¿Qué necesitan aprender los modeladores matemáticos?
Lo que los modeladores matemáticos necesitan aprender es lo siguiente:
1. Algoritmo de Monte Carlo (este algoritmo también se llama algoritmo de simulación aleatoria, que es un algoritmo que resuelve problemas mediante simulación por computadora). , y al mismo tiempo, puedes probar la exactitud de tu propio modelo mediante simulación, que es un método imprescindible durante las competiciones).
2. Algoritmos de procesamiento de datos, como ajuste de datos, estimación de parámetros e interpolación (en las competiciones, generalmente se encuentra con una gran cantidad de datos que deben procesarse, y la clave para procesar datos radica en estos algoritmos). Generalmente se utiliza Matlab como herramienta).
3. Problemas de planificación como programación lineal, programación entera, programación multivariada, programación cuadrática (la mayoría de los problemas en las competiciones de modelado son problemas de optimización y muchas veces estos problemas pueden describirse mediante algoritmos de programación matemática. Generalmente se implementan mediante software Lindo y Lingo).
4. Algoritmos de teoría de grafos (dichos algoritmos se pueden dividir en muchos tipos, incluido el camino más corto, el flujo de red, el gráfico bipartito y otros algoritmos. Los problemas relacionados con la teoría de grafos se pueden resolver utilizando estos métodos, y se requiere una preparación cuidadosa requerido) .
5. Algoritmos informáticos como programación dinámica, búsqueda de retroceso, algoritmo de dividir y conquistar, bifurcación y límite (estos algoritmos son métodos comúnmente utilizados en el diseño de algoritmos y se pueden utilizar en competiciones en muchas ocasiones).
6. Los tres principales algoritmos no clásicos de la teoría de la optimización: recocido simulado, red neuronal y algoritmo genético (estos son algoritmos que se utilizan para resolver algunos problemas de optimización difíciles y son muy útiles para algunos problemas. Ayuda, pero la implementación del algoritmo es difícil y debe usarse con precaución).
7. Algoritmo de cuadrícula y método exhaustivo (el algoritmo de cuadrícula y el método exhaustivo son algoritmos para buscar violentamente puntos óptimos. Se utilizan en muchos problemas de competencia. Cuando se analiza el modelo en sí, la atención se centra en el modelo). En sí mismo y el algoritmo se subestima. A veces, puede usar esta solución de fuerza bruta, es mejor usar algún lenguaje de alto nivel como herramienta de programación).
8. Algunos métodos de discretización continua (muchos problemas se basan en la realidad. Los datos pueden ser continuos, pero la computadora solo reconoce datos discretos, por lo que se discretizan y luego se usa diferencial en lugar de diferencial. Ideas como ya que la suma en lugar de la integración son muy importantes).
9. Algoritmos de análisis numérico (si se utilizan lenguajes de alto nivel para la programación en la competencia, algunos algoritmos comúnmente utilizados en análisis numérico, como resolución de sistemas de ecuaciones, operaciones matriciales, integración de funciones y otros algoritmos). , requiere escritura adicional de funciones de biblioteca para realizar una llamada).
10. Algoritmo de procesamiento de imágenes (hay un tipo de problema relacionado con los gráficos en las preguntas del concurso. Incluso si no está relacionado con los gráficos, debe haber muchas imágenes en el documento. Cómo mostrar estos gráficos y cómo procesarlos son los problemas que deben resolverse, generalmente procesados con Matlab).