数学建模分配算法

❶ 数学建模的算法都有那些

你这个问题问得太专业了！
针对不同的题目有不同的算法
而且对同一道题目有可能有好几种算法
这是最基本的东西吧

❷ 数学建模应用的数学建模十大算法

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。
2、数据拟合、参数估计、插值等数据处理算法，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，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。
5、动态规划、回溯搜索、分治算法、分支定界等计算机算法。
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。
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（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）。

❸ 参加数学建模有哪些必学的算法

1. 蒙特卡洛方法：
又称计算机随机性模拟方法，也称统计实验方法。可以通过模拟来检验自己模型的正确性。

2. 数据拟合、参数估计、插值等数据处理
比赛中常遇到大量的数据需要处理，而处理的数据的关键就在于这些方法，通常使用matlab辅助，与图形结合时还可处理很多有关拟合的问题。

3. 规划类问题算法：
包括线性规划、整数规划、多元规划、二次规划等；竞赛中又很多问题都和规划有关，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，这类问题，求解是关键。
这类问题一般用lingo软件就能求解。

4. 图论问题：
主要是考察这类问题的算法，包括：Dijkstra、Floyd、Prime、Bellman-Ford，最大流、二分匹配等。熟悉ACM的人来说，应该都不难。

5. 计算机算法设计中的问题：
算法设计包括：动态规划、回溯搜索、分治、分支定界法（求解整数解）等。

6. 最优化理论的三大非经典算法：
a) 模拟退火法（SA）
b) 神经网络（NN）
c) 遗传算法（GA）

7. 网格算法和穷举算法

8. 连续问题离散化的方法
因为计算机只能处理离散化的问题，但是实际中数据大多是连续的，因此需要将连续问题离散化之后再用计算机求解。
如：差分代替微分、求和代替积分等思想都是把连续问题离散化的常用方法。

9. 数值分析方法
主要研究各种求解数学问题的数值计算方法，特别是适用于计算机实现的方法与算法。
包括：函数的数值逼近、数值微分与数值积分、非线性返程的数值解法、数值代数、常微分方程数值解等。
主要应用matlab进行求解。

10. 图像处理算法
这部分主要是使用matlab进行图像处理。
包括展示图片，进行问题解决说明等。

❹ 数学建模 分配问题

10/1000=1/100，所以大体上是从100人中选出一个委员来。
因各宿舍的人数均不是100的整数倍，所以，必有一人是从余数中选出的，在余数中，A舍的人数较多，为25，可从A舍中多选一人当委员。
如果是15名委员，15/1000=3/200，所以是从200人中选3人。
这样，从A舍选3人，从B选5人，从C选7人。

❺ 数学建模的十大算法

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（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）

❻ 数学建模公平合理的获奖名额分配

一、 问题的提出
我们曾遇到下面一件事，在校学生200名，其中初一年级103名，初二年级63名，初三年级34名，若选20名发放奖学金，按人数比例分配，三个年级分别为10.3,6.3,3.4，将分配名额取整数分配完19人，剩下一个名额按常规分配给余数大的初三年级。于是三个年级分别占有10，7，4个名额。若选21名发放奖学金，按上述方法计算得三个年级分别占有11，7，3个名额，初三年级反而减少1个名额。故初三年级的学生认为不合理。为解决此矛盾，我们提出研究一种更“公平合理”的名额分配模型，再用计算机高级语言编程实现。
二、建立数学模型
设甲，乙双方人数分别为 ,并分别占有 个名额，则双方每个名额所代表的人数分别为 ,显然当
时，名额分配才是合理。但在一般情况下，此二数并不相等。为相对公平，引入“相对误差”。xi ，△= ，x1，x2分别为甲乙的相对误差。则有 当甲、乙各占n1和n2个名额时，总名额增加1个，应分配给甲方还是乙方呢？ 不失一般性，设p1>p2，即对甲方不公平，x1(n1,n2)有意义，再分配1个名额时，可能有三种情况：
，说明甲方增加一个名额后，仍对甲不公平，显然新增的1个名额要归甲。
说明甲方增加1个名额后对乙方不公平,这时应有
说明乙方增加1个名额后对甲方不公平,这时应有

（注：在p1>p2的假设下，不可能出现 情形，即在对甲方不公平的情况下，给乙增加1个名额后，仍对乙不公平。）
若x1(n1 ,n2+1)>x2(n1+1 ,n2)，则新增的1个名额应分配给甲方，反之分给乙方。由此结合（1）、（2）、（3）式得

即当(4)式成立时，增加1个名额应分配给甲方，反之分给乙方。设 ，则新增的1个名额应分配给P=max{P1 ,P2}的一方。
我们可将问题推广到更一般:Di方的人数为mi，已占有ni≥1(i=1,2,…,k)个名额，当总名额增加1个时，计算 ，则新增的1个名额分配给Pi值中最大的一方。
三、程序设计
用数组存放各方的人数、各方分配到的名额，各方的P值。为使整个分配公平合理，每方至少有一个名额，故先给各方分1个名额。从第k+1个名额起，每1个名额都为新增的名额，通过计算P值后，将这个名额分配给这k个P值中最大的一个，同时修改这个最大的P值，再分配第k+2个名额，直到名额分完为止，此重复工作用循环语句来实现。为判断名额是否分完，用yfrs记已分配的名额数，q为总名额数，当yfrs<q时继续循环。其Authorware主要程序如下：
主程序如上图。
在祝贺词中有一电影图标，播放一舞蹈，表祝贺。选择交互中，有参研人员，课题内容，研究过程，课题软件和结束子程序。
在参研人员子程序中，显示参研人员的相片，当鼠标指向人名时，显示该同志的相片。

在研究过程子程序中，记录了研究过程的时间段的研究内容，同时显示相关资料图片。

在课题软件子程序中，按我们设计的算法，编写了计算程序。为让计算机能接受输入的数据，利用文本交互方式设计了子程序“输入段”如右图：

在“输入各方人数”中有一计算图标，它是计算分配名额的主要程序，其主要内容如下：
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")
通过运行程序可得前面的发放奖学金名额分配方案为一、二，三年级分别分配11，6，4个才合理

这是一个模板。你自己看一下。很容易的哦

❼ 数学建模建模分为几种类型，分别用什么法求解

数学建模应当掌握的十类算法
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（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）

❽ 数学建模中的住院部病区分配问题，求上手方式，弗洛伊德算法下怎么用matlab实现

同学你好，请不要在互联网上搜索答案。
对外经贸大学数学建模辅导小组

❾ 数学建模题平均分配问题

(1)不公平.

❿ 求，数学建模十大算法

数学建模的十大算法
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（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）