数学建模

不提之前为啥每天不写博客，从现在起，没有特殊情况，每天都会写博客的，首先将一下感想刚刚把JavaScript的基础学完，在B站上看完了尚硅谷老师的视频https://www.bilibili.com/video/av30020467/?spm_id_from=333.788.videocard.0 用了10天看完了视频，也对老师的课程的作业进行了练习，整理，经过大一到现在的准大三，也学了很多关于计算的东西：c语言，数据结构，java，数据库，自学了部分html，c++，JavaScript，感触还挺多的，现在马上也要面临许多比赛，每天的数学建模培训，九月份会有一场数学建模竞赛，9月15号江苏省计算机二级，9月21日全国计算机三级和四级，7~12月SODA大赛，面临很多机遇和挑战，其实上半年我已经经历了一次失败，打了一场无准备的仗，所以现在刷了题库准备迎战，生活就是学习，学习就是生活，以后的日子里，我将会每天在这里用代码书写我的生活 来源： https://www.cnblogs.com/liugangjiayou/p/11366455.html

上篇文章讲到人工智能的简介，今天我们来说一说数学建模与人工智能的关系 　　无论是数学建模还是人工智能，其核心都是算法，最终目的都是通过某种形式更好的为人类服务，解决实际问题。在研究人工智能过程中需要数学建模思维，所以数学建模对于人工智能来说非常关键。 　　下面通过模拟一个场景来了解人工智能与数学建模之间的关系。 　　某患者到医院就诊，在现实生活中，医生根据病人的一系列体征和状态，判断病人换了什么病。医生会亲切的询问患者的症状，通过各种的专项检查，最后进行确诊。在人工智能下，则考虑通过相应算法来完成上述过程，入德国的辅助诊断产品Ada学习了大量病例来辅助医生诊病的准确率。 　　情景1：如果用数学建模方法解决，那么就通过算法构建一个恰当的模型，也就是通过下图所示的数学建模流程来解决问题。 　　情景2：如果用人工智能方法解决，那么就要制造一个会诊断疾病的机器人。机器人如何才能精确诊断呢？就需要用人工智能技术手段，比如采用一个“人工智能”算法模型，可能既用了机器学习算法，也用了深度学习算法，不管怎样，最终得到的是一个可以落地的疾病预测人工智能解决方案。让其具有思考、听懂、看懂、逻辑推理与运动控制能力。 　　通过上面的例子可以看出，人工智能离不开数学建模。在解决一个人工智能的问题过程中，我们将模型的建立与求解进行了放大，以使其结果更加准确。 可见

建模背景 数学技术 近半个多世纪以来，随着计算机技术的迅速发展，数学的应用不仅在工程技术、自然科学等领域发挥着越来越重要的作用，而且以空前的广度和深度向经济，管理，金融、生物、医学、环境、地质、人口、交通等新的领域渗透，所谓数学技术已经成为当代高新技术的重要组成部分。 数学模型 （Mathematical Model）是一种模拟，是用数学符号，数学式子，程序，图形等对实际课题本质属性的抽象而又简洁的刻画，它或能解释某些客观现象，或能预测未来的发展规律，或能为控制某一现象的发展提供某种意义下的最优策略或较好策略。数学模型一般并非现实问题的直接翻版，它的建立常常既需要人们对现实问题深入细微的观察和分析，又需要人们灵活巧妙地利用各种数学知识。这种应用知识从实际课题中抽象、提炼出数学模型的过程就称为 数学建模 （Mathematical Modeling）。 不论是用数学方法在科技和生产领域解决哪类实际问题，还是与其它学科相结合形成交叉学科，首要的和关键的一步是建立研究对象的数学模型，并加以计算求解（通常借助计算机）；数学建模和计算机技术在知识经济时代的作用可谓是如虎添翼。 建模应用 数学是研究现实世界数量关系和空间形式的科学，在它产生和发展的历史长河中，一直是和各种各样的应用问题紧密相关的。数学的特点不仅在于概念的抽象性，逻辑的严密性，结论的明确性和体系的完整性，而且在于它应用的广泛性

目录 数学建模算法 线性规划 插值 && 拟合 && 逼近 层次分析法(计算权重） 方法步骤 实例 模型拓展 多属性决策模型（计算属性值） 灰色预测（小样本回归分析） 和常见预测方法的区别： 特点 模拟退火算法 主成分分析法 主成分分析，因子分析，层次分析法比较 数学建模算法 可以使用多个算法求解同一个问题，相互印证比较，写进论文中可以增色不少。 线性规划 标准形式：向量均为列向量，最后一条语句中缺少的项使用 [] 代替 化成求最小值，约束不等式为 <= 号； 脚本的最后配合输出语句使用 切记切记：列向量每行使用 ; 隔开 x 为列向量，可以不是 \(n*1\) ,可以是 \(n*2\) 等等 插值 && 拟合 && 逼近 插值： 插值曲线一定要经过样本点，即使样本点有误差也要严格经过样本点，这就要求样本点数据正确无误的时候使用插值（对象：散点），三次样条插值使用很广泛 拟合：在插值的基础上有了误差分析，不严格要求进过所有样本点，只要求构造函数描述整体趋势并使得误差最小。（对象：散点） 函数逼近：拟合是构造函数对散点拟合，函数逼近是对已知的复杂函数，通过构造一个较简单的函数或多项式，使得数据接近原来的复杂函数 层次分析法(计算权重） 方法步骤 应用：解决选择最佳问题。给出一系列影响选择的因素，按照因素之间的相互关联和相对重要程度，综合考虑这些因素，做出最佳选择。