数学建模 离散问题建模方法及案例分析
- 格式:ppt
- 大小:343.00 KB
- 文档页数:29
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。
离散选择模型 1离散选择模型2二、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。
10yes x 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。
离散选择模型3三、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i y 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i x 。
如果选择响应YES的概率为(1/)i p y =i x ,则经济主体选择响应NO的概率为1(1/)i i p y -=x ,则(/)1(1/)0(0/)i i i i i i E y p y p y =⨯=+⨯=x x x =(1/)i i p y x =。
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(1/)(/)i i i i i p y x E y x '===x β011i k ik i x x u βββ=++++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离散选择模型4并不一定能够保证回归模型的因变量拟合值界于[0,1]。
离散事件系统建模方法论离散事件系统是由一系列特定事件组成的系统,每个事件都是离散的,即在一段时间内只发生一次,与此相对的是连续事件系统。
离散事件系统广泛应用于工业、交通、电子、金融等领域,在系统建模和控制中起到重要作用。
本文就离散事件系统建模方法论进行探讨。
一、离散事件系统的特性离散事件系统具有以下几个特性:1. 系统状态具有离散性。
2. 事件是一个重要组成部分且发生的时刻难以预测。
3. 系统状态只有在事件发生时才会发生变化。
4. 事件与状态转移有直接关系。
由于离散事件系统具有这些特性,因此建模时应该将这些特性纳入考虑。
二、建模方法论离散事件系统建模的基本方法包括:状态转移图法、Petri网法、自动机法、时序图法等。
1. 状态转移图法状态转移图法是一种离散事件系统建模方法,其核心思想是将系统的状态与事件相结合。
状态转移图法主要由以下几个部分组成:①系统状态集合。
②从一个系统状态到另一个系统状态的转移条件。
③从一个系统状态到另一个系统状态的转移动作。
④特定条件下事件的发生。
状态转移图法的优点在于其能够清晰地反映出系统中状态之间的关系,方便后续分析和控制决策。
2. Petri网法Petri网是由基尔霍夫(G. K. Chkhov)于1962年提出,是一种结构图形表示、描述并行系统运行行为的方法。
Petri网法主要由以下几个部分组成:①模型中所包含的各种元素。
②元素间的关系及规则。
③模型中元素的特性。
④模型的描述语言及语法。
Petri网法与状态转移图法相比,其表示能力更强,可描述更加复杂的系统结构和行为。
3. 自动机法自动机是一种能够自主进行动作和响应的离散事件系统。
在自动机法中,系统的行为由内部处理过程和输入/输出信号共同决定。
自动机法主要由以下几个部分组成:①状态集合。
②从一个状态到另一个状态的转移条件。
③输入/输出信号。
④内部处理过程。
自动机法适用于快速响应、实时控制等需要快速决策的系统。
4. 时序图法时序图法是一种对系统时间序列进行表示的方法。
数学建模离散优化模型与算法设计数学建模在离散优化问题的解决中起着重要的作用。
离散优化问题是指在给定的离散集合上寻找最优解的问题,一般包括整数规划、组合优化、排班优化等。
数学建模则是将实际问题转化为数学模型的过程,在离散优化问题中,需要设计相应的数学模型,并通过算法求解最优解。
离散优化问题的数学模型通常包括目标函数和约束条件两个方面。
目标函数用于衡量解的优劣程度,约束条件则是对解的限制条件。
通过定义合适的目标函数和约束条件,可以将实际问题转化为一个数学优化问题。
在构建数学模型时,需要考虑实际问题的特点。
例如,在排班优化问题中,需要考虑员工的需求以及工作时间的限制,将员工的排班安排转化为一个数学模型。
在整数规划问题中,需要考虑变量的取值范围,将问题转化为整数规划模型。
在数学建模的基础上,需要设计相应的算法来求解离散优化问题。
常见的算法包括贪心算法、动态规划算法、遗传算法等。
选择合适的算法取决于问题的规模和特点。
贪心算法是一种简单而直观的算法,每一步都选择当前最优的解来构建解空间,在一些问题上具有较好的效果。
动态规划算法则通过将问题划分为一系列子问题,并保存子问题的解,从而避免重复计算,提高计算效率。
遗传算法则是一种模拟生物进化的算法,通过遗传、交叉和变异等操作来最优解。
除了算法设计,还需要考虑算法的优化。
例如,在排班优化问题中,可以通过合理的约束条件和目标函数设计,来减少空间,提高算法效率。
此外,还可以使用启发式算法等方法来加速过程。
总之,数学建模在离散优化问题的解决中起着重要的作用。
通过合适的数学模型和算法设计,可以有效地求解离散优化问题,并得到最优解。
在实际应用中,还需要考虑问题的特点来选择合适的算法,并通过优化算法提高求解效率。
集美大学计算机工程学院实验报告课程名称:数学建模指导教师:付永钢 实验成绩: 实验项目编号:实验六实验项目名称:离散模型 班级:计算12姓名: 学号: 上机实践日期:2014.12上机实践时间: 2 学时一、实验目的了解离散模型的建模,掌握对离散数据的插值、迭代等处理原理和方法。
二、实验内容1、对教材第8章(P270图1)中所给出的比赛得出的竞赛图给出对应的邻接矩阵,然后计算该矩阵的最大特征值,并计算该特征值对应的特征向量,将该特征向量进行归一化处理;同时,对该邻接矩阵,利用式T e Ae s )1....,1,1,1(,)1(== )1()(-=k k As s , k=1,2,….进行迭代,对该迭代向量进行归一化处理,计算迭代200次以后的结果,与前面计算出的归一化特征向量值进行比较,得出你的结论。
2、对第7章中给出的差分方程)1(1k k k x bx x -=+,对不同的参数b=1.7, b=2.7, b=3.31, b=3.46, b=3.56分别计算迭代100次的结果,观察其中的单周期收敛,倍周期收敛,4倍周期收敛,混沌等现象。
3、阅读水流量估计的模型求解过程,跟随该模型求解过程中所给出的代码进行逐一尝试,了解对离散数据进行通常建模处理的一般过程和思路。
三、实验使用环境WindowsXP 、Lindo.6.1四、实验步骤1、循环比赛的名次模型求解(1)分析图1,得到邻接矩阵:(2)记定点的得分向量为s=(s1,s2,……sn )T,其中si 是顶点i 的得分(3)归一化特征值向量值:图1通过MATLAB得到结果:结果分析:通过分析MATLAB得到的记过可知该矩阵的最大特征值为2.2324,对应的特征向量为:-0.5561,-0.3841,-0.5400,-0.2653,-0.3503,-0.2419。
归一化后的结果为:0.2379,0.1643,0.2310,0.1135,0.1489,0.1035,所以得到排出的名次为{1,3,2,5,4,6}结果分析:由于以上结果可知,任一列的特征向量排序均为{1,3,2,5,4,6},与利用计算出的归一化特征值排序的结果一致,但迭代200次后的特征向量与前面的特征向量结果不一致。
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该转换又称离散建模或简称转换。
这种转换是离散建模方法的核心。
它实际上是将现实世界中的问题转换成离散世界中的离散模型。
这种过程是将问题域中问题采取屏蔽语义、简化环境、强化关系所形成的一种抽象化、形式化过程,在转换时所要采用下面几种手段:1.选取一种离散语言,亦即是选择一个离散数学学科门类,(如图论,代数系统,数理逻辑及关系等,也可以选择其中的一些子门类如图论中的树,代数系统中的群论等等),以此学科的符号体系作为一种形式语言称离散语言。
常用数学建模方法及实例数学建模是将实际问题转化为数学模型,通过数学方法进行求解和分析的过程。
常用的数学建模方法包括线性规划、整数规划、非线性规划、图论、动态规划等。
一、线性规划线性规划是一种用于求解线性约束下目标函数的最优值的方法。
它常用于资源分配、生产计划、供应链管理等领域。
例1:公司有两个工厂生产产品A和产品B,两种产品的生产过程需要使用原材料X和Y。
产品A和产品B的利润分别为10和8、工厂1每小时生产产品A需要1个单位的X和2个单位的Y,每小时生产产品B需要2个单位的X和1个单位的Y。
工厂2每小时生产产品A需要2个单位的X和1个单位的Y,每小时生产产品B需要1个单位的X和3个单位的Y。
公司给定了每种原材料的供应量,求使公司利润最大化的生产计划。
二、整数规划整数规划是线性规划的一种扩展,要求变量的取值为整数。
整数规划常用于离散决策问题。
例2:公司有5个项目需要投资,每个项目的投资金额和预期回报率如下表所示。
公司有100万元的投资资金,为了最大化总回报率,应该选择哪几个项目进行投资?项目投资金额(万元)预期回报率1207%2306%3409%4104%5508%三、非线性规划非线性规划是一种求解非线性目标函数下约束条件的最优值的方法。
它广泛应用于经济、金融和工程等领域。
例3:公司通过降低售价和增加广告费用来提高销售额。
已知当售价为p时,销量为q=5000-20p,广告费用为a时,销售额为s=p*q-2000a。
已知售价的范围为0≤p≤100,广告费用的范围为0≤a≤200,公司希望最大化销售额,求最优的售价和广告费用。
四、图论图论是一种用于研究图(由节点和边组成)之间关系和性质的数学方法,常用于网络分析、路径优化、社交网络等领域。
例4:求解最短路径问题。
已知一个有向图,图中每个节点表示一个城市,每条边表示两个城市之间的道路,边上的权重表示两个城市之间的距离。
求从起始城市到目标城市的最短路径。
五、动态规划动态规划是一种通过将问题划分为子问题进行求解的方法,常用于求解最优化问题。