添加义项这是一个多义词，请在下列义项中选择浏览
1．数学用语数学用语
2．高等教育出版社出版图书高等教育出版社出版图书
3．机械工业出版社出版图书机械工业出版社出版图书
4．科学出版社出版图书科学出版社出版图书
5．南京大学出版图书南京大学出版图书
6．清华大学出版社图书清华大学出版社图书
1.数学用语
编辑本义项
数学建模
求助编辑百科名片
当需要从定量的角度分析和研究一个实际问题时，人们就要在深入调查研究、了解对象信息、作出简化假设、分析内在规律等工作的基础上，用数学的符号和语言，把它表述为数学式子，也就是数学模型，然后用通过计算得到的模型结果来解释实际问题，并接受实际的检验。这个建立数学模型的全过程就称为数学建模。
目录
建模背景
数学
数学建模
建模应用
建模意义
思考方法
应用数学模型
建模过程
模型准备
模型假设
模型建立
模型求解
模型分析
模型检验
模型应用
建模起源
西方情况
中国情况
建模应用
建模竞赛
数据集
建模资料
国内教材
竞赛参考书
国外参考书
专业性参考书
两项题
四项题
建模相关
建模意义
经验体会
最新进展
十类算法
展开
建模背景
数学
数学建模
建模应用
建模意义
思考方法
应用数学模型建模过程
模型准备
模型假设
模型建立
模型求解
模型分析
模型检验
模型应用
建模起源
西方情况
中国情况
建模应用
建模竞赛
数据集
建模资料
国内教材
竞赛参考书国外参考书专业性参考书建模题目
两项题
四项题
建模相关
建模意义
经验体会
最新进展
十类算法
展开
编辑本段建模背景
数学
技术
近半个多世纪以来，随着计算机技术的迅速发展，数学的应用不仅在工程技术、自然科学等领域发挥着越来越重要的作用，而且以空前的广度和深度向经济、管理、金融、生物、医学、环境、地质、人口、交通等新的领域渗透，所谓数学技术已经成为当代高新技术的重要组成部分。
数学建模
数学模型（Mathematical Model）是一种模拟，是用数学符号、数学式子、程序、图形等对实际课题本质属性的抽象而又简洁的刻划，它或能解释某些客观现象，或能预测未来的发展规律，或能为控制某一现象的发展提供某种意义下的最优策略或较好策略。数学模型一般并非现实问题的直接翻版，它的建立常常既需要人们对现实问题深入细微的观察和分析，又需要人们灵活巧妙地利用各种数学知识。这种应用知识从实际课题中抽象、提炼出数学模型的过程就称为数学建模（Mathematical Modeling）。[1]
不论是用数学方法在科技和生产领域解决哪类实际问题，还是与其它学科相结合形成交叉学科，首要的和关键的一步是建立研究对象的数学模型，并加以计算求解。数学建模和计算机技术在知识经济时代的作用可谓是如虎添翼。
建模应用
数学是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，一直是和各种各样的应用问题紧密相关的。数学的特点不仅在于概念的抽象性、逻辑的严密性，结论的明确性和体系的完整性，而且在于它应用的广泛性，自从20世纪以来，随着科学技术的迅速发展和计算机的日益普及，人们对各种问题的要求越来越精确，使得数学的应用越来越广泛和深入，特别是在21世纪这个知识经济时代，数学科学的地位会发生巨大的变化，它正在从国家经济和科技的后备走到了前沿。经济发展的全球化、计算机的迅猛发展，数理论与方法的不断扩充使得数学已经成为当代高科技的一个重要组成部分和思想库，数学已经成为一种能够普遍实施的技术。培养学生应用数学的意识和能力已经成为数学教学的一个重要方面。
编辑本段建模意义
思考方法
数学建模是一种数学的思考方法，是运用数学的语言和方法，通过抽象、简化建立能近似刻画并"解决"实际问题的一种强有力的数学手段。
数学建模就是用数学语言描述实际现象的过程。这里的实际现象既包涵具体的自然现象比如自由落体现象，也包含抽象的现象比如顾客对某种商品所取的价值倾向。这里的描述不但包括外在形态，内在机制的描述，也包括预测，试验和解释实际现象等内容。
我们也可以这样直观地理解这个概念：数学建模是一个让纯粹数学家（指只懂数学不懂数学在实际中的应用的数学家）变成物理学家，生物学家，经济学家甚至心理学家等等的过程。数学模型一般是实际事物的一种数学简化。它常常是以某种意义上接近实际事物的抽象形式存在的，但它和真实的事物有着本质的区别。要描述一个实际现象可以有很多种方式，比如录音，录像，比喻，传言等等。为了使描述更具科学性，逻辑性，客观性和可重复性，人们采用一种普遍认为比较严格的语言来描述各种现象，这种语言就是数学。使用数学语言描述的事物就称为数学模型。有时候我们需要做一些实验，但这些实验往往用抽象出来了的数学模型作为实际物体的代替而进行相应的实验，实验本身也是实际操作的一种理论替代。
应用数学模型
应用数学去解决各类实际问题时，建立数学模型是十分关键的一步，同时也是十分困难的一
步。建立教学模型的过程，是把错综复杂的实际问题简化、抽象为合理的数学结构的过程。要通过调查、收集数据资料，观察和研究实际对象的固有特征和内在规律，抓住问题的主要矛盾，建立起反映实际问题的数量关系，然后利用数学的理论和方法去分析和解决问题。这就需要深厚扎实的数学基础，敏锐的洞察力和想象力，对实际问题的浓厚兴趣和广博的知识面。数学建模是联系数学与实际问题的桥梁，是数学在各个领域广泛应用的媒介，是数学科学技术转化的主要途径，数学建模在科学技术发展中的重要作用越来越受到数学界和工程界的普遍重视，它已成为现代科技工作者必备的重要能力之一。为了适应科学技术发展的需要和培养高质量、高层次科技人才，数学建模已经在大学教育中逐步开展，国内外越来越多的大学正在进行数学建模课程的教学和参加开放性的数学建模竞赛，将数学建模教学和竞赛作为高等院校的教学改革和培养高层次的科技人才的一个重要方面，现在许多院校正在将数学建模与教学改革相结合，努力探索更有效的数学建模教学法和培养面向21世纪的人才的新思路，与我国高校的其它数学类课程相比，数学建模具有难度大、涉及面广、形式灵活，对教师和学生要求高等特点，数学建模的教学本身是一个不断探索、不断创新、不断完善和提高的过程。为了改变过去以教师为中心、以课堂讲授为主、以知识传授为主的传统教学模式，数学建模课程指导思想是：以实验室为基础、以学生为中心、以问题为主线、以培养能力为目标来组织教学工作。通过教学使学生了解利用数学理论和方法去分析和解决问题的全过程，提高他们分析问题和解决问题的能力；提高他们学习数学的兴趣和应用数学的意识与能力，使他们在以后的工作中能经常性地想到用数学去解决问题，提高他们尽量利用计算机软件及当代高新科技成果的意识，能将数学、计算机有机地结合起来去解决实际问题。数学建模以学生为主，教师利用一些事先设计好问题启发，引导学生主动查阅文献资料和学习新知识，鼓励学生积极开展讨论和辩论，培养学生主动探索，努力进取的学风，培养学生从事科研工作的初步能力，培养学生团结协作的精神、形成一个生动活泼的环境和气氛，教学过程的重点是创造一个环境去诱导学生的学习欲望、培养他们的自学能力，增强他们的数学素质和创新能力，提高他们的数举素质，强调的是获取新知识的能力，是解决问题的过程，而不是知识与结果。接受参加数学建模竞赛赛前培训的同学大都需要学习诸如数理统计、最优化、图论、微分方程、计算方法、神经网络、层次分析法、模糊数学，数学软件包的使用等等“短课程”（或讲座），用的学时不多，多数是启发性的讲一些基本的概念和方法，主要是靠同学们自己去学，充分调动同学们的积极性，充分发挥同学们的潜能。培训中广泛地采用的讨论班方式，同学自己报告、讨论、辩论，教师主要起质疑、答疑、辅导的作用，竞赛中一定要使用计算机及相应的软件，如Spss，Lingo，Mapple，Mathematica，Matlab甚至排版软件等。编辑本段建模过程
模型准备
了解问题的实际背景，明确其实际意义，掌握对象的各种信息。以数学思想来包容问题的精髓，数学思路贯穿问题的全过程，进而用数学语言来描述问题。要求符合数学理论，符合数学习惯，清晰准确。
模型假设
根据实际对象的特征和建模的目的，对问题进行必要的简化，并用精确的语言提出一些恰当的假设。
模型建立
在假设的基础上，利用适当的数学工具来刻划各变量常量之间的数学关系，建立相应的数学结构（尽量用简单的数学工具）。
模型求解
利用获取的数据资料，对模型的所有参数做出计算（或近似计算）。
模型分析
对所得的结果进行数学上的分析。
模型检验
将模型分析结果与实际情形进行比较，以此来验证模型的准确性、合理性和适用性。如果模型与实际较吻合，则要对计算结果给出其实际含义，并进行解释。如果模型与实际吻合较差，则应该修改假设，再次重复建模过程。
模型应用
应用方式因问题的性质和建模的目的而异。
编辑本段建模起源
西方情况
数学建模是在20世纪60和70年代进入一些西方国家大学的，我国的几所大学也在80年代初将数学建模引入课堂。经过20多年的发展现在绝大多数本科院校和许多专科学校都开设了各种形式的数学建模课程和讲座，为培养学生利用数学方法分析、解决实际问题的能力开辟了一条有效的途径。
大学生数学建模竞赛最早是1985年在美国出现的，1989年在几位从事数学建模教育的教师的组织和推动下，我国几所大学的学生开始参加美国的竞赛，而且积极性越来越高，近几年参赛校数、队数占到相当大的比例。可以说，数学建模竞赛是在美国诞生、在中国开花、结果的。
中国情况
1992年由中国工业与应用数学学会组织举办了我国10城市的大学生数学模型联赛，74所院校的314队参加。教育部领导及时发现、并扶植、培育了这一新生事物，决定从1994年起由教育部高教司和中国工业与应用数学学会共同主办全国大学生数学建模竞赛，每年一届。十几年来这项竞赛的规模以平均年增长25%以上的速度发展。
2009 年全国有33个省/市/自治区(包括香港和澳门特区)1137所院校、15046个队（其中甲组12276队、乙组2770队）、4万5千多名来自各个专业的大学生参加竞赛，是历年来参赛人数最多的(其中西藏和澳门是首次参赛)！
编辑本段建模应用
[2]数学建模的应用Advances in Applied Mathematics 是一本关注应用数学领域最新进展的国际中文期刊，由汉斯出版社发行。主要刊登数学的各种计算方法研究，数学在统计学、计算机等方面应用的学术论文和成果评述。本刊支持思想创新、学术创新，倡导科学，繁荣学术，集学术性、思想性为一体，旨在为了给世界范围内的科学家、学者、科研人员提供一个传播、分享和讨论应用数学领域内不同方向问题与发展的交流平台。
研究领域：
应用数学
·计算数学
·常微分方程数值解
·偏微分方程数值解
·数值代数
·优化计算方法
·数值逼近与计算几何
·并行计算算法
·误差分析与区间算法
·反问题计算方法
·应用数学
·应用统计数学
·统计质量控制
·可靠性数学
·保险数学
·统计计算
·统计模拟
·计算机数学
·计算数学其他学科
编辑本段建模竞赛
[3]全国大学生数学建模竞赛
全国大学生数学建模竞赛是国家教育部高教司和中国工业与应用数学学会共同主办的面向全国大学生的群众性科技活动，目的在于激励学生学习数学的积极性，提高学生建立数学模型和运用计算机技术解决实际问题的综合能力，鼓励广大学生踊跃参加课外科技活动，开拓知识面，培养创造精神及合作意识，推动大学数学教学体系、教学内容和方法的改革。竞赛题目一般来源于工程技术和管理科学等方面经过适当简化加工的实际问题，不要求参赛者预先掌握深入的专门知识，只需要学过普通高校的数学课程。题目有较大的灵活性供参赛者发挥其创造能力。参赛者应根据题目要求，完成一篇包括模型的假设、建立和求解，计算方法的设计和计算机实现，结果的分析和检验，模型的改进等方面的论文（即答卷）。竞赛评奖以假设的合理性、建模的创造性、结果的正确性和文字表述的清晰程度为主要标准。
全国统一竞赛题目，采取通讯竞赛方式，以相对集中的形式进行；竞赛一般在每年9月初的三天内举行（为保证大家尽量少的耽误课程，所以一般包括周末的两天）；大学生以队为单位参赛，每队3人及1个老师作为辅导，专业不限。
全国大学生数学建模竞赛章程（2008年）
第一条总则
全国大学生数学建模竞赛（以下简称竞赛）是教育部高等教育司和中国工业与应用数学学会共同主办的面向全国大学生的群众性科技活动，目的在于激励学生学习数学的积极性，提高学生建立数学模型和运用计算机技术解决实际问题的综合能力，鼓励广大学生踊跃参加课外科技活动，开拓知识面，培养创造精神及合作意识，推动大学数学教学体系、教学内容和方法的改革。
第二条竞赛内容
竞赛题目一般来源于工程技术和管理科学等方面经过适当简化加工的实际问题，不要求参赛者预先掌握深入的专门知识，只需要学过高等学校的数学课程。题目有较大的灵活性供参赛者发挥其创造能力。参赛者应根据题目要求，完成一篇包括模型的假设、建立和求解、计算方法的设计和计算机实现、结果的分析和检验、模型的改进等方面的论文（即答卷）。竞赛评奖以假设的合理性、建模的创造性、结果的正确性和文字表述的清晰程度为主要标准。
第三条竞赛形式、规则和纪律
1．全国统一竞赛题目，采取通讯竞赛方式，以相对集中的形式进行。
2．竞赛每年举办一次，一般在某个周末前后的三天内举行。
3．大学生以队为单位参赛，每队3人（须属于同一所学校），专业不限。竞赛分本科、专科两组进行，本科生参加本科组竞赛，专科生参加专科组竞赛（也可参加本科组竞赛），研究生不得参加。每队可设一名指导教师（或教师组），从事赛前辅导和参赛的组织工作，但在竞赛期间必须回避参赛队员，不得进行指导或参与讨论，否则按违反纪律处理。
4．竞赛期间参赛队员可以使用各种图书资料、计算机和软件，在国际互联网上浏览，但不得与队外任何人（包括在网上）讨论。
5．竞赛开始后，赛题将公布在指定的网址供参赛队下载，参赛队在规定时间内完成答卷，并准时交卷。
6．参赛院校应责成有关职能部门负责竞赛的组织和纪律监督工作，保证本校竞赛的规范性和公正性。
第四条组织形式
1．竞赛由全国大学生数学建模竞赛组织委员会（以下简称全国组委会）主持，负责每年发动报名、拟定赛题、组织全国优秀答卷的复审和评奖、印制获奖证书、举办全国颁奖仪式等。2．竞赛分赛区组织进行。原则上一个省（自治区、直辖市）为一个赛区，每个赛区应至少有6所院校的20个队参加。邻近的省可以合并成立一个赛区。每个赛区建立组织委员会（以下简称赛区组委会），负责本赛区的宣传发动及报名、监督竞赛纪律和组织评阅答卷等工作。未成立赛区的各省院校的参赛队可直接向全国组委会报名参赛。
3．设立组织工作优秀奖，表彰在竞赛组织工作中成绩优异或进步突出的赛区组委会，以参赛校数和队数、征题的数量和质量、无违纪现象、评阅工作的质量、结合本赛区具体情况创造性地开展工作以及与全国组委会的配合等为主要标准。
第五条评奖办法
1．各赛区组委会聘请专家组成评阅委员会，评选本赛区的一等、二等奖（也可增设三等奖），获奖比例一般不超过三分之一，其余凡完成合格答卷者可获得成功参赛证书。
2．各赛区组委会按全国组委会规定的数量将本赛区的优秀答卷送全国组委会。全国组委会聘请专家组成全国评阅委员会，按统一标准从各赛区送交的优秀答卷中评选出全国一等、二等奖。
3．全国与各赛区的一、二等奖均颁发获奖证书。
4．对违反竞赛规则的参赛队，一经发现，取消参赛资格，成绩无效。对所在院校要予以警告、通报，直至取消该校下一年度参赛资格。对违反评奖工作规定的赛区，全国组委会不承认其评奖结果。
第六条异议期制度
1．全国（或各赛区）获奖名单公布之日起的两个星期内，任何个人和单位可以提出异议，由全国组委会（或各赛区组委会）负责受理。
2．受理异议的重点是违反竞赛章程的行为，包括竞赛期间教师参与、队员与他人讨论，不公正的评阅等。对于要求将答卷复评以提高获奖等级的申诉，原则上不予受理，特殊情况可先经各赛区组委会审核后，由各赛区组委会报全国组委会核查。
3．异议须以书面形式提出。个人提出的异议，须写明本人的真实姓名、工作单位、通信地址（包括联系电话或电子邮件地址等），并有本人的亲笔签名；单位提出的异议，须写明联系人的姓名、通信地址（包括联系电话或电子邮件地址等），并加盖公章。全国组委会及各赛区组委会对提出异议的个人或单位给予保密。
4．与受理异议有关的学校管理部门，有责任协助全国组委会及各赛区组委会对异议进行调
查，并提出处理意见。全国组委会或各赛区组委会应在异议期结束后两个月内向申诉人答复处理结果。
第七条经费
1．参赛队所在学校向所在赛区组委会交纳参赛费。
2．赛区组委会向全国组委会交纳一定数额的经费。
3．各级教育管理部门的资助。
4．社会各界的资助。
第八条解释与修改
本章程从2008年开始执行，其解释和修改权属于全国组委会。
第四届全国大学生数学建模竞赛
组委会成员名单
(2008-)
顾问：周远清（中国高等教育学会会长）
萧树铁（清华大学教授）
主任：李大潜（复旦大学教授、中国科学院院士）
副主任：陈叔平（贵州大学教授、校长）
张增顺（高等教育出版社总编辑）
委员：李志宏（教育部高等教育教学评估中心副主任）
李尚志（北京航空航天大学教授）
杨虎（重庆大学教授）
陈永川（南开大学教授、副校长）
周义仓（西安交通大学教授）
姜明（北京大学教授）
郝志峰（华南理工大学教授）
袁亚湘（中国科学院计算数学与科学工程计算研究所研究员）
高夯（东北师范大学教授）
谢金星（清华大学教授）
谭永基（复旦大学教授）
秘书长：谢金星（兼）
副秘书长：孟大志（北京工业大学教授）
蔡志杰（复旦大学副教授）
李艳馥（高等教育出版社数学分社社长）
第四届全国大学生数学建模竞赛组委会下属专家组成员名单
组长：陈叔平（贵州大学教授、校长）
副组长：叶其孝（北京理工大学教授）
姜启源（清华大学教授）
谭永基（复旦大学教授）
组员：方海涛（中国科学院计系统科学研究所研究员）
王强（北京应用物理与计算数学研究所研究员）
孙山泽（北京大学教授）
李尚志（北京航空航天大学教授）
周义仓（西安交通大学教授）
孟大志（北京工业大学教授）
唐云（清华大学教授）
谢金星（清华大学教授）
蔡志杰（复旦大学副教授）
（根据需要，专家组可聘请其他成员，共同组成当年的专家组）
美国大学生数学建模竞赛
美国大学生数学建模竞赛（含交叉学科竞赛）是由美国自然科学基金协会和美国数学与数学应用协会共同主办，美国运筹学学会、工业与应用数学学会、数学学会等多家国际机构协办的唯一一项国际性建模竞赛。竞赛要求3个以下本科未毕业学生在4天时间内用数学建模及其他知识解决一个具体的社会工程问题，用英语提交论文。具体组织模式见网站
编辑本段数据集
数学建模涉及大量数据集，供相关研究人员用于测试并论证数学建模算法，例如：
1. 2008全国研究生数学建模竞赛试题及数据
2. 2011高教社杯全国大学生数学建模竞赛题目
3. 可进行密度建模训练的iris数据集
4. Applied Bayesian Modelling Dataset(应用贝叶斯建模数据集)
5. Worksheets Data for Multilevel modelling(多层次建模的工作表格式数据)等。
编辑本段建模资料
国内教材
1、数学模型，姜启源编，高等教育出版社(1987年第一版，1993年第二版，2003年第三版，2011年第四版；第一版在1992年国家教委举办的第二届全国优秀教材评选中获"全国优秀教材奖")．
2．数学模型与计算机模拟，江裕钊、辛培情编，电子科技大学出版社，(1989)．
3．数学模型选谈(走向数学从书)，华罗庚，王元著，王克译，湖南教育出版社；(1991)．4．数学建模--方法与范例，寿纪麟等编，西安交通大学出版社(1993)．
5．数学模型，濮定国、田蔚文主编，东南大学出版社(1994)．
6..数学模型，朱思铭、李尚廉编，中山大学出版社，(1995)
7．数学模型，陈义华编著，重庆大学出版社，(1995)
8．数学模型建模分析，蔡常丰编著，科学出版社，(1995)．
9．数学建模竞赛教程，李尚志主编，江苏教育出版社，(1996)．
10．数学建模入门，徐全智、杨晋浩编，成都电子科大出版社，(1996).
11．数学建模，沈继红、施久玉、高振滨、张晓威编，哈尔滨工程大学出版社，(1996). 12．数学模型基础，王树禾编著，中国科学技术大学出版社，(1996).
13．数学模型方法，齐欢编著，华中理工大学出版社，(1996)．
14．数学建模与实验，南京地区工科院校数学建模与工业数学讨论班编，河海大学出版社，(1996)．
15．数学模型与数学建模，刘来福、曾文艺编，北京师范大学出版杜(1997)．
16. 数学建模，袁震东、洪渊、林武忠、蒋鲁敏编，华东师范大学出版社。
17．数学模型，谭永基，俞文吡编，复旦大学出版社，(1997)．
18．数学模型实用教程，费培之、程中瑗层主编，四川大学出版社，(1998)．
19．数学建模优秀案例选编(工科数学基地建设丛书)，汪国强主编，华南理工大学出版社，(1998)．
20．经济数学模型(第二版)(工科数学基地建设丛书)，洪毅、贺德化、昌志华编著，华南理工大学出版社，(1999)．
21．数学模型讲义，雷功炎编，北京大学出版社(1999)．
22．数学建模精品案例，朱道元编著，东南大学出版社，(1999)，
23．问题解决的数学模型方法，刘来福，曾文艺编著、北京师范大学出版社，(1999)．24．数学建模的理论与实践，吴翔，吴孟达，成礼智编著，国防科技大学出版社，(1999)．25、数学建模案例分析，白其岭主编，海洋出版社，(2000年，北京)．
26．数学实验(高等院校选用教材系列)，谢云荪、张志让主编，科学出版社，(2000)．27．数学实验，傅鹏、龚肋、刘琼荪，何中市编，科学出版社，(2000)．
28．数学建模与数学实验，赵静、但琦编，高等教育出版社，(2000).
竞赛参考书
l、中国大学生数学建模竞赛，李大潜主编，高等教育出版社(1998)．
2．大学生数学建模竞赛辅导教材，(一)(二)(三)，叶其孝主编，湖南教育出版社(1993，1997，1998)．
3．数学建模教育与国际数学建模竞赛《工科数学》专辑，叶其孝主编，《工科数学》杂志社，1994)．
国外参考书
(中译本)
1、数学模型引论，E．A。Bender著，朱尧辰、徐伟宣译，科学普及出版社(1982). 2．数学模型，[门]近藤次郎著，官荣章等译，机械工业出版社，(1985)．
3．微分方程模型，(应用数学模型丛书第1卷)，[美]W．F．Lucas主编，朱煜民等译，国防科技大学出版社，(1988)．
4．政治及有关模型，(应用数学模型丛书第2卷)，[美W．F．Lucas主编，王国秋等译，国防科技大学出版社，(1996)．
5．离散与系统模型，(应用数学模型丛书第3卷)，[美w．F．Lucas主编，成礼智等译，国防科技大学出版社，(1996)．
6．生命科学模型，(应用数学模型丛书第4卷)，[美1W．F．Lucas主编，翟晓燕等译，国防科技大学出版社，(1996)．
7．模型数学--连续动力系统和离散动力系统，[英1H．B．Grif6ths和A．01dknow 著，萧礼、张志军编译，科学出版社，(1996)．
8．数学建模--来自英国四个行业中的案例研究，(应用数学译丛第4号)，英]D．Burglles等著，叶其孝、吴庆宝译，世界图书出版公司，(1997)
专业性参考书
(这方面书籍很多，仅列几本供参考) ：
1．水环境数学模型，[德]W．KinZE1bach著，杨汝均、刘兆昌等编纂，中国建筑工业出版社，(1987)．
2．科技工程中的数学模型，堪安琦编著，铁道出版社(1988)
3．生物医学数学模型，青义学编著，湖南科学技术出版杜(1990)．
4．农作物害虫管理数学模型与应用，蒲蛰龙主编，广东科技出版社(1990)．
5．系统科学中数学模型，欧阳亮编著，E山东大学出版社，(1995)．
6．种群生态学的数学建模与研究，马知恩著，安徽教育出版社，(1996)
7．建模、变换、优化--结构综合方法新进展，隋允康著，大连理工大学出版社，(1986) 8．遗传模型分析方法，朱军著，中国农业出版社(1997)．(中山大学数学系王寿松编辑，2001年4月)
编辑本段建模题目
两项题
1992年(A) 施肥效果分析问题(北京理工大学：叶其孝）
(B) 实验数据分解问题（华东理工大学：俞文此; 复旦大学：谭永基）
1993年(A) 非线性交调的频率设计问题（北京大学：谢衷洁）
(B) 足球排名次问题（清华大学：蔡大用）
1994年(A) 逢山开路问题（西安电子科技大学：何大可）
(B) 锁具装箱问题（复旦大学:谭永基，华东理工大学：俞文此）
1995年(A) 飞行管理问题（复旦大学:谭永基，华东理工大学：俞文此）
(B) 天车与冶炼炉的作业调度问题（浙江大学：刘祥官,李吉鸾）
1996年(A) 最优捕鱼策略问题（北京师范大学：刘来福）
(B) 节水洗衣机问题（重庆大学：付鹂）
1997年(A) 零件参数设计问题（清华大学：姜启源）
(B) 截断切割问题（复旦大学:谭永基，华东理工大学：俞文此）
1998年(A) 投资的收益和风险问题（浙江大学：陈淑平）
(B) 灾情巡视路线问题（上海海运学院：丁颂康）
四项题
1999年(A) 自动化车床管理问题（北京大学：孙山泽）
(B) 钻井布局问题（郑州大学：林诒勋）
(C) 煤矸石堆积问题（太原理工大学：贾晓峰）
(D) 钻井布局问题（郑州大学：林诒勋）
2000年(A) DNA序列分类问题（北京工业大学：孟大志）
(B) 钢管订购和运输问题（武汉大学：费甫生）
(C) 飞越北极问题（复旦大学：谭永基）
(D) 空洞探测问题（东北电力学院：关信）
2001年(A) 血管的三维重建问题（浙江大学：汪国昭）
(B) 公交车调度问题（清华大学：谭泽光）
(C) 基金使用计划问题（东南大学：陈恩水）
(D) 公交车调度问题（清华大学：谭泽光）
2002年(A) 车灯线光源的优化设计问题（复旦大学:谭永基，华东理工大学：俞文此）
(B) 彩票中的数学问题（解放军信息工程大学：韩中庚）
(C) 车灯线光源的优化设计问题（复旦大学:谭永基，华东理工大学：俞文此）
(D) 赛程安排问题（清华大学：姜启源）
2003年(A) SARS的传播问题（组委会）
(B) 露天矿生产的车辆安排问题（吉林大学：方沛辰）
(C) SARS的传播问题（组委会）
(D) 抢渡长江问题（华中农业大学：殷建肃）
2004年(A) 奥运会临时超市网点设计问题(北京工业大学：孟大志)
(B) 电力市场的输电阻塞管理问题(浙江大学:刘康生)
(C) 酒后开车问题（清华大学：姜启源）
(D) 招聘公务员问题（解放军信息工程大学：韩中庚）
2005年(A) 长江水质的评价和预测问题（解放军信息工程大学：韩中庚）
(B) DVD在线租赁问题(清华大学：谢金星等)
(C) 雨量预报方法的评价问题(复旦大学:谭永基)
(D) DVD在线租赁问题(清华大学：谢金星等)
2006年(A) 出版社的资源配置问题(北京工业大学：孟大志)
(B) 艾滋病疗法的评价及疗效的预测问题（天津大学：边馥萍）
(C) 易拉罐的优化设计问题（北京理工大学：叶其孝）
(D) 煤矿瓦斯和煤尘的监测与控制问题（解放军信息工程大学：韩中庚）2007年(A) 中国人口增长预测
(B) 乘公交，看奥运
(C) 手机“套餐”优惠几何
(D) 体能测试时间安排
2008年
（A）数码相机定位，
（B）高等教育学费标准探讨，
（C）地面搜索，
（D）NBA赛程的分析与评价
2009年
（A）制动器试验台的控制方法分析
（B）眼科病床的合理安排
（C）卫星和飞船的跟踪测控
（D）会议筹备
2010年
（A）储油罐的变位识别与罐容表标定
（B）2010年上海世博会影响力的定量评估
（C）输油管的布置
（D）对学生宿舍设计方案的评价
2011年
（A）城市表层土壤重金属污染分析
（B）交巡警服务平台的设置与调度
（C）企业退休职工养老金制度的改革
（D）天然肠衣搭配问题
2012年
（A）葡萄酒的评价
（B）太阳能小屋的设计
（C）脑卒中发病环境因素分析及干预
（D）机器人避障问题
建模相关
建模意义
1、培养创新意识和创造能力
2．训练快速获取信息和资料的能力
3．锻炼快速了解和掌握新知识的技能
4．培养团队合作意识和团队合作精神
5．增强写作技能和排版技术
6．荣获国家级奖励有利于保送研究生
7．荣获国际级奖励有利于申请出国留学
8．更重要的是训练人的逻辑思维和开放性思考方式
经验体会
以下是数学建模爱好者的经验和体会，与大家共享。
尊敬的老师，亲爱的同学们:
大家上午好！我是来自江苏赛区的中国矿业大学魏永生。
首先,我十分感谢组委会给我这个机会，让我在闭幕式上与来自全国各地的
数学建模代表队交流此次参加夏令的心得体会.
从今年五月底,我就和队友三个人一起从全国组委会网站下载了夏令营赛题。从查阅论文资料，请教铁路交通运输专业的老师,到赛题的建模，求解和论文写作,历时近一个月. 在做题的过程中，我们到网上搜索了赛题所需要的数据源。当我们碰到不懂的专业问题时,就去拜访和咨询专业老师，或者到图书馆查阅相关书籍资料和研究论文;当我们有一项连续性的工作未能完成时,为了不打断思路，曾经没能在一天吃上三餐.为了能够尽快地完成研究论文,我和队友们曾通宵达旦地做，甚至在夜里被惊醒还继续做题。
总之,不管遇到什么困难，我们都会一起去克服,再多再大的苦难也阻挡不了我们对数学建模的热情和喜爱，我们对她已经爱不释手!
一次参赛,终身受益，这是数学建模的真谛所在！数学建模的魅力实在无穷,让我不甘心只参加一次，从大学开始,我几乎每年都参加国际，全国,地区和学校的各个级别的比赛，可以说是久经沙场的老将了!我最终获得了美国赛的一等奖.
这次夏令营是一次半竞赛半交流性质的数学建模活动。在答辩之前,我们每
个队是在自己的赛区通过竞赛或竞争的方式争取到赴京参加夏令营的机会;而在北京化工大学,我们每个队又是通过答辩，交流和讨论的方式进行,这让我们看到了自己论文的优缺点.有些队模型建立得很完善，有些模型求解得很巧妙,结果比较精确，也有些队论文比较出色。"三人行必有我师"在这次夏令营活动中体现得淋漓尽致！这是数学建模高手云集的时候,我能做的只有把自己的优点发挥出来，同时吸取众高手的优点来完善自己.
数学建模带给了我们什么是过去荣获的种种荣誉吗答案是否定的。数学建模带给我的是现在的指示,发散性思维，各种研究方法和手段.特别是对我们未来人生的奠基作用,毫不夸张地说，我们将在以后的人生享受它的思慧!通过数学建模,我学会了"我们",培养了"三人同心，其利断金"的团队精神,数学建模教会了我顽强和忍耐，教会我做事谨慎,言如其实，教会我凡事要有自己的创新,不能局限于俗套，它还教会我踏踏实实做人,认认真真做事。
同学们，努力吧,没有最好，只有更好！
最后我代表所有参赛营员感谢主办方全国组委会和高等教育出版社,承办单
位北京化工大学，还有三个协办单位对此次夏令营的帮助和资助,谢谢你们给我们这些数学建模爱好者提供一次难得的机会，也恳请你们一如既往的支持中国的数学建模事业!
谢谢大家！
编辑本段最新进展
数学建模的应用，对于数学建模竞赛来说是非常大的促进和动力。
目前，国内首家数学建模公司-北京诺亚数学建模科技有限公司在北京成立。已读博士的魏永生和另外两个志同道合的同学一起合作的创业项目，源于他们熟悉的数学建模领域。
魏永生三人在2003年4月组建了一个大学生数学建模竞赛团队，当年就获得了国家二等奖，2005年荣获了国际数学建模竞赛的一等奖，同年10月注册了数学建模爱好者网站，本着数学建模走向社会，走向应用的方向，他们在去年6月正式确立了以数学建模应用为创业方向，组建了创业团队，开启了创业之路。本月初，北京诺亚数学建模科技有限公司正式注册，魏永生团队的创业正式走向正轨。
目前，诺亚数学建模正以其专业化的视角不断拓展业务壮大实力，并积极涉足铁路交通、公路交通、物流管理等其他相关领域的数学建模及数学模型解决方案、咨询服务。
魏永生向记者解释说，也许很多人并不了解数学建模究竟有什么用途，他举了个例子，一个火车站，要计算隔多久发一辆车才能既保证把旅客都带走，又能最大程度的节约成本，这些通过数学建模都能算出最优方案。
魏永生介绍说，他们的数学建模团队已有6年的历史，彼此配合很默契，也做了数十个大大小小的项目。他们的创业理念是为直接和潜在客户提供一种前所未有的数学建模优化及数学模型解决方案，真正为客户实现投资收益的最大化、生产成本费用的最小化。
编辑本段十类算法
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，同时可以通过模拟可以来检验自己模型的正确性，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Matlab作为工具）
3．线性规划、整数规划、多元规划、二次规划等规划类问题（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软件实现）
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，很多场合可以用到竞赛中）
6．最优化理论的三大非经典算法：模拟退火法、神经网络、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算法，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（网格算法和穷举法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
认的是离散的数据，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，那一些数值分析中常
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，即使与图形无关，论文中也应该
要不乏图片的，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Matlab
1.贷款问题 小王夫妇计划贷款20万元购买一套房子，他们打算用20年的时间还清贷款。目前，银行的利率是%/月。他们采用等额还款的方式(即每月的还款额相同)偿还贷款。 (1)在上述条件下，小王夫妇每月的还款额是多少共计付了多少利息 (2)在贷款满5年后，他们认为他们有经济能力还完余下的款额，打算提前还贷，那么他们在第6年初，应一次付给银行多少钱，才能将余下全部的贷款还清 (3)如果在第6年初，银行的贷款利率由%/月调到%/月，他们仍然采用等额还款的方式，在余下的15年内将贷款还清，那么在第6年后，每月的还款额应是多少 (4)某借贷公司的广告称，对于贷款期在20年以上的客户，他们帮你提前三年还清贷款。但条件是： (i)每半个月付款一次，但付款额不增加，即一次付款额是原付给银行还款额的1/2； (ii)因为增加必要的档案、文书等管理工作，因此要预付给借贷公司贷款总额10%的佣金。 试分析，小王夫妇是否要请这家借贷公司帮助还款。 解答： (1)贷款总月数为N=20*12=240，第240个月的欠款额为0，即。 利用式子 (元)，即每个月还款元，共还款(元)，共计付利息元。 (2)贷款5年(即5*12=60个月)后的欠款额为， 利用公式：， 所以，
(元) (3)元，即第六年初，贷款利率，所以余下的15年，每个月还款额为：(元) (4)按照借贷公司的条件(i)每半个月付款一次，但付款额不增加，即一次付款额是原付给银行还款额的，付款的时间缩短，但是前17年的付款总额不变。帮忙提前三年还清需要资金数： 。 对于条件(ii)佣金数： 分析：因为预付佣金20000元，按照银行存款利率/月，17年的存款本息为 即在第17年需要给付借贷公司的钱少于给付银行的钱。所以建议请这家借贷公司帮助还款。 2.冷却定律与破案 按照Newton冷却定律，温度为T的物体在温度为的环境中冷却的速度与温差成正比。用此定律建立相应的微分方程模型。 凌晨某地发生一起凶杀案，警方于晨6时到达案发现场，测得尸温26℃，室温10℃，晨8时又测得尸温18℃。若近似认为室温不变，估计凶杀案的发生时间。 解答： 根据Newton冷却定律，可知温度T的微分方程为：
实验一动力系统 一、实验目的与要求 掌握运用软件求解动态系统模型，通过研究散点图得到动态系统的内在性质和长期趋势。通过对数据进行处理，归纳出动态系统模型。 1、用Excel对数据进行处理，建立动态系统模型并且进行验证； 2、用Excel画散点图，对动态系统模型解的长期趋势进行分析； 3、用Excel求解动态系统模型并估计均衡点； 4、用Excel分析多元动态系统模型。 二、实验内容 Example 1.1 P9 研究课题第一题 随着汽油价格的上涨，今年你希望买一辆新的（混合动力）汽车。你把选择范围缩小到以下几种车型：2007Toyota Camry混合动力汽车2007Saturn混合动力汽车2007Honda Civic混合动力汽车2007Nissan Altima 混合动力汽车2007Mercury Mariner混合动力汽车。每年公司都向你提供如下的“优惠价”。你有能力支付多达60个月的大约500美元的月还款。采用动力系统的方法来确定你可以买那种新的混合动力系统汽车。 混合动力汽车“优惠价”（美元）预付款（美元）利率和贷款持续时间Saturn 22045 1000 年利率5.95%，60个月Honda Civic24350 1500年利率5.5%，60个月Toyota Camry26200 750年利率6.25%%，60个月Mariner27515 1500年利率6%%，60个月 Altima24900 1000年利率5.9%%，60个月 解答如下，对五家公司分别建立动力系统模型： Saturn:Δb n=b n+1-b n=0.0595b n-6000 b n+1= b n+0.0595b n-6000 b0=21045 Honda Civic:Δb n=b n+1-b n=0.055b n-6000 b n+1= b n+0.055b n-6000 b0=22850 Toyota Camry: Δb n=b n+1-b n=0.0625b n-6000 b n+1= b n+0.0625b n-6000 b0=25450 Mariner:Δb n=b n+1-b n=0.06b n-6000 b n+1= b n+0.06b n-6000 b0=26015
数学建模知识——之新手上路 一、数学模型的定义现在数学模型还没有一个统一的准确的定义，因为站在不同的角度可以有不同的定义。不过我们可以给出如下定义：“数学模型是关于部分现实世界和为一种特殊目的而作的一个抽象的、简化的结构。”具体来说，数学模型就是为了某种目的，用字母、数学及其它数学符号建立起来的等式或不等式以及图表、图像、框图等描述客观事物的特征及其内在联系的数学结构表达式。一般来说数学建模过程可用如下框图来表明：数学是在实际应用的需求中产生的，要解决实际问题就必需建立数学模型，从此意义上讲数学建模和数学一样有古老历史。例如，欧几里德几何就是一个古老的数学模型，牛顿万有引力定律也是数学建模的一个光辉典范。今天，数学以空前的广度和深度向其它科学技术领域渗透，过去很少应用数学的领域现在迅速走向定量化，数量化，需建立大量的数学模型。特别是新技术、新工艺蓬勃兴起，计算机的普及和广泛应用，数学在许多高新技术上起着十分关键的作用。因此数学建模被时代赋予更为重要的意义。二、建立数学模型的方法和步骤 1. 模型准备要了解问题的实际背景，明确建模目的，搜集必需的各种信息，尽量弄清对象的特征。 2. 模型假设根据对象的特征和建模目的，对问题进行必要的、合理的简化，用精确的语言作出假设，是建模至关重要的一步。如果对问题的所有因素一概考虑，无疑是一种有勇气但方法欠佳的行为，所以高超的建模者能充分发挥想象力、洞察力和判断力，善于辨别主次，而且为了使处理方法简单，应尽量使问题线性化、均匀化。 3. 模型构成根据所作的假设分析对象的因果关系，利用对象的内在规律和适当的数学工具，构造各个量间的等式关系或其它数学结构。这时，我们便会进入一个广阔的应用数学天地，这里在高数、概率老人的膝下，有许多可爱的孩子们，他们是图论、排队论、线性规划、对策论等许多许多，真是泱泱大国，别有洞天。不过我们应当牢记，建立数学模型是为了让更多的人明了并能加以应用，因此工具愈简单愈有价值。 4. 模型求解可以采用解方程、画图形、证明定理、逻辑运算、数值运算等各种传统的和近代的数学方法，特别是计算机技术。一道实际问题的解决往往需要纷繁的计算，许多时候还得将系统运行情况用计算机模拟出来，因此编程和熟悉数学软件包能力便举足轻重。 5. 模型分析 对模型解答进行数学上的分析。“横看成岭侧成峰，远近高低各不同”，能否对模型结果作出细致精当的分析，决定了你的模型能否达到更高的档次。还要记住，不论那种情况都需进行误差分析，数据稳定性分析。例题：一个笼子里装有鸡和兔若干只，已知它们共有 8 个头和 22 只脚，问该笼子中有多少只鸡和多少只兔？解：设笼中有鸡 x 只，有兔 y 只，由已知条件有 x+y=8 2x+4y=22 求解如上二元方程后，得解 x=5,y=3，即该笼子中有鸡 5 只，有兔 3 只。将此结果代入原题进行验证可知所求结果正确。根据例题可以得出如下的数学建模步骤： 1）根据问题的背景和建模的目的做出假设（本题隐含假设鸡兔是正常的，畸形的鸡兔除外） 2）用字母表示要求的未知量 3）根据已知的常识列出数学式子或图形（本题中常识为鸡兔都有一个头且鸡有 2 只脚，兔有 4 只脚） 4）求出数学式子的解答 5）验证所得结果的正确性这就是数学建模的一般步骤三、数模竞赛出题的指导思想传统的数学竞赛一般偏重理论知识，它要考查的内容单一，数据简单明确，不允许用计算器完成。对此而言，数模竞赛题是一个“课题”，大部分都源于生产实际或者科学研究的过程中，它是一个综合性的问题，数据庞大，需要用计算机来完成。其答案往往不是唯一的（数学模型是实际的模拟，是实际问题的近似表达，它的完成是在某种合理的假设下，因此其只能是较优的，不唯一的），呈报的成果是一篇论文。由此可见“数模竞赛”偏重于应用，它是以数学知识为引导计算机运用能力及文章的写作能力为辅的综合能力的竞赛。四、竞赛中的常见题型赛题题型结构形式有三个基本组成部分： 1. 实际问题背景涉及面宽——有社会，经济，管理，生活，环境，自然现象，工程技术，现代科学中出现的新问题等。一般都有一个
添加义项这是一个多义词，请在下列义项中选择浏览 1．数学用语数学用语 2．高等教育出版社出版图书高等教育出版社出版图书 3．机械工业出版社出版图书机械工业出版社出版图书 4．科学出版社出版图书科学出版社出版图书 5．南京大学出版图书南京大学出版图书 6．清华大学出版社图书清华大学出版社图书 1.数学用语 编辑本义项 数学建模 求助编辑百科名片 当需要从定量的角度分析和研究一个实际问题时，人们就要在深入调查研究、了解对象信息、作出简化假设、分析内在规律等工作的基础上，用数学的符号和语言，把它表述为数学式子，也就是数学模型，然后用通过计算得到的模型结果来解释实际问题，并接受实际的检验。这个建立数学模型的全过程就称为数学建模。 目录 建模背景 数学 数学建模 建模应用 建模意义 思考方法 应用数学模型 建模过程 模型准备 模型假设 模型建立 模型求解 模型分析 模型检验 模型应用 建模起源 西方情况 中国情况 建模应用 建模竞赛 数据集 建模资料 国内教材 竞赛参考书 国外参考书 专业性参考书
两项题 四项题 建模相关 建模意义 经验体会 最新进展 十类算法 展开 建模背景 数学 数学建模 建模应用 建模意义 思考方法 应用数学模型建模过程 模型准备 模型假设 模型建立 模型求解 模型分析 模型检验 模型应用 建模起源 西方情况 中国情况 建模应用 建模竞赛 数据集 建模资料 国内教材 竞赛参考书国外参考书专业性参考书建模题目 两项题 四项题 建模相关 建模意义 经验体会 最新进展 十类算法 展开
编辑本段建模背景 数学 技术 近半个多世纪以来，随着计算机技术的迅速发展，数学的应用不仅在工程技术、自然科学等领域发挥着越来越重要的作用，而且以空前的广度和深度向经济、管理、金融、生物、医学、环境、地质、人口、交通等新的领域渗透，所谓数学技术已经成为当代高新技术的重要组成部分。 数学建模 数学模型（Mathematical Model）是一种模拟，是用数学符号、数学式子、程序、图形等对实际课题本质属性的抽象而又简洁的刻划，它或能解释某些客观现象，或能预测未来的发展规律，或能为控制某一现象的发展提供某种意义下的最优策略或较好策略。数学模型一般并非现实问题的直接翻版，它的建立常常既需要人们对现实问题深入细微的观察和分析，又需要人们灵活巧妙地利用各种数学知识。这种应用知识从实际课题中抽象、提炼出数学模型的过程就称为数学建模（Mathematical Modeling）。[1] 不论是用数学方法在科技和生产领域解决哪类实际问题，还是与其它学科相结合形成交叉学科，首要的和关键的一步是建立研究对象的数学模型，并加以计算求解。数学建模和计算机技术在知识经济时代的作用可谓是如虎添翼。 建模应用 数学是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，一直是和各种各样的应用问题紧密相关的。数学的特点不仅在于概念的抽象性、逻辑的严密性，结论的明确性和体系的完整性，而且在于它应用的广泛性，自从20世纪以来，随着科学技术的迅速发展和计算机的日益普及，人们对各种问题的要求越来越精确，使得数学的应用越来越广泛和深入，特别是在21世纪这个知识经济时代，数学科学的地位会发生巨大的变化，它正在从国家经济和科技的后备走到了前沿。经济发展的全球化、计算机的迅猛发展，数理论与方法的不断扩充使得数学已经成为当代高科技的一个重要组成部分和思想库，数学已经成为一种能够普遍实施的技术。培养学生应用数学的意识和能力已经成为数学教学的一个重要方面。 编辑本段建模意义 思考方法 数学建模是一种数学的思考方法，是运用数学的语言和方法，通过抽象、简化建立能近似刻画并"解决"实际问题的一种强有力的数学手段。 数学建模就是用数学语言描述实际现象的过程。这里的实际现象既包涵具体的自然现象比如自由落体现象，也包含抽象的现象比如顾客对某种商品所取的价值倾向。这里的描述不但包括外在形态，内在机制的描述，也包括预测，试验和解释实际现象等内容。 我们也可以这样直观地理解这个概念：数学建模是一个让纯粹数学家（指只懂数学不懂数学在实际中的应用的数学家）变成物理学家，生物学家，经济学家甚至心理学家等等的过程。数学模型一般是实际事物的一种数学简化。它常常是以某种意义上接近实际事物的抽象形式存在的，但它和真实的事物有着本质的区别。要描述一个实际现象可以有很多种方式，比如录音，录像，比喻，传言等等。为了使描述更具科学性，逻辑性，客观性和可重复性，人们采用一种普遍认为比较严格的语言来描述各种现象，这种语言就是数学。使用数学语言描述的事物就称为数学模型。有时候我们需要做一些实验，但这些实验往往用抽象出来了的数学模型作为实际物体的代替而进行相应的实验，实验本身也是实际操作的一种理论替代。 应用数学模型 应用数学去解决各类实际问题时，建立数学模型是十分关键的一步，同时也是十分困难的一
2.14成绩与体重数学建模 一、问题 举重比赛按照体育运动员的体重分组，你能在一些合理、简单的假设下，建立比赛成绩与体重之间的关系吗？下面是下一届奥运会的成绩，可供检验你的模型。 一、问题分析 成绩与肌肉的力度有直接关系，随着力度的增加，成绩呈上升趋势。 假设力度与肌肉横截面积成正比，而截面积和体重都与身体的某个特征尺寸有直接关联。由此可以找到成绩和体重之间的关系。可以以此建立模型。
二、模型假设以及符号说明 1．本模型主要考虑运动员举重总成绩和体重的关系，所以假设运动员其他条件相差不大。 2．运动员的举重能力用其举重的总成绩来刻画 3．符号说明： 人的体重 W 人的身高 h 肌肉横截面积 S 人的体积 V 肌肉强度 T 举重成绩 C 非肌肉重量 W1 斜率 K 三、模型构成 模型一 1．题中给出举重比赛按照体育运动员的体重分组，所以我们猜测成绩与体重应该是正比关系。 2．画出坐标图，体重越重，成绩越好，进一步验证了正比关系。 最大体重
从上图可以看出，体重越大，举重总成绩相对越好，所以我们猜测举重总成绩与体重大概成线性关系。则，我们可以用一次函数C=kW+b对三个体重进行拟合，根据图中数据，可得： = = 2.66， = = 1.45, = = 1.17 把b代入得出三个一次函数为： = 2.66W+143.8, = 1.45W+75.1, = 1.17W+69.7, 用上述模型计算得到的理论值,并画出图表与原图表进行比较： 最大体重
通过比较两个图表，我们可以推测体重与成绩数据的推测图表和已知图标的拟合度并不是特别的理想，所以我们可以认为用线性函数对举重总成绩与体重进行拟合的模型过于简单、粗略，考虑的因素比较少。 模型二 我们这一次综合各种因素来进行分析建模。 通过查阅各种自然科学磁疗，我们可以近似以为：一般举重运动员的举重能力是用举重成绩来衡量，而举重运动员的举重能力与其肌肉强度近似成正比关系，从而举重运动员的举重总成绩与其肌肉强度近似成正比，即： C = T (为常数且>0) ○1从运动生理学得知，肌肉的强度与其横截面积近似成正比，即： T = S (为常数且>0) ○ 2综合○1，○2可得 C=T=S ○3通过查阅资料，我们可以假设肌肉的横截面积正比于身高的平方，人的体重正比于身高的三次方，即可得： S = , W = (，为常数且>0，>0) 综合上述所有算式，我们有： C= S = ○ 4 因为W = ，我们可以推测出举重运动员举重总成绩与其体重的关系为： C = 利用题目表格中所给的体重和举重总成绩数据，求出上述模型的常数M。利用题目表格中所给的体重和举重总成绩数据，运用最小二乘法求出上述模型的系数 K 。因为体重超过108千克的运动员的体重没有具体的数据，为了模型的准确性，故将这个数据舍去。经过代入9次运算得出平均常数，为=20.3,=9.6，=9.0。于是举重运动员的举重总成绩与体重的关系模型为
数学建模常用的十种解题方法 摘要 当需要从定量的角度分析和研究一个实际问题时，人们就要在深入调查研究、了解对象信息、作出简化假设、分析内在规律等工作的基础上，用数学的符号和语言，把它表述为数学式子，也就是数学模型，然后用通过计算得到的模型结果来解释实际问题，并接受实际的检验。这个建立数学模型的全过程就称为数学建模。数学建模的十种常用方法有蒙特卡罗算法；数据拟合、参数估计、插值等数据处理算法；解决线性规划、整数规划、多元规划、二次规划等规划类问题的数学规划算法；图论算法；动态规划、回溯搜索、分治算法、分支定界等计算机算法；最优化理论的三大非经典算法：模拟退火法、神经网络、遗传算法；网格算法和穷举法；一些连续离散化方法；数值分析算法；图象处理算法。 关键词：数学建模；蒙特卡罗算法；数据处理算法；数学规划算法；图论算法 一、蒙特卡罗算法 蒙特卡罗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，同时可以通过模拟可以来检验自己模型的正确性，是比赛时必用的方法。在工程、通讯、金融等技术问题中, 实验数据很难获取, 或实验数据的获取需耗费很多的人力、物力, 对此, 用计算机随机模拟就是最简单、经济、实用的方法; 此外, 对一些复杂的计算问题, 如非线性议程组求解、最优化、积分微分方程及一些偏微分方程的解⑿, 蒙特卡罗方法也是非常有效的。 一般情况下, 蒙特卜罗算法在二重积分中用均匀随机数计算积分比较简单, 但精度不太理想。通过方差分析, 论证了利用有利随机数, 可以使积分计算的精度达到最优。本文给出算例, 并用MA TA LA B 实现。 1蒙特卡罗计算重积分的最简算法-------均匀随机数法 二重积分的蒙特卡罗方法(均匀随机数) 实际计算中常常要遇到如()dxdy y x f D ??,的二重积分, 也常常发现许多时候被积函数的原函数很难求出, 或者原函数根本就不是初等函数, 对于这样的重积分, 可以设计一种蒙特卡罗的方法计算。 定理 1 )1( 设式()y x f ,区域 D 上的有界函数, 用均匀随机数计算()??D dxdy y x f ,的方法: (l) 取一个包含D 的矩形区域Ω,a ≦x ≦b, c ≦y ≦d , 其面积A =(b 一a) (d 一c) ; ()j i y x ,,i=1,…,n 在Ω上的均匀分布随机数列,不妨设()j i y x ,, j=1，…k 为落在D 中的k 个随机数, 则n 充分大时, 有
数学建模简介 当需要从定量的角度分析和研究一个实际问题时，人们就要在深入调查研究、了解对象信息、作出简化假设、分析内在规律等工作的基础上，用数学的符号和语言作表述，也就是建立数学模型，然后用通过计算得到的结果来解释实际问题，并接受实际的检验。这个建立数学模型的全过程就称为数学建模。 数学建模的广泛应用 数学建模的应用逐渐变的广泛，数学建模大量用于一般工程技术领域，用于代替传统工程设计中的现场实验、物理模拟等手段；在高新科技领域，成为必不可少的工具，无论是在通信、航天、微电子、自动化都是创新工艺、开发新 产品的必要手段；在新的科研领域在用数学方法研究 其中的定量关系时，数学建模就成为首要的、关键的 步骤和这些学科发展和应用的基础。 将计算机技术和数学建模进行紧密结合，使得原 本抽象的数学模型生动具体的呈现在研究者面前，使 得问题得到更好的解决。 数学建模的分支——数据挖掘 数据挖掘（Data Mining，DM）是目前人工智能和数 据库领域研究的热点问题，所谓数据挖掘是指从数据库 的大量数据中揭示出隐含的、先前未知的并有潜在价值 的信息的非平凡过程。数据挖掘是一种决策支持过程， 它主要基于人工智能、机器学习、模式识别、统计学、 数据库、可视化技术等，高度自动化地分析企业的数据， 做出归纳性的推理，从中挖掘出潜在的模式，帮助决策 者调整市场策略，减少风险，做出正确的决策。 数据挖掘是通过分析每个数据，从大量数据中寻找其规律的技术，主要有数据准备、规律寻找和规律表示3个步骤。数据准备是从相关的数据源中选取所需的数据并整合成用于数据挖掘的数据集；规律寻找是用某种方法将数据集所含的规律找出来；规律表示是尽可能以用户可理解的方式（如可视化）将找出的规律表示出来。 数据挖掘的任务有关联分析、聚类分析、分类分析、异常分析、特异群组分析和演变分析，等等。
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
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
课本p56（8） 8.一垂钓俱乐部鼓励垂钓者将钓上的鱼放生，打算按照放生的鱼的重量给以奖励，俱乐部只准备了以把软尺用于测量，请你设计按照测量长度估计鱼的重量的方法。假定鱼池中有一 先用机理分析建立模型，再用数据确定参数。 模型1：m=k*h.^3 其中，h为鱼的身长，m为鱼的重量。 MATLAB程序编写为： d=[24.8,21.3,27.9,24.8,21.6,31.8,22.9,21.6] d = 24.8000 21.3000 27.9000 24.8000 21.6000 31.8000 22.9000 21.6000 >> h=[36.8,31.8,43.8,36.8,32.1,45.1,35.9,32.1] h = 36.8000 31.8000 43.8000 36.8000 32.1000 45.1000 35.9000 32.1000 >>v=d.^2.*h v = 1.0e+004 * 2.2633 1.4427 3.4094 2.2633 1.4977 4.5607 1.8826 1.497.. >> f=inline('k*v','k','v') f = Inline function: f(k,v) = k*v >> m=[765,482,1162,737,482,1389,652,454] m =
765 482 1162 737 482 1389 652 454 >> [a,jm]=lsqcurvefit(f,1,v,m) Optimization terminated successfully: First-order optimality less than OPTIONS.TolFun, and no negative/zero curvature detected a = 0.0322 jm = 1.5009e+004 >> plot(v,m,'') 如图: 4.1 牛奶品的生产与销售（p83） 一奶制品加工厂用牛奶生产A1,A2两种奶制品，一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。根据市场需求，生产的A1,A2全部能售出，且每公斤A1获利24元，每公斤A2获利16元，现在加工厂每天能得到50桶牛奶的供应，每天正式工人总的劳动时间为480小时，并且甲类设备每天至多能加工100公斤A1，乙类设备的加工能力没有限制。试为该厂制订一个计划，使每天获利最大，并进一步讨论以下3个附加问题：
数学建模的基本步骤 一、数学建模题目 1）以社会，经济，管理，环境，自然现象等现代科学中出现的新问题为背景，一般都有一个比较确切的现实问题。 2）给出若干假设条件： 1. 只有过程、规则等定性假设； 2. 给出若干实测或统计数据； 3. 给出若干参数或图形等。 根据问题要求给出问题的优化解决方案或预测结果等。根据问题要求题目一般可分为优化问题、统计问题或者二者结合的统计优化问题，优化问题一般需要对问题进行优化求解找出最优或近似最优方案，统计问题一般具有大量的数据需要处理，寻找一个好的处理方法非常重要。 二、建模思路方法 1、机理分析根据问题的要求、限制条件、规则假设建立规划模型，寻找合适的寻优算法进行求解或利用比例分析、代数方法、微分方程等分析方法从基本物理规律以及给出的资料数据来推导出变量之间函数关系。 2、数据分析法对大量的观测数据进行统计分析，寻求规律建立数学模型，采用的分析方法一般有： 1）. 回归分析法(数理统计方法)-用于对函数f（x）的一组观测值（xi,fi）i=1,2,…,n，确定函数的表达式。 2）. 时序分析法--处理的是动态的时间序列相关数据，又称为过程统计方法。 3）、多元统计分析（聚类分析、判别分析、因子分析、主成分分析、生存数据分析）。 3、计算机仿真（又称统计估计方法）：根据实际问题的要求由计算机产生随机变量对动态行为进行比较逼真的模仿，观察在某种规则限制下的仿真结果（如蒙特卡罗模拟）。 三、模型求解： 模型建好了，模型的求解也是一个重要的方面，一个好的求解算法与一个合
适的求解软件的选择至关重要，常用求解软件有matlab，mathematica，lingo，lindo，spss，sas等数学软件以及c/c++等编程工具。 Lingo、lindo一般用于优化问题的求解，spss，sas一般用于统计问题的求解，matlab，mathematica功能较为综合，分别擅长数值运算与符号运算。 常用算法有：数据拟合、参数估计、插值等数据处理算法,通常使用spss、sas、Matlab作为工具. 线性规划、整数规划、多元规划、二次规划、动态规划等通常使用Lindo、Lingo,Matlab软件。 图论算法,、回溯搜索、分治算法、分支定界等计算机算法, 模拟退火法、神经网络、遗传算法。 四、自学能力和查找资料文献的能力： 建模过程中资料的查找也具有相当重要的作用，在现行方案不令人满意或难以进展时，一个合适的资料往往会令人豁然开朗。常用文献资料查找中文网站：CNKI、VIP、万方。 五、论文结构： 0、摘要 1、问题的重述，背景分析 2、问题的分析 3、模型的假设，符号说明 4、模型的建立（局部问题分析，公式推导，基本模型，最终模型等） 5、模型的求解 6、模型检验:模型的结果分析与检验，误差分析 7、模型评价:优缺点，模型的推广与改进 8、参考文献 9、附录 六、需要重视的问题 数学建模的所有工作最终都要通过论文来体现，因此论文的写法至关重要：
常见评价模型简介 评价类数学模型是全国数学建模竞赛中经常出现的一类模型，如2005年全国赛A题长江水质的评价问题，2008年B题高校学费标准评价体系问题等。主要介绍三种比较常用的评价模型：层次分析模型，模糊综合评价模型，灰色关联分析模型，以期帮助大家了解不同背景下不同评价方法的应用。 层次分析模型 层次分析法(AHP)是根据问题的性质和要求，将所包含的因素进行分类，一般按目标层、准则层和子准则层排列，构成一个层次结构，对同层次内诸因素采用两两比较的方法确定出相对于上一层目标的权重，这样层层分析下去，直到最后一层，给出所有因素相对于总目标而言，按重要性程度的一个排序。其主要特征是，它合理地将定性与定量决策结合起来，按照思维、心理的规律把决策过程层次化、数量化。 运用层次分析法进行决策，可以分为以下四个步骤： 步骤1 建立层次分析结构模型 深入分析实际问题，将有关因素自上而下分层(目标—准则或指标—方案或对象)，上层受下层影响，而层内各因素基本上相对独立。 步骤2构造成对比较阵 对于同一层次的各元素关于上一层次中某一准则的重要性进行两两比较，借助1~9尺度，构造比较矩阵； 步骤3计算权向量并作一致性检验 由判断矩阵计算被比较元素对于该准则的相对权重，并进行一致性检验，若通过，则最大特征根对应的特征向量做为权向量。 步骤4计算组合权向量(作组合一致性检验) 组合权向量可作为决策的定量依据 通过一个具体的例子介绍层次分析模型的应用。 例(选择旅游地决策问题)如何在桂林、黄山、北戴河3个目的地中按照景色、费用、居住条件、饮食、旅途条件等因素进行选择。 步骤1 建立系统的递阶层次结构 将决策问题分为3个层次：目标层O，准则层C，方案层P；每层有若干元素，各层元素间的关系用相连的直线表示。
数学建模常用方法 建模常用算法,仅供参考： 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,同时可以通过模拟可以来检验自己模型的正确性,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M a t l a b作为工具） 3、线性规划、整数规划、多元规划、二次规划等规划类问题（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L i n d o、L i n g o软件实现） 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,很多场合可以用到竞赛中） 6、最优化理论的三大非经典算法：模拟退火法、神经网络、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算法,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（网格算法和穷举法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 算机只认的是离散的数据,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,那一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,即使与图形无关,论文 中也应该要不乏图片的,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M a t l a b进行处理） 一、在数学建模中常用的方法： 1.类比法 2.二分法 3.量纲分析法 4.差分法 5.变分法 6.图论法 7.层次分析法 8.数据拟合法 9.回归分析法 10.数学规划（线性规划、非线性规划、整数规划、动态规划、目标规划） 11.机理分析 12.排队方法
数学模型是对于现实世界的一个特定对象，一个特定目的，根据特有的内在规律，做出一些必要的假设，运用适当的数学工具，得到一个数学结构。简单地说：就是系统的某种特征的本质的数学表达式（或是用数学术语对部分现实世界的描述），即用数学式子（如函数、图形、代数方程、微分方程、积分方程、差分方程等）来描述（表述、模拟）所研究的客观对象或系统在某一方面的存在规律。 随着社会的发展，生物、医学、社会、经济……各学科、各行业都涌现现出大量的实际课题，亟待 人们去研究、去解决。但 是，社会对数学的需求并 不只是需要数学家和专门 从事数学研究的人才，而 更大量的是需要在各部门 中从事实际工作 的人善于运用数 学知识及数学的 思维方法来解决 他们每天面临的 大量的实际问题， 取得经济效益和社会效 益。他们不是为了应用数 学知识而寻找实际问题 （就像在学校里做数学应 用题），而是为了解决实 际问题而需要用到数学。 而且不止是要用到数学， 很可能还要用到别的学 科、领域的知识，要用到 工作经验和常识。特别是 在现代社会，要真正解决 一个实际问题几乎都离不 开计算机。可以这样说， 在实际工作中 遇到的问题， 完全纯粹的只 用现成的数学 知识就能解决 的问题几乎是 没有的。你所能遇到的都 是数学和其他东西混杂在 一起的问题，不是“干净 的”数学，而是“脏”的 数学。其中的数学奥妙不 是明摆在那里等着你去解 决，而是暗藏在深处等着
你去发现。也就是说，你 要对复杂的实际问题进行 分析，发现其中的可以用 数学语言来描述的关系或 规律，把这个实际问题化 成一个数学问题，这就称 为数学模型。 数学模型具有下列特 征：数学模型的一个重要 特征是高度的抽象性。通 过数学模型能够将形象思 维转化为抽象思维，从而 可以突破实际系统的约 束，运用已有的数学研究 成果对研究对象进行深入 的研究。数学模型的另一 个特征是经济性。用数学 模型研究不需要过多的专 用设备和工具，可以节省 大量的设备运行和维护费 用，用数学模型可以大大 加快研究工作的进度，缩 短研究周期，特别是在电 子计算机得到广泛应用的 今天，这个优越性就更为 突出。但是，数学模型具 有局限性，在简化和抽象 过程中必然造成某些失 真。所谓“模型就是模型” (而不是原型)，即是该性 质。 数学建模是利用数学方法解决实际问题的一种实践。即通过抽象、简化、假设、引进变量等处理过程后，将实际问题用数学方式表达，建立起数学模型，然后运用先进的数学方法及计算机技术进行求解。简而言之,建立数学模型的这个过程就称为数学建模。 模型是客观实体有关属性的模拟。陈列 在橱窗中的飞机模型外形应当像真正的飞 机，至于它是否真的能飞则无关紧要；然而 参加航模比赛的飞机模型则全然不同，如果 飞行性能不佳，外形再 像飞机，也不能算是一 个好的模型。模型不一 定是对实体的一种仿照，也可以是对实体的 某些基本属性的抽象，例如，一张地质图并 不需要用实物来模拟，它可以用抽象的符 号、文字和数字来反映出该地区的地质结 构。数学模型也是一种模拟，是用数 学符号、数学式子、程序、图形等对 实际课题本质属性的抽象而又简洁
2014-2015-1《数学建模》期末复习 一、判断题：（对的打√,错的打×） (1) MATLAB 中变量的第一个字母必须是英文字母.-------- --( ) (2) ones( 3 )命令可以生成一个3阶全零矩阵. ----------------( ) (3) 命令[1,2,3]^2的执行结果是[1,4,9]. ----------------( ) (4) 一元线性回归既可以使用regress 也可以使用polyfit. --( ) (5)插值函数必定过已知的所有数据点. ---------------------------( ) (6) MATLAB 中变量名不区分大小写.----------------------------( ) (7) 命令[1,2,3].^2的执行结果是[1,4,9]. ----------------------( ) (8) 命令linspace(0,1,100)共产生100个等间隔的点. -------------------( ) (9) LINGO 程序中@Gin(x)表示x 取整数. -----------( ) (10) LINGO 集合语言数据段以“data:”开始“enddata”结尾------( ) 二、用MATLAB 命令完成如下矩阵操作： (1)创建矩阵A=;??? ?????--252013132(2)求A 的所有元素的最大值, 赋给x (3)取出A 的第2行所有元素和第3列所有元素,分别赋给B 和C; (4)求A 的逆矩阵, 赋给D. (5)创建一个矩阵B 为3阶全1矩阵; (6)修改B 的第2行第3列元素为2; (7)删除B 的第1列所有元素; (8)求B 的行列式,赋值给x. 三、（1）使用for 循环结构,编写MATLAB 程序,求. ∑=100 32n n （2）使用for 、while 循环或prod 语句,编写MATLAB 程序,求10011n n n =+∏四、某工厂利用原材料甲、乙、丙生产A 、B 、C 三种产品，有关资料如表：材料消耗 产品原材料 A B C 材料限量 甲 乙 丙 212122131200500600单位产品利润 413（1）应如何组织生产，使该工厂利润最大？试建立该问题的数学模型。 （2）写出求解该模型的LINGO 程序。 对全部高中资料试卷电气设备，在安装
数学建模常用方法以及常见题型 核心提示： 数学建模方法一、机理分析法从基本物理定律以及系统的结构数据来推导出模型 1.比例分析法--建立变量之间函数关系的最基本最常用的方法。 2.代数方法--求解离散问题（离散的数据、符号、图形）的主要方法。3. 逻辑方法--是数学理论研的重要方法，对社会学和经济学等领域的实际问题，在决策，对策等学科中得到广泛应用。4.常微分方程--解决两个变量之间的变化规律，关键是建立"瞬时变化率"的表达式。 5.偏微分方程--解决因变量与两个以上自 数学建模方法 一、机理分析法从基本物理定律以及系统的结构数据来推导出模型 1.比例分析法--建立变量之间函数关系的最基本最常用的方法。 2.代数方法--求解离散问题（离散的数据、符号、图形）的主要方法。 3. 逻辑方法--是数学理论研的重要方法，对社会学和经济学等领域的实际问题，在决策，对策等学科中得到广泛应用。 4.常微分方程--解决两个变量之间的变化规律，关键是建立"瞬时变化率"的表达式。 5.偏微分方程--解决因变量与两个以上自变量之间的变化规律。 二、数据分析法从大量的观测数据利用统计方法建立数学模型 1.回归分析法--用于对函数f（x）的一组观测值（xi,fi）I=1,2,…,n，确定函数的表达式，由于处理的是静态的独立数据，故称为数理统计方法。 2.时序分析法--处理的是动态的相关数据，又称为过程统计方法。 3.回归分析法--用于对函数f（x）的一组观测值（xi,fi）I=1,2,…,n，确定函数的表达式，于处理的是静态的独立数据，故称为数理统计方法。 4.时序分析法--处理的是动态的相关数据，又称为过程统计方法。