符合的。 但是现实生活中，兔子和狼的数量并不会一直是震荡的，它们最后都将趋于一个稳定的状态
所以这个模型有待改进！
模型的改进：
在上述的模型中，我们只讨论了自禀增长和种群间的影响。却忽略了种群自身竞争关系的影响。
现实生活中，一个种群的发展也是会受到自身数量的影响的，主要表现为种内竞争。以兔子为例，兔子的数量越多，内部竞争往往更激烈，然后会对兔子的数量增长起反作用。
综合以上讨论，我们在前面的模型中加入了 12,b x b y
--项。
模型变换为：
111
()dx
x a b x c y dt
=-+ 222
()dy
y a b y c x dt
=-+
然后对改进的模型进行检验： 我们令
12121,0.5,0.1,0.017a a c c ==-=-=1
20.03,0.02b b ==
子程序
function xdot=sh(t,x)
r=1;d=0.5;a=0.1;b=0.017;t=0.03;h=0.02;
xdot=[(r-t*x(1)-a*x(2)).*x(1);(-d-h*x(2)+b*x(1).*x(2));]
主程序： ts=0:0.1:50; x0=[25,2];
[t,x]=ode45('sh',ts,x0);[t,x],
plot(t,x),grid,gtext('x(t)'),gtext('y(t)'), pause,
plot(x(:,1),x(:,2)),grid
结果显示如下:
改进后的模型结果显示：兔子和狼的增长先是大幅的震荡，但是随着时间的推移，两种群最终将趋于小幅度的平缓震荡，这与实际是吻合比改进前的模型要好，更加贴近于实际。
由两种群的捕食模型，我们知道，捕食关系的两个种群是平缓的震荡的关系。
竞争关系模型：
我们假设，甲种群是老鼠()x t ，乙种群是兔子()y t
根据先前的假设:老鼠和兔子是竞争关系的两种群，其中一种群的增长必定会阻碍另一种群数量的增长。 所以有：
10a > 兔子对老鼠的增长有抑制作用，所以10c < 20a > 老鼠对兔子的生长有抑制作用，所以20c < 10b < 20b < 竞争关系的模型是：
111
()dx
x a b x c y dt
=-- 222
()dy
y a b y c x dt
=--
令
1212121,0.9,0.1,0.2,0.03,0.01
a a c c
b b ======
编写程序：
子程序：
function xdot=s(t,x)
r=1;d=0.9;a=0.1;b=0.2;t=0.03;h=0.01
xdot=[(r-t*x(1)-a*x(2)).*x(1);(d-h*x(2)-b*x(1).*x(2));] 主程序
ts=0:0.1:15; x0=[25,30];
[t,x]=ode45('s',ts,x0);[t,x],
plot(t,x),grid,gtext('x(t)'),gtext('y(t)'), pause,
plot(x(:,1),x(:,2)),grid
演示结果：
结果分析：
模型结果显示，具有竞争关系的两物种（如老鼠和兔子），在资源有限的条件下，一种物种（老鼠）的兴盛，必定会使得与其竞争的另一物种（兔子）的衰弱，时间较长后，竞争力弱的种群必定走向灭亡,如图示的一条曲线最后趋于0。 这与实际也是很吻合的，所以该模型也很好的解释了竞争关系的两种群关系。
互利共生关系模型：
具有互利共生关系的两种群会相互促进彼此的数量的增长。 我们假设：甲种群为大豆()x t ，乙种群为根瘤菌()y t 。 所以有：
10a > 大豆为根瘤菌提供养料，促进增长 10
c > 20
a > 根瘤菌为大豆提供氮素，促进增长
20
c >
120,0
b b <<
模型为：
111
()dx
x a b x c y dt =-+ 222
()dy
y a b y c x dt
=-+
：
模型的检验，编写程序： 令初值系数为：
1212121,0.9,0.1,0.2,0.03,0.02
a a c c
b b ======
程序如下：
子程序
function xdot=shi(t,x)
r=1;d=0.9;a=0.1;b=0.2;t=0.03;h=0.02
xdot=[(r-t*x(1)+a*x(2)).*x(1);(d-h*x(2)+b*x(1).*x(2));] 主程序 ts=0:0.1:5; x0=[25,20];
[t,x]=ode45('shi',ts,x0);[t,x],
plot(t,x),grid,gtext('x(t)'),gtext('y(t)'), pause,
plot(x(:,1),x(:,2)),grid
模型演示结果：
结果分析：
如图形结果所示，大豆和根瘤菌起到了彼此相互促进的作用，大豆的增长促进了
根瘤菌数量的增长，而根瘤菌的增长也反过来促进了大豆数量的增加。这与实际的互利共生的两物种的情况也很吻合，所以该模型是试用于具有互利共生关系两种群的。
模型的推广：
三个种群间相互作用规律的研究： 以植物、食草动物、食肉动物为例。
设植物、食草动物、食肉动物的数量分别为(1),(2),(3)x x x 。 不考虑自然资源对植物的限制。 得三种群数量变化率的微分方程为：
(1)(1)(11(1)1(2))
(2)(2)(22(1)2(2)2(3))(3)(3)(33(2)3(3))
dx x a b x c x dt dx x a b x c x d x dt dx x a c x d x dt
=?++=?+++=?++ 其中各系数为：
11,20.3,30.4;10.03,20.05,30;10.1,20.02,30.06;10,20.02,30.01.
a a a
b b b
c c c
d d d ==-=-=-===-=-===-=-
该微分方程没有解析解，可用Matlab 求微分方程的数值解。编辑程序如下： function dx=hc(t,x) dx=zeros(3,1);
dx(1)=x(1)*(1-0.03*x(1)-0.1*x(2));
dx(2)=x(2)*(-0.3-0.02*x(2)+0.05*x(1)-0.02*x(3)); dx(3)=x(3)*(-0.4-0.01*x(3)+0.06*x(2));
[t,x]=ode45('hc',[0 15],[25 10 2]); plot(t,x(:,1),'-',t,x(:,2),'*',t,x(:,3),'+') 运行后得到的图形为：
这是三种群的捕食关系图，有结果可以看出：甲种群的增长会使乙种群大量增长，具体体现在图中绿色曲线的上升，乙种群的增长也为丙种群的增长提供了契机，使得捕食乙物种的丙快速增长。但是随着时间的推移，最后三个种群必将处于平衡状态，即由图形显示的三条曲线最后基本上变成了平行线。
这个结果与实际是完全吻合的，体现了这一数学模型在假设的前提下的准确性。由以上情况我们可以得出结论：我们改进的模型是正确的，并对实际有准确的反映和预测能力。
由此，我们可以推出N 种群的具体模型如下：
111111213122222212323333331323(......)(......)(......)
n n n dx x a b x c x d x n x dt dx x a b x c x d x n x dt dx x a b x c x d x n x dt
=+++++=+++++=+++++
………… …………
121(......)
n n n n n n n n n dx x a b x c x d x n x dt
-=+++++
模型的应用：
生物种群的数学模型是很有实际意义的，例如生物入侵是现今困扰全世界的
难题，生物入侵者会给原生态系统的本土生物带来严重威胁，造成生态系统的不平衡。种群的数学模型可以指导我们如何应对这些问题，例如从生物的捕食关系模型中，我们知道可以引进入侵生物的天敌来进行生物防治。生物种群模型还可以指导我们进行最高效的农业生产，例如如何在有限的草场里实现最大的农业产量……
总结与思考：
不足之处：由于我们接触数学建模时间不是很长，对于论文写作的了解还不是很深入，所以难免有疏漏之处，不能做的很完善。而且我们这次做的是生物种群的关系模型，我们三人普遍生物基础知识不够，因此查资料占用了许多时间。还有在建模过程中走了许多弯路，分析种群变化总是不到位，在定系数时查阅了大量资料，对许多可能的数据进行了反复的试验，最终得到一个令人信服的结果。
学到的经验知识：通过此次合作完成一份数学建模论文，我们掌握了从独立思考，独立操作，到最后的独立完成论文的一整套数学建模的程序，使我们受益匪浅。而且在此次建模过程中，我通过查阅相关的生物资料，自学了很多自己从前没有接触过的课外的知识，为更加深入做此次建模论文奠定了基础。第一次与他人合作完成一份论文，让我们的与人交流沟通，与人协作的能力得到一次完美的升华，相信以后在工作的道路上我们的这些财富会得到最大程度的使用。最后还是很高兴能有这么一次锻炼自己的机会，希望我们能在以后的建模比赛中取得优异的成绩。
参考文献：
【1】、《数学建模方法与分析》 Mark M.Meerschaert（新西兰）著，刘来福、杨淳、黄海洋译，机械工业出版社，2005年12月第一版第二次印刷
【2】、《实用数学建模与软件应用》肖华勇编著，西北工业大学出版社，2008年11月第一版
【3】、《生态学概论》曹凑贵主编，严力蛟、刘黎明副主编，高等教育出版社，2002年5月第一版，9月第二次印刷
【4】、《生态学研究方法》孙振钧、周东兴主编，科学出版社，2010年7月第一版第一次印刷
【5】、《MATLAB编程基础与典型应用》龙脉工作室刘会灯、朱飞编著，人民邮电出版社，2008年7月第一版第一次印刷
【6】、《MATLAB语言实用教程》马莉编著，清华大学出版社，2010年1月第一版第一次印刷
一、问题重述 1、利用优化设计相关理论计算法，对某设计问题做优化设计。要求如下： ①列出优化数学模型; ②选择所用优化算法； ③画出程序框图； ④程序编写； ⑤程序调试运算结果。 现根据以上条件，结合生活实际，准备以铁板为材料设计一鱼缸，为了能使鱼儿有更大的生存空间，要求鱼缸容积最大。 现有边长为5米长的方形铁板，预备在四个角减去四个相等的方形面积，用以制成方形鱼缸，如何减能使鱼缸的容积最大。 二、问题分析 2.1、对于此问题，我采用的数学模型包括三部分，即设计变量、目标函数和约束条件。 模型如下： 其中，设裁去铁块的边长为：x(0 四、程序编写及函数图像 4.1求极值所用程序如下： function q=line_s(a,b) N=10000;r=0.01; a=0;b=1.5; for k=1:N; v=a+0.382*(b-a); u=a+0.618*(b-a); fv=-25*v+20*v^2-4*v^3; fu=-25*u+20*u^2-4*u^3; if fv>fu if b-v<=r u fu break; else a=v;v=u; u=a+0.618*(b-a); end else if u-a<=r v -fv break; else b=u;u=v; v=a+0.382*(b-a); end k=k+1 end end 4.2 函数曲线图程序如下: 如下曲线所得y值为负，前面（1*）已作解释。 x=0:0.1:2.5; y=-25*x+20*x.^2-4*x.^3; plot(x,y); 五、程序调试运行结果 5.1 如图所示： 当k执行5或7或10或12次时，均有x=0.8329时，有最大y=9.2593（函数中已做处理，变负为正，可以对照曲线图）。 摘要 回归分析和方差分析是探究和处理相关关系的两个重要的分支,其中回归分析方法是预测方面最常用的数学方法,它是利用统计数据来确定变量之间的关系,并且依据这种关系来预测未来的发展趋势。本文主要介绍了一元线性回归分析方法和多元线性回归分析方法的一般思想方法和一般步骤,并且用它们来研究和分析我们在生活中常遇到的一些难以用函数形式确定的变量之间的关系。在解决的过程中,建立回归方程,再通过该回归方程进行预测。 关键词:多元线性回归分析;参数估计;F检验 回归分析在数学建模中的应用 Abstract Regression analysis and analysis of variance is the inquiry and processing of the correlation between two important branches, wherein the regression analysis method is the most commonly used mathematical prediction method, it is the use of statistical data to determine the relationship between the variables, and based on this relationship predict future trends. introduces a linear regression analysis and multiple linear regression analysis method general way of thinking and the general steps, and use them to research and analysis that we encounter in our life, are difficult to determine as a function relationship between the variables in the solving process, the regression equation is established by the regression equation to predict. Keywords:Multiple linear regression analysis; parameter estimation;inspection II 中国矿业大学数学建模常规赛竞赛 承诺书 我们仔细阅读了中国矿业大学数学建模常规赛论文格式规范和2016年中国矿业大学数学建模常规赛通知。我们完全明白，在竞赛开始后参赛队员不能以任何方式（包括电话、电子邮件、网上咨询等）与队外的任何人（包括指导教师）研究、讨论与赛题有关的问题。 我们知道，抄袭别人的成果是违反竞赛章程和参赛规则的，如果引用别人的成果或资料（包括网上资料），必须按照规定的参考文献的表述方式列出，并在正文引用处予以标注。在网上交流和下载他人的论文是严重违规违纪行为。 我们以中国矿业大学大学生名誉和诚信郑重承诺，严格遵守竞赛章程和参赛规则，以保证竞赛的公正、公平性。如有违反竞赛章程和参赛规则的行为，我们将受到严肃处理。 我们授权中国矿业大学数学建模协会，可将我们的论文以任何形式进行公开展示（包括进行网上公示，在书籍、期刊和其他媒体进行正式或非正式发表等）。 我们的参赛队号：25 参赛队员(打印并签名)：1. 易阳俊 2. 令月霞 3. 刘景瑞 日期： 2016 年 10 月日 （请勿改动此页内容和格式。此承诺书打印签名后作为纸质论文的封面。以上内容请仔细核对，如填写错误，论文可能被取消评奖资格。） 中国矿业大学数学建模常规赛竞赛 编号专用页 评阅统一编号（数学建模协会填写）： 题目：数据的分析问题 摘要 本文需要解决的问题是如何根据就诊人员体内7种元素含量来判别某人是否患有疾病G和确定哪些指标是影响人们患疾病G的主要因素。通过解读题目可知，此类问题为典型的分析判别问题。我们先对数据进行了预处理，剔除了有异常数据的样本，然后采用元素分布判别法、马氏距离判别法和Fisher判别法，应用Excel、SPSS和MATLAB等软件来对某人是否患病进行判别，并通过绘制7种元素含量的折线图等来确定患该疾病的主要因素，最后应用综合判别法对之前的结论进行了检验。 对于问题一，在对数据预处理之后，我们删除了序号为10这个高度异常数据样本，然后我们分别采用元素分布判别法、马氏距离判别法和Fisher判别法对49个已知病例进行判别。对于元素分布判别法，我们通过数据预处理知道7种元素含量分布均符合正态分布，然后我们确定了以均值为大致中心的元素正常含量范围，得出其判别准确度为96%；对于马氏距离判别法，通过编写MATLAB 程序（见附录）来进行判别，得出其判别准确度为90%；对于Fisher判别法，通过SPSS软件来进行判别，得到线性判别函数，其判别准确度为96%； 针对问题二：我们运用问题一中建立的三个判别模型对25名就诊人员（见附录）的化验结果进行检验，判别结果如下表1: 行对分析，我们初步判定元素4与元素5是影响人们患疾病G的主要因素，然后用方法一的三种判别方法进行检验，其准确度在85%以上； 对于问题四，我们根据问题三得出的主要因素，分别用三种判别方法对25名就诊人员进行判别，再与问题二的判别结果进行对比，可知它们判断结果之间的差异性最高为24%。 对于问题五，由于三种判别法都有不足，所以我们采用了综合判别法，将三种判别方法的结果进行综合判断，最终我们通过主要因素进行判别的差异性下降到了12%，与问题一的判断结果的一致性达到了88%。 关键词：马氏距离判别，Fisher判别，综合判别，MATLAB，SPSS 高考中常用函数模型．．．． 归纳及应用 一． 常数函数y=a 判断函数奇偶性最常用的模型，a=0时，既是奇函数，又是偶函数，a ≠0时只是偶函数。关于方程解的个数问题时常用。 例1．已知x ∈(0, π],关于方程2sin(x+ 3 π )=a 有两个不同的实数解，则实数a 的取植范围是（ ）A ．[-2，2] B.[ 3,2] C.( 3,2] D.( 3,2) 解析；令y=2sin(x+3π ), y=a 画出函数y=2sin(x+3 π )，y=a 图象如图所示，若方程有两个不同的解，则两个函数图象有两个不同的交点， 由图象知( 3,2)，选D 二． 一次函数y=kx+b (k ≠0) 函数图象是一条直线，易画易分析性质变化。常用于数形结合解决问题，及利用“变元”或“换元”化归 为一次函数问题。有定义域限制时，要考虑区间的端点值。 例2．不等式2x 2 +1≤m(x-1)对一切│m │≤2恒成立，则x 的范围是（ ） A ．-2≤x ≤2 B. 4 31- ≤x ≤0 C.0≤x ≤ 47 1+ D. 4 7 1-≤x ≤ 4 1 3- 解析：不等式可化为m(x-1)- 2x 2 +1≥0 设f(m)= m(x-1)- 2x 2 +1 若x=1, f(m)=-3＜0 (舍) 则x ≠1则f(m)是关于m 的一次函数，要使不等式在│m │≤2条件下恒成立，只需? ? ?≥-≥0)2(0 )2(f f ，解之可得答案D 三． 二次函数y=ax 2 +bx+c (a ≠0) 二次函数是应用最广泛的的函数，是连接一元二次不等式和一元二次方程的纽带。很多问题都可以化归和转化成二次函数问题。比如有关三次函数的最值问题，因其导数是二次函数，最后的落脚点仍是二次函数问题。 例3．（1）.若关于x 的方程x 2 +ax+a 2 -1=0有一个正根和一个负根，则a 的取值范围是（ ） 解析：令f(x)= x 2 +ax+a 2 -1由题意得f(0)= a 2 -1 ＜0,即-1＜a ＜1即可。 一元二次方程的根分布问题可借助二次函数图象解决，通常考虑二次函数的开口方向，判别式对称轴与根的位置关系，端点函数值四个方面。也可借助韦达定理。 现代统计学 1.因子分析(Factor Analysis) 因子分析的基本目的就是用少数几个因子去描述许多指标或因素之间的联系，即将相关比较密切的几个变量归在同一类中，每一类变量就成为一个因子（之所以称其为因子，是因为它是不可观测的，即不是具体的变量），以较少的几个因子反映原资料的大部分信息。 运用这种研究技术，我们可以方便地找出影响消费者购买、消费以及满意度的主要因素是哪些，以及它们的影响力（权重）运用这种研究技术，我们还可以为市场细分做前期分析。 2.主成分分析 主成分分析主要是作为一种探索性的技术，在分析者进行多元数据分析之前，用主成分分析来分析数据，让自己对数据有一个大致的了解是非常重要的。主成分分析一般很少单独使用：a，了解数据。(screening the data),b,和cluster analysis一起使用，c，和判别分析一起使用，比如当变量很多，个案数不多，直接使用判别分析可能无解，这时候可以使用主成份发对变量简化。（reduce dimensionality）d,在多元回归中，主成分分析可以帮助判断是否存在共线性（条件指数），还可以用来处理共线性。 主成分分析和因子分析的区别 1、因子分析中是把变量表示成各因子的线性组合，而主成分分析中则是把主成分表示成个变量的线性组合。 2、主成分分析的重点在于解释个变量的总方差，而因子分析则把重点放在解释各变量之间的协方差。 3、主成分分析中不需要有假设(assumptions),因子分析则需要一些假设。因子分析的假设包括：各个共同因子之间不相关，特殊因子（specific factor）之间也不相关，共同因子和特殊因子之间也不相关。 4、主成分分析中，当给定的协方差矩阵或者相关矩阵的特征值是唯一的时候，的主成分一般是独特的；而因子分析中因子不是独特的，可以旋转得到不同的因子。 5、在因子分析中，因子个数需要分析者指定（spss根据一定的条件自动设定，只要是特征值大于1的因子进入分析），而指定的因子数量不同而结果不同。在主成分分析中，成分的数量是一定的，一般有几个变量就有几个主成分。 和主成分分析相比，由于因子分析可以使用旋转技术帮助解释因子，在解释方面更加有优势。大致说来，当需要寻找潜在的因子，并对这些因子进行解释的时候，更加倾向于使用因子分析，并且借助旋转技术帮助更好解释。而如果想把现有的变量变成少数几个新的变量（新的变量几乎带有原来所有变量的信息）来进入后续的分析，则可以使用主成分分析。当然，这中情况也可以使用因子得分做到。所以这中区分不是绝对的。 总得来说，主成分分析主要是作为一种探索性的技术，在分析者进行多元数据分析之前，用主成分分析来分析数据，让自己对数据有一个大致的了解是非常重要的。主成分分析一般很少单独使用：a，了解数据。(screening the data),b, 数学建模与数学实验 课程设计 学院数理学院专业数学与应用数学班级学号 学生姓名指导教师 2015年6月 数据的统计分析 摘要 问题：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 计算均值、标准差、极差、偏度、峰度，画出直方图；检验分布的正态性； 若检验符合正态分布，估计正态分布的参数并检验参数； 模型：正态分布。 方法：运用数据统计知识结合MATLAB软件 结果：符合正态分布 问题重述 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、偏差、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。 模型假设 假设一：此组成绩没受外来因素影响。 假设二：每个学生都是独自完成考试的。 假设三：每个学生的先天条件相同。 三．分析与建立模型 像类似数据的信息量比较大，可以用MATLAB 软件决绝相关问题，将n 名学生分为x 组，每组各n\x 个学生，分别将其命为1x ，2X ……j x 由MATLAB 对随机统计量x 进行命令。此时对于直方图的命令应为 Hist(x,j) 源程序为： x1=[93 75 83 93 91 85 84 82 77 76 ] x2=[77 95 94 89 91 88 86 83 96 81 ] x3=[79 97 78 75 67 69 68 84 83 81 ] 高中物理中常用的三角 函数数学模型强烈推 荐!!! Document number【AA80KGB-AA98YT-AAT8CB-2A6UT-A18GG】 高中物理中常用的三角函数数学模型 数学作为工具学科，其思想、方法和知识始终渗透贯穿于整个物理学习和研究的过程中，为物理概念、定律的表述提供简洁、精确的数学语言，为学生进行抽象思维和逻辑推理提供有效方法.为物理学的数量分析和计算提供有力工具。 高考物理试题的解答离不开数学知识和方法的应用，借助物理知识渗透考查数学能力是高考命题的永恒主题。可以说任何物理试题的求解过程实质上是一个将物理问题转化为数学问题经过求解再次还原为物理结论的过程。高考物理考试大纲对学生应用数学工具解决物理问题的能力作出了明确要求。 一、三角函数的基本应用 在进行力的分解时，我们经常用到三角函数的运算.虽然三角函数学生初中已经学过，但笔者在多年的教学过程中发现，有相当一部分学生经常在这里出问题，还有一部分学生一直到高三都没把这部分搞清楚.为此，本人将自己的一些体会写出来，仅供大家参考. （一）三角函数的定义式 （二）探寻规律 1．涉及斜边与直角边的关系为“弦”类，涉及两直角边的关系为“切”类； 2．涉及“对边”为“正”类，涉及“邻边”为“余”类； 3．运算符：由直角边求斜边用“除以”，由斜边求直角边用“乘以”，为更具规律性，两直角边之间互求我们都用“乘以”. （三）速写 第一步：判断运算符是用“乘以”还是“除以”； 第二步：判断用“正”还是用“余”； 第三步：判断用“弦”还是用“切”. 即（边）=（边）（运算符）（正/余）（弦/切） 1、由直角边求斜边 2、由斜边求直角边 3、两直角边互求 （四）典例分析 经典例题1如图1所示，质量为m 的小球静止于斜面与竖直挡板之间，斜面倾角为θ，求小球对挡板和对斜面的压力大小分别是多少 2所示。 θtan 1?=mg F 经典例题2如图3所示，质量为m ，挡 挡板和使球压紧斜面，重力的分解如图4所示。 二、三角函数求物理极值 因正弦函数和余弦函数都有最大值（为1 的基本形式，那么我们可以通过三角函数公式整理出正弦（或余弦）函数的基本形式，然 后在确定极值。现将两种三角函数求极值的常用模型归纳如下： 1．利用二倍角公式求极值 正弦函数二倍角公式θθθcos sin 22sin = 图3 图4 工业中截断切割的优化设计 一摘要 本文讨论了加工业中截断切割的优化排序策略我们对于不同的切割 方式总数用穷举法得到720 种所可行解及其费用并对于原问题建立了决策 并对所给出的算法进行了分析和检验 1.当e=0时我归纳出解决问题的最优法则, 从而提出了将面间距统一成判断权重来作为排 序准则的算法,同时证明 了e = 0 的情况下根据这种最优准则能够实现题目所要求的优化目标 2.对于e 1 0 时我们提出了实用准则 最后我结合实际问题将本问题进行了拓展讨论了当最终产品(成品) 在毛坯(待加工长方体)中位置不预定时应如何实施加工方案以达到节省费用 和节约资源的目的,使我们的方案适用于更为广阔的领域 二问题的重述、 在工业生产中，常需要采取将物理一分为二的截断切割方式从一块长方体材料中切出一个小长方体，其加工费用取决于水平切割和垂直切割的截面面积，以及调整刀具时的额外费用。对本题所给出的问题我们首先面临的对加工次序的排序策略然后我们考虑当毛坯和产品位置不预定的时候如何采取策略以达到我们的优化目的 问题： 1> 需考虑的不同切割方式的总数。 2> 给出上述问题的数学模型和求解方法。 3> 试对某部门用的如下准则做出评价，每次选择一个加工费用最少的切割面进行切割。 4> 对于e=0 的情况有无简明的优化准则。 5> 用以下实例验证你的方法： 待加工长方体和成品长方体的长，宽，高分别为10，14.5,19 和3,2,4,两者左侧面，正面，底面之间的距离分别为6,7,5(单位为厘米，垂直切割费用为每平方厘米1 元，r 和e 的数据有 4 组： 1) r=1,e=0; 2) r=1.5,e=0; 3) r=8,e=0; 4) r=1.5, 2 ￡ e ￡15 ; 三模型的假设和符号说明 1 切割刀具为两个一个水平放置一个为垂直放置 2 目标长方体所在位置不与毛坯任一表面重合 3 水平方向只需平行移动水平刀具垂直方向只平行移动或调整后再平行 移动刀具因此调整费用e 是否付出仅取决于先后两次垂直切割是否平行而 不记是否穿插着水平切割 4毛坯与工作台接触的底面是事先指定的 案例16 停车场的优化设计 随着城市车辆的增加，停车位的需求量也越来越大，停车困难已逐渐成为市民们头疼的问题。要解决停车难问题，除了尽可能的增加停车场以外，对停车场进行优化设计也能在一定程度上缓解这一供需矛盾。停车场的优化设计就是在停车场大小确定的情况下，对停车区域进行优化设计，以便容纳更多的车辆。本文的目的就是希望分析一下这一情况，找出缓解停车困难的有效办法。 假设某公共场所附近有一块空地，如果不考虑建设地下或多层结构，我们该如何有效的设计停车位置呢？一般来说，想尽可能的把车塞进停车场，最好的办法就是以垂直停靠的方式将车一辆挤一辆地排成行，但是这样停放的后果就是车辆不能自由出入，只有后进入的车辆全部先出去了，先进入的车才可以离开停车场，显然不符合实际的需求。因而，为了使汽车能够自由地出入停车场，必须设立一定数量具有足够宽度的通道，并且每个通道都应该有足够大的“转弯半径”， 而通道越宽越多，就会使得容纳的车辆数越少。所以我们的问题就是要确定在满足车辆能够自由进出的实际需求下，如何进行停车位置和车行通道的设计，才能够停放更多的车辆，从而做到既方便停车又能获得最大的经济效益。 我们先来看看生活中非货运车辆大小的种类。根据实际调查和经验数据，这类车辆一般可分为小轿车，中型客车和大型客车三类。其中小轿车约占九成，大型客车约占一成，而中型客车一般不多于1%。根据这样的情况，我们可以免去对中型客车的车位设计，即便有中型客车停车的需要，可以使用大型车的车位，这也符合现实生活中绝大多数停车场的车位设计情况。我们设小轿车所占的比例为0.9α=,大型客车所占的比例为10.1α-=，当然现实中也有不少全为小轿车设计的停车场，例如小区的地下车库。 再来看看车位的大小。根据实际的调查，城市内比较普通的小轿车长度一般不超过4.7米，宽度一般不超过1.7米，而一般大型客车长度不超过12米，宽度不超过2.2米。另外，经实际考察可知，停车场中标志线的宽度大约为0.1米，所以我们可以假设停车场中停放轿车需要的车位长5L C =米，宽 2.5W C =米，这其中包括了0.1米的标志线宽度和至少0.3米的汽车间的横向间距。设停放大客车需要长12.5L B =米，宽3W B =米，其中包括0.1米的标志线宽度和必要的汽 重庆名校精华中学08届高考一轮复习教案函数模型及其应用 一．课标要求： 1．利用计算工具，比较指数函数、对数函数以及幂函数增长差异；结合实例体会直线上升、指数爆炸、对数增长等不同函数类型增长的含义； 2．收集一些社会生活中普遍使用的函数模型（指数函数、对数函数、幂函数、分段函数等）的实例，了解函数模型的广泛应用。 二．命题走向 函数应用问题是高考的热点，高考对应用题的考察即考小题又考大题，而且分值呈上升的趋势。高考中重视对环境保护及数学课外的的综合性应用题等的考察。出于“立意”和创设情景的需要，函数试题设置问题的角度和方式也不断创新，重视函数思想的考察，加大函数应用题、探索题、开放题和信息题的考察力度，从而使高考考题显得新颖、生动和灵活。 预测2007年的高考，将再现其独特的考察作用，而函数类应用题，是考察的重点，因而要认真准备应用题型、探索型和综合题型，加大训练力度，重视关于函数的数学建模问题，学会用数学和方法寻求规律找出解题策略。 （1）题型多以大题出现，以实际问题为背景，通过解决数学问题的过程，解释问题； （2）题目涉及的函数多以基本初等函数为载体，通过它们的性质（单调性、极值和最值等）来解释生活现象，主要涉计经济、环保、能源、健康等社会现象。 三．要点精讲 1．解决实际问题的解题过程 （1）对实际问题进行抽象概括：研究实际问题中量与量之间的关系，确定变量之间的主、被动关系，并用x、y分别表示问题中的变量； （2）建立函数模型：将变量y表示为x的函数，在中学数学内，我们建立的函数模型一般都是函数的解析式； （3）求解函数模型：根据实际问题所需要解决的目标及函数式的结构特点正确选择函数知识求得函数模型的解，并还原为实际问题的解. 这些步骤用框图表示： 2 （1）阅读理解、整理数据的能力：通过分析、画图、列表、归类等方法，快速弄清数据之间的关系，数据的单位等等； （2）建立函数模型的能力：关键是正确选择自变量将问题的目标表示为这个变量的函数，建立函数的模型的过程主要是抓住某些量之间的相等关系列出函数式，注意不要忘记考察函数的定义域； （3）求解函数模型的能力：主要是研究函数的单调性，求函数的值域、最大（小）值，计算函数的特殊值等，注意发挥函数图象的作用。 四．典例解析 灵敏度分析 简介： 研究与分析一个系统（或模型）的状态或输出变化对系统参数或周围条件变化的敏感程度的方法。在最优化方法中经常利用灵敏度分析来研究原始数据不准确或发生变化时最优解的稳定性。通过灵敏度分析还可以决定哪些参数对系统或模型有较大的影响。因此，灵敏度分析几乎在所有的运筹学方法中以及在对各种方案进行评价时都是很重要的。 用途： 主要用于模型检验和推广。简单来说就是改变模型原有的假设条件之后，所得到的结果会发生多大的变化。 举例（建模五步法）： 一头猪重200磅，每天增重5磅，饲养每天需花费45美分。猪的市场价格为每磅65美分，但每天下降1美分，求出售猪的最佳时间。 建立数学模型的五个步骤： 1.提出问题 2.选择建模方法 3.推到模型的数学表达式 4.求解模型 5.回答问题 第一步：提出问题 将问题用数学语言表达。例子中包含以下变量：猪的重量w（磅），从现在到出售猪期间经历的时间t（天），t天内饲养猪的花费C（美元），猪的市场价格p（美元/磅），出售生猪所获得的收益R（美元），我们最终要获得的净收益P（美元）。还有一些其他量，如猪的初始重量200磅。 （建议先写显而易见的部分） 猪从200磅按每天5磅增加 （w磅）=（200磅）+（5磅/天）*（t天） 饲养每天花费45美分 （C美元）=（0.45美元/天）*（t天） 价格65美分按每天1美分下降 （p美元/磅）=（0.65美元/磅）-（0.01美元/磅）*（t天） 生猪收益 （R美元）=（p美元/磅）*（w磅） 净利润 （P美元）=（R美元）-（C美元） 用数学语言总结和表达如下： 参数设定： t=时间（天） w=猪的重量（磅） p=猪的价格（美元/磅） C=饲养t天的花费（美元） R=出售猪的收益（美元） P=净收益（美元） 假设： w=200+5t C=0.45t p=0.65-0.01t R=p*w P=R-C t>=0 目标：求P的最大值 第二步：选择建模方法 本例采用单变量最优化问题或极大—极小化问题 第三步：推导模型的数学表达式子 P=R-C （1） R=p*w （2） C=0.45t （3） 得到R=p*w-0.45t p=0.65-0.01t （4） w=200+5t （5） 得到P=（0.65-0.01t)(200+5t)-0.45t 令y=P是需最大化的目标变量，x=t是自变量，现在我们将问题转化为集合S={x:x>=0}上求函数的最大值： y=f（x）=（0.65-0.01x)(200+5x)-0.45x （1-1） 第四步：求解模型 用第二步中确定的数学方法解出步骤三。例子中，要求（1-1）式中定义的y=f （x）在区间x>=0上求最大值。下图给出了（1-1）的图像和导数（应用几何画板绘制）。在x=8为全局极大值点，此时f（8）=133.20。因此（8，133.20）为f在整个实轴上的全局极大值点，同时也是区间x>=0上的最大值点。 第五步：回答问题 根据第四步，8天后出售生猪的净收益最大，可以获得净收益133.20美元。只要第一步中的假设成立，这一结果正确。 【知识要点】 一、在现实生活中有许多问题，往往隐含着量与量之间的关系，可通过建立变量之间的函数关系和对所得函数的研究，使问题得到解决． 数学模型方法是把实际问题加以抽象概括，建立相应的数学模型，利用这些模型来研究实际问题的一般数学方法；数学模型则是把实际问题用数学语言抽象概括，再从数学角度来反映或近似地反映实际问题时所得出的关于实际问题的数学描述． 数学模型来源于实际，它是对实际问题抽象概括加以数学描述后的产物，它又要回到实际中去检验，因此对实际问题有深刻的理解是运用数学模型方法的前提． 二、函数是描述客观世界变化规律的基本数学模型，不同的变化现象需要用不同的函数模型来描述，数学应用题的建模过程就是信息的获取、存储、处理、综合、输出的过程，熟悉一些基本的数学模型，有助于提高我们解决实际问题的能力． 三、线性规划问题一般用图解法，其步骤如下： （1）根据题意，设出变量,x y ；（2）列出线性约束条件；（3）确定线性目标函数(,)z f x y =；（4）画出可行域（即各约束条件所示区域的公共区域）；（5）利用线性目标函数作平行直线系()(y f x z =为参数）；（6）观察图形，找到直线()(y f x z =为参数）在可行域上使z 取得欲求最值的位置，以确定最优解，给出答案. 四、利用导数解决生活中的优化问题的一般步骤： （1）读题和审题，主要是读懂那些字母和数字的含义. （2）分析实际问题中各量之间的关系，列出实际问题的数学模型，写出实际问题中变量之间的函数关系)(x f y =（注意确定函数的定义域）； （3）求函数的导数)(/ x f ，解方程0)(/ =x f ； （4）如果函数的定义域是闭区间，可以比较函数在区间端点和使0)(/ =x f 的点的函数值的大小，最大（小）者为最大（小）值； 如果函数的定义域不是闭区间，0)(/ =x f 又只有一个解，则该函数就在此点取得函数的最大（小）值，但是要进行必要的单调性说明. 在某海域测得一些点（x,y）处的水深z由下表给出，船的吃水深度为5英尺， （2）在矩形区域（75，200）*（-50，150）作二维三次插值法； （3）做海底曲面图； （4）作出水深小于5的海域范围，即z=5的等高线。 解： 解答： Matlab程序： x=[129,140,103.5,88,185.5,195,105,157.5,107.5,77,81,162,162,117.5]; y=[7.5,141.5,23,147,22.5,137.5,85.5,-6.5,-81,3,56.5,-66.5,84,-33.5]; z=[-4,-8,-6,-8,-6,-8,-8,-9,-9,-8,-8,-9,-4,-9]; xi=75:10:200; yi=-50:10:150; figure(1) z1i=griddata(x,y,z,xi,yi','nearest'); % 最邻近插值 surfc(xi,yi,z1i) xlabel('X'),ylabel('Y'),zlabel('Z') figure(2) z2i=griddata(x,y,z,xi,yi'); % 双线性插值 surfc(xi,yi,z2i) xlabel('X'),ylabel('Y'),zlabel('Z') figure(3) z3i=griddata(x,y,z,xi,yi','cubic'); % 双三次插值 surfc(xi,yi,z3i) xlabel('X'),ylabel('Y'),zlabel('Z') figure(4) subplot(1,3,1),contour(xi,yi,z1i,4,'b'); subplot(1,3,2),contour(xi,yi,z2i,4,'r'); subplot(1,3,3),contour(xi,yi,z3i,4,'g'); figure(5) % z=5的等高线 contour(xi,yi,z3i,7,'r'); MATLAB 中文论坛讲义 多目标规划优化问题 Matlab 中常用于求解多目标达到问题的函数为fgoalattain.假设多目标函数问题的数学模型为： ub x lb beq x Aeq b x A x ceq x c goal weight x F t s y x ≤≤=≤=≤≤-**0 )(0 )(*)(..min ,γγ weight 为权值系数向量，用于控制对应的目标函数与用户定义的目标函数值的接近程度； goal 为用户设计的与目标函数相应的目标函数值向量； γ为一个松弛因子标量； F(x)为多目标规划中的目标函数向量。 综上，fgoalattain 的优化过程就是使得F 逼近goal; 工程应用中fgoalattain 函数调用格式如下： [x,fval]=fgoalattain (fun,x0,goal,weight,A,b,Aeq,beq,lb,ub,nonlcon) x0表示初值； fun 表示要优化的目标函数； goal 表示函数fun 要逼近的目标值，是一个向量，它的维数大小等于目标函数fun 返回向量F 的维数大小； weight 表示给定的权值向量，用于控制目标逼近过程的步长； 例1. 程序（利用fgoalattain 函数求解） 23222 12 3222132min )3()2()1(min x x x x x x ++-+-+- 0,,6 ..321321≥=++x x x x x x t s ①建立M 文件. function f=myfun(x) f(1)= x(1)-1)^2+(x(2)-2)^2+(x(3)-3)^2; f(2)= x(1)^2+2*x(2)^2+3*x(3)^2; ②在命令窗口中输入. goal=[1,1]; weight=[1,1]; 第2章 优化设计的数学模型及基本要素 Chapter 2 Mathematical Modeling for Optimization 2-1 数学模型的建立 (mathematical modeling) 建立数学模型，就是把实际问题按照一定的格式转换成数学表达式的过程。数学模型建立的合适、正确与否，直接影响到优化设计的最终结果。 建立数学模型，通常是根据设计要求，应用相关基础和专业知识，建立若干个相应的数学表达式。如机械结构的优化设计，主要是根据力学、机械设计基础等专业基础知识及机械设备等专业知识来建立数学模型的。 当然，要建立能够反映客观实际的、比较准确的数学模型并非容易之事。数学模型建的过于复杂，涉及的因素太多，数学求解时可能会遇到困难；而建的太简单，又不接近实际情况，解出来也无多大意义。因此，建立数学模型的原则：抓主要矛盾，尽量使问题合理简化。Principle ：The problem is simplified as much as possible. 由于设计对象千变万化，即使对同一个问题，由于看问题的角度不同，数学模型建的可能也不一样。建立数学模型不可能遵循一个不变的规则，本课也不准备把大量的时间花在数学模型的建立上。仅想以几个例子来演示一下数学模型的建立过程，使学生从中得到一些启发。 Exp. 2-1 例2-1 用宽度为cm 24，长度cm 100的薄 铁皮做成cm 100长的梯形槽，确定折边的尺寸 x 和折角θ（如图 2-1所示） ，使槽的容积最大。 解: 由于槽的长度就是板的长度，槽的梯形 截面积最大就意味着其容积最大。因此，该问题 就由，求体积最大变成求截面积最大。槽的梯形 截面积为： 图 2-1 ?= 2 1S 高 ?（上底边+下底边） 其中，上底边=x 224-；下底边=θcos 2224x x +-；高=θsin x 定义：该优化设计问题的目标函数是槽的梯形截面积S ，设计变量为θ,x 。问题可以简单地归结为：选择适当的设计变量θ,x ，在一定的限制条件下，使目标函数S 达到最大，限制条件为: 120,20<<< 第二章 线性规划的对偶理论与灵敏度分析习题 1. 写出下列线性规划问题的对偶问题。 (1)????? ? ?≥=++≤++≥++++=无约束 3213213213213 21,0,5343 32243422min x x x x x x x x x x x x x x x z (2) ????? ? ?≤≥≤++≥-+-=++++=0 ,0,8374355 22365max 3213213213213 21x x x x x x x x x x x x x x x z 无约束 (3)?? ??? ??? ???==≥=====∑∑∑∑====) ,,1;,,1(0) ,,1(),,1(min 1 111n j m i x n j b x m i a x x c z ij m i j ij n j i ij m i ij n j ij (4)???????????=≥++==<=<=∑∑∑===),,,,1(0),,2,1() ,,1(min 1 211111n n j x m m m i b x a m m i b x a x c z j n j i j ij n j i j ij n j j j 无约束 2. 判断下列说法是否正确，为什么? (1)如果线性规划的原问题存在可行解，则其对偶问题也一定存在可行解； (2)如果线性规划的对偶问题无可行解，则原问题也一定无可行解； ( 3)在互为对偶的一对原问题与对偶问题中，不管原问题是求极大或极小，原问题可行解的目标函数值一定不超过其对偶问题可行解的目标函数值； (4)任何线性规划问题具有唯一的对偶问题。 3. 已知某求极大化线性规划问题用单纯形法求解时的初始单纯形表及最终单纯形表如下表所示，求表中各括弧内未知数的值。 高三数学复习小专题 几个常见函数模型的应用 一、函数x e x y = 的性质应用 1.（2014年天津理）已知函数()x f x x ae =-)(R a ∈，R x ∈.已知函数()y f x =有两个零点12,x x ，且12x x <. （Ⅰ）求a 的取值范围； （Ⅱ）证明：21 x x 随着a 的减小而增大； （Ⅲ）证明：12x x +随着a 的减小而增大. 二、函数x e y x =的性质应用 2.（2014年山东理）设函数22()(ln )x e f x k x x x =-+（k 为常数， 2.71828e =???是自然对数的底数）. （Ⅰ）当0k ≤时，求函数()f x 的单调区间； （Ⅱ）若函数()f x 在(0,2)内存在两个极值点，求k 的取值范围. 三、函数x xe y =的性质应用 3.已知函数x e x f x +=)(，2)(-=x a x g . (1)若0>x 时)()(x g x f >恒成立，求a 的取值范围； (2)讨论函数)()()(x g x f x F -=的零点的个数. 四、函数x x y ln =的性质应用 4.（2014年湖北理）π为圆周率，e=2.718 28…为自然对数的底数. （Ⅰ）求函数x x x f ln )(=的单调区间； （Ⅱ）求e 3，3e ，e π，πe ，3π，π3这6个数中的最大数与最小数. （Ⅲ）将e 3，3e ，e π，πe ，3π，π3这6个数按从小到大的顺序排列，并证明你的结论. 5.(2013年北京理科)设L 为曲线C ：x x y ln =在点（1,0）处的切线. （1）求L 的方程； （2）证明：除切点（1,0）之外，曲线C 在直线L 的下方. 6.求证：3≥n 时，).()1(1*+∈+>N n n n n n 五、函数x x y ln = 的性质应用 模型的评价和推广 7.1 模型的评价 7.1.1模型的优点： （1）在数据处理方面，我们详细分析了视频数据，引用了标准车当量数（PCU），引用了通流量，规范了数据的格式和可用性，为下一步解题提供了简洁的数据资料。（2）在视频数据统计方面，我们实行分阶段定点查数，在每隔30秒的时间内取值，符合上游路口信号配时，并满足了第一相位、第二相位的地理性。 （3）模型在图像处理和显示上，我们采用SPSS和MATLAB双重作图，拟合数据的变化趋势及正态Q-Q图，使问题结果更加清晰、条理和直观。 （4）从数据中筛选出发生堵车时的合理数据，融合排队论模型的核心思想，给出科学直观的显示结果。 （5）在模型建立上，提取了排队论模型和交通波模型的理论架构，同时简化了无用的模型公式，尽量贴近数学建模“用最简单的方法解决最难问题“的思想。 7.1.2 模型的缺点 （1）在视频数据采样上，采用的是人工读取，虽然大大提高了灵活性，但也容易使数据出现人为的偏差和不精确；视频中从小区从进入到道路上的车辆并没有进行确切的统计。 （2）在问题一中，只采用了一种分析方法，结果比较单一，没有系统和全面地分析横断面通行能力的变化过程。 （3）问题三的所建立的关系模型中没有明确体现横断面实际通行能力，这也就使我们的关系模型不能准确地反应变量之间的关系。 （4）在统计完全堵车时的汽车数量时没有明确的标准规定，只是单纯地用主观认识确定完全交通拥堵。 7.2 模型的推广 依据题目中提供的视频数据和附录，建立了车祸横截面通行能力的通行量模型，并利用排队法的相关知识，确定了车辆排队长度、事故排队时间、路段上游车流量的函数关系，对城市中交通事故的处理方面有一定的参考价值。 模型中分析问题、解决问题的一些独到方法，排队法数据取样的总体思想，对其他数学问题及一般模型仍可使用。 另外，针对路边停车、占道施工等因素导致车道或道路横断面通行能力在单位时间内降低的现象，我们的方法对于交通管理部门可以作为分析解决问题的一种参考。 1 / 1 第9节 函数与数学模型 考试要求 1.理解函数模型是描述客观世界中变量关系和规律的重要数学语言和工具.在实际情境中，会选择合适的函数类型刻画现实问题的变化规律；2.结合现实情境中的具体问题，利用计算工具，比较对数函数、一元一次函数、指数函数增长速度的差异，理解“对数增长”“直线上升”“指数爆炸”等术语的现实含义；3.收集、阅读一些现实生活、生产实际或者经济领域中的数学模型，体会人们是如何借助函数刻画实际问题的，感悟数学模型中参数的现实意义 . 知 识 梳 理 1.指数、对数、幂函数模型性质比较 2.几种常见的函数模型 [微点提醒] 1.“直线上升”是匀速增长，其增长量固定不变；“指数增长”先慢后快，其增长量成倍增加，常用“指数爆炸”来形容；“对数增长”先快后慢，其增长速度缓慢. 2.充分理解题意，并熟练掌握几种常见函数的图象和性质是解题的关键. 3.易忽视实际问题中自变量的取值范围，需合理确定函数的定义域，必须验证数学结果对实际问题的合理性. 基础自测 1.判断下列结论正误(在括号内打“√”或“×”) (1)某种商品进价为每件100元，按进价增加10%出售，后因库存积压降价，若按九折出售，则每件还能获利.() (2)函数y＝2x的函数值比y＝x2的函数值大.() (3)不存在x0，使ax0回归分析在数学建模中的应用
最新数学建模数据分析题
高考中常用函数模型归纳及应用
数学建模各种分析报告方法
数学建模-数据的统计分析
高中物理中常用的三角函数数学模型强烈推荐!!!
数学建模截断切割的优化设计
数学建模案例_停车场的优化设计(1)
高考数学函数模型及其应用
(完整版)数学建模五步法与灵敏度分析
高中数学题型解法归纳《线性目标函数和综合函数》
数学建模之数据处理 03 版
数学建模多目标规划函数fgoalattain
优化设计的数学模型及基本要素
线性规划问题及其数学模型
几个常见函数模型的应用
数学建模：模型的评价和推广
第二章 第9节函数与数学模型
相关主题
文本预览