提示:文章为个人学习笔记备忘录
预测模型:神经网络预测、灰色预测、拟合插值预测(线性回归)、时间序列预测、马尔科夫链预测、微分方程预测、Logistic 模型等等。 应用领域:人口预测、水资源污染增长预测、病毒蔓延预测、竞赛获胜概率预测、月收入预测、销量预测、经济发展情况预测等在工业、农业、商业等经济领域,以及环境、社会和军事等领域中都有广泛的应用。
预测模型:难度中等。 拟合插值预测:基础简单、容易理解。
神经网络预测:现代优化算法、考验编程能力。 人口预测:灰色预测、Logistic 模型…
优化模型:规划模型(目标规划、线性规划、非线性规划、整数规划、动态规划)、图论模型、排队论模型、神经网络模型、现代优化算法(遗传算法、模拟退火算法、蚁群算法、禁忌搜索算法)等等。 应用领域:快递员派送快递的最短路径问题、水资源调度优化问题、高速路口收费站问题、军事行动避空侦察的时机和路线选择、物流选址问题、商区布局规划等各个领域。
优化模型:偏难。 切割木料、地板,使损耗最低、利润最高。 自然水管道铺设问题:图论模型(迪杰斯特拉算法 Dijkstra、克鲁斯卡尔算法 Kruskal)
评价模型:模糊综合评价法、层次分析法、聚类分析法、主成分分析评价法、灰色综合评价法、人工神经网络评价法等等。 应用领域:某区域水资源评价、水利工程项目风险评价、城市发展程度评价、足球教练评价、篮球队评价、水生态评价、大坝安全评价、边坡稳定性评价。
预测模型:偏简单。
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
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
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
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
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)
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
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
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
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