數學新演算法

㈠ 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）

㈡ 數學建模演算法總結

無總結反省則無進步

寫這篇文章，一是為了總結之前為了准備美賽而學的演算法，而是將演算法羅列並有幾句話解釋方便以後自己需要時來查找。

數學建模問題總共分為四類：

1. 分類問題 2. 優化問題 3. 評價問題 4. 預測問題

我所寫的都是基於數學建模演算法與應用這本書

一 優化問題

線性規劃與非線性規劃方法是最基本經典的：目標函數與約束函數的思想

現代優化演算法：禁忌搜索；模擬退火；遺傳演算法；人工神經網路

模擬退火演算法：

簡介：材料統計力學的研究成果。統計力學表明材料中不同結構對應於粒子的不同能量水平。在高溫條件下，粒子的能量較高，可以自由運動和重新排列。在低溫條件下，粒子能量較低。如果從高溫開始，非常緩慢地降溫（此過程稱為退火），粒子就可以在每個溫度下達到熱平衡。當系統完全被冷卻時，最終形成處於低能狀態的晶體。

思想可用於數學問題的解決 在尋找解的過程中，每一次以一種方法變換新解，再用退火過程的思想，以概率接受該狀態（新解） 退火過程：概率轉化，概率為自然底數的能量/KT次方

遺傳演算法： 遺傳演算法是一種基於自然選擇原理和自然遺傳機制的搜索演算法。模擬自然界中的生命進化機制，在人工系統中實現特定目標的優化。

遺傳演算法的實質是通過群體搜索技術（？），根據適者生存的原則逐代進化，最終得到最優解或准最優解。

具體實現過程（P329~331）

* 編碼

* 確定適應度函數（即目標函數）

* 確定進化參數：群體規模M，交叉概率Pc，變異概率Pm，進化終止條件

* 編碼

* 確定初始種群，使用經典的改良圈演算法

* 目標函數

* 交叉操作

* 變異操作

* 選擇

改良的遺傳演算法

兩點改進 ：交叉操作變為了以「門當戶對」原則配對，以混亂序列確定較差點位置 變異操作從交叉操作中分離出來

二 分類問題（以及一些多元分析方法）

* 支持向量機SVM

* 聚類分析

* 主成分分析

* 判別分析

* 典型相關分析

支持向量機SVM： 主要思想：找到一個超平面，使得它能夠盡可能多地將兩類數據點正確分開，同時使分開的兩類數據點距離分類面最遠

聚類分析（極其經典的一種演算法）： 對樣本進行分類稱為Q型聚類分析 對指標進行分類稱為R型聚類分析

基礎：樣品相似度的度量——數量化，距離——如閔氏距離

主成分分析法： 其主要目的是希望用較少的變數去解釋原來資料中的大部分變異，將掌握的許多相關性很高的變數轉化成彼此相互獨立或不相關的變數。通常是選出比原始變數個數少，能解釋大部分資料中的變異的幾個新變數，及主成分。實質是一種降維方法

判別分析： 是根據所研究的個體的觀測指標來推斷個體所屬類型的一種統計方法。判別准則在某種意義下是最優的，如錯判概率最小或錯判損失最小。這一方法像是分類方法統稱。 如距離判別，貝葉斯判別和FISHER判別

典型相關分析： 研究兩組變數的相關關系 相對於計算全部相關系數，採用類似主成分的思想，分別找出兩組變數的各自的某個線性組合，討論線性組合之間的相關關系

三 評價與決策問題

評價方法分為兩大類，區別在於確定權重上：一類是主觀賦權：綜合資訊評價定權；另一類為客觀賦權：根據各指標相關關系或各指標值變異程度來確定權數

* 理想解法

* 模糊綜合評判法

* 數據包絡分析法

* 灰色關聯分析法

* 主成分分析法（略）

* 秩和比綜合評價法 理想解法

思想：與最優解（理想解）的距離作為評價樣本的標准

模糊綜合評判法 用於人事考核這類模糊性問題上。有多層次模糊綜合評判法。

數據包絡分析法 是評價具有多指標輸入和多指標輸出系統的較為有效的方法。是以相對效率為概念基礎的。

灰色關聯分析法 思想：計算所有待評價對象與理想對象的灰色加權關聯度，與TOPSIS方法類似

主成分分析法（略）

秩和比綜合評價法 樣本秩的概念： 效益型指標從小到大排序的排名 成本型指標從大到小排序的排名 再計算秩和比，最後統計回歸

四 預測問題

* 微分方程模型

* 灰色預測模型

* 馬爾科夫預測

* 時間序列（略）

* 插值與擬合（略）

* 神經網路

微分方程模型 Lanchester戰爭預測模型。。

灰色預測模型 主要特點：使用的不是原始數據序列，而是生成的數據序列 優點：不需要很多數據·，能利用微分方程來充分挖掘系統的本質，精度高。能將無規律的原始數據進行生成得到規律性較強的生成序列。 缺點：只適用於中短期預測，只適合指數增長的預測

馬爾科夫預測 某一系統未來時刻情況只與現在狀態有關，與過去無關。

馬爾科夫鏈

時齊性的馬爾科夫鏈

時間序列（略）

插值與擬合（略）

神經網路（略）

㈢ 數學學最新演算法33x23怎麼算

(20+3)(30+3)=20×30+20×3+30×3+3×3=600+60+90+9=659

㈣ 數學的各種演算法

演算法（Algorithm）是指解題方案的准確而完整的描述，是一系列解決問題的清晰指令，演算法代表著用系統的方法描述解決問題的策略機制。也就是說，能夠對一定規范的輸入，在有限時間內獲得所要求的輸出。如果一個演算法有缺陷，或不適合於某個問題，執行這個演算法將不會解決這個問題。不同的演算法可能用不同的時間、空間或效率來完成同樣的任務。一個演算法的優劣可以用空間復雜度與時間復雜度來衡量。
演算法中的指令描述的是一個計算，當其運行時能從一個初始狀態和（可能為空的）初始輸入開始，經過一系列有限而清晰定義的狀態，最終產生輸出並停止於一個終態。一個狀態到另一個狀態的轉移不一定是確定的。隨機化演算法在內的一些演算法，包含了一些隨機輸入。
形式化演算法的概念部分源自嘗試解決希爾伯特提出的判定問題，並在其後嘗試定義有效計算性或者有效方法中成形。這些嘗試包括庫爾特·哥德爾、Jacques Herbrand和斯蒂芬·科爾·克萊尼分別於1930年、1934年和1935年提出的遞歸函數，阿隆佐·邱奇於1936年提出的λ演算，1936年Emil Leon Post的Formulation 1和艾倫·圖靈1937年提出的圖靈機。即使在當前，依然常有直覺想法難以定義為形式化演算法的情況。
一個演算法應該具有以下五個重要的特徵：
有窮性
（Finiteness）
演算法的有窮性是指演算法必須能在執行有限個步驟之後終止；
確切性
(Definiteness)
演算法的每一步驟必須有確切的定義；
輸入項
(Input)
一個演算法有0個或多個輸入，以刻畫運算對象的初始情況，所謂0個輸入是指演算法本身定出了初始條件；
輸出項
(Output)
一個演算法有一個或多個輸出，以反映對輸入數據加工後的結果。沒有輸出的演算法是毫無意義的；
可行性
(Effectiveness)
演算法中執行的任何計算步驟都是可以被分解為基本的可執行的操作步，即每個計算步都可以在有限時間內完成（也稱之為有效性）。
一、數據對象的運算和操作：計算機可以執行的基本操作是以指令的形式描述的。一個計算機系統能執行的所有指令的集合，成為該計算機系統的指令系統。一個計算機的基本運算和操作有如下四類：[1]
1.算術運算：加減乘除等運算
2.邏輯運算：或、且、非等運算
3.關系運算：大於、小於、等於、不等於等運算
4.數據傳輸：輸入、輸出、賦值等運算[1]
二、演算法的控制結構：一個演算法的功能結構不僅取決於所選用的操作，而且還與各操作之間的執行順序有關。
演算法可大致分為基本演算法、數據結構的演算法、數論與代數演算法、計算幾何的演算法、圖論的演算法、動態規劃以及數值分析、加密演算法、排序演算法、檢索演算法、隨機化演算法、並行演算法，厄米變形模型，隨機森林演算法。
演算法可以宏泛地分為三類：
一、有限的，確定性演算法 這類演算法在有限的一段時間內終止。他們可能要花很長時間來執行指定的任務，但仍將在一定的時間內終止。這類演算法得出的結果常取決於輸入值。
二、有限的，非確定演算法 這類演算法在有限的時間內終止。然而，對於一個（或一些）給定的數值，演算法的結果並不是唯一的或確定的。
三、無限的演算法 是那些由於沒有定義終止定義條件，或定義的條件無法由輸入的數據滿足而不終止運行的演算法。通常，無限演算法的產生是由於未能確定的定義終止條件。
希望我能幫助你解疑釋惑。

㈤ 數學中都有什麼演算法啊

定義法、配方法、待定系數法、換元法、反證法、數學歸納法、導數法、賦值法、消去法、定比分離法、比較法、分析法、綜合法 ，，，還有很多桑

介里有幾個比較詳細的哈。。。
一、換元法
「換元」的思想和方法，在數學中有著廣泛的應用，靈活運用換元法解題，有助於數量關系明朗化，變繁為簡，化難為易，給出簡便、巧妙的解答。
在解題過程中，把題中某一式子如f(x)，作為新的變數y或者把題中某一變數如x，用新變數t的式子如g(t)替換，即通過令f(x)=y或x=g(t)進行變數代換，得到結構簡單便於求解的新解題方法，通常稱為換元法或變數代換法。
用換元法解題，關鍵在於根據問題的結構特徵，選擇能以簡馭繁，化難為易的代換f(x)=y或x=g(t)。就換元的具體形式而論，是多種多樣的，常用的有有理式代換，根式代換，指數式代換，對數式代換，三角式代換，反三角式代換，復變數代換等，宜在解題實踐中不斷總結經驗，掌握有關的技巧。
例如，用於求解代數問題的三角代換，在具體設計時，宜遵循以下原則：（1）全面考慮三角函數的定義域、值域和有關的公式、性質；（2）力求減少變數的個數，使問題結構簡單化；（3）便於藉助已知三角公式，建立變數間的內在聯系。只有全面考慮以上原則，才能謀取恰當的三角代換。
換元法是一種重要的數學方法，在多項式的因式分解，代數式的化簡計算，恆等式、條件等式或不等式的證明，方程、方程組、不等式、不等式組或混合組的求解，函數表達式、定義域、值域或最值的推求，以及解析幾何中的坐標替換，普通方程與參數方程、極坐標方程的互化等問題中，都有著廣泛的應用。
二、消元法
對於含有多個變數的問題，有時可以利用題設條件和某些已知恆等式（代數恆等式或三角恆等式），通過適當的變形，消去一部分變數，使問題得以解決，這種解題方法，通常稱為消元法，又稱消去法。
消元法是解方程組的基本方法，在推證條件等式和把參數方程化成普通方程等問題中，也有著重要的應用。
用消元法解題，具有較強的技巧性，常常需要根據題目的特點，靈活選擇合適的消元方法
三、待定系數法
按照一定規律，先寫出問題的解的形式（一般是指一個算式、表達式或方程），其中含有若干尚待確定的未知系數的值，從而得到問題的解。這種解題方法，通常稱為待定系數法；其中尚待確定的未知系數，稱為待定系數。
確定待定系數的值，有兩種常用方法：比較系數法和特殊值法。
四、判別式法
實系數一元二次方程
ax2+bx+c=0 (a≠0) ①
的判別式△=b2-4ac具有以下性質：
＞0，當且僅當方程①有兩個不相等的實數根
△ ＝0，當且僅當方程①有兩個相等的實數根；
＜0，當且僅當方程②沒有實數根。
對於二次函數
y=ax2+bx+c (a≠0)②
它的判別式△=b2-4ac具有以下性質：
＞0，當且僅當拋物線②與x軸有兩個公共點；
△ ＝0，當且僅當拋物線②與x軸有一個公共點；
＜0，當且僅當拋物線②與x軸沒有公共點。
五、 分析法與綜合法
分析法和綜合法源於分析和綜合，是思維方向相反的兩種思考方法，在解題過程中具有十分重要的作用。
在數學中，又把分析看作從結果追溯到產生這一結果的原因的一種思維方法，而綜合被看成是從原因推導到由原因產生的結果的另一種思維方法。通常把前者稱為分析法，後者稱為綜合法。
六、 數學模型法
例（哥尼斯堡七橋問題）18世紀東普魯士哥尼斯堡有條普萊格河，這條河有兩個支流，在城中心匯合後流入波羅的海。市內辦有七座各具特色的大橋，連接島區和兩岸。每到傍晚或節假日，許多居民來這里散步，觀賞美麗的風光。年長日久，有人提出這樣的問題：能否從某地出發，經過每一座橋一次且僅一次，然後返回出發地？
數學模型法，是指把所考察的實際問題，進行數學抽象，構造相應的數學模型，通過對數學模型的研究，使實際問題得以解決的一種數學方法。
七、配方法
所謂配方，就是把一個解析式利用恆等變形的方法，把其中的某些項配成一個或幾個多項式正整數次冪的和形式。通過配方解決數學問題的方法叫配方法。其中，用的最多的是配成完全平方式。配方法是數學中一種重要的恆等變形的方法，它的應用十分非常廣泛，在因式分解、化簡根式、解方程、證明等式和不等式、求函數的極值和解析式等方面都經常用到它。
八、因式分解法
因式分解，就是把一個多項式化成幾個整式乘積的形式。因式分解是恆等變形的基礎，它作為數學的一個有力工具、一種數學方法在代數、幾何、三角等的解題中起著重要的作用。因式分解的方法有許多，除中學課本上介紹的提取公因式法、公式法、分組分解法、十字相乘法等外，還有如利用拆項添項、求根分解、換元、待定系數等等。
九、換元法
換元法是數學中一個非常重要而且應用十分廣泛的解題方法。我們通常把未知數或變數稱為元，所謂換元法，就是在一個比較復雜的數學式子中，用新的變元去代替原式的一個部分或改造原來的式子，使它簡化，使問題易於解決。

介里LL沒有說很詳細桑，，，，內啥簡便演算法我也一起說了桑丶
乘法交換律，乘法分配律，加法交換律，加法結合律，乘法分配律，