数学建模十大算法-阿里云开发者社区

开发者社区> 人工智能> 正文

数学建模十大算法

简介:

作者:July  二零一一年一月二十九日


 

一、蒙特卡罗算法
1946年,美国拉斯阿莫斯国家实验室的三位科学家John von Neumann,Stan Ulam 和 Nick Metropolis
共同发明了,蒙特卡罗方法。


此算法被评为20世纪最伟大的十大算法之一,详情,请参见我的博文:
http://blog.csdn.net/v_JULY_v/archive/2011/01/10/6127953.aspx

 

蒙特卡罗方法(Monte Carlo method),又称随机抽样或统计模拟方法,是一种以概率统计理论为指导

的一类非常重要的数值计算方法。此方法使用随机数(或更常见的伪随机数)来解决很多计算问题的方

法。

 

由于传统的经验方法由于不能逼近真实的物理过程,很难得到满意的结果,而蒙特卡罗方法由于能够真

实地模拟实际物理过程,故解决问题与实际非常符合,可以得到很圆满的结果。

蒙特卡罗方法的基本原理及思想如下:
当所求解问题是某种随机事件出现的概率,或者是某个随机变量的期望值时,通过某种“实验”的方法

,以这种事件出现的频率估计这一随机事件的概率,或者得到这个随机变量的某些数字特征,并将其作

为问题的解。

 

有一个例子可以使你比较直观地了解蒙特卡洛方法:
假设我们要计算一个不规则图形的面积,那么图形的不规则程度和分析性计算(比如,积分)的复杂程

度是成正比的。蒙特卡洛方法是怎么计算的呢?假想你有一袋豆子,把豆子均匀地朝这个图形上撒,然

后数这个图形之中有多少颗豆子,这个豆子的数目就是图形的面积。当你的豆子越小,撒的越多的时候

,结果就越精确。
在这里我们要假定豆子都在一个平面上,相互之间没有重叠。


蒙特卡罗方法通过抓住事物运动的几何数量和几何特征,利用数学方法来加以模拟,即进行一种数字模

拟实验。它是以一个概率模型为基础,按照这个模型所描绘的过程,通过模拟实验的结果,作为问题的

近似解。

 

蒙特卡罗方法与一般计算方法有很大区别,一般计算方法对于解决多维或因素复杂的问题非常困难,而

蒙特卡罗方法对于解决这方面的问题却比较简单。其特点如下:
I、  直接追踪粒子,物理思路清晰,易于理解。
II、 采用随机抽样的方法,较真切的模拟粒子输运的过程,反映了统计涨落的规律。
III、不受系统多维、多因素等复杂性的限制,是解决复杂系统粒子输运问题的好方法。
等等。

此算法,日后还会在本BLOG 内详细阐述。

 


二、数据拟合、参数估计、插值等数据处理算法
我们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。

数据拟合在数学建模比赛中中有应用,与图形处理有关的问题很多与拟合有关系,一个例子就是98年数

学建模美国赛A题,生物组织切片的三维插值处理,94年A题逢山开路,山体海拔高度的插值计算,还有

吵的沸沸扬扬可能会考的“非典”问题也要用到数据拟合算法,观察数据的走向进行处理。

 

此类问题在 MATLAB 中有很多现成的函数可以调用,熟悉MATLAB,这些方法都能游刃有余的用好。

 


三、线性规划、整数规划、多元规划、二次规划等规划类问题
数学建模竞赛中很多问题都和数学规划有关,可以说不少的模型都可以归结为一组不等式作为约束条件

、几个函数表达式作为目标函数的问题,遇到这类问题,求解就是关键了,比如98年B题,用很多不等式

完全可以把问题刻画清楚,因此列举出规划后用 Lindo 、 Lingo 等软件来进行解决比较方便,所以还

需要熟悉这两个软件。

 


四、图论算法
这类问题算法有很多,
包括: Dijkstra 、 Floyd 、 Prim 、 Bellman-Ford ,最大流,二分匹配等问题。

 

关于此类图论算法,可参考Introduction to Algorithms--算法导论,关于图算法的第22章-第26章。
同时,本BLOG内经典算法研究系列,对Dijkstra算法有所简单描述,
-----------
经典算法研究系列:二、Dijkstra 算法初探
http://blog.csdn.net/v_JULY_v/archive/2010/12/24/6096981.aspx

更多,请关注本BLOG 日后更新的博文。

 


五、动态规划、回溯搜索、分治算法、分支定界等计算机算法
在数学建模竞赛中,如:92 年B题用分枝定界法, 97年B题是典型的动态规划问题,
此外 98 年 B 题体现了分治算法。


这方面问题和 ACM 程序设计竞赛中的问题类似,
推荐看一下算法导论,与《计算机算法设计与分析》(电子工业出版社)等与计算机算法有关的书。

 


六、最优化理论的三大经典算法:模拟退火法、神经网络、遗传算法
这十几年来最优化理论有了飞速发展,模拟退火法、神经网络、遗传算法这三类算法发展很快。

在数学建模竞赛中:比如97年A题的模拟退火算法,00年B题的神经网络分类算法,01年B题这种难题也可

以使用神经网络,还有美国竞赛89年A题也和 BP 算法有关系,当时是86年刚提出BP算法,89年就考了,

说明赛题可能是当今前沿科技的抽象体现。
03 年 B 题伽马刀问题也是目前研究的课题,目前算法最佳的是遗传算法。

 

另,本人对人工智能非常感兴趣,遗传算法已在本BLOG内有所阐述,敬请参见。
----------
经典算法研究系列:七、深入浅出遗传算法,透析GA本质
http://blog.csdn.net/v_JULY_v/archive/2011/01/12/6132775.aspx

 

其它俩大算法,模拟退火法,与神经网络,也定会在本BLOG内日后的博文更新中,详细阐述。

 


七、网格算法和穷举法
网格算法和穷举法一样,只是网格法是连续问题的穷举。
比如要求在 N 个变量情况下的最优化问题,那么对这些变量可取的空间进行采点,
比如在 [ a; b ] 区间内取 M +1 个点,就是 a; a +( b ? a ) =M; a +2 ¢ ( b ? a ) =M ; …;b

那么这样循环就需要进行 ( M + 1) N 次运算,所以计算量很大。


在数学建模竞赛中:比如 97 年 A 题、 99 年 B 题都可以用网格法搜索,这种方法最好在运算速度较

快的计算机中进行,还有要用高级语言来做,最好不要用 MATLAB 做网格,否则会算很久。

穷举法大家都熟悉,自不用多说了。  

 


八、一些连续离散化方法
大部分物理问题的编程解决,都和这种方法有一定的联系。物理问题是反映我们生活在一个连续的世界

中,计算机只能处理离散的量,所以需要对连续量进行离散处理。


这种方法应用很广,而且和上面的很多算法有关。
事实上,网格算法、蒙特卡罗算法、模拟退火都用了这个思想。 

 


九、数值分析算法
数值分析(numerical analysis),是数学的一个分支,主要研究连续数学(区别于离散数学)问题的

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。

这类算法是针对高级语言而专门设的,如果你用的是 MATLAB 、 Mathematica ,大可不必准备,
因为像数值分析中有很多函数一般的数学软件是具备的。

 


十、图象处理算法
在数学建模竞赛中:比如01 年 A 题中需要你会读 BMP 图象、美国赛 98 年 A 题需要你知道三维插值

计算, 03 年 B 题要求更高,不但需要编程计算还要进行处理,而数模论文中也有很多图片需要展示,

因此图象处理就是关键。做好这类问题,重要的是把MATLAB 学好,特别是图象处理的部分。

 

此数学建模十大算法的程序源码打包,请于此处下载:
http://download.csdn.net/source/3007336

 

本人对算法,尤其感兴趣,且日渐愈浓,
日后,更多的、好的、经典实用算法将会在本BLOG内有所详细而细致入微的阐述与深入研究。
完。

 

 

作者声明:
本人July对本博客所有任何文章、内容和资料享有版权,
转载请注明作者本人July及出处。谢谢。二零一一年一月二十九日。

版权声明:本文内容由阿里云实名注册用户自发贡献,版权归原作者所有,阿里云开发者社区不拥有其著作权,亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容,填写侵权投诉表单进行举报,一经查实,本社区将立刻删除涉嫌侵权内容。

分享:
人工智能
使用钉钉扫一扫加入圈子
+ 订阅

了解行业+人工智能最先进的技术和实践,参与行业+人工智能实践项目

其他文章