- 综合排序
- 最热优先
- 最新优先
- 来自专栏往期博文
数学建模暑期集训3：排队论
排队模型数量指标 3. 排队系统基本组成 1.输入过程——顾客到达规律 2.排队规则——顾客按照一定规则排队等待服务 3.服务机构——服务机构的设置，服务台的数量，服务的方式，服务时间分布等 2. 排队模型数量指标 3.
63920编辑于 2022-06-14 - 来自专栏云深之无迹
数学建模
假设3：宾馆的每间客房的定价相等。 （2）模型建立 设y表示宾馆一天的总收入，与200元相比每间客房降低的房价为x元。由假设2可得，每降低1元房价，入住率就增加 ? （3）模型求解 利用一元函数微分学的知识，令y'=150×（0.45-0.01x）=0，得当x=45，即房价定为155元时，可获得最高收入18018.75元。此时，相应的入住率为77.5％。
81030发布于 2020-08-13 - 来自专栏CSDN小华
数学建模--旅行商
旅行商问题（TSP，Traveling Salesman Problem）是数学建模中的一个经典组合优化问题。 数学模型 标准的TSP可以描述为以下数学模型： 设 nn 个城市分别为 C1,C2,…,CnC1,C2,…,Cn，任意两个城市 ii 和 jj 之间的距离已知，记为 dijdij。 旅行商问题的数学模型在其他领域（如生物信息学、材料科学）的应用研究有哪些？ 旅行商问题（TSP）作为经典的组合优化问题，其数学模型在多个领域中得到了广泛应用。
1.2K10编辑于 2024-10-16 - 来自专栏CSDN小华
数学建模--随机森林
在线性关系建模和小样本处理方面的限制：随机森林在建模线性关系和处理小样本数据方面存在一定限制。 模型解释性较差：随机森林的模型解释性较差，这可能会影响对其决策过程的理解。 随机森林在处理大数据集、特征重要性检测、抗噪声能力和鲁棒性方面表现出色，但在运行时间、对噪声数据的敏感性、结果不可重复性以及在线性关系建模和小样本处理方面的限制等方面存在劣势。
1.3K11编辑于 2024-10-16 - 来自专栏CSDN小华
数学建模--禁忌搜索
random # 定义距离矩阵 distance_matrix = [ [0, 2, 9, 10], [1, 0, 6, 4], [15, 7, 0, 8], [6, 3,
91710编辑于 2024-10-16 - 来自专栏CSDN小华
数学建模--聚类分析
数学建模中的聚类分析是一种无监督学习方法，用于将数据集中的对象分组，使得同一组内的对象尽可能相似，而不同组的对象尽可能不同。这种方法的主要目的是通过分析数据的内在结构来发现数据中的潜在模式和规律。 常用的数学公式和方法： K-means聚类算法： 误差平方和准则函数：用于评价聚类性能。其公式为： 其中，CiCi 是第 ii 个簇，μiμi 是第 ii 个簇的中心。 结论 数学建模中的聚类分析是一种强大的工具，能够帮助我们从复杂的数据中发现有意义的结构和模式。通过合理选择距离度量、聚类算法以及评估方法，可以有效地进行数据聚类并获得有价值的洞察。 数学建模中的聚类分析在市场细分中的具体应用案例是什么？ 在数学建模中，聚类分析是一种无监督学习技术，通过将数据集分成若干组（即聚类），使得同一聚类内的数据点尽可能相似，而不同聚类间的数据点尽可能不同。
80110编辑于 2024-10-16 - 来自专栏全栈程序员必看
数学建模的一些方法_对数学建模的认识
一，数学模型分类 本人在大学时期 待了两年的数学建模社团，也参加过国赛，最近有些许感性，想以此纪念一下。 首先，既然是数学建模，就离不开模型，具体的模型有哪些呢？ 二、建模方法分类 常用的方法有： 1.类比法、2.二分法、3.量纲分析法、4.图论法；5.差分法、6.变分法、7.数据拟合法、8.回归分析法 9.数学规划法(线性规划，非线性规划，整数规划，动态规划，目标规划 3、量纲分析法 量纲分析法常用于定性地研究某些关系和性质，利用量纲齐次原则寻求物理量之间的关系，在数学建模过程中常常进行无量纲化。 4、图论法 图论方法是数学建模中一种独特的方法，图论建模是指对一些抽象事物进行抽象、化简，并用图来描述事物特征及内在联系的过程，也是数学建模的一个必备工具。 当初刚接触数学建模，我用的挺嗨的，但是弊端也非常明显。 评分标准都是自己编的，没有什么专家打分，得出的评分体系靠语言支撑。 但是初入门还是可以用用，也没有坏处。
2.8K10编辑于 2022-11-09 - 来自专栏巴山学长
层次分析法在数学建模中的matlab实现【数学建模】
前言：MATLAB是数学建模比赛中较受欢迎的一种编程语言，为了满足一些参加数学建模比赛小伙伴的需求，我们创建了这个专题，并会在接下来的一段时间里定期地为大家推送一些算法文章。 今天我们学习的是数学建模中的层次分析法。 一、层次分析法的介绍 层次分析法（Analytic Hierarchy Process，简称 AHP），最早是由美国运筹学家 T. L. 方案层单排序权值:') fw w=fw*zw;%层次总排序 [m,n] = max(w); disp((sprintf('最终选择的方案为方案%d',n))) 本期内容由小编编程手撰写，编程手有丰富的数学建模与 鉴于此，matlab爱好者公众号计划推出【数学建模】系列，将逐一揭开数学建模的“神秘”面纱，与大家一起在数学建模的海洋里畅游。 若您有过数学建模的获奖经历，并有一定的matlab编程基础，欢迎将您的成功经验整理成文推送给我们与大家分享。
3.6K20发布于 2021-04-22 - 来自专栏全栈程序员必看
数学建模之方差分析模型_数学建模层次分析法
数学建模之方差分析 方差分析(Analysis of Variance, ANOVA) 应用场景 单因素方差分析 Matlab实现——anova1 多重比较 双因素方差分析 Matlab 正交表：一系列规格化的表格，每一个表都有一个记号，如 L 9 ( 3 4 ) L_9(3^4) L9(34) 最简单的正交表是 L 4 ( 2 3 ) L_4(2^3) L4(23)，其含意为：“L L 9 ( 3 4 ) L_9(3^4) L9(34)表里每两列中 ( 1 , 1 ) (1,1) (1,1)， ( 2 , 2 ) (2,2) (2,2)，…， ( 3 , 3 ) (3,3) ( 3,3)九种组合各出现一次 这种均衡性使得根据正交表安排的试验，其试验结果具有很好的可比性，易于进行统计分析。 例如： 参考文献 [1] 司守奎.数学建模算法与程序[M].海军航空工程学院, 2007 版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。
1.5K11编辑于 2022-11-04 - 来自专栏笔记c
数学建模——熵权法
信息熵值越小，权重越大 二、熵权法基本思路 权重大-->提供的信息量大-->指标的变异性大-->信息熵值小 1.数据归一化 2.计算指标变异性 3.计算信息熵 4.计算权值 三、熵权法计算步骤 1. 由于各项指标计量单位并不统一，因此在计算综合权重前先要对它们进行归一化处理，即把指标的绝对值转化为相对值，并令 正向指标 负向指标 2.计算变异性指标 计算第j项指标下第i方案指标值的比重 3. 计算第j项指标的信息熵冗余度 5.计算各指标权重 计算第j项指标的权重 6.计算综合得分 计算第i个评价对象的综合得分 四、应用例题分析 成绩评价 判断下列同学的综合成绩排名 语文（150） 数学 F同学 100 70 70 90 80 80 G同学 90 100 90 70 100 80 1 数据归一化 均为正向指标 采用 2.计算变异性指标 计算第j项指标下第i方案指标值的比重 3 y(:,j)=(ymax-ymin)*(xmax(j)-x(:,j))/(xmax(j)-xmin(j))+ymin; end end 熵权法.xlsx 语文（150） 数学
27.8K46编辑于 2022-11-15 - 来自专栏学习成长指南
数学建模之MATLAB使用
举一个很简单的例子，我们在高等数学里面的微积分学习时经常求不定积分，也就是原函数，这个过程实际上进行的就是符号运算，我们通过对一些变量字符x等等的运算，最后得出一个表达式； 或者说是高等数学里面的微分方程 生成法 logspace是对数生成，linspace是线性生成，linspace的第一个参数和第二个参数分别代表起始数值和终止值，第三个参数是生成的向量里面的元素的个数，这个系统会自动计算之间的步长； （3） 子元素的寻访 我们首先创建一个魔方矩阵，我们想要找到第一行第二列的一个元素，我们使用find函数找到矩阵里面符合条件的元素，最后打印输出的结果是对应的标号，而不是矩阵里面元素的值； 3.二维数组的创建 ，每一列结束后进行下一列，这样的方法和双下标的一样找到对应位置的元素； （4）127行我们可 以找到2，3行，2，3列重合的元素；我们也可以使用逻辑1的方法找到符合条件的元素，符合条件的就是1，不符合条件的就是 ） （2）双引号的嵌套 双引号里面包含双引号，我们就要在内层的双引号里面多加上一层双引号，否则系统无法识别内外层的双引号之间的修饰关系，如图所示： 这个通过观察也可以知道，这个是一个1*1的矩阵； （3）
42010编辑于 2025-02-24 - 来自专栏Yui编程知识
【数学建模】MATLAB快速入门
字符串和数组的区别 tmp = 1+1，运行结果是2 tmp = “1+1”，运行结果是1+1 3. 添加内容 使用方括号把多个字符数组串联起来 tmp2 = [tmp,'haha'] 注意：双引号得到是是1个string变量，单引号得到是是多个char变量 3. MATLAB的矩阵运算 创建一个1行6列的矩阵： a = [1 3 5 7 9 11] 对矩阵中的每个元素都加上3 b = a+3 正常在线性代数的课程都会讲，矩阵的相加只能是同类型的矩阵，所有这里MATLAB 会将3变一个充满的3的和a同类型的矩阵相加。 常见运算：转置、取逆、求特征值会特征向量 a = [3 2 1;2 4 1;3 9 2] b = a' %求转置 [d,v] = eig(a) %求特征值和特征向量 e = inv(a) %求逆矩阵
74810编辑于 2024-10-16 - 来自专栏往期博文
数学建模番外篇3：优秀论文插图整理&分析
不过此图还存在一些小问题： 1、标注字号太小 2、z轴无标注信息 3、配色过深 六边形雷达图 上篇博文也提到雷达图。
1.1K30编辑于 2022-06-14 - 来自专栏往期博文
数学建模番外篇1：PPT绘制3D图形
前言 这个专栏本不计划继续更新，掌握零基础必看之数学建模索引中的所有内容，美赛M奖应该唾手可得。但是，再往上，进阶到<1%的F奖和O奖，除了模型与运气，更大程度上依赖于插图的美观程度。 下面就开始学习PPT的3D绘图。 深度—2D通往3D之路 平面2D图形，只有x，y两个维度，要进化成3D图形，就需要新增一个z维度，而这个维度就是深度。 创建一个矩形，设置深度大小。 旋转一下角度就可以得到一个立方体： 布尔运算—PPT的精髓 经过上面的操作，可以发现，所有的3D图形都可以通过2D图形+深度进行生成。所以要获得合适的3D图形，首先要控制好2D图形的形状。 绘制步骤如下： 1、按Alt+F9呼出参考线 2、创建一个10x10的正圆在中心 3、使用一矩形覆盖半圆，使用合并形状->拆分，将大圆拆分成两个半圆。 3、全选，使用OneKey插件的旋转递进->随机旋转，使所有不规则图形有不同的角度。 4、使用英豪插件的位置分布->噪波工具，进一步让图形具备随机性。
3.9K10编辑于 2022-06-14 - 来自专栏CSDN小华
数学建模--支持向量机
在实际应用中，支持向量机（SVM）与其他机器学习算法（如随机森林、梯度提升树）相比具有以下优势和劣势： 优势： 严格的数学理论支持：SVM有严格的数学理论支持，可解释性强，不依靠统计方法，从而简化了通常的分类和回归问题 , y = make_classification(n_samples=1000, n_features=20, n_informative=15, n_redundant=5, n_classes=3, , y = make_classification(n_samples=1000, n_features=20, n_informative=15, n_redundant=5, n_classes=3, 增量学习是一种逐步构建模型的方法，每次只更新部分数据，而不是一次性加载整个数据集。这种方法特别适用于大规模数据集，可以有效减少内存占用和计算时间。
82410编辑于 2024-10-16 - 来自专栏学习成长指南
数学建模--MATLAB基本使用
二维图形的绘制 二维图形的绘制要是用这个plot函数，我们通过这个例子来认识一下函数的使用方法，以sin1/x为例吧： （1）这个地方我们只绘制了-1~1范围里面的函数图像，这样便于观察函数的效果，学过高等数学的同学们对于这个函数就非常的熟悉 的函数图像(0~pi/2区间里面） 这个里面的plot中的单引号里面表示的是一些标记符号； b是蓝色，-表示实线；合在一起就是蓝色实线； k表示黑色，：表示虚线；合在一起就是黑色虚线； 下面是效果图： 3. 我们使用int(s,x)就是表示对s表达式里面的x进行积分； 顺便提一句：无论是积分求解还是极限的求解，我们都是使用inf代表无穷； 下面是例子： （需要了解的是这个不定积分的求解是没有常数项的（实际上数学里面的求解是由常数的 y(0)=-2的特解： 提前说明一下，笔者使用的是旧版本的教材，但是用的是新版MATLAB，2023里面可能会因为不支持原来的某些符号而报警告，但是我们依然是能够得到结果的； D2y表示的是2阶导，D3y 表示的是3阶导，以此类推； （3）y''-6y'+13y=0的通解； 8.空间曲面（马鞍面&&双曲抛物面） （1）同样是马鞍面，也叫做双曲抛物面，我们可以使用不同的函数进行绘制，不同的函数的展示的效果是不一样的
82210编辑于 2025-02-24 - 来自专栏学习笔记
数学建模——线性回归模型
3.选择模型： 根据问题的特点选择合适的线性回归模型。如果只有一个自变量，可以使用简单线性回归模型；如果有多个自变量，可以使用多元线性回归模型。 3.残差分析： 分析残差是否呈现出随机分布，检查是否满足模型假设。 4.方差膨胀因子（VIF）： 用于检测自变量之间的多重共线性问题。 如果假设不成立，可能需要对模型进行修正或者选择其他的建模方法。 2.线性回归模型公式分析包括以下几个方面： 3.模型代码实现 具体的需要根据具体数据磨合 1.代码_python import numpy as np import statsmodels.api as matplotlib.pyplot as plt # 准备数据 np.random.seed(0) X = np.random.rand(100, 2) # 两个自变量 y = 2 * X[:,0] + 3
1.1K10编辑于 2024-06-15 - 来自专栏CSDN小华
数学建模--微分方程
在数学建模中，微分方程模型是一种极其重要的方法，广泛应用于各种实际问题的描述和解决。微分方程模型通过建立变量及其变化率之间的关系，可以预测和分析系统的行为。 结论 微分方程模型在数学建模中具有重要地位，它不仅能够全面深刻地揭示实际事物内在的动态关系，还能帮助我们做出相应的决策或对未来进行预测。 通过合理选择和应用不同的微分方程模型，可以有效地解决各类实际问题，提高建模的准确性和实用性。 如何在数学建模中准确识别和选择合适的微分方程模型？ 常微分方程（ODE）与偏微分方程（PDE）在数学建模中的优缺点分别是什么？ 在数学建模中，常微分方程（ODE）和偏微分方程（PDE）各有其优缺点。 例如，对于需要高精度和稳定性的复杂问题，龙格-库塔法和多步法是较好的选择； 数学建模中微分方程模型的最新研究进展有哪些？
3K10编辑于 2024-10-16 - 来自专栏全栈全栈
用 Python 做数学建模
前言 这里是用python解决数学建模的一些问题，用到的是python3.x，scipy，numpy和matplotlib。 先补充一些基本的数据知识。 #多维度 >>> np.array([[1, 2], [3, 4]]) array([[1, 2], [3, 4]]) #预设维度 >>> np.array([1, 2, 3], ndmin =2) array([[1, 2, 3]]) #复数 >>> np.array([1, 2, 3], dtype=complex) array([ 1.+0.j, 2.+0.j, 3.+0.j] 正文 补充完一些基础的数据知识就开始接触真正的数学建模用到的类型知识了。 这里不讨论具体问题，只涉及数学方程转换成函数语言进行求解的过程，参考书籍：数学建模算法与应用。 ?
2.1K21发布于 2020-03-17 - 来自专栏学习成长指南
数学建模---Matlab学习笔记
计算每次模拟要花费的时间，利用randi随机生成三种不同的情况，分别对应不同的时间循环，最后把时间存储到对应的T里面的下标，我们再利用mean函数求这个向量里面的所有数据的平均值，这个就是小猫走出山洞的平均时间； （3） 二分法求解零点问题 我们这个二分法类似于变成里面的二分查找；由图像可得到，ab分别是函数图像的两个端点，二分法就是取出ab的中点c，让ac两点的函数值相乘（就是利用数学里面的零点存在定理），如果结果小于
27410编辑于 2025-02-24
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号