数学建模培训笔记记录--8.3
建立数学模型及线性规划 | 优化
例1. 椅子问题
椅子能在不平的地面上放稳吗
问题分析:
通常~三只脚着地 放稳~四只脚着地
模型假设:
- 四条腿一样长,椅脚与地面点接触,四脚连线呈正方形。
- 地面高度连续变化,可视为数学上的连续曲面。
- 地面相对平坦,使椅子在任意位置至少三只脚同时着地。
模型构成:
用数学语言把椅子位置和四只脚着地的关系表示出来
椅子位置:利用正方形的对称性用θ(对角线与x轴的夹角)表示椅子位置
四只脚着地:
AC两脚与地面距离之和~~f(θ)
BD两脚与地面距离之和~~g(θ)
数学问题:
地面为连续曲面–>f(θ),g(θ)是连续函数
椅子在任意位置至少三只脚着地–>对任意θ,f(θ),g(θ)至少一个为0
已知:f(θ),g(θ)是连续函数;对任意θ,f(θ)·g(θ)=0;且g(0)=0,f(0)>0。
证明:存在θ1,使得f(θ1)=g(θ1)=0。
模型求解:
将椅子旋转90°,对角线AC和BD互换。
由g(0)=0, f(0) > 0 ,知f(Π/2)=0 , g(Π/2)>0.
令h(θ)= f(θ)–g(θ), 则h(0)>0和h(Π/2)<0.
由 f, g的连续性知 h为连续函数, 据连续函数的基本性质, 必存在θ1 , 使h(θ1)=0, 即f(θ1) = g(θ1) .
因为f(θ) • g(θ)=0, 所以f(θ1) = g(θ1) = 0.
例2. 公平分配席位
模型构成:
人数 | 席位 | |
---|---|---|
A方 | P1 | n1 |
B方 | P2 | n2 |
将一次性的席位分配转化为动态的席位分配,即设A,B已分别有n1,n2 席,若增加1席,问应分给A, 还是B。
Q值方法:定义Qi = pi^2/ni(ni+1),i=1,2,该席给Q值最大的一方。
问题求解:
按人数比例的整数部分已将19席分配完毕
甲系 | P1=103 | n1=10 |
---|---|---|
乙系 | P2=63 | n2=6 |
丙系 | P3=34 | n3=3 |
用Q值方法分配第20、21席
第20席:
Q1=103x103/10x11=96.4,
Q2=63x63/6x7=94.5,
Q3=34x34/3x4=96.3,
Q1最大,第20席给甲系。
第21席:
Q1=103x103/11x12=80.4,Q2,Q3同上,Q3最大,第21席给丙系。
分配结果:甲系11席,乙系6席,丙系4席。
例3. 双层玻璃窗的功效
数学建模培训笔记记录--8.3相关推荐
- 一个实例用matlab分别画出拟合和插值,数学建模培训之四--拟合与插值专题(hzd).doc...
您所在位置:网站首页 > 海量文档  > 高等教育 > 微积分 数学建模培训之四--拟合与插值专题(hzd).doc6 ...
- 【数学建模学习笔记【集训十天】之第六天】
数模学习目录 Matplotlib 学习 Matplotlib简介 Matplotlib 散点图 运行效果如下: Matplotlib Pyplot 运行效果如下: 关于plot() 运行效果如下: ...
- 数学建模学习笔记(2.3)lingo软件求解线性规划问题
数学建模学习笔记(2.3)lingo软件求解线性规划问题 lingo软件的优势在于体积小,专注于解决优化问题 且编程语言通俗易懂,没有门槛 对于刚刚接触数学建模同学比较友善 当然对于已经参与建模很久的 ...
- 数学建模培训课程笔记——线性规划
数学建模培训课程笔记--线性规划 文章目录 数学建模培训课程笔记--线性规划 前言 一.线性规划 1.什么是规划(了解) 2.LP问题模型 二.整数(线性)规划 ILP 割平面法: 0-1线性规划例题 ...
- 数学建模计算机软件,[计算机软件及应用]数学建模培训.ppt
[计算机软件及应用]数学建模培训 优化模型的简单分类和求解难度 :状态转移律 :第 次渡船上的随从数 :决策 :允许决策集合 建模: :第 次渡船上的商人数 求 ,使 , 并按转移律由 到 . 建模: ...
- 数学建模算法笔记(2)——主成分分析
数学建模算法笔记(2)–主成分分析 目的:主成分分析的主要目的是希望用较少的变量去解释原来资料中的大部分变异,将我 们手中许多相关性很高的变量转化成彼此相互独立或不相关的变量,实际上是一种降维方法. ...
- 数学建模学习笔记(1)数学模型的特点和分类
数学建模学习笔记(1)数学模型的特点和分类 ps:学习的教材为姜启源著的<数学模型(第四版)> 领取数模资料和更多内容请关注公众号:拾壹纪元 传送门: 线性规划(LP)问题 https:/ ...
- 数学建模学习笔记之评价问题聚类分析法
数学建模学习笔记之评价问题聚类分析法 物以类聚.人以群分. 聚类分析是一个很大的概念,显然根据分类的依据不同会出现很多很多聚类的方法.例如K-Means .Sequential Leader.Mode ...
- 2019年上海市数学建模讲座笔记(2)概率统计模型
概率统计模型讲座笔记 概率统计模型占比例越来越大,大数据时代统计方面的问题反映在建模中 思考:数据的处理,算法时间复杂度注意 常用统计方法 多元统计分析工具,出镜率很高 [1]假设检验 分为:参数假设 ...
最新文章
- 左线性文法和右线性文法_线性代数期末考试复习资料
- 2012年1月java_全国2012年1月自考Java语言程序设计(一)试题及答案.doc
- PPT 下载 | 神策数据算法专家:推荐系统的实践与思考(上)
- js 阻止冒泡事件和默认事件
- 这是来博客园的第二篇日志
- C# Dictionary 使用;增加、移除的各种方法
- 2022年寒假ACM练习2(待补题)
- jsp浏览图像bean原理分析与改良-JSP实用教程(第三版)耿祥义 张跃平编著第4章例题4_9-动态获取文件夹中的文件并返回
- 金工量化优质书单推荐及下载
- 外星人入侵游戏python学习心得——创建第一个外星人在左上角
- 弘辽科技:淘宝搜索流量是什么意思?如何提升流量?
- 机器视觉照明技术与装置实验研究(论文纪要)
- JAVA生成word中有Excel文档
- SEC S3C2410X Test B/D 驱动
- 百度云盘APP中去除我的应用数据图标:ES File Exploer
- 面试官:请解释一下Twitter的前10行源代码
- STM32读取SHT3x系列温湿度传感器,标准库和HAL库
- Python爬虫获取“房天下“房价数据(下)
- 微信小程序时间轴demo_微信小程序近期能力更新时间轴汇总
- 很傻计算机的英语,用英语表达笨蛋,除了Stupid,还有其他的表达