目錄

1.數(shù)維杯各題思路模型：比賽開始后，第一時間更新，獲取見文末名片

3 常見數(shù)模問題常見模型分類

3.1 分類問題

3.2 優(yōu)化問題

詳細(xì)思路見此名片，開賽第一時間更新

---

1.數(shù)維杯各題思路模型：9.7晚上比賽開始后，第一時間更新，獲取見文末名片

2.比賽時間：2023年9月7日18點(diǎn)到2023年9月10日20點(diǎn)

3 常見數(shù)模問題常見模型分類

優(yōu)化模型

預(yù)測模型

評價模型

3.1 分類問題

判別分析：

又稱“分辨法”，是在分類確定的條件下，根據(jù)某一研究對象的各種特征值判別其類型歸屬問題的一種多變量統(tǒng)計分析方法。

其基本原理是按照一定的判別準(zhǔn)則，建立一個或多個判別函數(shù)；用研究對象的大量資料確定判別函數(shù)中的待定系數(shù)，并計算判別指標(biāo)；據(jù)此即可確定某一樣本屬于何類。當(dāng)?shù)玫揭粋€新的樣品數(shù)據(jù)，要確定該樣品屬于已知類型中哪一類，這類問題屬于判別分析問題。

聚類分析：

聚類分析或聚類是把相似的對象通過靜態(tài)分類的方法分成不同的組別或者更多的子集，這樣讓在同一個子集中的成員對象都有相似的一些屬性，常見的包括在坐標(biāo)系中更加短的空間距離等。

聚類分析本身不是某一種特定的算法，而是一個大體上的需要解決的任務(wù)。它可以通過不同的算法來實(shí)現(xiàn)，這些算法在理解集群的構(gòu)成以及如何有效地找到它們等方面有很大的不同。

神經(jīng)網(wǎng)絡(luò)分類：

BP 神經(jīng)網(wǎng)絡(luò)是一種神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法。其由輸入層、中間層、輸出層組成的階層型神經(jīng)網(wǎng)絡(luò)，中間層可擴(kuò)展為多層。RBF（徑向基）神經(jīng)網(wǎng)絡(luò)：徑向基函數(shù)(RBF-Radial Basis Function)神經(jīng)網(wǎng)絡(luò)是具有單隱層的三層前饋網(wǎng)絡(luò)。它模擬了人腦中局部調(diào)整、相互覆蓋接收域的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)。感知器神經(jīng)網(wǎng)絡(luò)：是一個具有單層計算神經(jīng)元的神經(jīng)網(wǎng)絡(luò)，網(wǎng)絡(luò)的傳遞函數(shù)是線性閾值單元。主要用來模擬人腦的感知特征。線性神經(jīng)網(wǎng)絡(luò)：是比較簡單的一種神經(jīng)網(wǎng)絡(luò)，由一個或者多個線性神經(jīng)元構(gòu)成。采用線性函數(shù)作為傳遞函數(shù)，所以輸出可以是任意值。自組織神經(jīng)網(wǎng)絡(luò)：自組織神經(jīng)網(wǎng)絡(luò)包括自組織競爭網(wǎng)絡(luò)、自組織特征映射網(wǎng)絡(luò)、學(xué)習(xí)向量量化等網(wǎng)絡(luò)結(jié)構(gòu)形式。K近鄰算法：　K最近鄰分類算法，是一個理論上比較成熟的方法，也是最簡單的機(jī)器學(xué)習(xí)算法之一。

3.2 優(yōu)化問題

線性規(guī)劃：

研究線性約束條件下線性目標(biāo)函數(shù)的極值問題的數(shù)學(xué)理論和方法。英文縮寫LP。它是運(yùn)籌學(xué)的一個重要分支，廣泛應(yīng)用于軍事作戰(zhàn)、經(jīng)濟(jì)分析、經(jīng)營管理和工程技術(shù)等方面。建模方法：列出約束條件及目標(biāo)函數(shù)；畫出約束條件所表示的可行域；在可行域內(nèi)求目標(biāo)函數(shù)的最優(yōu)解及最優(yōu)值。

非線性規(guī)劃：

非線性規(guī)劃是具有非線性約束條件或目標(biāo)函數(shù)的數(shù)學(xué)規(guī)劃，是運(yùn)籌學(xué)的一個重要分支。非線性規(guī)劃研究一個 n元實(shí)函數(shù)在一組等式或不等式的約束條件下的極值問題，且 目標(biāo)函數(shù)和約束條件至少有一個是未知量的非線性函數(shù)。目標(biāo)函數(shù)和約束條件都是 線性函數(shù)的情形則屬于線性規(guī)劃。

整數(shù)規(guī)劃：

規(guī)劃中的變量（全部或部分）限制為整數(shù)，稱為整數(shù)規(guī)劃。若在線性模型中，變量限制為整數(shù)，則稱為整數(shù)線性規(guī)劃。目前所流行的求解整數(shù)規(guī)劃的方法往往只適用于整數(shù)線性規(guī)劃。一類要求問題的解中的全部或一部分變量為整數(shù)的數(shù)學(xué)規(guī)劃。從約束條件的構(gòu)成又可細(xì)分為線性，二次和非線性的整數(shù)規(guī)劃。

動態(tài)規(guī)劃：

包括背包問題、生產(chǎn)經(jīng)營問題、資金管理問題、資源分配問題、最短路徑問題和復(fù)雜系統(tǒng)可靠性問題等。

動態(tài)規(guī)劃主要用于求解以時間劃分階段的動態(tài)過程的優(yōu)化問題，但是一些與時間無關(guān)的靜態(tài)規(guī)劃(如線性規(guī)劃、非線性規(guī)劃)，只要人為地引進(jìn)時間因素，把它視為多階段決策過程，也可以用動態(tài)規(guī)劃方法方便地求解。

多目標(biāo)規(guī)劃：

多目標(biāo)規(guī)劃是數(shù)學(xué)規(guī)劃的一個分支。研究多于一個的目標(biāo)函數(shù)在給定區(qū)域上的最優(yōu)化。任何多目標(biāo)規(guī)劃問題，都由兩個基本部分組成：

詳細(xì)思路見此名片，開賽第一時間更新