15.题目（说明：由于该系统为捕食系统，必须依赖才能生存，
故单独存在时，增长率为负值，因此题目有错，应该用来替换掉，修改后题目如下）
捕食系统
满足
①；
②初始时刻食饵十分丰富。
试证明：捕食种群开始时增大，达到某一最大值后开始减少，最后趋于灭亡。
解：解方程组
求得该捕食系统的的奇点：
, , ，。
然后判断这四个奇点的稳定性。
该方程组的系数矩阵的每个元素为：
⑴对于，该系数矩阵为：，则该矩阵的特征值分
别为，，由于两个特征值为异号实数，故这点不是稳定点。
⑵对于，该系数矩阵为：，则该矩阵的
特征值分别为，。两个特征值均是正实数，故该点不是稳定点。
⑶对于，该系数矩阵为：，则该矩阵
的特征值分别为，，由于，故，两特征值均是负数，故该点是稳定点。
⑷对于，由于，该点的纵坐标
为负值，即捕食种群数量小于零，显然这与事实不符，应舍去！综上四种情况，我们得知该系统的稳定点为，也即食饵数量最后稳定在，而捕食种群的数量最终为零，趋于灭亡。
下面详细分析一下捕食种群的变化情况：先看捕食系统中的第二个方
程，由于题设条件约定初始时刻食饵非常丰富，故我们可以认为初始时刻捕食者的数量相对来说是比较少的，也就是说有，故方
程在开始时刻可以忽略最后一项，则在初始时刻是大于0的，也即食饵的丰富使得捕食种群的数量开
始是增大的。但是从方程可以看出，由于捕食者的增多，会导致食饵的急剧减少，食饵的减少会导致捕食者的增长率减小，捕食者的数量会达到一个最大值后，由于没有了足够的食饵，数量开始减少，最终趋于灭亡！
综上分析，我们证明了捕食种群开始时增大，达到某一最大值后开始减少，最后趋于灭亡。
第1章建模与仿真的基本概念 参照P8例子，列举一个你相对熟悉的简单实际系统为例，采用非形式描述出来。 第2章建模方法论 1、什么是数学建模形式化的表示？试列举一例说明形式化表示与非形式化表示的区别。 模型的非形式描述是说明实际系统的本质，但不是详尽描述。是对模型进行深入研究的基础。主要由模型的实体、包括参变量的描述变量、实体间的相互关系及有必要阐述的假设组成。模型的非形式描述主要说明实体、描述变量、实体间的相互关系及假设等。 例子：环形罗宾服务模型的非形式描述： 实体 CPU，USR1，…，USR5 描述变量 CPU:Who,Now(现在是谁)----范围{1,2,…,5}; Who.Now=i表示USRi由CPU服务。 USR：Completion.State（完成情况）----范围[0，1]；它表示USR完成整个程序任务的比例。参变量 X-----范围[0，1]；它表示USRi每次完成程序的比率。 i 实体相互关系 （1）CPU 以固定速度依次为用户服务，即Who.Now为1，2，3，4，5，1，2…..循环运行。 X工作。假设：CPU对USR的服务时间固定，不（2）当Who.Now=I,CPU完成USRi余下的 i X决定。 依赖于USR的程序；USRi的进程是由各自的参变量 i 2、何谓“黑盒”“白盒”“灰盒”系统？ “黑盒”系统是指系统内部结构和特性不清楚的系统。对于“黑盒”系统，如果允许直接进行实验测量并通过实验对假设模型加以验证和修正。对属于黑盒但又不允许直接实验观测的系统，则采用数据收集和统计归纳的方法来假设模型。 对于内部结构和特性清楚的系统，即白盒系统，可以利用已知的一些基本定律，经过分析和演绎导出系统模型。 3、模型有效性和模型可信性相同吗？有何不同？ 模型的有效性可用实际系统数据和模型产生的数据之间的符合程度来度量。它分三个不同级别的模型有效：复制有效、预测有效和结构有效。不同级别的模型有效，存在不同的行为水平、状态结构水平和分解结构水平的系统描述。 模型的可信度指模型的真实程度。一个模型的可信度可分为： 在行为水平上的可信性，即模型是否重现真实系统的行为。 在状态结构水平上可信性，即模型能否与真实系统在状态上互相对应，通过这样的模型可以对未来的行为进行唯一的预测。 在分解结构水平上的可信性，即模型能否表示出真实系统内部的工作情况，而且是惟一表示出来。 不论对于哪一个可信性水平，可信性的考虑贯穿在整个建模阶段及以后各阶段，必须考虑以下几个方面： 1在演绎中的可信性。2在归纳中的可信性。3在目的方面的可信性。 4、基于计算机建模方法论与一般建模方法论有何不同？（P32） 经典的建模与仿真的主要研究思路，首先界定研究对象-实际系统的边界和建模目标，利用已有的数学建模工具和成果，建立相应的数学模型，并用计算装置进行仿真。这种经典的建
数学建模培训课程体系设计探讨 王茂芝，徐文皙，郭科 （成都理工大学信息管理学院，四川成都 610059） 摘要：数学建模培训的目标是培养学生应用数学解决实际问题的能力．对参与数学建模培训的学生的能力要求主要包括： 对数学学科的宏观驾驭能力，分析和解决问题以及数学建模的能力，数学模型的求解能力以及对计算机工具和数学软件的使 用能力，数学迁移能力和创新能力等．数学建模培训课程体系设计包括以下几个阶段：准备阶段，建模预处理阶段，专题培 训阶段及模拟和实战阶段． 关键词：数学建模；工科数学；数学教学改革 中图分类号： G642.3，O29 文献标识码： A 文章编号：1004–9894（2005）01–0079–03 全国大学生数学建模活动对于全方位提高学生的素质 和能力；提升教师的教学水平、业务能力和科研水平；促进 工科数学的教学改革等方面都起到了积极有效的推动作 用．《数学模型》和《数学实验》课程的开设，数学实验室 的建立等多种教学方式、措施和手段的出现都是数学建模活 动的开展带来的实际教学改革成果．本文作者根据多年来组 织、指导全国大学生数学建模的实际，针对在数学建模培训 过程中所讲授的内容以及开设的专题，从数学学科的角度对 数学建模培训课程体系的设置进行一些探讨． 1 数学建模培训的目标 数学建模是把数学作为一种工具，并应用它解决实际问 题的教学活动方式．由于实际问题背景的复杂性和广泛性， 同时也因为数学学科涵盖范围的广泛性，导致在数学建模培 训过程中相关课程（或专题）的开设既要考虑到点，又要照 顾到面．在点和面相结合的同时，重点培养并提高学生的多
种能力．这样才能达到应用数学解决实际问题的目的 [1~3]． 由于大学生数学建模竞赛的主要参赛对象是大学二、三 年级的学生，所以参与培训的学生一般都具有一定的数学基础（基本都学过《线性代数》《高等数学》《概率论与数理统计》这 3门基础课程）．同时，由于数学建模集中培训（集 训）的时间有限，不可能在这么短的时间里把数学的相关基础课程和专业课程进行详尽地讲解．比较现实和可行的方法是：根据数学建模的目标要求以及数学学科的特点，通过开设一些专题讲座，有针对性地提高学生的能力． 1.1 数学建模培训的能力要求 经过多年的实践和探索，我们认为对于参与数学建模培 训的学生的能力要求有以下几个方面． 第一是对数学学科的宏观驾驭能力．也就是通过培训， 使学生对数学的学科划分、专业设置、相关课程设置、学科特点等都有一定的理解和认识．这实际上是一个占领制高点的过程，对于后续课程有一个清晰的脉络和清醒的认识．这 一步的完成在很大程度上可以使整个培训过程达到事半功 倍的效果．但前提是要求参与培训讲解的指导老师需要有较好的数学素养． 第二是对于一个给定的复杂问题背景，要学会理清两个 问题．一是透过问题背景知道告诉了我们什么已知信息；二是要求我们明确做什么，解决什么问题．然后紧密联系上面两个问题，实现两个量化．一是对已知条件的符号化和量化； 二是对需解决问题的转化和量化．最后，再联系自己对数学知识的把握、对数学建模方法的领悟，借助一系列数学工具（方程、函数、矩阵、向量等）把量化后的符号（变量）组 织起来建立数学模型． 第三是数学模型的求解能力，以及对计算机和数学软件
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
武汉理工大学2014年数学建模课程论文题目：金属板的切割问题 姓名：李冬波 学院：自动化学院 专业：自动化 学号：012121136329 选课老师：何朗 2014年6月22日
摘要 金属板的切割问题要求对金属板的切割方式进行构思，希望通过数学可以达到效率较高、成本较低的可能性。应该先通过穷举的方法找到所有可能性，在所有可能性中保留最优的可能性。所谓最优即效率较高、成本较低的可能。 在确立了6种切割模式的基础上，再建立非线性规划的数学模型，以模式为基点，将题中订单需求转化为求解金属原料此目标函数的约束条件。在通过LINGO软件的数学规划模型求解功能求解出目标函数值，并通过检验证明，该模型求解出的最少原料使用量与具体切割模式是完全满足题目要求的。 关键词：切割模式、非线性规划、 LINGO
目录 一、问题重述 ------------------------------4 二、问题假设 ------------------------------4 三、模型建立----------------------------------------------5 符号说明------------------------------------------------5 建立模型------------------------------------------------5 四、模型求解----------------------------------------------6 五、求解结果---------------------------------------------7 六、结果检验分析---------------------------------------7 七丶结论-----------------------------------------------8 八、参考文献---------------------------------------------8
“管理系统数学建模”课程教学大纲 英文名称：Management system mathematic modeling 课程编号：MAGT3776 学时：32 （理论学时：30 实验学时：0上机学时：0课外学时：20）学分：2 适用对象：行政管理，社会保障专业 先修课程：高等数学，线性代数，运筹学、经济博弈论 使用教材及参考书： [1]经济数学模型教改组编.经济数学模型.西安：西安交通大学理学 院,2005. [2]齐欢，代建民，奇翔.公共部门数学建模方法及案例.北京：科学出 版社，2007. [3]高洪深.经济系统分析法.北京：清华大学出版社，2007. [4]谭跃进，陈英武，易进先.系统工程原理.长沙:国防科技大学出版社， 1999. [5]谢识予.经济博弈论.上海：复旦大学出版社，2002. 一、课程性质和目的 性质：专业应用课 目的：使本专业学生掌握数学建模方法，并能应用到专业领域。 二、课程内容简介 本课程通过对初等经济方法模型、微分学模型、线性代数模型、随机决策模型和AHP、博弈论的相关知识、MATLAB的基
本功能和使用等知识的学习，让学生对管理系统数学建模的知识有所掌握，使本专业学生的定量分析能力进一步得到提高，增加学生对所学知识的应用能力和实践能力，把管理学与经济学的相关知识应用到数学建模中去。 三、教学基本要求 1．熟练掌握初等经济方法模型 2．掌握微分学模型 3．熟练掌握线性代数模型 4．掌握随机决策模型和AHP 5. 掌握博弈论的相关知识 6．熟悉MATLAB的基本功能和使用 四、教学内容及安排 第一章：公共部门数学建模概论 1.公共管理与数学建模概况 2. 复杂科学与公共管理 教学安排及教学方式
数学建模：课程安排优化问题
2012年数学建模竞赛 参赛队员 题目 A题：课程安排优化问题 关键词排课问题，优化矩阵，有效矩阵 摘要 每学期的开学初，总有许多老师对阳光校区的课程安排很有意见，本文选取武汉纺织大学机械设计系的师生情况、课程、教室间数为研究对象，以课程与上课时间之间的关系矩阵为目标矩阵，通过用各影响矩阵优化目标矩阵的方法，对机械设计系的课表进行了重排。在具体模型建立过程中采用了0-1矩阵法，矩阵的乘法等数学方法，建立优化类数学模型来求解有效矩阵，根据有效矩阵初排课表，结合多方面因素建立修正矩阵，对初排课表逐层修改，得出最优排课表。 运用我们建立的数学模型，对武汉纺织大学机械设计系的课表进行重排，将所得新课表与现有的课表进行比较，显然新排的课表更加合理化、人性化。根据新课表中每节课对应的相关因素（课程名称、教室、老师、班级）进行分析整合，可衍生出新的安排表（如通过对不同时间段上课老师人数的研究安排校车的接送）。我们以学校、教师和学生对所排课表满意度作为衡量标准，以···大学机械设计系的课表为例，可得学校、教师和学生对我们所排课表的满意度主因素分别为校车接送次数、在阳光校区逗留时间、专业课排在早上，可见对本模型使三方的满意度基本均衡且都超过80%，即做到了三者兼顾的满意最大化。最后，根据我们建立的模型，分析了模型的优缺点。
一、问题重述 我校现有三个校区，有在校学生近25000人，其中阳光校区在校学生人数最多。阳光校区现有四栋教学楼，分别是3号、6号、7号和8号楼，四栋教学楼之间有较大的距离，如从3号楼到8号楼步行需要约10分钟。我校的学生作息时间安排中，一天共有13节课，划分为5个时间段，分别是1-2节、3-5节、6-8节、9-10节、11-13节。按学校的规定同一门课程一天中最多可集中上3节课，一周不得超过6节。同一年级的相同课程可以合班上课，合班一般由各个院系或公共课教学部门给出具体安排。每学期临近结束时，学校教务处根据各个专业的培养计划向各院系下达下一学期的教学任务，由各个专业将教学任务分解到具体的任课教师，然后由教务处排出下一学期的课程表。每学期我校的课程表排出并开始运行后都会受到师生的抱怨。有学生说自己的课程分布不均衡，某天要上10节课，而某天又一节课都没有；有的学生抱怨一天中要在不同的教学楼之间反复奔波；有的教师抱怨自己的课程安排太分散，从南湖跑到阳光路上要花近两个小时，却只上两节课，这样太浪费时间。由此可见，我校的课程安排尚存在一些不太合理的地方，有进一步优化的必要。针对这一问题，请完成以下任务： 一.了解我校师生对课程安排的需求； 二.了解我校课程安排的相关规定； 三.收集与课程安排相关的数据； 四.建立我校课程安排的优化模型，分析模型的优缺点。 二、问题分析 首先，解决班级、课程与教师之间的多对多关系，例如当出现多个班级上同一门课而该由多个教师任教时，课程是否合上，由哪几个班级合上、哪位教师任教的问题。解决上应满足可 手动调整的要求。然后，取出全部班级，求出班级所上课程的优先级总和，按优先级高低排定班级顺序，按此顺序且遵照排课规则为每一个班级的每一门课程安排上课时间与地点。 首先，要进行预排课处理。预排课处理的目的是要解决两个基本问题: 1) 班级与课程之间的多对多关系，即合班上课的问题; 2) 课程与教师之间的多对多关系，即为每门课程安排任课教师。在预排课处理完成后，以班级作为外部大循环、以课程作为内部小
一、问题的重述 排课问题是高校制定教学计划、安排教学过程中的一项较为复杂的工作，在高校教务管理工作中处于重要地位。高校在每学期末都要根据培养计划和教学资源作出下学期的教学安排, 这主要体现在对课表的编排上。其中涉及的关键要素很多, 包括教师、班级、教室和授课时段等。根据排课总体目标、约束条件、及优先级, 充分利用紧缺资源, 设计并实现高校课表安排系统。我校所面临的问题主要有：第一，渭水校区有包括从大一至大三三个年级的学生，20个学院近700个班级，教学任务繁重，课表安排难度较大；第二，校区地处偏僻,距市区较远，老师上课需乘车来回奔波，如果课表安排不当，就会导致部分老师前往渭水乘车次数过多或在渭水逗留时间过长；第三，基于学生的学习规律与习惯，应根据课程的难度与重要性进行课程时段的安排，若安排不当，会导致学生的学习效果不佳；第四，为节省学校在校车往返方面的开支，安排课表时应尽量减少校车运行车次。为此应根据教学计划和排课要求,综合考虑教师、课程、班级和授课时段等因素，协调合理的编排课表,制作一个系统模型，根据这个模型使老师、同学和学校尽可能满意，并且具有足够的可行性和可变动性。让老师满意，即让每位老师一周前往渭水的乘车次数尽可能少，同时还要使每位老师在渭水逗留的时间尽可能少；让学生满意，即同一班级同一门课程在时间段上尽量间隔开来，另外相对重要的课程应尽量安排在较好的教学时段上；让学校满意，即节约学校开支，使每周派往渭水的车次尽可能少。 二、问题的分析 课表安排的主要任务是把各学院的课程汇总, 然后根据教学计划或教学环
节制订全校各班级的课表。根据学校的实际情况和学校所面临的问题，可以将这类题归为以老师、学生和学校的满意情况为多目标的多约束的规划问题。为了使课表的编排准确、合理、快速、高效, 充分利用学校资源，根据已知条件提出以下可行性要求： 1、课程的优先级：将大学所有课程分为三类，1）公共必修课：多个学院开设的课程，课程重要且开设的班级数最多，这类课尽量安排在最好时段；2）专业必修课：少数学院或一个学院开设的课程，课程重要且开设的班级数较多，这类课尽量安排在较好时段；3）其他如专业选修课或公共选修课等：少数班级开设的课程，课程相对简单，可以任意安排时段授课。 2、课程时段的规定：将每天分为5个时段(上午两个,下午两个,晚上一个)，并规定为：1-2节课为第一时段，3-4节课为第二时段……依此类推。根据学生的学习效果及课程难度与重要性，将课程时段按有利程度分为五个等级，即第一时段>第二时段>第三时段>第四时段>第五时段。 3、时间段的分配优先级：周一至周五的白天共20个时段用来安排公共必修课和专业必修课及部分选修课,每天晚上及周六、周日安排其他课程；先安排公共必修课表,在剩余的时间段安排各系专业课程，最后再安排选修课程；将相对重要的课程安排在较好时段。 4、时间段的有效性：1）同一班级同一门课的两次授课时间必须隔天，但相隔天数不宜超过两天；2）一个老师一天的两节课应连排, 即尽量安排在同一天上午或同一天下午, 为教师上课提供方便，同时也减少了派往渭水的车次 5、应避免各种冲突:1）教室不冲突, 同一教室同一时间不能安排两门课程，人数不能超过教室的最大容量；2）学生不冲突, 同一班级学生不能在同一时间
课程时间安排的优化模型 摘要 排课是教务运作中的一项重要工作，同时排课问题也是一个复杂的组合优化问题，对此问题的建模和求解，难度都非常大。多数情况下我们只是满足于求解问题的一个可行解，而对此可行解的进一步优化往往通过手工完成，效率很低。目前有很多计算机专家和数学专家都致力于对大规模排课问题的研究，在此我们给出一个规模相对较少，约束相对较少的较为简单的排课问题。解决排课中的问题，既能满足老师授课上机的要求又能满足学生对上机时间的合理安排。让学校、老师和同学的满意。 让老师满意，就是安排尽量少出现像同一天同一位老师上1-2节，7-8节，最好是1-2节面授然后4-5节课上机；让同学们满意，可从以下几方面考虑，比如，同一班级同一门课程，至少应隔一天上一次，另外对学生感到比较难学的课程尽量安排在最好的时段，上机时间要安排在面授课之后；让学校满意，就是尽量减少因出现问题而不得不为老师调课的次数。根据实际情况在具体模型建立过程中采用了0-1矩阵法，矩阵的乘法等数学方法，建立优化类数学模型来求解有效矩阵，根据有效矩阵初排课表，结合多方面因素建立修正矩阵，对初排课表逐层修改，得出最优排课表。并通过matlab实现算法和给出模型的解。 先将123班级课表和20张老师课表转换为0-1变量，有课改为0，没课改为1，组成两个矩阵，然后可用VB编程得到一个新的矩阵，两矩阵中元素都为1时，新的矩阵对应的元素就为1，即老师和班级同时有空时为1。将多目标函数转换为单目标函数，其他的要求可直接在约束条件中满足。然后用lingo软件编程解决（其约束条件和目标函数都可用lingo的语句表示出来）
关键词：排课问题 0-1矩阵矩阵的乘法优化目标矩阵 lingo VB 1 问题重述 排课是教务运作中的一项重要工作，同时排课问题也是一个复杂的组合优化问题，对此问题的建模和求解，难度都非常大。多数情况下我们只是满足于求解问题的一个可行解，而对此可行解的进一步优化往往通过手工完成，效率很低。目前有很多计算机专家和数学专家都致力于对大规模排课问题的研究，在此我们给出一个规模相对较少，约束相对较少的较为简单的排课问题，请同学们加以解决。 目前，某校的计算机上机课大都安排在计算机学院，计算机学院有5个机房用于学生上机，每个机房大约容纳90人。安排上机的课程共有4门，指导上机的教师共有24人，其中20人为课程的授课教师，见附件1，其他四人为机房的管理人员，依次为陆老师，章老师，张老师和彭老师，其中陆老师负责2个机房。共有123个班级需要上机，详细名单见附件1。教师和学生的上机时间不能和他们的授课课程时间冲突，为此我们给出了各位教师和各个班级学生的课程表，见文件夹附件2。四名管理人员可全天进行上机指导，但只能在自己负责的机房进行. 要求： （1）为了保证授课效果，学院规定每个老师在同一个时间段只能为1个班级进行指导；而同一时段允许有两名教师在同一个机房分别指导一个班级； （2）上机指导老师尽可能指导自己授课班级的学生； （3）周末尽可能不安排上机；其次晚上尽可能不安排上机。 （4）为了减少教师到新校区的次数，上机时间尽可能与其授课时间安排在同一天。 （5）还有其它要求可根据高校教学的情况，酌情给出，给出时要充分考虑教学规律、教学效果和大部分老师、学生的要求。
宝鸡文理学院新校区课表安排问题 编号：J4004 摘要：每学期的开学初，总有许多老师对新校区的课程安排很有意见，本文选取宝鸡文理学院某系某专业的师生情况、课程、教室间数为研究对象，以课程与上课时间之间的关系矩阵为目标矩阵，通过用各影响矩阵优化目标矩阵的方法，对新校区各系各专业的课表进行了重排。在具体模型建立过程中采用了0-1矩阵法，矩阵的乘法等数学方法，建立优化类数学模型来求解有效矩阵，根据有效矩阵初排课表，结合多方面因素建立修正矩阵，对初排课表逐层修改，得出最优排课表，最后通过lingo软件加以实现。运用我们建立的数学模型，对宝鸡文理学院数学系08级信息与计算科学专业的课表进行重排，将所得新课表与现有的课表进行比较，显然新排的课表更加合理化、人性化。根据新课表中每节课对应的相关因素（课程名称、教室、老师、班级）进行分析整合，可衍生出新的安排表（如通过对不同时间段上课老师人数的研究安排校车的接送）。我们以学校、教师和学生对所排课表满意度作为衡量标准，以宝鸡文理学院数学系08级信息与计算科学专业的课表为例，可得学校、教师和学生对我们所排课表的满意度主因素分别为校车接送次数、在新区逗留时间、专业课排在早上，计算得评价指标分别为 0.88、1、1，可见对本模型使三方的满意度基本均衡且都超过80%，即做到了三者兼顾的满意最大化。最后，通过我们建立的模型，我们给教务处排课表问题给处了一些合理的、可行性的建议。 关键字：排课问题 0-1矩阵矩阵的乘法优化目标矩阵满意度
一． 问题重述 每学期的开学初，总有许多老师对对新校区的课程安排进行抱怨，还有许多老师要求调课，教务处对这一问题很是头疼。根据宝鸡文理学院院的实际情况，用数学建模的方法解决这一问题，既要让老师满意，又要让同学和学校满意。 让老师满意，就是要让每位老师在一周内前往新校区上课的乘车次数尽可能少，同时还要使每位老师在新校区逗留的时间尽可能少，比如安排尽量少出现像同一天同一位老师上1-2节，7-8节；让同学们满意，可从以下几方面考虑，比如，同一班级同一门课程，至少应隔一天上一次，另外对学生感到比较难学的课程尽量安排在最好的时段；同时为避免下课楼道拥挤，对于上午有四节课的班级，在教室功能允许的情况下，应尽量避免更换教室；让学校满意，就是要节约支出，每周派往新校区的车次尽可能的少。 从学院的实际情况出发，收集相关数据，用数学建模的方法解决以下问题： 1) 建立排课表的数学模型，并研制出排课表的软件包； 2) 利用建立模型及软件对本学期新校区的课表进行重排，并与现有的课表进行比较； 3) 给出评价指标评价你的模型，特别要指出模型的优点与不足之处； 4) 对学校教务处排课表问题给出你的建议 二． 问题分析 问题一：通过对多张课表的研究，发现排课表过程中的主要影响因素间关系如下图 分别以单箭头左边的为行右边的为列建立两关系间的有效矩阵A 、B 、D ，由A B 得矩
竭诚为您提供优质的服务，优质的文档，谢谢阅读/双击去除 数学建模心得体会3篇 通过对专题七的学习，我知道了数学探究与数学建模在中学中学习的重要性，知道了什么是数学建模，数学建模就是把一个具体的实际问题转化为一个数学问题，然后用数学方法去解决它，之后我们再把它放回到实际当中去，用我们的模型解释现实生活中的种种现象和规律。 知道了数学建模的几点要求：一个是问题一定源于学生的日常生活和现实当中，了解和经历解决实际问题的过程，并且根据学生已有的经验发现要提出的问题。同时，希望同学们在这一过程中感受数学的实用价值和获得良好的情感 体验。当然也希望同学们在这样的过程当中，学会通过实际上数学探究本身应该说在平时教学当中，老师有些在课堂上也是这样教学的，他更重要的意义就是引导老师增加一种教学方式，首先就是这个问题就是有点儿全新性，解决的方案不是很明了，这样学生要有一个尝试，一个探索的过程查询
资料等手段来获取信息，之后采取各种合作的方式解决问题，养成与人交流的能力。 实际上数学探究本身应该说在平时教学当中，老师有些在课堂上也是这样教学的，他更重要的意义就是引导老师增加一种教学方式，首先就是这个问题就是有点儿全新性，解决的方案不是很明了，这样的话学生要有一个尝试，一个探索的过程。数学探究活动的关健词就是探究，探究是一个活动或者是一个过程，也是一种学习方式，我们比较强调是用这样的方式影响学生，让他主动的参与，在这个活动当中得到更多的知识。 探究的结果我们认为不一定是最重要的，当然我们希望探究出来一个结果，通过这种活动影响学生，改变他的学习方式，增加他的学习兴趣和能力。我们也关心，大家也可以看到在标准里面，有非常突出的数学建模的这些内容，但是它的要求、定位和为什么把这些领域加到我的标准当中，你应该怎么看待这部分内容。 数学建模学习心得体会 刚参加工作那阵子就接触到“建模”这个概念，也曾对之有过关注和尝试，但终因功力不济，未能持之以恒给力研究，
TOMLAB课表编排问题 我们老师让我们做一个课表编排问题，题目见 https://www.doczj.com/doc/d610301540.html,/bbs/viewthread.php?tid=1799 我试图用基于MATLAB的一个软件TOMLAB做，因为他有一个例子：见 https://www.doczj.com/doc/d610301540.html,/examples/tomsym_collegetimetable.html 由于我对MATLAB、TOMLAB应用不熟练，我试图先写一个程序尽可能和例子相似。我将问题简化，先安排第一类课程，有三个老师，5门课。并且我不考虑教室问题。由于每堂课是以两个课时为一个单位，五门课每周分别上2 2 322堂课，每个老师教任意的课，他们的每周最大课时数分别是2 2 3，每天可以上4节课（晚上不排课）（以上的“一节课”均指两小节课） 优化目标： 1：最好在每天的第2、3节安排课程，第一节、第四节尽可能不安排课 2:尽可能满足老师们的最大课时数，使他们加班尽可能少。 程序（TOMLAB实现） teacher=[1 2 3]; lesson=[1 2 3 4 5]; lesson_times=[2 2 3 2 2]; slots=4*5; t=tomArrayIdx('t',1:3); l=tomArrayIdx('l',1:length(lesson)); s=tomArrayIdx('s',1:20); teach=tomArray('teach',[3,5,20]); %create a array of 3*5*20 (teacher*lesson*slots) bnds1={0<=teach<=1}; % All variables are binary bnds2={sum(sum(teach(t,l,s),s),t)==lesson_times}; %所有的课程必须全部安排进课表 bnds3={sum(sum(teach(t,l,s),t),l)<=1}; % Teacher constraint, one teacher per slot bnds={bnds1,bnds2,bnds3}; not_so_good_slots=tomArrayIdx('l',[1,4,5,8,9,12,13,16,17,20]); objective1=sum(vec(teach(l,t,not_so_good_slots))); %the goal is to minimize teaching courses in these no so good slots max_work=[2 2 3]; objective2=0;
摘要 本文研究的是联想、惠普、东芝、戴尔、索尼、华硕、苹果、神州、ACER等主要厂家产品的价格与公司知名度、产品主要配置、大众消费倾向、产品附加值的定量关系。 首先，本文在对笔记本配置，大众消费倾向，附加值等因素进行详细深入的比较的基础上，制定了适应于所有笔记本的各影响因素的标度标准，并在该标准的前提下，统计了九大电脑公司、受关注较高的各个系列（每个品牌取六大不同系列，每个系列各取一台）的电脑的价格、配置、产品附加值等大量数据，并用均值法得到了一组具有代表性的数据。基于数据分析，借鉴层次分析法建立了模型，并且在建立模型的过程中采用了九级标度法，将对价格影响的各因素定量化，并在此基础上列出判断矩阵。 然后，求判断矩阵的相对权重。通过资料得到了三种不同的求权重方法，分别为和法、根法、特征根法。本文采取的是特特征根法。利用MATLAB软件，算出了判断矩阵的最大特征值，并将与之对应的特征向量归一化，得到相应元素对应的权重，并进行一致性检验。 最后，利用公式算出组合权重，组合一致性指标，便得出各因素对公司定价的影响程度，分析得出结论。 关键词：制定标准均值法借鉴层次分析法九级标度法判断矩阵特征根法一致性检验
目录 1.问题重述与分析………………4-5 1.1问题重述 (4) 1.2 问题分析 (5) 2.符号说明 (6) 3.数据说明……………………….. 6-7 4.主要电脑厂家产品的价格与公司知名度，产品主要配置，大众消费倾向，产品附加值等的定量关系研究——借鉴层次分析法…………………………………. 7-38 4.1 模型建立………………………7-14 4.2 模型求解……………………14-38 4.2.1 构造求解判断矩阵....... 14-32 4.2.2 一致性检验………………. 32-38 5.比较分析各厂家产品定价的优越…38-39 6.根据结论，提出建议………. 39-42 7.模型的总结与改进…………. 42-43 7.1 模型总结 (42) 7.2 模型改进 (43)
请你来排课表 摘要每学期的开学初，学校都会根据时间、课程、课时要求、教室、班级人数、教师等因素对各学院各专业的课表进行重排。我们首先对题目的要求进行分析，将题目归类为优化模型问题，主要运用运筹学的知识来建立模型。确定了分别将教师、课程、教室三个因素优化组合进行讨论，并分配到课表上的不同时间段上最终形成满足要求的课表的解决方案。首先，我们确定了各优化因素之间的约束关系，然后根据各因素间约束关系的要求不同，编制出各因素间的效用矩阵。其中我们采用了多重约束条件，将各约束条件分为硬约束（强制要求）和软约束（用偏好系数表示）；其次，我们为课表上的每一个时间段随机分配课程；再次，我们用逐级优化和0-1规划的方法分别将教师、教室分配到课表上的不同时间段上，按时间+课程+教师+教室的组合，形成了一份尽可能多地满足课程、教师、教室要求的课表。最终根据题目给的数据，通过MATLAB软件编程进行模型验证，求出了所需课表，且在方案合理性分析中用计算机模拟的方法分析了偏好系数的变化、教室的种类对排课结果的影响。文尾我们给出了教师、教室的配置建议。 关键词：排课模型随机分配优化目标矩阵多重约束条件0-1规划 目录 1 问题重述与分析 (4) 1.1问题的重述 (4) 1.2问题的分析 (4) 2 问题的假设 (4) 3 符号说明 (5) 4 模型的建立与求解 (5) 4.1 模型的准备 (5) 4.1.1对教师、课程、上课时间联系的刻画 (5) 4.1.2 对时间段S i进行编号 ......... . (6) 4.1.3 对课程的处理 (7) 4.2 模型的建立 (7) 4.2.1 随机分配课程到各个时间段 (7) 4.2.2 给每一个时间段安排教师 (7)
第一章单元测试 1、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． A:错 B:对 答案:【对】 2、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，是对实际问题的完全解答和真实反映，结果真实可靠。 A:对 B:错 答案:【错】 3、数学模型是用数学符号、数学公式、程序、图、表等刻画客观事物的本质属性与内在联系的理想化表述. 数学建模就是建立数学模型的全过程(包括表述、求解、解释、检验). A:对 B:错 答案:【对】 4、数学模型(Mathematical Model):重过程；数学建模(Mathematical Modeling):重结果。 A:错 B:对 答案:【错】 5、人口增长的Logistic模型，人口增长过程是先慢后快。 A:错 B:对
答案:【错】 6、MATLAB的主要功能有 A:符号计算 B:绘图功能 C:与其它程序语言交互的接口 D:数值计算 答案:【 符号计算; 绘图功能; 与其它程序语言交互的接口; 数值计算】 7、Mathematica的基本功能有 A:语言功能（Programing Language) B:符号运算（Algebric Computation） C:数值运算（Numeric Computation） D:图像处理（Graphics ） 答案:【语言功能（Programing Language); 符号运算（Algebric Computation）; 数值运算（Numeric Computation）; 图像处理（Graphics ）】 8、数值计算是下列哪些软件的一个主要功能A:Maple
数学建模排课系统
监制: 数学建模协会 计算机上机课安排 摘要 本模型用于较为方便的排课，其步骤主要分三个部分。 第一部分主要解决那些学生空课特别少的特殊班级，由于此种班级可供选择的空课时间不多，故而最为优先的进行考虑。这一部主要靠人工完成。 第二部分也就是本模型的核心部分，用于初步解决余下班级的排课问题。首先将老师和学生的课表转化成相应的0-1分布的形式，然后利用所确定的优先级别，对课表中学生空课状态（记为X1），老师在原任课天内空课情况（记为X2）根据不同时段的空课情况赋予不同的值，以及实验室每个时段的上机占有情况（X3），即可通过参数的大小反应各个空课处优先被安排的程度，然后将老师的课表矩阵与其所教班级的课表矩阵相加，使得学生上午优先、教师指导自己班学生最大化及实验室占有情况同时考虑，找出Y（Y= （X1+ X2 +X3）*e）最大值处的坐标，即为该班级上机实践应该安排在课表中的位置。而将0-1分布的矩阵转化为带有优先级别的矩阵通过Matlab很容易的实现，两个矩阵的相加也可以通过Matlab实现。 这一模块将在智能化排课的过程中用到两次。第一次，把老师任课天内可以指导自己所教班级最大限度的排满。然后通过C程序选出需要加天的老师，及具体哪天，使得被选择的那天为所有可选天中，最大化指导学生的那天。关键代码将在附录二中给出。而后再对于还没有排课的班级进行下一轮的排课，这时只需可虑老师所附加来校的那一天。这样就保证老师尽可能多的指导自己所教班级，教师来学校的意义最大化。 以上的两轮排序，较为简便并且智能的实现了课表的基本确定。 第三部分主要依靠人工完成。此部分主要考虑因第二部分机械排序以后还存在没有排到课的班级，这些班级是那些在老师加天后还无法在这几天中被自己老师指导到的班级，对于这样的班级，只能交给管理员指导。由于这只是极少的一部分，不会给人工排课人员带来很大的工作量。 我们优先级别的确定原则： 1.通过首次全部用人工进行课表的实际抄做安排所出现的现象，发现学生的空课时间主要集中在下午（见附录一表1），若不考虑上午优先的话，则所有班级很难安排下去并且会出现下午一定面积的溢出。 2.教师优先：如果老师可以带自己所教的班级，那么这种情况也是应该优先考虑的，这来源于问题中提出的硬性要求和实际的教学效果的统计。 3.此模型须要人工的地方，虽有两处，但所做工作量都不大；通过此模型建
数学建模的十大算法 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，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进行处理）
中华女子学院 成绩2014 — 2015学年第二学期期末考试 （论文类） 论文题目数学建模算法之蒙特卡罗算法 课程代码1077080001 课程名称数学建模 学号130801019
姓名陈可心 院系计算机系 专业计算机科学与技术 考试时间2015年5月27日 一、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，是比赛时必用的方法。接下来本文将着重介绍这一算法。 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。这个也是我们数学建模选修课时主要介绍的问题，所以对这方面比较熟悉，也了解了Lindo、Lingo软件的基本用法。 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，上学期数据结构课程以及离散数学课程中都有介绍。它提供了对很多问题都很有效的一种简单而系统的建模方式。
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进行处理。 二、蒙特卡罗方法 2.1算法简介 蒙特·卡罗方法（Monte Carlo method），也称统计模拟方法，1946年，美国拉斯阿莫斯国家实验室的三位科学家John von Neumann,Stan Ulam 和 Nick