內容簡介
《數學建模教程》是結閤作者多年來數學建模教學實踐和競賽培訓的豐富經驗編寫而成的。結構閤理,敘述清晰,文字流暢,可讀性強。
全書分為基礎篇和提高篇。基礎篇為比較經典的數學建模內容,主要麵嚮初涉數學建模的讀者;提高篇為較現代的數學建模方法,如多元統計模型、智能計算模型、不確定信息處理方法等,主要麵嚮希望進一步提高數學建模能力的讀者,這些方法在數學建模競賽活動中會經常用到。全書案例豐富,每章後都附有習題,其中部分習題需要上機實踐。
本書既可作為大學生及研究生數學建模課程的教材,也可作為大學生及研究生數學建模競賽培訓的教材。
目錄
基礎篇
第一章 數學建模概論
1.1 什麼是數學模型
1.2 怎樣建立數學模型
習題
第二章 連續模型
2.1 存貯模型
2.1.1 不允許缺貨的存貯模型
2.1.2 允許缺貨的存貯模型
2.2 動物群體的種群模型
2.2.1 單種群模型
2.2.2 多種群模型
2.3 連續模型建模實例
2.3.1 最優捕魚策略
習題二
第三章 規劃模型
3.1 綫性規劃模型
3.1.1 綫性規劃與單純形法
3.1.2 整數規劃模型
3.2 非綫性規劃與多目標規劃模型
3.2.1 非綫性規劃模型
3.2.2 多目標規劃模型
3.3 圖與網絡規劃模型
3.3.1 圖的基本概念
3.3.2 樹與最小生成樹
3.3.3 最短路問題
3.3.4 匹配與著色
3.3.5 郵遞員問題
3.3.6 貨郎擔問題
3.4 統籌模型
3.5 規劃模型建模實例
3.5.1 會議分組的優化
3.5.2 計算機網絡的最短傳輸時間
習題三
第四章 隨機模型
4.1 隨機決策模型
4.1.1 不確定型決策模型
4.1.2 風險決策模型
4.1.3 決策樹方法
4.1.4 決策模型舉例
4.2 隨機服務模型
4.2.1 排隊論的一些基本概念
4.2.2 M/M/1係統
4.2.3 M/M/1/N係統
4.2.4 M/M/m係統
4.2.5 M/M/l/∞/K係統
4.2.6 隨機服務模型舉例
4.3 綫性迴歸模型
4.3.1 迴歸方程
4.3.2 多元綫性迴歸模型
4.3.3 自變量選擇與逐步迴歸
4.3.4 多項式迴歸
4.3.5 迴歸分析舉例
4.4 計算機仿真
4.4.1 計算機仿真基本概念
4.4.2 物理規律仿真
4.4.3 係統演變仿真
4.4.4 濛特卡羅方法
4.4.5 仿真方法在排隊論中的應用
4.5 隨機模型建模實例
4.5.1 氣象觀測站的調整
4.5.2 競賽評判問題
習題四
提高篇
第五章 多元統計模型
5.1 判彆分析
5.1.1 Bayes判彆
5.1.2 距離判彆
5.1.3 Fisher判彆
5.2 聚類分析
5.2.1 樣本間距離
5.2.2 係統聚類法
5.2.3 動態聚類法
5.3 主成分分析
5.3.1 主成分的實際背景
5.3.2 主成分確定的原則與計算
5.3.3 主成分的統計性質
5.4 因子分析
5.4.1 因子分析數學模型
5.4.2 因子模型參數估計
5.4.3 因子鏇轉
5.5 多元統計建模實例
5.5.1 神經元形態分類與識彆
5.5.2 售後服務數據的應用
5.5.3 其他多元統計建模實例
習題五
第六章 智能計算模型
6.1 模擬退火算法
6.1.1 Metropolis準則
6.1.2 模擬退火算法
6.1.3 模擬退火算法的典型應用
6.2 遺傳算法
6.2.1 遺傳算法的基本原理
6.2.2 遺傳算法的實施
6.2.3 遺傳算法的改進
6.2.4 遺傳算法與模擬退火算法的比較
6.3 蟻群算法
6.3.1 蟻群算法的仿生學基礎
6.3.2 基本蟻群算法模型的建立
6.3.3 基本蟻群算法的實現
6.3.4 改進的蟻群算法-
6.4 粒子群優化算法.
6.4.1 基本粒子群算法
6.4.2 粒子群算法的軌跡分析
6.4.3 改進的粒子群算法
6.4.4 離散粒子群算法及其改進
6.5 智能計算建模實例
6.5.1 110警車配置及巡邏方案
6.5.2 學生麵試問題
6.5.3 垃圾運輸問題
習題六
第七章 不確定信息處理方法
7.1 模糊聚類分析模型
7.1.1 模糊集理論基礎知識介紹
7.1.2 基於模糊等價關係的模糊聚類
7.1.3 模糊c均值聚類方法
7.2 模糊綜閤評判模型
7.3 粗糙集模型
7.3.1 粗糙集基本概念
7.3.2 知識約簡
7.3.3 信息係統與決策錶
7.4 概念格模型
7.4.1 概念格的基本概念
7.4.2 概念格的構造
7.4.3 概念格簡化及約簡
7.4.4 基於概念格的數據聚類方法
習題七
參考文獻
數學建模教程 下載 mobi epub pdf txt 電子書 格式