数学建模——算法培训

1、数学建模数学建模是一种数学的思考方法，是运用数学的语言和方法，通过抽象、简化建立能近似刻画并解决实际问题的一种强有力的数学手段。 我们也可以这样直观地理解这个概念：数学建模是一个让纯粹数学家（指只懂数学不懂数学在实际中的应用的数学家）变成物理学家，生物学家，经济学家甚至心理学家等等的过程。 模型准备模型准备了解问题的实际背景，明确其实际意义，掌握对象的各种信息。用数学语言来描述问题。模型假设模型假设根据实际对象的特征和建模的目的，对问题进行必要的简化，并用精确的语言提出一些恰当的假设。 模型建立模型建立在假设的基础上，利用适当的数学工具来刻划各变量之间的数学关系，建立相应的数学结构（尽量用简单

2、的数学工具）。模型求解模型求解利用获取的数据资料，对模型的所有参数做出计算（或近似计算）。模型分析模型分析对所得的结果进行数学上的分析。 模型检验模型检验将模型分析结果与实际情形进行比较，以此来验证模型的准确性、合理性和适用性。如果模型与实际较吻合，则要对计算结果给出其实际含义，并进行解释。如果模型与实际吻合较差,则应该修改假设，再次重复建模过程。 模型应用模型应用应用方式因问题的性质和建模的目的而异。 竞赛题目一般来源于工程技术和管理科学等方面经过适当简化加工的实际问题，不要求参赛者预先掌握深入的专门知识，只需要学过普通高校的数学课程。题目有较大的灵活性供参赛者发挥其创造能力。参赛者应根据题

3、目要求，完成一篇包括模型的假设、建立和求解，计算方法的设计和计算机实现，结果的分析和检验，模型的改进等方面的论文（即答卷）。竞赛评奖以假设的合理性、建模的创造性、结果的正确性和文字表述的清晰程度为主要标准。全国大学生数学建模竞赛全国大学生数学建模竞赛 全国统一竞赛题目，采取通讯竞赛方式，以相对集中的形式进行；竞赛一般在每年9月末的三天内举行；大学生以队为单位参赛，每队3人，专业不限 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

4、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

5、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（

6、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）单源最短路径最小生成树最优装载活动安排13给定带权有向图G =(V,E)，其中每条边的权是非负实数。另外，还给定V中的一个顶点，称为源源。现在要计算从源到所有其他各顶点的最短路长度最短路长度。这里路的长度是指路上各边权之和。这个问题通常称为单源最短路径问题单源最短路径问题。1.1.算法基本思想算法基本思想Dijkstra算法是解单源最短路径问题的贪心算法。14其基本思想基本思想是，设置顶点集合S并不断地作贪心选择贪心选择来扩充这个集合。一个顶点

7、属于集合S当且仅当从源到该顶点的最短路径长度已知。初始时，S中仅含有源。设u是G的某一个顶点，把从源到u且中间只经过S中顶点的路称为从源到u的特殊路径，并用数组dist记录当前每个顶点所对应的最短特殊路径长度。Dijkstra算法每次从V-S中取出具有最短特殊路长度的顶点u，将u添加到S中，同时对数组dist作必要的修改。一旦S包含了所有V中顶点，dist就记录了从源到所有其他顶点之间的最短路径长度。15例如例如，对右图中的有向图，应用Dijkstra算法计算从源顶点1到其他顶点间最短路径的过程列在下页的表中。16迭代迭代S Su udist2dist2 dist3dist3 dist4dis

8、t4 dist5dist5初始初始1-10maxint301001 11,221060301002 21,2,44105030903 31,2,4,33105030604 41,2,4,3,5510503060Dijkstra算法的迭代过程： 17设G =(V,E)是无向连通带权图，即一个网络网络。E中每条边(v,w)的权为cvw。如果G的子图G是一棵包含G的所有顶点的树，则称G为G的生成树。生成树上各边权的总和称为该生成树的耗费耗费。在G的所有生成树中，耗费最小的生成树称为G的最小生成树最小生成树。网络的最小生成树在实际中有广泛应用。例如例如，在设计通信网络时，用图的顶点表示城市，用边(v,

9、w)的权cvw表示建立城市v和城市w之间的通信线路所需的费用，则最小生成树就给出了建立通信网络的最经济的方案。 181.1.最小生成树性质最小生成树性质用贪心算法设计策略可以设计出构造最小生成树的有效算法。本节介绍的构造最小生成树的PrimPrim算法算法和KruskalKruskal算法算法都可以看作是应用贪心算法设计策略的例子。尽管这2个算法做贪心选择的方式不同，它们都利用了下面的最小生成树性质最小生成树性质：设G=(V,E)是连通带权图，U是V的真子集。如果(u,v)E，且uU，vV-U，且在所有这样的边中，(u,v)的权cuv最小，那么一定存在G的一棵最小生成树，它以(u,v)为其中一

10、条边。这个性质有时也称为MSTMST性质性质。 192.Prim2.Prim算法算法 设G=(V,E)是连通带权图，V=1,2,n。构造G的最小生成树的Prim算法的基本思想基本思想是：首先置S=1，然后，只要S是V的真子集，就作如下的贪心选贪心选择择：选取满足条件iS，jV-S，且cij最小的边，将顶点j添加到S中。这个过程一直进行到S=V时为止。在这个过程中选取到的所有边恰好构成G的一棵最小最小生成树生成树。 20利用最小生成树性质和数学归纳法容易证明，上述算法中的边集合边集合T T始终始终包含包含G G的某棵最小生成树中的某棵最小生成树中的边的边。因此，在算法结束时，T中的所有边构成G的

11、一棵最小生成树。 例如例如，对于右图中的带权图，按PrimPrim算法算法选取边的过程如下页图所示。2122在上述Prim算法中，还应当考虑如何有效地找出满如何有效地找出满足条件足条件i i S,jS,j V-SV-S，且权，且权cijcij最小的边最小的边(i,j)(i,j)。实现这个目的的较简单的办法是设置2个数组closest和lowcost。在Prim算法执行过程中，先找出V-S中使lowcost值最小的顶点j，然后根据数组closest选取边(j,closestj)，最后将j添加到S中，并对closest和lowcost作必要的修改。用这个办法实现的Prim算法所需的计算时间计算时间

12、为 )(2nO233.Kruskal3.Kruskal算法算法Kruskal算法构造G的最小生成树的基本思想基本思想是，首先将G的n个顶点看成n个孤立的连通分支。将所有的边按权从小到大排序。然后从第一条边开始，依边权递增的顺序查看每一条边，并按下述方法连接2个不同的连通分支：当查看到第k条边(v,w)时，如果端点v和w分别是当前2个不同的连通分支T1和T2中的顶点时，就用边(v,w)将T1和T2连接成一个连通分支，然后继续查看第k+1条边；如果端点v和w在当前的同一个连通分支中，就直接再查看第k+1条边。这个过程一直进行到只剩下一个连通分支时为止。 24例如，例如，对前面的连通带权图，按Kru

13、skal算法顺序得到的最小生成树上的边如下图所示。25关于集合的一些基本运算集合的一些基本运算可用于实现Kruskal算法。 按权的递增顺序查看等价于对优先队列优先队列执行removeMinremoveMin运算。可以用堆堆实现这个优先队列。 对一个由连通分支组成的集合不断进行修改，需要用到抽象数据类型并查集并查集UnionFindUnionFind所支持的基本运算。当图的边数为e时，Kruskal算法所需的计算时间计算时间是 。当 时，Kruskal算法比Prim算法差，但当 时，Kruskal算法却比Prim算法好得多。)log(eeO)(2ne)(2noe 26 活动安排问题就是要在所给

14、的活动集合中选出最大的相容活动子集合，是可以用贪心算法有效求解的很好例子。该问题要求高效地安排一系列争用某一公共资源的活动。贪心算法提供了一个简单、漂亮的方法使得尽可能多的活动能兼容地使用公共资源。27 设有n个活动的集合E=1,2,n，其中每个活动都要求使用同一资源，如演讲会场等，而在同一时间内只有一个活动能使用这一资源。每个活动i都有一个要求使用该资源的起始时间si和一个结束时间fi,且si fi 。如果选择了活动i，则它在半开时间区间si, fi)内占用资源。若区间si, fi)与区间sj, fj)不相交，则称活动i与活动j是相容的。也就是说，当sifj或sjfi时，活动i与活动j相容。

15、28在下面所给出的解活动安排问题的贪心算法greedySelectorgreedySelector :public static int greedySelector(int s, int f, boolean a) int n=s.length-1; a1=true; int j=1; int count=1; for (int i=2;i=fj) ai=true; j=i; count+; else ai=false; return count; 各活动的起始时间和结各活动的起始时间和结束时间存储于数组束时间存储于数组s s和和f f中且按结束时间的非减中且按结束时间的非减序排列序排列 2

16、9 由于输入的活动以其完成时间的非减序非减序排列，所以算法greedySelectorgreedySelector每次总是选择具有最早完成时具有最早完成时间间的相容活动加入集合A中。直观上，按这种方法选择相容活动为未安排活动留下尽可能多的时间。也就是说，该算法的贪心选择的意义是使剩余的可安排时使剩余的可安排时间段极大化间段极大化，以便安排尽可能多的相容活动。 算法greedySelectorgreedySelector的效率极高。当输入的活动已按结束时间的非减序排列，算法只需O(n)O(n)的时间安排n个活动，使最多的活动能相容地使用公共资源。如果所给出的活动未按非减序排列，可以用O(nlog

17、n)O(nlogn)的时间重排。 30 例：例：设待安排的11个活动的开始时间和结束时间按结束时间的非减序排列如下：i1234567891011Si130535688212fi456789101112131431 算法算法greedySelector greedySelector 的的计算过程计算过程如左图所示。图中每行相应于算法的一次迭代。阴影长条表示的活动是已选入集合A的活动，而空白长条表示的活动是当前正在检查相容性的活动。32 若被检查的活动i的开始时间Si小于最近选择的活动j的结束时间fi，则不选择活动i，否则选择活动i加入集合A中。 贪心算法并不总能求得问题的整体最优解整体最优解。但

18、对于活动安排问题，贪心算法greedySelector却总能求得的整体最优解，即它最终所确定的相容活动集合A的规模最大。这个结论可以用数学归纳法证明。33 有一批集装箱要装上一艘载重量为c的轮船。其中集装箱i的重量为Wi。最优装载问题要求确定在装载体积不受限制的情况下，将尽可能多的集装箱装上轮船。1.1.算法描述算法描述最优装载问题可用贪心算法求解。采用重量最轻者先装的贪心选择策略，可产生最优装载问题的最优解。具体算法描述如下页。 34public static float loading(float c, float w, int x) int n=w.length; Element d = new Element n; for (int i = 0; i n; i+) di = new Element(wi,i); MergeSort.mergeSort(d); float opt=0; for (int i = 0; i n; i+) xi = 0; for (int i = 0; i n & di.w N，则不可能到达终点;加油站间的距离相等，即ai=aj=L 加油站间的距离不相等，