數學建模分配演算法

❶ 數學建模的演算法都有那些

你這個問題問得太專業了！
針對不同的題目有不同的演算法
而且對同一道題目有可能有好幾種演算法
這是最基本的東西吧

❷ 數學建模應用的數學建模十大演算法

1、蒙特卡羅演算法,該演算法又稱隨機性模擬演算法，是通過計算機模擬來解決問題的演算法，同時可以通過模擬可以來檢驗自己模型的正確性。
2、數據擬合、參數估計、插值等數據處理演算法，通常使用Matlab作為工具。
3、線性規劃、整數規劃、多元規劃、二次規劃等規劃類問題，通常使用Lindo、Lingo軟體實現。
4、圖論演算法，這類演算法可以分為很多種，包括最短路、網路流、二分圖等演算法，涉及到圖論的問題可以用這些方法解決。
5、動態規劃、回溯搜索、分治演算法、分支定界等計算機演算法。
6、最優化理論的三大非經典演算法：模擬退火法、神經網路、遺傳演算法（這些問題是用來解決一些較困難的最優化問題的演算法，對於有些問題非常有幫助，但是演算法的實現比較困難，需慎重使用）
7、網格演算法和窮舉法，網格演算法和窮舉法都是暴力搜索最優點的演算法，在很多競賽題中有應用，當重點討論模型本身而輕視演算法的時候，可以使用這種暴力方案，最好使用一些高級語言作為編程工具。
8、一些連續離散化方法，很多問題都是實際來的，數據可以是連續的，而計算機只認的是離散的數據，因此將其離散化後進行差分代替微分、求和代替積分等思想是非常重要。
9、數值分析演算法（如果在比賽中採用高級語言進行編程的話，那一些數值分析中常用的演算法比如方程組求解、矩陣運算、函數積分等演算法就需要額外編寫庫函數進行調用）。
10、圖象處理演算法（賽題中有一類問題與圖形有關，即使與圖形無關，論文中也應該要不乏圖片的，這些圖形如何展示以及如何處理就是需要解決的問題，通常使用Matlab進行處理）。

❸ 參加數學建模有哪些必學的演算法

1. 蒙特卡洛方法：
又稱計算機隨機性模擬方法，也稱統計實驗方法。可以通過模擬來檢驗自己模型的正確性。

2. 數據擬合、參數估計、插值等數據處理
比賽中常遇到大量的數據需要處理，而處理的數據的關鍵就在於這些方法，通常使用matlab輔助，與圖形結合時還可處理很多有關擬合的問題。

3. 規劃類問題演算法：
包括線性規劃、整數規劃、多元規劃、二次規劃等；競賽中又很多問題都和規劃有關，可以說不少的模型都可以歸結為一組不等式作為約束條件，幾個函數表達式作為目標函數的問題，這類問題，求解是關鍵。
這類問題一般用lingo軟體就能求解。

4. 圖論問題：
主要是考察這類問題的演算法，包括：Dijkstra、Floyd、Prime、Bellman-Ford，最大流、二分匹配等。熟悉ACM的人來說，應該都不難。

5. 計算機演算法設計中的問題：
演算法設計包括：動態規劃、回溯搜索、分治、分支定界法（求解整數解）等。

6. 最優化理論的三大非經典演算法：
a) 模擬退火法（SA）
b) 神經網路（NN）
c) 遺傳演算法（GA）

7. 網格演算法和窮舉演算法

8. 連續問題離散化的方法
因為計算機只能處理離散化的問題，但是實際中數據大多是連續的，因此需要將連續問題離散化之後再用計算機求解。
如：差分代替微分、求和代替積分等思想都是把連續問題離散化的常用方法。

9. 數值分析方法
主要研究各種求解數學問題的數值計算方法，特別是適用於計算機實現的方法與演算法。
包括：函數的數值逼近、數值微分與數值積分、非線性返程的數值解法、數值代數、常微分方程數值解等。
主要應用matlab進行求解。

10. 圖像處理演算法
這部分主要是使用matlab進行圖像處理。
包括展示圖片，進行問題解決說明等。

❹ 數學建模 分配問題

10/1000=1/100，所以大體上是從100人中選出一個委員來。
因各宿舍的人數均不是100的整數倍，所以，必有一人是從余數中選出的，在余數中，A舍的人數較多，為25，可從A舍中多選一人當委員。
如果是15名委員，15/1000=3/200，所以是從200人中選3人。
這樣，從A舍選3人，從B選5人，從C選7人。

❺ 數學建模的十大演算法

1、蒙特卡羅演算法（該演算法又稱隨機性模擬演算法，是通過計算機模擬來解決問題的演算法，
同時可以通過模擬可以來檢驗自己模型的正確性，是比賽時必用的方法）
2、數據擬合、參數估計、插值等數據處理演算法（比賽中通常會遇到大量的數據需要處理，
而處理數據的關鍵就在於這些演算法，通常使用Matlab作為工具）
3、線性規劃、整數規劃、多元規劃、二次規劃等規劃類問題（建模競賽大多數問題屬於最優化問題，
很多時候這些問題可以用數學規劃演算法來描述，通常使用Lindo、Lingo軟體實現）
4、圖論演算法（這類演算法可以分為很多種，包括最短路、網路流、二分圖等演算法，
涉及到圖論的問題可以用這些方法解決，需要認真准備）
5、動態規劃、回溯搜索、分治演算法、分支定界等計算機演算法（這些演算法是演算法設計中比較常用的方法，很多場合可以用到競賽中）
6、最優化理論的三大非經典演算法：模擬退火法、神經網路、遺傳演算法
（這些問題是用來解決一些較困難的最優化問題的演算法，對於有些問題非常有幫助，
但是演算法的實現比較困難，需慎重使用）
7、網格演算法和窮舉法（網格演算法和窮舉法都是暴力搜索最優點的演算法，在很多競賽題中有應用，
當重點討論模型本身而輕視演算法的時候，可以使用這種暴力方案，最好使用一些高級語言作為編程工具）
8、一些連續離散化方法（很多問題都是實際來的，數據可以是連續的，而計算機只認的是離散的數據，因此將其離散化後進行差分代替微分、求和代替積分等思想是非常重要的）
9、數值分析演算法（如果在比賽中採用高級語言進行編程的話，那一些數值分析中常用的演算法比
如方程組求解、矩陣運算、函數積分等演算法就需要額外編寫庫函數進行調用）
10、圖象處理演算法（賽題中有一類問題與圖形有關，即使與圖形無關，論文中也應該要不乏圖片的，
這些圖形如何展示以及如何處理就是需要解決的問題，通常使用Matlab進行處理）

❻ 數學建模公平合理的獲獎名額分配

一、 問題的提出
我們曾遇到下面一件事，在校學生200名，其中初一年級103名，初二年級63名，初三年級34名，若選20名發放獎學金，按人數比例分配，三個年級分別為10.3,6.3,3.4，將分配名額取整數分配完19人，剩下一個名額按常規分配給余數大的初三年級。於是三個年級分別佔有10，7，4個名額。若選21名發放獎學金，按上述方法計算得三個年級分別佔有11，7，3個名額，初三年級反而減少1個名額。故初三年級的學生認為不合理。為解決此矛盾，我們提出研究一種更「公平合理」的名額分配模型，再用計算機高級語言編程實現。
二、建立數學模型
設甲，乙雙方人數分別為 ,並分別佔有 個名額，則雙方每個名額所代表的人數分別為 ,顯然當
時，名額分配才是合理。但在一般情況下，此二數並不相等。為相對公平，引入「相對誤差」。xi ，△= ，x1，x2分別為甲乙的相對誤差。則有 當甲、乙各佔n1和n2個名額時，總名額增加1個，應分配給甲方還是乙方呢？ 不失一般性，設p1>p2，即對甲方不公平，x1(n1,n2)有意義，再分配1個名額時，可能有三種情況：
，說明甲方增加一個名額後，仍對甲不公平，顯然新增的1個名額要歸甲。
說明甲方增加1個名額後對乙方不公平,這時應有
說明乙方增加1個名額後對甲方不公平,這時應有

（註：在p1>p2的假設下，不可能出現 情形，即在對甲方不公平的情況下，給乙增加1個名額後，仍對乙不公平。）
若x1(n1 ,n2+1)>x2(n1+1 ,n2)，則新增的1個名額應分配給甲方，反之分給乙方。由此結合（1）、（2）、（3）式得

即當(4)式成立時，增加1個名額應分配給甲方，反之分給乙方。設 ，則新增的1個名額應分配給P=max{P1 ,P2}的一方。
我們可將問題推廣到更一般:Di方的人數為mi，已佔有ni≥1(i=1,2,…,k)個名額，當總名額增加1個時，計算 ，則新增的1個名額分配給Pi值中最大的一方。
三、程序設計
用數組存放各方的人數、各方分配到的名額，各方的P值。為使整個分配公平合理，每方至少有一個名額，故先給各方分1個名額。從第k+1個名額起，每1個名額都為新增的名額，通過計算P值後，將這個名額分配給這k個P值中最大的一個，同時修改這個最大的P值，再分配第k+2個名額，直到名額分完為止，此重復工作用循環語句來實現。為判斷名額是否分完，用yfrs記已分配的名額數，q為總名額數，當yfrs<q時繼續循環。其Authorware主要程序如下：
主程序如上圖。
在祝賀詞中有一電影圖標，播放一舞蹈，表祝賀。選擇交互中，有參研人員，課題內容，研究過程，課題軟體和結束子程序。
在參研人員子程序中，顯示參研人員的相片，當滑鼠指向人名時，顯示該同志的相片。

在研究過程子程序中，記錄了研究過程的時間段的研究內容，同時顯示相關資料圖片。

在課題軟體子程序中，按我們設計的演算法，編寫了計算程序。為讓計算機能接受輸入的數據，利用文本交互方式設計了子程序「輸入段」如右圖：

在「輸入各方人數」中有一計算圖標，它是計算分配名額的主要程序，其主要內容如下：
zc:=EntryText
len:=CharCount(zc)
zc1:=""
zc2:=""
ii:=1
weizi:=0
repeat while ii<=len
zc1:=SubStr(zc, ii,ii)
if zc1="," then
sz:=Real(zc2)
weizi:=weizi+1
ArraySet(weizi,sz)
zc2:=""
else
zc2:=zc2^zc1
end if
ii:=ii+1
end repeat
fangshu:=weizi
ii:=1
repeat while ii<=fangshu
ArraySet(ii+fangshu,1)
a:=ArrayGet(ii)
b:=1
c:=a*a/(b*(b+1))
ArraySet(2*fangshu+ii,c)
ii:=ii+1
end repeat
yfrs:=fangshu
repeat while yfrs<q
maxp:=0
kl:=1
l:=fangshu+1
repeat with i:=1 to fangshu
if ArrayGet(2*fangshu+i)>maxp then
maxp:=ArrayGet(2*fangshu+i)
l:=fangshu+i
kl:=i
end if
end repeat
b:=ArrayGet(l)+1
ArraySet(l,b)
a:=ArrayGet(kl)
c:=a*a/(b*(b+1))
ArraySet(2*fangshu+kl,c)
yfrs:=yfrs+1
end repeat
nn:=DeleteFile("aa.txt")
repeat with l:=fangshu+1 to 2*fangshu
ss:=ArrayGet(l)
AppendExtFile("aa.txt",ss)
AppendExtFile("aa.txt"," , ")
end repeat
jieguo:=ReadExtFile ("aa.txt")
通過運行程序可得前面的發放獎學金名額分配方案為一、二，三年級分別分配11，6，4個才合理

這是一個模板。你自己看一下。很容易的哦

❼ 數學建模建模分為幾種類型，分別用什麼法求解

數學建模應當掌握的十類演算法
1、蒙特卡羅演算法（該演算法又稱隨機性模擬演算法，是通過計算機模擬來解決問題的算 法，同時可以通過模擬可以來檢驗自己模型的正確性，是比賽時必用的方法） 2、數據擬合、參數估計、插值等數據處理演算法（比賽中通常會遇到大量的數據需要 處理，而處理數據的關鍵就在於這些演算法，通常使用Matlab作為工具） 3、線性規劃、整數規劃、多元規劃、二次規劃等規劃類問題（建模競賽大多數問題 屬於最優化問題，很多時候這些問題可以用數學規劃演算法來描述，通常使用Lindo、 Lingo軟體實現） 4、圖論演算法（這類演算法可以分為很多種，包括最短路、網路流、二分圖等演算法，涉 及到圖論的問題可以用這些方法解決，需要認真准備） 5、動態規劃、回溯搜索、分治演算法、分支定界等計算機演算法（這些演算法是演算法設計 中比較常用的方法，很多場合可以用到競賽中） 6、最優化理論的三大非經典演算法：模擬退火法、神經網路、遺傳演算法（這些問題是 用來解決一些較困難的最優化問題的演算法，對於有些問題非常有幫助，但是演算法的實 現比較困難，需慎重使用） 7、網格演算法和窮舉法（網格演算法和窮舉法都是暴力搜索最優點的演算法，在很多競賽 題中有應用，當重點討論模型本身而輕視演算法的時候，可以使用這種暴力方案，最好 使用一些高級語言作為編程工具） 8、一些連續離散化方法（很多問題都是實際來的，數據可以是連續的，而計算機只 認的是離散的數據，因此將其離散化後進行差分代替微分、求和代替積分等思想是非 常重要的） 9、數值分析演算法（如果在比賽中採用高級語言進行編程的話，那一些數值分析中常 用的演算法比如方程組求解、矩陣運算、函數積分等演算法就需要額外編寫庫函數進行調 用） 10、圖象處理演算法（賽題中有一類問題與圖形有關，即使與圖形無關，論文中也應該 要不乏圖片的，這些圖形如何展示以及如何處理就是需要解決的問題，通常使用Matlab 進行處理）

❽ 數學建模中的住院部病區分配問題，求上手方式，弗洛伊德演算法下怎麼用matlab實現

同學你好，請不要在互聯網上搜索答案。
對外經貿大學數學建模輔導小組

❾ 數學建模題平均分配問題

(1)不公平.

❿ 求，數學建模十大演算法

數學建模的十大演算法
1、蒙特卡羅演算法（該演算法又稱隨機性模擬演算法，是通過計算機模擬來解決問題的演算法，

同時可以通過模擬可以來檢驗自己模型的正確性，是比賽時必用的方法）

2、數據擬合、參數估計、插值等數據處理演算法（比賽中通常會遇到大量的數據需要處理，

而處理數據的關鍵就在於這些演算法，通常使用Matlab作為工具）

3、線性規劃、整數規劃、多元規劃、二次規劃等規劃類問題（建模競賽大多數問題屬於最優化問題，

很多時候這些問題可以用數學規劃演算法來描述，通常使用Lindo、Lingo軟體實現）

4、圖論演算法（這類演算法可以分為很多種，包括最短路、網路流、二分圖等演算法，

涉及到圖論的問題可以用這些方法解決，需要認真准備）

5、動態規劃、回溯搜索、分治演算法、分支定界等計算機演算法（這些演算法是演算法設計中比較常用的方法，

很多場合可以用到競賽中）

6、最優化理論的三大非經典演算法：模擬退火法、神經網路、遺傳演算法

（這些問題是用來解決一些較困難的最優化問題的演算法，對於有些問題非常有幫助，

但是演算法的實現比較困難，需慎重使用）

7、網格演算法和窮舉法（網格演算法和窮舉法都是暴力搜索最優點的演算法，在很多競賽題中有應用，

當重點討論模型本身而輕視演算法的時候，可以使用這種暴力方案，最好使用一些高級語言作為編程工具）

8、一些連續離散化方法（很多問題都是實際來的，數據可以是連續的，而計算機只認的是離散的數據，

因此將其離散化後進行差分代替微分、求和代替積分等思想是非常重要的）

9、數值分析演算法（如果在比賽中採用高級語言進行編程的話，那一些數值分析中常用的演算法比

如方程組求解、矩陣運算、函數積分等演算法就需要額外編寫庫函數進行調用）

10、圖象處理演算法（賽題中有一類問題與圖形有關，即使與圖形無關，論文中也應該要不乏圖片的，

這些圖形如何展示以及如何處理就是需要解決的問題，通常使用Matlab進行處理）