数学建模在计算机专业的应用.docx
- 文档编号:28623815
- 上传时间:2023-07-19
- 格式:DOCX
- 页数:9
- 大小:240.25KB
数学建模在计算机专业的应用.docx
《数学建模在计算机专业的应用.docx》由会员分享,可在线阅读,更多相关《数学建模在计算机专业的应用.docx(9页珍藏版)》请在冰豆网上搜索。
数学建模在计算机专业的应用
应用一图论算法
图论在计算机处理问题中占有重要地位,现实中的很多问题最终都可以转化成图论问题,或者要借助图构造来存储和处理。
但是怎么把一图存入计算机就要涉及到数学建模的知识。
比方下面一图:
如果要求出从节点v1到节点v5的所有路径,就可以借助计算机来很轻松的解决。
但前提条件是,必须要把图以一种计算机可以理解的形式存进去,即要把它抽象为数学问题。
在此,我们需要定义一些关于图的概念,以便更好的描述问题。
边与顶点的关系有如下几种典型情况:
简单图:
无自回环,无重边的图。
无向图:
边没有指向,
此时称边
与顶点
关联,称顶点
与顶点
邻接。
有向图:
边有指向,
下面是具体涉及到图如何存储的问题:
1.图G(V,E)的关联矩阵
,假设G(V,E)为无向图,
假设G(V,E)为有向图,
因此该图可以用关联矩阵表示出来,如下所示
这样,我们就可以以矩阵的形式将图存入计算机
2.邻接矩阵
图G(V,E)的邻接矩阵
假设G(V,E)为无向图,
=从
到的
边数,假设不邻接,取0;假设G(V,E)为有向图,
=从
到
的有向边数,假设无,取0.
应用二动态规划问题
动态规划是运筹学的一个分支,是求解决策过程最优化的数学方法。
20世纪50年代初美国数学家R.E.Bellman等人在研究多阶段决策过程的优化问题时,提出了著名的最优化原理,把多阶段过程转化为一系列单阶段问题,利用各阶段之间的关系,逐个求解,创立了解决这类过程优化问题的新方法——动态规划。
也是信息学竞赛中选手必须熟练掌握的一种算法。
多阶段决策过程的最优化问题。
含有递推的思想以及各种数学原理〔加法原理,乘法原理等等〕。
动态规划一般可分为线性动规,区域动规,树形动规,背包动规四类。
举例
线性动规:
拦截导弹,合唱队形,挖地雷,建学校,剑客决斗等;
区域动规:
石子合并,加分二叉树,统计单词个数,炮兵布阵等;
树形动规:
贪吃的九头龙,二分查找树,聚会的欢乐,数字三角形等;
背包问题:
01背包问题,完全背包问题,分组背包问题,二维背包,装箱问题,挤牛奶。
多阶段决策的实际问题很多,下面通过具体例子,说明什么是动态规划模型中数学建模知识的运用。
最短路线问题:
某工厂需要把一批货物从城市A运到城市E,中间可经过B1、B2、B3、C1、C2、C3、D1、D2等城市,各城市之间的交通线和距离如下列图所示,问应该选择一条什么路线,使得从A到E的距离最短?
6
3
845
564
98
72
63
671
83
7
下面引进几个动态规划的根本概念和相关符号。
(1)阶段(Stage)
把所给问题的过程,按时间和空间特征划分成假设干个相互联系的阶段,以便按次序去求每个阶段的解,阶段总数一般用字母n表示,用字母k表示阶段变量。
如例中(最短路线问题)可看作是n=4阶段的动态规划问题,k=2表示处于第二阶段。
(2)状态(State)
状态表示每个阶段开场时系统所处的自然状况或客观条件,它描述了研究问题过程状况。
描述各阶段状态的变量称为状态变量,常用字母sk表示第k阶段的状态变量,状态变量的取值围称为状态集,用Sk表示。
如例l中,第一阶段的状态为A〔即出发位置〕。
第二阶段有三个状态:
B1、B2、B3,状态变量s2=B2表示第2阶段系统所处的位置是B2。
第2阶段的状态集S2={B1、B2、B3}。
动态规划中的状态变量应具有如下性质:
当某阶段状态给定以后,在这个阶段以后过程的开展不受这个阶段以前各个阶段状态的影响。
也就是说,未来系统所处的状态只与系统当前所处的状态有关,而与系统过去所处的状态无关,即过去历史只能通过当前的状态去影响它未来的开展,这种特点称为无后效性〔又称马尔可夫性〕。
如果所选定的状态变量不具备无后效性,就不能作为状态变量来构造动态规划模型。
如例1中,当某阶段的初始状态即所在的城市选定以后,从这个状态以后的运货路线只与这个城市有关,不受以前的运货路线影响,所以是满足状态的无后效性的。
〔3〕决策(Decision)
当系统在某阶段处于某种状态,可以采取的行动〔或决定、选择〕,从而确定下一阶段系统将到达的状态,称这种行动为决策。
描述决策的变量,称为决策变量。
常用字母uk(sk)表示第k阶段系统处于状态sk时的决策变量。
决策变量的取值围称为决策集,用Dk(sk)表示。
在例l的第二阶段中,假设从状态B2出发,可以做出三种不同的决策,其允许的决策集为D2(B2)={C1、C2、C3},决策u2(B2)=C2表示第二阶段处于状态B2,选择确实行动下一阶段是走到C2。
〔4〕策略(Policy)
系统从第k阶段的状态sk开场由每阶段的决策按顺序组成的决策序列{uk(sk),uk+1(sk+1),…,un(sn)}称为一个策略〔k=1,2,…,n〕,记作
。
在例l中,p2,4(B2)={u2(B2)=C2,u3(C2)=D1,u4(D1)=E}是一个策略,表示第二阶段从状态B2出发,沿着B2→C2→D1→E的方向走到终点。
注意策略必须是一串实际可行的序列行动。
〔5〕状态转移方程
系统由这一阶段的—个状态进展决策后转变到下—阶段的另—个状态称为状态转移,状态转移既与状态有关,又与决策有关,描述状态转移关系的方程称为状态转移方程,记为:
sk+1=Tk(sk,uk)
它的实际意义是当系统第k阶段处于状态sk做决策uk时,第k+1阶段系统转移到状态sk+1。
状态转移方程在不同的问题中有不同的具体表现形式,在例l中,状态转移方程表示为:
sk+1=uk(sk)。
〔6〕阶段指标
阶段效益是衡量系统阶段决策结果的一种数量指标,记为:
表示系统在第k阶段处于状态sk做出决策uk时所获得的阶段效益。
这里的阶段效益在不同的实际问题中有不同的意义。
在例l中它表示两个中转站的距离,如
表示从中转站B2走到中转站C2之间的距离为7。
更一般地有
。
〔7〕指标函数
指标函数是用来街量所实现过程的优劣的一种数量指标,它是一个定义在全过程和所有后部子过程上确实定的数量函数,记为:
它应具有可别离性,并满足递推关系式:
常见的指标函数的形式是:
1〕过程和任一子过程的指标是它所包含的各阶段指标的和。
既
2〕过程和任一子过程的指标是它所包含的各阶段指标的积。
既
〔8〕最优值函数
指标函数的最优值,称为最优值函数,记为
。
它表示系统在第k阶段处于状态sk时按最优策略行动所获得总的效益。
既
其中opt是最优化〔optimization〕的缩写,根据实际问题可取max(最大值)和min(最小值),
表示对所有允许策略
使后面算式取最优。
下面利用动态规划的逆推归纳法,将例1从最后一个城市E逐步推算到第一个城市A,在此
表示第k阶段从城市sk到城市E最短路。
1)当k=4时:
要求
,由于第4阶段只有两个城市D1、D2〔即s4的取值为D1、D2〕,从D1到E只有一条路,故
,同理
。
2)当k=3时:
s3的取值为C1、C2、C3,从C1出发到E有两条路,一条是经过D1到E,另一条是经过D2到E,显然:
即从C1出发到E的最短路为7,相应决策为
,最短路线是C1→D1→E。
同理
2)当k=2时:
s2的取值为B1、B2、B3,从B1出发到E有三条路,分别是经过C1、C2、C3到E,那么有:
同理
2)当k=1时:
s1的只有一个取值为A.从A出发到E有三条路,分别是经过B1、B2、B3到E,那么有:
于是得到从A到E的最短距离17,为了找出最短路线,按计算的顺序逆推回去,可得到最优策略为:
,最短路线是A→B1→C2→D2→E。
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 数学 建模 计算机专业 应用