主要内容
一级主题 | 二级主题 | 三级主题 |
4计算与模拟 | 1数值计算 | 插值 |
ㅤ | ㅤ | 拟合 |
ㅤ | ㅤ | 最小二乘法 |
ㅤ | ㅤ | 迭代法 |
ㅤ | ㅤ | 数值积分微分 |
ㅤ | ㅤ | 数值逼近 |
ㅤ | ㅤ | 有限元方法 |
ㅤ | ㅤ | 常微分方程数值解 |
ㅤ | ㅤ | 偏微分方程数值解 |
ㅤ | 2计算机模拟 | 元胞自动机 |
ㅤ | ㅤ | 蒙特卡洛模拟 |
ㅤ | ㅤ | 基于马尔可夫链的蒙特卡洛方法 |
相关真题
主题 | 模型 | 数模比赛中应用 |
1数值计算 | 插值 | MCM2018C;MCM1999C;CUMCM2017A;
CUMCM2015B;CUMCM2012B;CUMCM2011A;CUMCM1994A; |
ㅤ | 拟合 | MCM2020F;MCM2019C;MCM2016C;MCM2016E;MCM2014A;MCM2000C;
CUMCM2017A;CUMCM2015B;CUMCM2013A;CUMCM2010A;CUMCM2008B;CUMCM2006B;CUMCM2003A;CUMCM2001A; |
ㅤ | 最小二乘法 | MCM2016D;MCM2015D;MCM1998B;
CUMCM2021A;CUMCM2021B;CUMCM2020A;CUMCM2019A;CUMCM2017A;CUMCM2017B;CUMCM2016A;CUMCM2015A;CUMCM2014A;CUMCM2010A;CUMCM2015A;CUMCM2014B;CUMCM2003A;CUMCM2001A;CUMCM2001B;CUMCM1993A; |
ㅤ | 迭代法 | MCM2011B;MCM2008B;MCM2004C;MCM1999B;MCM1998B;MCM1997A;MCM1996B;CUMCM2021C;CUMCM2017A;CUMCM2015A;CUMCM2000B;CUMCM1996A; |
ㅤ | 数值积分微分 | MCM2021A;CUMCM2019A; |
ㅤ | 数值逼近 | MCM2006A;CUMCM2005A;CUMCM1995A; |
ㅤ | 有限元方法 | MCM2016A;MCM2013A; |
ㅤ | 常微分方程数值解 | MCM2021A;MCM2019D;MCM2016B;
MCM2011C;MCM2008A;CUMCM2019A; |
ㅤ | 偏微分方程数值解 | MCM2019D;MCM2017C;MCM2016A;
MCM2013A;MCM2012A;MCM2005B;
CUMCM2018A;CUMCM2007A; |
2计算机模拟 | 元胞自动机 | MCM2021A;MCM2021B;MCM2021C;
MCM2020A;MCM2020B;MCM2019C;
MCM2019D;MCM2017C;MCM2016F;
MCM2015A;MCM2015D;MCM2014A;
MCM2012B;MCM2011C;MCM2009A;
MCM2007B;MCM2005A;MCM2005B;
MCM2002A;MCM2001B;MCM1996A;
CUMCM2019B;CUMCM2016B;CUMCM2013A;
CUMCM2011B; |
ㅤ | 蒙特卡洛模拟 | MCM2021C;MCM2017D;MCM2017F;
MCM2014A;MCM2008B;MCM2008C;
MCM2004B;MCM2002B;CUMCM2021A;
CUMCM2020B;CUMCM2019C;CUMCM2014A;
CUMCM2009B;CUMCM2001A;CUMCM1999A;
CUMCM1997A;CUMCM1994B; |
ㅤ | 基于马尔可夫链的蒙特卡洛方法 | MCM2006B; |
内容介绍
插值:在离散数据的基础上补插连续函数,使得这条连续曲线通过所有给定数据点,常用于填充缺失的某段未知数据。
拟合:已知数据点列,通过构造光滑的曲线在整体上靠近它们,常用于获得模型的函数关系。
最小二乘法:通过最小化误差的平方,寻找数据的最佳函数匹配,是误差估计、不确定度、预报等诸多学科领域广泛应用的数学工具。
迭代法:一种不断用变量的旧值递推新值的过程。
数值积分微分:通过数值方法实现的积分和微分过程。
数值逼近:将一函数或数据点列用较简单的函数表示,最常用的便是Fourier变换。
有限元:将复杂的连续体划分成为有限多个简单的单元体,将连续场函数的(偏)微分方程的求解问题转化为有限个参数的代数方程组的求解问题。常以专业软件来进行结构、热、流体等领域的分析。
常(偏)微分方程数值解:通过数值方法求解常(偏)微分方程问题。
元胞自动机:一种时间、空间、状态都离散,空间相互作用和时间因果关系为局部的网格动力学模型,具有模拟复杂系统时空演化过程的能力。
蒙特卡洛方法:以概率方法推定未知量的计算方法,特别适用于一些解析法难以求解甚至不可能求解的问题。
学习优先级
数值计算:
最小二乘法>迭代>插值、拟合、逼近>常(偏)微分方程数值解>数值微分、积分>有限元
计算机模拟:
元胞自动机>蒙特卡洛模拟>基于马尔可夫链的蒙特卡洛方法
学习建议
在数学建模竞赛中,建模和编程是密不可分的两部分,建模手需要懂得计算的基本原理,避免模型过于复杂找不到合适的计算方法,而编程手除了掌握编程计算方法之外,也需要对模型有简单的理解。本章内容便是建模手所需要掌握的、供编程手参考的基本计算与模拟方法。
数值计算多用于连续型问题,计算机模拟多用于离散型问题。其中,对数据基本的线性插值、拟合处理应当做基本技能去培养,每一道赛题都有可能用得到。此外,计算机模拟中的元胞自动机可以说是必须掌握的内容,编程手应当直接准备好相应的代码框架。
最后,鉴于初学者能力和时间受限,不需要苛求每一个公式的准确理解,以掌握使用方法和应用领域为主。
数值计算
计算机模拟