十類常用演算法
數學建模競賽中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**來解決問題的演算法，同時可以通過 模擬來檢驗自己模型的正確性，幾乎是比賽時必用的方法。
2. 資料擬合、引數估計、插值等資料處理演算法。比賽中通常會遇到大量的資料需要處理，而處理資料 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、二次規劃等規劃類演算法。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 軟體求解。
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，需要認真準備。
5. 動態規劃、回溯搜尋、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， 競賽中很多場合會用到。
6. 最優化理論的三大非經典演算法：模擬退火演算法、神經網路演算法、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，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。兩者都是暴力搜尋最優點的演算法，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，最好使用一些高階語言作為程式設計工具。
8. 一些連續資料離散化方法。很多問題都是實際來的，資料可以是連續的，而計算機只能處理離散的 資料，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階語言進行程式設計的話，那些數值分析中常用的演算法比如方程組 求解、矩陣運算、函式積分等演算法就需要額外編寫庫函式進行呼叫。
10. 圖象處理演算法。賽題中有一類問題與圖形有關，即使問題與圖形無關，**中也會需要來說明 問題，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。
Matlab與數學建模
數學建模中，時常用到matlab畫圖，而繪製雙縱軸圖形有一定難度，在此提供一種雙縱軸繪圖函式 plotyy。具體 如下 t 0 0.02 pi 7 x cos t y exp t ax,ha,hb plotyy t,x,t,y ax 153.0322 156,0292 ha 155.1194 hb ...
數學建模（MATLAB入門）
meshgrid 向量轉化為矩陣 x 3 1 3 y 1 1 5 x,y meshgrid x,y clc 清空命令列視窗螢幕 clear 清空資料 surf函式 繪製可以得到的是著色的三維曲面。shading函式 函式說明 是陰影函式控制曲面和圖形物件的顏色著色，即用來處理色彩效果的，包括以下三種...
14數學建模競賽D題
1.資料預處理 資料相關性分析 粗大誤差分析 針對果蔬品種的營養素成分和含量，建立分級打分制度,定義 營養價值 常見度 研究價值 等指標 篩選出8種水果和6種蔬菜 2.回歸模型，各種果蔬的年產量 3.logistic模型對 結果進行修正，改進回歸模型的產量 結果 實際 農業部種植管理司資料 發現12...