2023年全國(guó)碩士研究生考試考研英語(yǔ)一試題真題(含答案詳解+作文范文)_第1頁(yè)
已閱讀1頁(yè),還剩18頁(yè)未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)明:本文檔由用戶(hù)提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、,數(shù)學(xué)建模論文的寫(xiě)作與競(jìng)賽培訓(xùn)的組織2008-7-20,1,,數(shù)學(xué)建模競(jìng)賽論文的一般結(jié)構(gòu)數(shù)學(xué)建模競(jìng)賽論文的評(píng)判數(shù)學(xué)建模競(jìng)賽培訓(xùn)組織,2,一、數(shù)學(xué)建模論文的一般結(jié)構(gòu),摘要問(wèn)題重述與分析問(wèn)題假設(shè)符號(hào)說(shuō)明模型建立與求解模型檢驗(yàn)結(jié)果分析模型的進(jìn)一步討論模型優(yōu)缺點(diǎn),3,,,4,?摘要,主要理解,主要方法,主要結(jié)果,主要特點(diǎn),?問(wèn)題重述與分析,對(duì)題意的理解,建模思路分析,重要概念的約定,—向?qū)?“拿到一個(gè)數(shù)學(xué)建模競(jìng)賽題之后

2、,首先應(yīng)盡可能深入了解其實(shí)際背景,并在此基礎(chǔ)上探討解決問(wèn)題的方法?!?—— 數(shù)模競(jìng)賽中建好數(shù)學(xué)模型之研究,在一定意義下,你的模型的高度取決于你對(duì)問(wèn)題理解的深度。,,,5,05B題—DVD租賃 題意理解問(wèn)題 “95%的會(huì)員得到他想看的DVD” ——1張?3張?6張?,,,6,?問(wèn)題假設(shè),?符號(hào)說(shuō)明,?模型建立與求解,模型的完整性與正確性,一

3、般,以一個(gè)模型為主,解法思路描述的清晰性與簡(jiǎn)潔性,,,7,“經(jīng)驗(yàn)、想象力、洞察判斷能力以及直覺(jué)、靈感等在建模過(guò)程起很大作用。 無(wú)法給出若干條普遍使用的建模準(zhǔn)則和技巧。面對(duì)競(jìng)賽題目,最基本的準(zhǔn)則就是具體問(wèn)題具體分析。不過(guò)還是有些一般性的準(zhǔn)則(經(jīng)驗(yàn)): 1. 先要對(duì)問(wèn)題進(jìn)行全面分析,簡(jiǎn)明建模的依據(jù)。 2. 盡量采用成熟的數(shù)學(xué)方法和已有的模型。 3. 有時(shí)針對(duì)問(wèn)題的具體情況

4、,可以先建立簡(jiǎn)單的、基本的模型,再作改進(jìn)或修正。 4. 當(dāng)然,也要注意應(yīng)用新方法?!?—— 數(shù)模競(jìng)賽中建好數(shù)學(xué)模型之研究,,,8,?模型檢驗(yàn),穩(wěn)定性檢驗(yàn),敏感性檢驗(yàn),誤差分析,仿真檢驗(yàn),?結(jié)果分析,清晰、完整的表達(dá),結(jié)果合理性解釋,算法復(fù)雜度分析,不同模型、不同算法的對(duì)比,,,9,?模型進(jìn)一步討論,模型的改進(jìn)

5、與拓廣,對(duì)題意不同理解下的模型,有意義、有價(jià)值的設(shè)想(Valuable idea),二、數(shù)學(xué)建模競(jìng)賽論文的評(píng)判,假設(shè)的合理性 假設(shè)是建模的基礎(chǔ),具有導(dǎo)向性,容易被忽視。常犯錯(cuò)誤有缺少假設(shè)或假設(shè)不切實(shí)際。例如97年賽題“零件參數(shù)設(shè)計(jì)” 。 對(duì)一些關(guān)鍵性的或?qū)Y(jié)果有重大影響的條件或參數(shù)應(yīng)該在假設(shè)中明確約定。 假設(shè)具有導(dǎo)向性作用,不同的假設(shè)可能導(dǎo)致截然不同的結(jié)果。例如04年賽題“電力市場(chǎng)的

6、輸電阻塞管理”。,10,,作假設(shè)的兩個(gè)原則: ① 簡(jiǎn)化原則:抓住主要矛盾,舍棄次要因素,方便 數(shù)學(xué)處理。 ② 貼近原則:貼近實(shí)際。 以上兩個(gè)原則是相互制約的,要掌握好“度”。通常是先建模后假設(shè)。,11,,,12,CMCM—96A(最優(yōu)捕魚(yú)策略) 有的隊(duì)假設(shè)產(chǎn)卵的過(guò)程服從正態(tài)分布,這樣的假設(shè)是可以的,但大大增加了問(wèn)題的難度。在不失生物學(xué)的真實(shí)的前提下,使模型的分析盡量簡(jiǎn)單的假設(shè)應(yīng)該是假設(shè)魚(yú)群

7、的個(gè)體在后四個(gè)月的第一天集中一次產(chǎn)卵。,,結(jié)果的正確性 模型的正確性。 計(jì)算的正確性(方法、結(jié)果)。 例一:99年“自動(dòng)化車(chē)床”,在計(jì)算刀具 發(fā)生故障后的損失時(shí)未考慮條件概率,導(dǎo)致計(jì)算錯(cuò)誤。 例二:98年“投資組合策略”,使用均方風(fēng)險(xiǎn)函數(shù),違背題義要求。,13,,例三:96年“最優(yōu)捕魚(yú)策略”,死亡率意義理解錯(cuò)?!白匀凰劳雎蕿?.8(1/年)”被理解為每年平均死亡80%,事實(shí)上應(yīng)理解為單

8、位時(shí)間內(nèi)死亡的魚(yú)的數(shù)量與魚(yú)的總量之比,是瞬時(shí)死亡率概念。 例四:95年“天車(chē)與冶煉爐調(diào)度”,對(duì)題目要求的理解有誤?!案髋_(tái)天車(chē)的作業(yè)率盡量均衡(考慮到設(shè)備及人員安全等因素,一般天車(chē)作業(yè)率不超過(guò)70%)”。,14,,建模的創(chuàng)造性 創(chuàng)造性是靈魂,文章要有閃光點(diǎn)。 好創(chuàng)意、好想法應(yīng)當(dāng)既在人意料之外,又在人意料之中。 新穎性(獨(dú)特性)與合理性皆備。,15,,誤區(qū)之一:數(shù)學(xué)用得越高深,越有創(chuàng)造性。

9、 解決問(wèn)題是第一原則,最合適的方法是最好的方法。誤區(qū)之二:創(chuàng)造性主要體現(xiàn)在建模與求解上。 創(chuàng)造性可以體現(xiàn)在建模的各個(gè)環(huán)節(jié)上,并且可以有多種表現(xiàn)形式。,16,,誤區(qū)之三:好創(chuàng)意來(lái)自于靈感,可遇不可求。 好創(chuàng)意來(lái)自于對(duì)數(shù)學(xué)方法的掌握程度與對(duì)問(wèn)題理解的透徹程度。,17,,例一:95年MCM A題:螺旋線(xiàn)交點(diǎn)問(wèn)題。 關(guān)鍵是計(jì)算速度與計(jì)算精度的平衡問(wèn)題。牛頓迭代法有很高的精度,但速度較慢

10、;線(xiàn)性近似法速度很快,可以滿(mǎn)足實(shí)時(shí)要求,但精度稍差。 “Rabbit , Turtle and Hunter” 抓住了問(wèn)題的主要方面——速度。 創(chuàng)造性體現(xiàn)在對(duì)問(wèn)題的理解程度上,進(jìn)而體現(xiàn)在建模思路上。,18,,表達(dá)的清晰性 好的文章 = 好的內(nèi)容 + 好的表達(dá)替讀者著想。該交代的要交代,如對(duì)題目的理解,關(guān)鍵指標(biāo)或參數(shù)的引入,建模的思路,結(jié)果的分析等。寫(xiě)好摘要,包括:建模主要方法

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶(hù)所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶(hù)上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶(hù)上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶(hù)因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

評(píng)論

0/150

提交評(píng)論