实验09 离散模型（2学时）
（第8章离散模型）
1. 层次分析模型
1.1（验证，编程）正互反阵最大特征根和特征向量的实用算法p263~264
已知正互反阵
261????1/21A?4????1/461/1??
注：[263]定理2 n阶正互反阵A的最大特征根≥n。
★(1) 用MATLAB函数求A的最大特征根和特征向量。
调用及运行结果（见[264]）：
1 3.0092
k =
1
>> w=V(:,k)/sum(V(:,k))
w =
0.5876
0.3234
0.0890
[263]）(2) 幂法（见n正互反矩阵，算法步骤如下：A为n×(0)w 1）；a. 任取n 维非负归一化初始列向量（分量之和为)k?1)((k2,0,1,?Aww,k?；计算b.
1)?(k w
1)k?(?w1)k?(w归一化，即令c. ；n
?1)?(k w i
1i?)(1)k(k?1)k?(?)n|?|w,(i?w?1,2,w即，当d. 对于预先给定的精度ε时，ii
b；为所求的特征向
量；否则返回到步骤1)?(kn w1??i?。e. 计算最大特征根
)(k wn1i?i 注：)k(k?1)(((k)k)???wAw??ww?
1)(k? w?i n,i?1,2,??
)k(w i
文件如下：函数式m [lambda w]=p263MI(A,d)
function——求正互反阵最大特征根和特征向量%幂法% A 正互反方阵% d 精度 2 % lambda 最大特征根归一化特征列向量% w
0.000001，则d取if(nargin==1) %若只输入一个变量（即A）d=1e-6;
end
的阶数取方阵A n=length(A); %任取归一化初始列向量
w0=w0/sum(w0);%w0=rand(n,1);
1
while ww=A*w0;
%归一化w=ww/sum(ww);
all(abs(w-w0) ; break end w0=w; end lambda=sum(ww./w0)/n; 的最大特征根和特征向量。用幂法函数求A☆(2) ：）调用及运行结果（[264] ）和法（见(3) [264]3 A为n×n正互反矩阵，算法步骤如下： a~ij w?a. 将A的每一列向量归一化得；ijn?a iji?1n~~~?w?w w b. 对；按行求和得iijij1j?~w~Ti)ww,,ww,w(,???w即为近似特征向量；归一化 c. 将 ?w i1?in(Aw)1??i?，作为最大特征根的近似值。d. 计算nw1?ii函数n2i1ni~ 式m文件如下： function [lambda w]=p264HE (A) %和法——求正互反阵最大特征根和特征向量 % A 正互反方阵 % lambda最大特征 % w 归一化特征列向 AA=A/diag(sum(A));%a.的每一列向量归一 ww=sum(AA,2);%b.A按行求和w为列向 w=ww./sum(ww);%c.归一化，为近似特征列向 lambda=sum(A*w./w)/ length(A) %d.计算最大特征根的近似 ☆(3) 用和法函数求A的最大特征根和特征向量。 调用及运行结果（[264]）： 4 [264]）(4) 根法（见n正互反矩阵，算法步骤如下：A为n×a~ij?w 将A的每一列向量归一化得；a. ijn?a ij1?i1n~~~?ww)?(n w对次方得按行求积并开nb. ；ijiij1?j~w~w T归一化c. 将即为近似特征向量；i),wwww,(,w,???i ?w i1i?n)Aw(1?计算，作为最大特征根的近似值。d. ?i?wn1?ii的最ni21n~ 大特征根和特征向量。★(4) 编写根法函数，用该函数求A sum, prod, diag] [提示：sum(A, 2)。对矩阵A按行求和的调用为按行求积的调用为Aprod(A, 2)。对矩阵Vdiag(V)，用向量构造对角矩阵。 5 nargin，存放函数输入自变量的数目。 编写的程序和调用及运行结果（见[264]）： function [lambda w]=p264GEN (A) %根法——求正互反阵最大特征根和特征向量 % A 正互反方阵 % lambda 最大特征根 %w 归一化特征列向量 n=length(A); AA=A/diag(sum(A)); %a. 将A的每一列向量归一化 ww=(prod(AA,2)).^(1/n); %b. 对AA按行求积并开n次方，ww为列向量 w=ww./sum(ww); %c. 归一化，得w为近似特征列向量 lambda=sum(A*w./w)/n; %d. 计算最大特征根的近似值λ 1.2（验证，编程）旅游决策问题p250~256 在下面程序中，脚本式m文件p250.m调用函数式m文件p250fun.m（求A的最大特征根及归一化特征列向量、一致性指标值CI、一致性比率值CR）， 6 p250fun.m中调用另一个函数式m文件p264HE.m（求A的最大特征根及归一化特征列向量）。 (1) 脚本式m文件如下： 7 8 本式层的数据。显示第2★①；一致性比率；一致性指标CIλ包括：最大特征根；特征向量（权向量）w 。CR ：[254]添加的命令和运行结果（见） 9 lambda2,w2,CI2,CR2 层的数据。★②显示第3 CI。；最大特征根包括：特征向量（权向量）w λ；一致性指标3）：表添加的命令和运行结果（见[255]w3k,lambda3,CI3k 10 ★③显示最下层（第3层）对目标（第1层）的组合权向量。 添加的命令和运行结果（见[255]）： w3 ★④显示第2层和第3层的组合一致性比率，以及最下层对第1层的组合一致性比率。 添加的命令和运行结果（见[256]）： CR2,CR3,CR 2. 循环比赛的名次 2.1（编程，验证）双向连通竞赛图（4顶点）的名次排序p270, 271~272 4个顶点的竞赛图（教材p270中图3(4)）如下： 11 1 2 4 3 ，}，4）31，2），（{24个队得分（获胜场数）为（，2，1，1）由得分排名为（种类型，可通过以下方法给出名次排序。该竞赛图是双向连通图，属于第2 该图 的邻接矩阵为：0101????1100???A??1000??0001?? 级得分向8级得分向量，并依据(1) 编写一个程序，求出1~8★：量给出排名。给出程序和运行结果（比较[272]）; gshort clear; clc; format compact; format 邻接矩阵% A=[0 1 1 0;0 0 1 1;0 0 0 1;1 0 0 0]; n=length(A);%方阵A的阶数 s=A*ones(n,1); disp(s'); for k=2:8 s=A*s; disp(s'); end [~,k]=sort(s,'descend'); %降序 k' %排名 12 (2) 求元素互不相等的得分向量法得分向量为s=A*ones 1????1???ones其中，??1??1??(1)=s 记s(k)(k)(k-1)k级得分向量）（s称为ks =A*s=A, …*ones, k=2, 3 程序如下：%双向连通竞赛图的名次排序（求元素不等的得分向量）p272_1.m %文件名：; short g; format clear; clc; format compact%A=[0 1 1 0;0 0 1 1;0 0 0 1;1 0 0 0]; 邻接矩阵A%n=length(A);方阵的阶数13 s=A*ones(n,1); k=1; 中的重复元素%unique(s)去掉s while length(unique(s)) s=A*s; k=k+1; end 级得分向% k 元素不等的得分列向s' 降[~,kk]=sort(s'descend); 排kk' 运行求元素互不相等的得分向量法程序。运行结果（比较☆(2) [272] 特征根法(3) ，rA为素阵（存在正整数对于n≥4个顶点的双向连通竞赛图，其邻接矩阵r）A使，且有>0k1Aslim?k???k s为最大实特征根且为正，为其特征列向量。 λ11其中，为全列向量，双向连通竞赛图的名次排序（特征根法）%14 p272_2.m 文件名：%; ; format short g clear; clc; format compact%邻接矩阵A=[0 1 1 0;0 0 1 1;0 0 0 1;1 0 0 0]的特征值和特征向量[,D]=eig(A);返的特征值构成的对角阵，每个特征其 的列为属于该特征值的一个特征向量对应 的对角线元素构成列向量返回矩D=diag(D);代替，实数的则不 D=D.*(imag(D)==0);复数特征值[lamda,k]=max(D); lamda 归一最大特征根对应的特征列向s=V(:,k)/sum(V(:,k)); 降'descend);[~,k]=sort(ss', k' [272(3)运行特征根法程序。给出运行结果（比较 序次排）6顶点的名（赛通向）验2.2（证双连竞图p270,272~273 ）如下：中图个顶点的竞赛图（教材6p270115 1 2 3 6 4 5 该图的邻接矩阵为： 111100????110001????001101?A??110000????100100??000100?? 要求：使用上题的程序。级得分向量给出排名。运级得分向量，并依据4(1) ☆求出1~4 ：）行结果（比较[272] 16 ☆(2) 运行求元素互不相等的得分向量法程序。运行结果： [273(3)运行特征根法程序。运行结果（比较 3. 公平的席位分配p278~279 3.1（验证）参照惯例的席位分配方法人，63103人，乙系有其中甲系 有某学校有甲乙丙三个系共有200名学生，丙系有34人。个代表席位，采用参照惯例的席位分配方法，分别求出甲乙丙系有20(1) 。的“席位分配结果”个代表席位，采用参照惯例的席位分配方法，分别求出甲乙丙系(2) 有21 。的“席位分配结果” 17 下面是参照惯例的席位分配方法的求解函数： 要求： ①在命令窗口分别调用以上函数求解（使用最佳定点或浮点格式（5位数字）控制命令format short g）。 ②两个结果比较，合理吗？ 18 ☆题(1)（20个代表席位）的调用及结果（比较[279]表1）。 。表1）（☆题(2)21个代表席位）的调用及结果（比较[279] p280~281 （验证）Q值方法3.2（教材：8.4 公平的席位分配）人，63人，名学生， 其中甲系有103乙系有200某学校有甲乙丙三个系共有人。丙系有34 值法分别求出甲乙丙系的“席位分配结果”。Q(1) 有20个代表席位，采用Q个代表席位，采用值法分别求出甲乙丙系的“席位分配结果”。21(2) 有 Q下面是值法的求解函数：19 [qi,ni]=p280fun(p,n) function各单位人数（列向量）% p 总席位（标量% n 按比例分配的席位（列向量% qi 参照惯例的结果（列向量% ni qi= n*p/sum(p); ni=fix(qi); sum(ni) whil%ni>Qi=p.^2./(ni.*(ni+1)); 求最大值元素及下[~,i]=max(Qi); ni(i)=ni(i)+1; end要求：位数在命令窗口分别调用以上函数求解（使用最佳定点或浮点格式（5① 。字）控制命令format short g）两个结果比较，合理吗？② 。）个代表席位）的调用及结果（见（题☆(1)20[281] 20 ☆题(2)（21个代表席位）的调用及结果（见[281]）。 21 附1：实验提示 22 附2：第8章离散模型 [249]8.1 层次分析模型 23 24 25 26 离散模型 § 1 离散回归模型 一、离散变量 如果我们用0，1，2，3，4，?说明企业每年的专利申请数，申请数是一个离散的变量,但是它是间隔尺度变量，该变量类型不在本章的讨论的被解释变量中。但离散变量0和1可以用来说明企业每年是否申请专利的事项，类似表示状态的变量才在本章的讨论中。在专利申请数的问题中，离散变量0，1，2，3 和4 等数字具 有具体的经济含义，不能随意更改；而在是否申请专利的两个选择对象的选择问题中，数字0和1只是用于区别两种不同的选择，是表示一种状态。本专题讨论有序尺度变量和名义尺度变量的被解释变量。 、离散因变量 在讨论家庭是否购房的问题中，可将家庭购买住房的决策用数字1 表示，而将家庭不购买住房的决策用数字0 表示。 1 yes x 0 no 如果x 作为说明某种具体经济问题的自变量，则应用以前介绍虚拟变量知识就足够了。如果现在考虑某个家庭在一定的条件下是否购买住房问题时，则表示状态的虚拟变量就不再是自变量，而是作为一个被说明对象的因变量出现在经济模型中。因此，需要对以前讨论虚拟变量的分析方法进行扩展，以便使其能够适应分析类似家庭是否购房的问题。因为在家庭是否购房问题中,虚拟因变量的具体取值仅是为了区别不同的状态，所以将通过虚拟因变量讨论备择对象选择的回归模型称为离散选择模型。 三、线性概率模型 现在约定备择对象的0 和1 两项选择模型中，下标i 表示各不同的经济主体，取值 0或l的因变量 y i表示经济主体的具体选择结果，而影响经济主体进行选择的自变量 x i 。如果选择响应YES 的概率为 p(y i 1/ x i ) ，则经济主体选择响应NO 的概率为 1 p(y i 1/ x i)， 则E(y i /x i) 1 p(y i 1/x i) 0 p(y i 0/x i)＝ p(y i 1/x i)。根据经典线性回归，我们知道其总体回归方程是条件期望建立的，这使我们想象可以构造线性概率模型 p(y i 1/ x i) E(y i / x i) x iβ 0 1 x i1 L k x ik u i 描述两个响应水平的线性概率回归模型可推知，根据统计数据得到的回归结果并不一定能够保证回归模型的因变量拟合值界于[0，1]。如果通过回归模型式得到的因变量拟合值完全偏离0或l两个数值，则描述两项选择的回归模型的实际用途就受到很大的限制。为避免出现回归模型的因变量预测值偏离0或1的情形，需要限制因变量的取值范围并对回归模型式进行必要的修正。由于要对其进行修正，那么其模型就会改变，模型改变会导致似然函 数学建模实验答案-概率模型 实验10 概率模型（2学时） （第9章 概率模型） 1.（验证）报童的诀窍p302~304, 323（习题2） 关于每天报纸购进量的优化模型： 已知b 为每份报纸的购进价，a 为零售价，c 为退回价（a > b > c ），每天报纸的需求量为r 份的概率是f (r )(r =0,1,2,…)。 求每天购进量n 份，使日平均收入，即 1 ()[()()()]()()()n r r n G n a b r b c n r f r a b nf r ∞ ==+=----+ -∑∑ 达到最大。 视r 为连续变量，f (r )转化为概率密度函数p (r )，则所求n *满足 * ()n a b p r dr a c -= -? 已知b =, a =1, c =，r 服从均值μ=500（份），均方差σ=50（份）的正态分布。报童每天应购进多少份报纸才能使平均收入最高，这个最高收入是多少 [提示：normpdf, normcdf] 要求： (1) 在同一图形窗口内绘制10 ()()n y n p r dr =?和2()a b y n a c -= -的图形，观察其交点。 [提示] 22 ()2()r p r μσ-- = ，0 ()()()n n p r dr p r dr p r dr -∞ -∞ =-?? ? ☆(1) 运行程序并给出结果： (2) 求方程0()n a b p r dr a c -= -?的根n *（四舍五入取整），并求G (n *)。 mu=500;sigma=50; a=1; b=; c=; r=n+1; while (a-b)*n*normpdf(r,mu,sigma)>1e-6 r=r+1; end r=n+1:r; G=sum((a-b)*n*normpdf(r,mu,sigma)); r=0:n; G=G+sum(((a-b)*r-(b-c)*(n-r)).*normpdf(r,mu,sigma)) ☆(2) 运行程序并给出结果： 2.（编程）轧钢中的浪费p307~310 设要轧制长l=的成品钢材，由粗轧设备等因素决定的粗轧冷却后钢材长度的均方差σ=，问这时钢材长度的均值m应调整到多少使浪费最少。 平均每得到一根成品材所需钢材的长度为 () () m J m P m = 其中， 2 2 () 2 ()(), () 2 x m l P m p x dx p xσ πσ - - ∞ == ? 求m使J(m)达到最小。 等价于求方程 () () z z z λ ? Φ =- 的根z*。 其中： 实验报告五 学院名称：理学院 专业年级： 姓 名： 学 号： 课 程：数学模型与数学建模 报告日期：2015年12月8日 一、实验题目 例2.2.1 水库库容量与高程 设一水库将河道分为上、下游两个河段，降雨的开始时刻为8时，这是水位的高程为 168m ，水库容量为38109.21m ?，预测上游的流量()()s m t Q /3，d 取值如表2.2.1所示。 表2.2.1 上有流量()t Q 的预测 已知水库中水的容量( )3 810m V 与水位高程H （m ）的数值关系为表2.2.2 表2.2.2 水库库容量与水位高程的关系 如果当日从8时开始，水一直保持s m /10003 的泄流量，根据所给数据，预报从降雨时刻到56h 以内每小时整点时刻水库中水的库容量与水位高程。 例2.2.2 地下含沙量 某地区有优质细沙埋在地下，某公司拟在此处采沙，已得到该地区钻探资料图的一角如 下表，在每个格点上有三个数字列，都是相对于选定基点的高度（m ），最上面的数字是覆盖表面的标高，中间的数字是沙层顶部的标高最下面的数字是沙层底部的标高，每个格子都是正方形，边长50m 。画星号处，即沼泽表层地带，没有钻探数据。试估计整个矩形区域内的含沙量。 二、实验目的 插值模型是数据挖掘的另一类模型，插值（Interpolation ）的目的是根据能够获得的观测数据推测缺损的数据，此时观测数据(){}n i i i y x 1,=被视为精确的基准数据，寻找一个至少 满足条件的函数()x y y =，使得()n i x y y i i ,,2,1,Λ==，在本节我们强调的是插值模型的应用，而不是插值方法的构造。 三、问题陈述 2.2.1 一维插值 例2.2.1 水库库容量与高程 2.2.2 二维插值 例2.2.2 地下含沙量 2.2.3 泛克里金插值 四、模型及求解结果 2.2.1 一维插值 一元函数差值公式为 ()() ∑==n i i i x y x y 1 λ 其中 () x i λ是满足条件 ()ij i x δ=λ的函数，依据插值的公式，如最近邻差值，线性插值、分 数学建模实验报告 一、实验目的 1、通过具体的题目实例，使学生理解数学建模的基本思想和方法，掌握 数学建模分析和解决的基本过程。 2、培养学生主动探索、努力进取的的学风，增强学生的应用意识和创新 能力，为今后从事科研工作打下初步的基础。 二、实验题目 （一）题目一 1、题目：电梯问题有r个人在一楼进入电梯，楼上有n层。设每个 乘客在任何一层楼出电梯的概率相同，试建立一个概率模型，求直 到电梯中的乘客下完时，电梯需停次数的数学期望。 2、问题分析 （1）由于每位乘客在任何一层楼出电梯的概率相同，且各种可能的情况众多且复杂，难于推导。所以选择采用计算机模拟的 方法，求得近似结果。 （2）通过增加试验次数，使近似解越来越接近真实情况。 3、模型建立 建立一个n*r的二维随机矩阵，该矩阵每列元素中只有一个为1，其余都为0，这代表每个乘客在对应的楼层下电梯（因为每 个乘客只会在某一层下，故没列只有一个1）。而每行中1的个数 代表在该楼层下的乘客的人数。 再建立一个有n个元素的一位数组，数组中只有0和1,其中1代表该层有人下，0代表该层没人下。 例如： 给定n=8;r=6（楼8层，乘了6个人）,则建立的二维随机矩阵及与之相关的应建立的一维数组为： m = 0 0 1 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 1 0 0 0 0 1 0 0 c = 1 1 0 1 0 1 1 1 4、解决方法（MATLAB程序代码）： n=10;r=10;d=1000; a=0; for l=1:d m=full(sparse(randint(1,r,[1,n]),1:r,1,n,r)); c=zeros(n,1); for i=1:n for j=1:r if m(i,j)==1 c(j)=1; break; end continue; end end s=0; for x=1:n if c(x)==1 s=s+1; end continue; end a=a+s; end a/d 5、实验结果 ans = 6.5150 那么，当楼高11层，乘坐10人时，电梯需停次数的数学期望为6.5150。 （二）题目二 1、问题：某厂生产甲乙两种口味的饮料,每百箱甲饮料需用原料6 千克,工人10名,可获利10万元;每百箱乙饮料需用原料5千 克,工人20名,可获利9万元.今工厂共有原料60千克,工人 150名,又由于其他条件所限甲饮料产量不超过8百箱.问如何 安排生产计划,即两种饮料各生产多少使获利最大.进一步讨 论: 1)若投资0.8万元可增加原料1千克,问应否作这项投资. 2)若每百箱甲饮料获利可增加1万元,问应否改变生产计划. 2、问题分析 （1）题目中共有3个约束条件，分别来自原料量、工人数与甲饮料产量的限制。 （2）目标函数是求获利最大时的生产分配，应用MATLAB时要转换 数学建模中常见的十 大模型 精品文档 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MATLAB 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 收集于网络，如有侵权请联系管理员删除 离散建模 专业计算机科学与技术 班级 姓名 学号 授课教师 二 O 一七年十二月 离散建模是离散数学与计算机科学技术及IT技术应用间的联系桥梁。也是学习离散数学的根本目的。 它有两部分内容组成: 1.离散建模概念与方法 2.离散建模应用实例 一.离散建模概念与方法 1.1离散建模概念 在客观世界中往往需要有许多问题等待人们去解决。而解决的方法很多，最为常见的方法是将客观世界中的问题域抽象成一种形式化的数学表示称数学模型，从而将对问题域的求解变成为对数学表示式的求解。而由于人们对数学的研究已有数千年历史，并已形成了一整套行之有效的对数学求解的理论与方法，因此用这种数学方法去解决实际问题可以取得事倍功半的作用。而采用这种方法的关键之处是数学模型的建立，它称为数学建模，而当这种数学模型是建立在有限集或可列集之上时，此种模型的建立称离散建模。 1.2.离散建模方法 （1）两个世界理论 在离散建模中有两个世界，一个是现实世界另一个是离散世界。现实世界是问题域产生的世界，离散世界则是一种数学世界，它有三个特性：离散世界采用离散数学语言，该语言具有简洁性且表达力丰富。 离散世界所表示的是一种抽象符号，它是一种形式化符号体系。 离散世界中的环境简单，它在离散建模时设立，可以屏蔽大量无关信息对问题求解的干扰。 为求解问题须将问题域转换成离散模型,然后对离散模型求解,再逆向转换成现实世界中的解. （2）两个世界的转换 在离散建模方法中需要构作两种转换，即由现实世界到离散世界的转换以及由离散世界到现实世界的逆转换，而其中第一种转换尤为重要，这种转换我们一般即称之为离散建模。 下面对两种转换作介绍： 现实世界到离散世界的转换 实验02 初等模型（4学时） （第2章初等模型） 1.（编程）光盘的数据容量p23~27 表1 3种光盘的基本数据 CAV光盘：恒定角速度的光盘。 CLV光盘：恒定线速度的光盘。 R2=58 mm, R1=22.5 mm，d, ρ见表1。 CLV光盘的信息总长度(mm) L CLV 22 21 () R R d π- ≈ CLV光盘的信息容量(MB) C CLV = ρL CLV / (10^6) CLV光盘的影像时间(min) T CLV = C CLV / (0.62×60) CAV光盘的信息总长度(mm) L CAV 2 2 2 R d π≈ CAV光盘的信息容量(MB) C CAV = ρL CAV / (10^6) CAV光盘的影像时间(min ) T CAV = C CAV / (0.62×60) 1.1（验证、编程）模型求解 要求： ①（验证）分别计算出LCLV, CCLV和TCLV三个3行1列的列向量，仍后输出结果，并与P26的表2（教材）比较。 程序如下： ②（编程）对于LCAV, CCAV和TCAV，编写类似①的程序，并运行，结果与P26的表3（教材）比较。 ★要求①的程序的运行结果： ★要求②的程序及其运行结果： 1.2（编程）结果分析 信道长度LCLV 的精确计算：21 2R CLV R L d π=? 模型给出的是近似值：2221() CLV R R L L d π-= ≈ 相对误差为：CLV L L L δ-= 要求： ①取R2=58 mm, R1=22.5 mm，d, ρ见表1（题1）。 分别计算出LCLV, L和delta三个3行1列的列向量，仍后将它组合起来输出一个3行3列的结果。 ②结果与P26的表2和P27（教材）的结果比较。 [提示] 定积分计算用quad、quadl或trapz函数，注意要分别取d的元素来计算。要用数组d参与计算，可用quadv（用help查看其用法）。 ★编写的程序和运行结果： 程序： 数学模型与实验报告 姓名：王珂 班级：121111 学号：442 指导老师：沈远彤 数学模型与实验 一、数学规划模型 某企业将铝加工成A,B两种铝型材，每5吨铝原料就能在甲设备上用12小时加工成3吨A型材，每吨A获利2400元，或者在乙设备上用8小时加工成4吨B型材，每吨B获利1600元。现在加工厂每天最多能得到250吨铝原料，每天工人的总工作时间不能超过为480小时，并且甲种设备每天至多能加工100吨A，乙设备的加工能力没有限制。 （1）请为该企业制定一个生产计划，使每天获利最大。 （2）若用1000元可买到1吨铝原料，是否应该做这项投资若投资，每天最多购买多少吨铝原料 （3）如果可以聘用临时工人以增加劳动时间，付给工人的工资最多是每小时几元 （4）如果每吨A型材的获利增加到3000元，应否改变生产计划 题目分析： 每5吨原料可以有如下两种选择： 1、在甲机器上用12小时加工成3吨A每吨盈利2400元 2、在乙机器上用8小时加工成4吨B每吨盈利1600元 限制条件： 原料最多不可超过250吨，产品A不可超过100吨。工作时间不可超过480小时线性规划模型： 设在甲设备上加工的材料为x1吨，在乙设备上加工的原材料为x2吨，获利为z，由题意易得约束条件有： Max z = 7200x1/5 +6400x2/5 x1 + x2 ≦ 250 12x1/5 + 8x2/5 ≦ 480 0≦3x1/5 ≦ 100, x2 ≧ 0 用LINGO求解得： VARIABLE VALUE REDUCED COST X1 X2 ROW SLACK OR SURPLUS DUAI PRICE 1 2 3 4 做敏感性分析为： VARIABLE CURRENT ALLOWABLE ALLOWABLE COFF INCREASE DECREASE X1 X2 ROW CURRENT ALLOWABLE ALLOWABLE RHS INCREASE DECREASE 2 3 4 INFINITY 1、可见最优解为x1=100，x2=150，MAXz=336000。因此最优解为在甲设备上用100吨原料生产A产品，在乙设备上用150吨原料生产B产品。最大盈利为336000. 2、由运算结果看约束条件1（原料）的影子价格是960，即每增加1吨原料可收入960，小于1000元，因此不购入。 3、同理可得，每小时的影子价格是40元，因此聘用员工的工资不可超过每小时40元。 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'); 数学建模中常见的十大 模型 Document serial number【KKGB-LBS98YT-BS8CB-BSUT-BST108】 数学建模常用的十大算法==转 (2011-07-24 16:13:14) 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MATLAB 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 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。 ? 1.1.3 初识MATLAB 例1-1 绘制正弦曲线和余弦曲线。 x=[0:0.5:360]*pi/180; plot(x,sin(x),x,cos(x)); ?例1-2 求方程 3x4+7x3 +9x2-23=0的全部根。 p=[3,7,9,0,-23]; %建立多项式系数向量 x=roots(p) %求根 ?例1-3 求积分 quad('x.*log(1+x)',0,1) ?例1-4 求解线性方程组。 a=[2,-3,1;8,3,2;45,1,-9]; b=[4;2;17]; x=inv(a)*b ? 1.2.1 MATLAB的运行环境 硬件环境： (1) CPU (2) 内存 (3) 硬盘 (4) CD-ROM驱动器和鼠标。 软件环境： (1) Windows 98/NT/2000 或Windows XP (2) 其他软件根据需要选用 ? 1.3.1 启动与退出MATLAB集成环境 1．MATLAB系统的启动 与一般的Windows程序一样，启动MATLAB系统有3种常见方法： (1)使用Windows“开始”菜单。 (2)运行MATLAB系统启动程序matlab.exe。 (3) 利用快捷方式。 ?启动MATLAB后，将进入MATLAB 6.5集成环境。MATLAB 6.5集成环境包括MATLAB 主窗口、命令窗口(Command Window)、工作空间窗口(Workspace)、命令历史窗口(Command History)、当前目录窗口(Current Directory)和启动平台窗口(Launch Pad)。 ?2．MATLAB系统的退出 要退出MATLAB系统，也有3种常见方法： (1) 在MATLAB主窗口File菜单中选择Exit MATLAB命令。 (2) 在MATLAB命令窗口输入Exit或Quit命令。 (3) 单击MATLAB主窗口的“关闭”按钮。 ? 1.3.2 主窗口 MATLAB主窗口是MATLAB的主要工作界面。主窗口除了嵌入一些子窗口外，还主要包括菜单栏和工具栏。 1．菜单栏 在MATLAB 6.5主窗口的菜单栏，共包含File、Edit、View、Web、Window和Help 6个菜单项。 数学模型的分类 按模型的数学方法分： 几何模型、图论模型、微分方程模型、概率模型、最优控制模型、规划论模型、马氏链模型等 按模型的特征分： 静态模型和动态模型，确定性模型和随机模型，离散模型和连续性模型，线性模型和非线性模型等 按模型的应用领域分： 人口模型、交通模型、经济模型、生态模型、资源模型、环境模型等。 按建模的目的分： 预测模型、优化模型、决策模型、控制模型等 一般研究数学建模论文的时候，是按照建模的目的去分类的，并且是算法往往也和建模的目的对应 按对模型结构的了解程度分： 有白箱模型、灰箱模型、黑箱模型等 比赛尽量避免使用，黑箱模型、灰箱模型，以及一些主观性模型。 按比赛命题方向分： 国赛一般是离散模型和连续模型各一个，2016美赛六个题目（离散、连续、运筹学/复杂网络、大数据、环境科学、政策） 数学建模十大算法 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，比较好用的算法） 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 （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 （很多问题都是从实际来的，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进行处理） 算法简介 1、灰色预测模型（必掌握） 解决预测类型题目。由于属于灰箱模型，一般比赛期间不优先使用。 满足两个条件可用： ①数据样本点个数少，6-15个 ②数据呈现指数或曲线的形式 2、微分方程预测（高大上、备用） 微分方程预测是方程类模型中最常见的一种算法。近几年比赛都有体现，但其中的要求，不言而喻。学习过程中 无法直接找到原始数据之间的关系，但可以找到原始数据变化速度之间的关系，通过公式推导转化为原始数据的关系。 3、回归分析预测（必掌握） 求一个因变量与若干自变量之间的关系，若自变量变化后，求因变量如何变化； 样本点的个数有要求： ①自变量之间协方差比较小，最好趋近于0，自变量间的相关性小； ②样本点的个数n＞3k+1，k为自变量的个数； 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 按模型的数学方法分： 几何模型、图论模型、微分方程模型、概率模型、最优控制模型、规划论模型、马氏链模型等 按模型的特征分： 静态模型和动态模型，确定性模型和随机模型，离散模型和连续性模型，线性模型和非线性模型等 按模型的应用领域分： 人口模型、交通模型、经济模型、生态模型、资源模型、环境模型等。 按建模的目的分： 预测模型、优化模型、决策模型、控制模型等 一般研究数学建模论文的时候，是按照建模的目的去分类的，并且是算法往往也和建模的目的对应 按对模型结构的了解程度分： 有白箱模型、灰箱模型、黑箱模型等 比赛尽量避免使用，黑箱模型、灰箱模型，以及一些主观性模型。 按比赛命题方向分： 国赛一般是离散模型和连续模型各一个，2016美赛六个题目（离散、连续、运筹学/复杂网络、大数据、环境科学、政策） 数学建模十大算法 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，比较好用的算法） 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 （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 （很多问题都是从实际来的，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进行处理） 算法简介 1、灰色预测模型（必掌握） 实验09 离散模型（2学时） （第8章离散模型） 1. 层次分析模型 1.1（验证，编程）正互反阵最大特征根和特征向量的实用算法p263~264 已知正互反阵 261????1/21A?4????1/461/1?? 注：[263]定理2 n阶正互反阵A的最大特征根≥n。 ★(1) 用MATLAB函数求A的最大特征根和特征向量。 调用及运行结果（见[264]）： 1 3.0092 k = 1 >> w=V(:,k)/sum(V(:,k)) w = 0.5876 0.3234 0.0890 [263]）(2) 幂法（见n正互反矩阵，算法步骤如下：A为n×(0)w 1）；a. 任取n 维非负归一化初始列向量（分量之和为)k?1)((k2,0,1,?Aww,k?；计算b. 1)?(k w 1)k?(?w1)k?(w归一化，即令c. ；n ?1)?(k w i 1i?)(1)k(k?1)k?(?)n|?|w,(i?w?1,2,w即，当d. 对于预先给定的精度ε时，ii b；为所求的特征向 量；否则返回到步骤1)?(kn w1??i?。e. 计算最大特征根 )(k wn1i?i 注：)k(k?1)(((k)k)???wAw??ww? 1)(k? w?i n,i?1,2,?? )k(w i 文件如下：函数式m [lambda w]=p263MI(A,d) function——求正互反阵最大特征根和特征向量%幂法% A 正互反方阵% d 精度 2 % lambda 最大特征根归一化特征列向量% w 0.000001，则d取if(nargin==1) %若只输入一个变量（即A）d=1e-6; end 的阶数取方阵A n=length(A); %任取归一化初始列向量 w0=w0/sum(w0);%w0=rand(n,1); 1 while ww=A*w0; %归一化w=ww/sum(ww); all(abs(w-w0) 数学建模与数学实验试卷及答案 二、本题10分(写出程序和结果) 蚌埠学院2010—2011学年第二学期 2,x在 [-5 ，5] 区间内的最小值，并作图加以验证。求函数yxe,，,3《数学建模与数学实验》补考试卷答案 f1=inline('x.^2 +exp(-x)-3') 注意事项:1、适用班级:09数学与应用数学本科1,2班 2、本试卷共1页，附答题纸1页。满分100分。 x=fmin(f1,-5,5) 3、考查时间100分钟。 y=f1(x) 4、考查方式:开卷 fplot(f1,[-5,5]) 一、填空:(每空4分，共60分) x = 0.3517，y== -2.1728 123111,，，，， ,,,,三、本题15分(写出程序和结果) 1. 已知，，则A的秩为 3 ，A的特征值为 A,612B,234,,,, ,,,,,215531,，，，，360000xx，,,12,max2.5fxx,，求解:， stxx..250000，,,1212-1.9766 4.4883 + 0.7734i 4.4883 - 0.7734i ，若令 A([1,3],:)= B([2,3],:)，则,x,150001,A(2,:)= 6 1 2 ; 解: xxx，，,22,123,model: 2. 的解为 1.25 ,0.25 0.5 ; xxx，，,521,123max=2.5*x1+x2; ,242xxx，，,123,3*x1+x2<=60000; 装订线内不要答题 2*x1+x2<=50000; 3. 将1234521 分解成质因数乘积的命令为_factor(sym(‘1234521’)), 数学建模与数学实验 实验报告 班级: 数学师范153 姓名:付爽 学号:1502012060 实验名称: 数列极限与函数极限 基础实验 基础实验一数列极限与函数极限第一部分实验指导书解读 一、实验目的 从刘徽的割圆术、裴波那奇数列研究数列的收敛性并抽象出极限的定义;理解数列收敛的准则;理解函数极限与数列极限的关系。 二、实验使用软件 Mathematic 5、0 三.实验的基本理论即方法 1割圆术 中国古代数学家刘徽在《九章算术注》方田章圆田术中创造了割圆术计算圆周率π。刘徽先注意到圆内接正多边形的面积小于圆面积;其次,当将边数屡次加倍时,正多边形的面积增大,边数愈大则正多边形面积愈近于圆的面积。 “割之弥细,所失弥少。割之又割以至不可割,则与圆合体而无所失矣。”这几句话明确地表明了刘徽的极限思想。 以n S 表示单位圆的圆内接正1 23-?n 多边形面积,则其极限为 圆周率π。用下列Mathematica 程序可以从量与形两个角度考察数列{n S }的收敛情况: m=2;n=15;k=10; For[i=2,i<=n,i++, l[i_]:=N[2*Sin[Pi/(3*2^i)],k]; (圆 内接正1 23-?n 多边形边长) s[i_]:=N[3*2^(i-1)*l[i]*Sqrt[1-(l[i])^2/4],k]; (圆内接正1 23-?n 多边形面积) r[i_]:=Pi-s[i]; d[i_]:=s[i]-s[i-1]; Print[i," ",r[i]," ",l[i]," ",s[i]," ",d[i]] ] t=Table[{i,s[i]},{i,m,n}] (数组) ListPlot[t] (散点图) 2裴波那奇数列与黄金分割 由2110;1; 0--+===n n n F F F F F 有著名的裴波那奇数列}{n F 。 如果令n n n F F R 11 --=,由n F 递推公式可得出 11111/11---+=+=+=n n n n n n n R F F F F F R ,]251251[511 1 ++??? ? ??--??? ? ??+=n n n F ; 2 15lim lim 1 -==+∞ →∞ →n n n n n F F R 。 用下列Mathematica 程序可以从量与形两个角度考察数列{n R }的收敛情况: n=14,k=10; For[i=3,i<=n,i++, t1=(Sqrt[5]+1)/2; t2=(1-Sqrt[5])/2; . .. . 离散建模 专业计算机科学与技术 班级 姓名 学号 授课教师 二 O 一七年十二月 .. ..范文 . . 离散建模是离散数学与计算机科学技术及IT技术应用间的联系桥梁。也是学习离散数学的根本目的。 它有两部分容组成: 1.离散建模概念与方法 2.离散建模应用实例 一.离散建模概念与方法 1.1离散建模概念 在客观世界中往往需要有许多问题等待人们去解决。而解决的方法很多，最为常见的方法是将客观世界中的问题域抽象成一种形式化的数学表示称数学模型，从而将对问题域的求解变成为对数学表示式的求解。而由于人们对数学的研究已有数千年历史，并已形成了一整套行之有效的对数学求解的理论与方法，因此用这种数学方法去解决实际问题可以取得事倍功半的作用。而采用这种方法的关键之处是数学模型的建立，它称为数学建模，而当这种数学模型是建立在有限集或可列集之上时，此种模型的建立称离散建模。 1.2.离散建模方法 （1）两个世界理论 在离散建模中有两个世界，一个是现实世界另一个是离散世界。现实世界是问题域产生的世界，离散世界则是一种数学世界，它有三个特性：离散世界采用离散数学语言，该语言具有简洁性且表达力丰富。 离散世界所表示的是一种抽象符号，它是一种形式化符号体系。 离散世界中的环境简单，它在离散建模时设立，可以屏蔽大量无关信息对问题求解的干扰。 为求解问题须将问题域转换成离散模型,然后对离散模型求解,再逆向转换成现实世界中的解. （2）两个世界的转换 在离散建模方法中需要构作两种转换，即由现实世界到离散世界的转换以及由离散世界到现实世界的逆转换，而其中第一种转换尤为重要，这种转换我们一般即称之为离散建模。 下面对两种转换作介绍： 现实世界到离散世界的转换数学建模专题汇总-离散模型
数学建模实验答案-概率模型
数学模型与数学建模实验五
数学建模实验报告
数学建模中常见的十大模型讲课稿
(完整word版)离散数学建模
数学建模实验答案初等模型
数学模型与实验报告习题
数学建模实验
数学建模中常见的十大模型
数学建模与实验
数学建模常用算法模型
数学建模与数学实验习题
数学建模常用算法模型
数学建模实验答案 离散模型讲解
数学建模与数学实验试卷及答案
数学建模与数学实验
离散数学建模
相关主题
文本预览