数学建模培训心得

1、连续型与随机型变量的计算区别1传送系统的效率 对于目标函数逐渐拆分，过程中的公式不断想办法解决！ 由效率到运走的与生产的比例，运走的再用每个产品运走 的概率乘以总的，再往后2 报童的诀窍3 随机存储的策略求解确定未知数的求解过程，变限微积分，大小s的求解都是重点4轧钢中的浪费概率密度的问题都要在一个最佳确定点的求解5随机人口模型'''''''''''''''''''''''''''

2、'''''''''''''''''.总要有个总的目标然后逐渐拆分到底得到表达式就是逐步分解过程中的概率要分开考虑改变主题问题求解答过程，概率问题，大量的作为连续问题！还有间断的问题，比如可调整的进报量等，或者最小基础！这样就是优化！lingo也许有用，或者运筹学的方法，大型问题的综合性，仓储，运送，销售的整体赢利！在于良好的分开计算！统计回归模型的问题 matlab的运用和相对关系的判定一次二次相关等等根据R的平方以及可信区间进行判断的，找到拟和最好的，自因变

3、量的划定置信区间包含零点反而不好，残差的分布，自变量的交互作用，和实际的相应问题预测区间更短的为好，软件开发人员的问题的组合方式因自变量的问题而不同，教育，管理，资历有区别残差分析，剔除异常数据等可以直接对6种管理教育组合引入5个0-1变量 .8月19日lingo 的学习日各个窗口的判断和确认，集解答能力有缺点！集的定义： 一组数据，并且用于不同的组合，属性，衍生集，后面的变量约束有一定难度特别是简化的过程就是逻辑约束如职员时序安排模型最后的min=sum(days: statrt); for(days(j): 约束条件 sum(days(i)|i#le#5: start(wrap(j+i+2

4、,7)>=requried(j); wrap是j+i+2的模7加以函数end要求每个员工联系工作五天而且每天所需要的职工是required(j)运用for函数的调用，得到约束条件的表达，!目标函数; min=sum(links: cost*volume);!需求约束; for(vendors(J): sum(warehouses(I): volume(I,J)=demand(J);!产量约束; for(warehouses(I): sum(vendors(J): volume(I,J)<=capacity(I);excel表格在用lingo调用的时候所调用能够部分必须提前定义名称就

5、是左端的值！.8月20动态模型问题精炼简化假设实际背景目的目的的确定是很多的，对象的变化规律，未来特性，控制手段，连续离散随机三种情况，分析讨论模型优化最后确认答案正确检验由简单到复杂，简单的确认模型的形态，然后由简单的添加有效的特性，最后得到比较好的问题模型！ 论文摘要： 运用方法，结果，使用模型，整体了解情况！ 比较突出特点！'''''''''''''''''''''''''''

6、;''''''''''''''''''''''''''''''''''''''''''''''''''''''''''8月21号微积分方

7、程的定性分析稳定性理论阀值得界定意义在传染病模型中，就是地方病，人口保持稳定，或者另外有会趋向于0的！针对问题的实际解释！稳定性问题，关键的转折点！。传染病1单纯考虑感染2区分感染者和健康人3考虑治愈4考虑移出人数稳定性分析;渔场与传染病模型!从图象和变化规律来得出一些结论!并给实际问题检验,各建议,改进,得出结论!蛛网理论的特点是: 购买和制造两个方面对整体的影响不一样,因为各个因素问题!导致,稳定或者否!价格产量!价格控制,稳定价格!市场投放产量!阿尔法与贝塔的关系,就是模型中的关注因素,要手段影响!'''''''''

8、'''''''''''''''''''''''''''''''''''''''''''''''''''''''起初的手工分析定性然后解决.马氏链模型已经知道现在

9、将来与过去无关的特性没有后效性！随即序列的转移一切都成为矩阵的形式具体的转化过程?应该是22连乘吧!最后的到还是2*1的矩阵!多吸收状态的问题在一纬线上有很多坑,然后不能跳出,保持为1时间为横坐标''''''''''''''''''''''''''''''''''''''''&#

10、39;''''''''''''''''''''''''钢琴销售问题从长期来看的稳定情况以周为单位从头至尾来考虑各种情况的概率库存量和进货量的关系,概率因为从一个周到另一个周的整体情况才是整个过程对于概率的问题要意识到转移过程并清晰分析得出结果转移的过程和简单的思考假设,比如起始的状态从稳定态考虑最后结果会方便前期过程不加以考虑最后的等级考虑问题为维持平衡因为添加很多可能变量导致了问题的复杂度很大,而且运用

11、矩阵因素比较多很麻烦重点在于.8月23号实战的总结运用运筹优化建立模型时第一步，具体还是算法的问题，运用一定的定理化简约束条件改良算法关键的还是求解的过程运用损失的变化来衡量应该怎样去减少现有的连接数量！山大的模型中，仅用三角形两边和大于第三边的道理和最后均衡捆绑带来的效益运用穷举得到结果，这是在现有基础上缩小范围然后穷举得好例子！解答题目过程中，可以由一些基础定理得证明来简化表达如：1不交叉路线是效率较高de2两个辐射型路线路程肯定大于环形路线等基本前提同时个人在考虑过程中把过程考虑错误因为区县邮车是不唯一的可以由多个，而班次只是考虑时间的关系在变化中考虑最优的进化过程，用一个考量的目标确定

12、怎样去进化可以从基本可行解去逐渐优化也可以只考虑一个点然后两个点的优化然后依次扩大到我们现在的范围这个筛选的过程是关键和机械化的我们要做的只是给一个过程还有就是判断的方式比如目标只要更加优化就可以了。在没有新的计算手段的时候我们能作出什么！其他捷径的选择 还有就是从简单到复杂的过程，你能得到的东西！不断发现问题，不要心急！一定的过程是必须的！ 讲评：贪婪算法是个特点初使的解，然后综合调整 路径的确定没有衡量最优的吧 以距离现有最近的点来衡量 路程最短是优先的增加时间限制的判断，可以得到时间上一定的均衡最大邮件量，缺失的邮件量路径最短的问题没有解决其他的限制到底限制在起什么作用？单车通过的！当用贪婪算法后，如果第三量车的每个单个行程变大，那么会不会导致，三量汽车无法满足？实际动手的计算！得到编程的条件！ 贪婪算法竟然是一个较为满意的解答！ 部分人工判断比均衡的。没有确切解答的问题怎么去解决！需要结果的用每一次调整所带来的变化作为判断函数！这样一来来判断！。25日讲评时间衔接的问题不追求不放弃思路问题转化用人的思维来看floyd算法能求得最短路径不依靠计算机.8月27号笔记优化的问题，就是寻找一个目标的变化方向,并且通过迭代用最快的速度达到我们的最优解,并且路途中要避免一些坑洼和凸起,而真正确认最佳的方向,最优化就是数学矩阵,用导数来判断下降或者上升的！矩阵的特性步长的