MCM美赛系列课程讲座 | 经典数学模型

71a16e25d9f13b3e1e787a111c42ecf8.gif

来源:新东方美国研究生留学

我们的MCM美赛系列课程讲座正在如火如荼的进行当中,上周四我们也发布了第二期的视频课程链接。两节视频课加起来,长达一个半小时的干货课程,很多听过之后的同学反馈,都是收获颇丰。

c6523206b84a568c27376d911adde1c4.jpeg

然而,很多同学因为种种原因,并没有加入到第二期的课程群中。之前的海报宣传,大家也都只是看到了课程大纲,而不太清楚到底在课程中提到了哪些。不要急,今天,我们就来给大家揭秘课程内容。

(详细具体的课程全部视频内容,请留意文章最后哟)

0209ebab6fe2414cd8f61b0b5dce37d6.gif

经典数学模型

第一段视频

在数学建模中有一些常见的基本模型,赛题基本是这些模型的深入或变形。本讲主要介绍了基本模型中模拟方法建模和离散概率模型。其中包括蒙特卡洛模拟、排队模型、马尔科夫过程、线性回归四大模型

课程开头,引入了模拟方法建模的原因与必要性,引出了建模中常用的模拟方法:蒙特卡洛模拟,并用求圆形面积的例子讲解基本的用法。在计算机模拟中,产生随机数是比较关键的步骤,随后课程讲解平方取中与线性同余两种较为常见的随机数生成方法。最后以2010年国赛A题为例讲解了模型的具体用法。

第二模型讲解了排队模型,从概念、模型常见的结构、排队模型的建模步骤以及模型的主要指标几个方面对其进行了讲解,并用2017年美赛B题特等奖赛题作为例子对排队模型的应用进行举例。

随后,引入了另一个建模中较为重要的模型:离散概率模型。选择了典型的马尔科夫过程进行重点讲解,用天气的变化作为例子,讲解马尔科夫链、状态转移矩阵、稳态分布的概念,并用“选举投票趋势预测”作为例子讲解其应用。

本节课程最后讲解了线性回归模型,首先讲解了定义、基本的统计量(和方差、均方差、均方根、SSR、SST、R-square),随后讲解了如何用线性回归来解题,利用木材切割者的例子讲解了模型的用法。

每个模型从概述到算法描述再到应用举例,帮助学生对基本模型有大致了解。

第二段视频

承接第2讲,本讲首先介绍了离散模型的优化,包括了单目标与多目标的规划。首先给出了优化模型的概述与定义,随后直接用应用例子来讲解优化方法,包括生产计划的例子、投资问题的例子,并以2017年国赛B题作为应用举例,讲解了优化模型的具体应用。

分类与聚类模型,这也是建模中较为常用的方法。

分类模型中,以决策树为例,讲解了模型的定义,用通俗的相亲问题对定义进行描述,并重点介绍决策树中的较为关键的ID3算法,结合周志华老师《机器学习》书中的判断西瓜好坏的例子进行算法应用的讲解。最后以2017年深圳杯赛题对决策树的应用进行举例。

之后,课程又讲解了聚类模型。首先区分了分类和聚类的区别,并以聚类算法当中的k-means算法对聚类进行讲解,包括算法的描述与举例算法如何运行。同样以2017年深圳杯赛题对聚类算法的应用进行了举例。

本节的优化模型、分类/聚类模型是建模中应用非常广泛的模型,可以说在每个赛题中都有应用的影子,应该予以重点关注与掌握。

 

69742aa70c62d87e0fd7d4ea128d7211.gif

看完基本介绍,大家对于第二期课程是否有了更浓厚的兴趣了呢?有人可能会问,课程上周发布,现在加入还来的急吗?

没有关系,来得及!现在加入,不仅可以免费看到前两期的课程,本周四也将发布第三期课程——Matlab介绍与实战 + 写作与信息检索。内容长达三个多小时,作为最后对大家持续关注的回馈!

什么?如何加入?

动动手,下方海报二维码扫一扫,就可以参加活动了!这么多免费资源,还在等什么?期待每一位你的参与哟!

3e44fc118a3b69808835dac6b4b00dc7.jpeg

7a0faafef889334c7a22b02e7740f277.jpeg

扫一扫,获取更多新鲜资讯

c4e2c8a0c92a17f743c3cb28f700008b.jpeg

发表评论

您的电子邮箱地址不会被公开。