【数学建模】状态转移模型的理解与应用

简介: 【数学建模】状态转移模型的理解与应用

直接讲理论不太容易懂,所以我们通过一个例子来具体讲解一下这个模型


初识状态转移模型:人狼羊菜渡河问题


人狼羊菜问题应该是很经典的状态转移模型的例题了,题目内容:

有个人带着一只狼,一头羊,和一筐菜准备渡河,但是船只能容纳除了人以外的一种生物,无人看守时,狼吃羊,羊吃菜,问怎么渡河,并且每次渡河时,人必须在船上,问:怎么渡河才能让人狼羊菜都安全过河?

9b36c77a9006cd40ac7138a1839e0ddc.png

要解决这个问题,我们首先想到的是试探一下,做假设,对于这种变量个数较少的,我们可以很轻松的就使用暴力法做出来结果

  1. 人和羊去
  2. 人回来
  3. 人和狼去
  4. 人和羊回来
  5. 人和菜去
  6. 人回来
  7. 人和羊去

图示如下:

3887b6c21fcb19870f1554fb671109b5.png

对于简单问题,我们能很轻松的给出解法,但是,如果复杂一点的话,就不能一下看出来了,所以我们要从简单的问题中提炼出有效信息,使用抽象的方式描述这一类问题,然后给出更普适的通解,当以后再遇到这一类问题的时候,直接用通解的结论带入即可轻松快速解决问题,这就是数学建模的本质与目的。


那么,针对人狼羊菜问题,我们使用抽象的方式来描述一下问题吧

我们把人、狼、羊、菜看成是四个变量,他们的位置状态使用数字表示,假设在左岸是1,右岸是0,那么就可以得到如下的表格

61193131f15b047988b56dffddb41830.png

这个表格中,列出了人狼羊菜四个对象的所有状态,但是其中有不合法的状态,现在要做的是把不合法的状态全部都去除掉,然后就得到了如下的表格

e3e772a40c65936dee2e970a4798bac5.png

这十个就是安全状态,然后我们的目的也就变成了将变量状态由1111变成0000

然后下一步,由于这些状态是依靠人来转变的,所以,我们将上述的十种安全状态按照人的状态分类,就得到了如下结果

edf658408a8c7917bdb654feab4b38ed.png

现在的状态是看起来是用二进制的方式表示的,那么我们使用十进制会不会更好表示呢?

e38b7eda81109770964deb84e592f77c.png

可以看到,我们把二进制的状态变成十进制啦,并且又重新为他们编了号,所以现在,我们的问题转变成了1 -> 10,一共有这么多条线呢,我们把这个图简化一下吧,更方便我们看

1b0c870b95d68a3f2dd4637e276a0c65.png

所以,最终变成了这种状态,此时,我们就能够很清晰的得出结论:1. 该问题有解 2. 该问题有两个解 3. 7步完成


到此我们就使用科学的方式建立了模型解决了这个问题。这是我们对数学建模的最基本的了解。


状态转移模型的结论


1. 特征:

对逐步过程的简单抽象

2. 状态机

状态机就是集合上的二元关系,集合中的元素就是”状态“,这个关系被称作转移关系,在转移关系图中,一个箭头表示一次转移。状态机的表达形式:

V = {q -> r | q,r是E中的元素}

其中E表示的是状态的集合,即状态空间。

3. 状态图

集合上所有的转移关系成为状态机的状态图,所有状态机都有初始状态,在状态图中的表现形式为两个圈

f30e5ef54ce046cb1c2ad7e6e8f8ccfc.png

4. 状态机的描述

状态机的描述有以下几个关键点:状态空间,初始状态,转移关系

例如:有一个从0开始的无界计数器,他的状态机描述为:

状态空间:{0,1,2….}

初始状态:0

转移:{n -> n+1}


状态转移模型的应用:n人过桥问题


题干:有4个人打算过桥,这个桥每次最多只能有两个人同时通过。假设他们都在桥的某一端,并且是在晚上,过桥需要一只手电筒,而他们只有一只手电筒,这就意味着两个人过桥后必须有一个人将手电筒带回来。每个人走路的速度是不同的:甲过桥要用1分钟,乙过桥要用2分钟,丙过桥要用5分钟,丁过桥要用10分钟。显然,两个人走路的速度等于其中较慢那个人的速度。问,他们全部过桥最少要用多长时间?


✅首先分析出这里的变量集,{甲,乙,丙,丁},根据问题的描述,假设四人初始时都在桥左侧,最终想去往桥右侧,所以每个变量的状态有两个,在左侧或右侧


✅把这四个变量设成(x1,x2,x3,x3),分别对应甲乙丙丁,其中的值设为0或1,分别代表在左侧或右侧


✅所以可以得到,所有状态的状态集为:

(0,0,0,0) (0,0,0,1) (0,0,1,0) (0,0,1,1) (0,1,0,0) (0,1,0,1) (0,1,1,0) (0,1,1,1)

(1,0,0,0) (1,0,0,1) (1,0,1,0) (1,0,1,1) (1,1,0,0) (1,1,0,1) (1,1,1,0) (1,1,1,1)


✅由于题目的约束条件,我们能够得到的决策集有{甲乙,甲丙, 甲丁,乙丙,乙丁,丙丁,甲,乙,丙,丁}


通过状态+决策集的方式,我们同样能够写出来状态转移方程,按照此方法,将转移过程展开,最终能够得到一个状态转移的带权图,在其中有很多的路径,每个路径的权值不同,最终我们要找的最优解就是图中的最短路径,这里涉及到数据结构的知识,在这里就不过多赘述了。

态转移方程,按照此方法,将转移过程展开,最终能够得到一个状态转移的带权图,在其中有很多的路径,每个路径的权值不同,最终我们要找的最优解就是图中的最短路径,这里涉及到数据结构的知识,在这里就不过多赘述了。


关于模型的学习和使用,现在笔者现在还在路上,如果哪里有错误,欢迎大家在评论区指正。


相关文章
|
7月前
|
机器学习/深度学习 移动开发 JavaScript
ZC序列理论学习及仿真(一)
ZC序列理论学习及仿真
1205 0
|
机器学习/深度学习
数学建模——差分方程结论介绍
数学建模——差分方程结论介绍
147 0
第9章 数学建模函数——9.2 参数估计函数
第9章 数学建模函数——9.2 参数估计函数
|
3天前
|
机器学习/深度学习 算法
基于改进遗传优化的BP神经网络金融序列预测算法matlab仿真
本项目基于改进遗传优化的BP神经网络进行金融序列预测,使用MATLAB2022A实现。通过对比BP神经网络、遗传优化BP神经网络及改进遗传优化BP神经网络,展示了三者的误差和预测曲线差异。核心程序结合遗传算法(GA)与BP神经网络,利用GA优化BP网络的初始权重和阈值,提高预测精度。GA通过选择、交叉、变异操作迭代优化,防止局部收敛,增强模型对金融市场复杂性和不确定性的适应能力。
110 80
|
7月前
|
机器学习/深度学习
ZC序列理论学习及仿真(三)
ZC序列理论学习及仿真
306 0
|
7月前
|
数据可视化 数据挖掘 Python
数学建模——线性回归模型
数学建模——线性回归模型
113 1
|
Serverless
数学建模——确定性时间序列分析方法(一)
数学建模——确定性时间序列分析方法
174 0
|
7月前
ZC序列理论学习及仿真(二)
ZC序列理论学习及仿真
402 0
|
7月前
|
编解码 算法 jenkins
【MATLAB 】 小波分解-ARIMA联合时序预测算法,科研创新优选算法
【MATLAB 】 小波分解-ARIMA联合时序预测算法,科研创新优选算法
185 0