关于数学建模的分析

关于数学建模的分析

一、应用数学的发展与现状

最初的应用数学在创立的时候，只有很少的几个分支，经过时

间的沉淀和进一步的开拓，到如今，应用数学已经有了非常迅速的发展，几乎可以将应用数学的方法融入到各个科学领域，尤其是与其它很多学科的联系越来越趋于紧密，起着举足轻重的作用。应用数学早已不仅仅局限于传统学科如物理学、医学、经济学的原始问题，而随着信息化时代的到来，应用数学更多的应用于新兴信息学、生态学一些划时代的学科中，在边缘科学中也发挥这越来越重要的作用，甚至进入了金融、保险等行业，给应用科学带来了巨大的前途和发展空间，充满了更多的机遇和挑战。

应用数学是一门数学，更是一门科学。很久以来，在应用数学

的教学和实践中，很多人一直不了解如何把理论知识与实际很好的结合，其根本原因就是没有将数学建模思想渗透到真正的应用数学中去。很多熟知应用数学的人员却不能将其运用到实际领域中去，他们也许很多人都还不知道什么是数学建模，也不了解数学建模的过程是什么，更不会知道数学建模能有这么大的用处。马克思曾经说过：一门科学只有当它充分利用了数学之后，才能成为一门精确的科学。随着应用数学的发展，给它提供了更广阔的空间，也给应用者们带来了巨大的挑战。这就迫使应用数学的学习者要自觉学习了解各个行业的知识，进入充满悬念的非传统领域，在高尖端的应用领域中放手一搏，能及时跟上应用数学的变化并走在时代的前沿。

二、数学建模在应用数学中的重要作用

数学模型是用数学来解决实际问题的桥梁。数学模型与数学建

模不仅仅展示了解决实际问题时所使用的数学知识与技巧，更重要的是它告诉我们如何挖掘实际问题中的数学内涵并使用所学数学知识

来解决它。数学建模就是应用数学理论和方法去分析和解决实际问题，简单的说，就是用数学语言描述实际现象的过程。数学源于生活实践，是研究现实世界数量关系和空间形式的科学，最终也将应用于生活。在如今，数学以空前的广度和深度向其他科学技术领域渗透，过去很少应用数学的领域现在也在迅速的贴近数学，特别是新技术、新工艺蓬勃兴起，计算机的普及和广泛应用，数学在许多高新技术上起着十分关键的作用。因此，数学建模不仅凸现出其重要性，而且已成为现代应用数学的一个重要组成部分。

从马克思方法论来说，数学建模实质上就是一种数学思想方法。从工程、金融、设计等各个角度来运用数学建模，就是用数学的语言和方法，通过抽象、简化建立数学模型，近似勾勒出数学模型，在对数学模型的研究中完成对实际的模拟。数学建模能解决各个领域的实际问题，它从模型和量去考察实际问题，尽可能用数学的规律和参数变量来模拟实际问题的发展和结果，数学模型的建立可分为以下几个步骤：用理论和定律来确定变量，建立各个参数之间的定量或定性关系，进一步建立出数学模型;用数学的计算方法进行分析、求解;然后尽可能用实验的、观察的、历史的数据来验证该数学模型。若检验符合实际，则建模成功;若不符合实际，则需要重新考虑抽象、简化建

立新的数学模型。由数学建模的复杂过程可知，数学建模是一个需要多次迭代重复检验才能完成的过程，最重要的是它反映了解决实际问题的真实过程。数学建模思想在应用数学中的作用主要教体现在：

1.全面提高建立模型解决问题的能力

要学会将应用数学用到解决各种实际问题，需要很多方面的要求。对于每一个学习应用数学的人，首先有必要掌握充实的数学理论知识和方法，要有较强的自学能力，其实要有数学建模的意识，有能应用数学的知识去解决问题的能力。在数学建模的学习和掌握过程中，必须能使学到了应用数学的知识，又能运用它们解决一些实际问题，这才是应用数学培养人才的根本目标。为使学生能够进入一种周而复始的学习、应用的良性循环，从知识和能力来讲，数学建模的教学与实践活动非常重要。所以在培养学生学习应用数学的同时，要注重数学建模思想的培养，只有这样才能做到学以致用，才能全面提高用应用数学解决实际问题的能力。

2.全面提高创新综合分析问题的能力

传统的数学教学时枯燥而又封闭的，学生提不起兴趣，自己学

不到有用的知识。而创新前提下的数学建模的教学具有开放性多元性的特点，学生主动阐明自己的想法，也是师生交流增多，更有利于产生碰撞的火花。在应用数学教学中渗透数学建模思想，更能全面提高学生的创新综合分析问题的能力，激发学习应用数学的兴趣，让他们通过数学建模更好的理解应用数学，真正明白应用数学的重要性。

三、将数学建模思想渗透到应用数学中去

1.注重数学应用与理论相结合，成立数学建模小组

数学的基础理论和概念是学习数学建模的根基。一切数学概念和知识都是从现实世界模型中抽象出来的，用建模的思想进行教学是理论与应用相结合的重要手段。在讲解数学概念时，尽量从学生熟悉的生活实例或与专业相结合的实例中引出，减少学生对应用数学的抽象感。用身边的实例进行讲解，能拓宽学生的思路。成立数学建模小组，举办专题讲座，学生自己选取实例进行建模，从而让学生尝到数学建模成功的甜和难于解决的苦，对数学建模的方法加深理解，增长知识，积累经验。

2.以建模的思想开展应用数学教学内容，掌握建模方法

将教科书中的实例模型化，用经验材料进行描述，利用应用数学的理论跟公式推导运算出实际模型的结果，要转变观念，抛弃过去的僵化模式，以新观点来领导课堂，应用数学方法和思想进行综合分析推理的能力、锻炼创造力、想象力、联想力和洞察力、学习建模能力并查阅文献资料。应用数学的教学中应形成以实际问题为中心，以分析和解决问题为基本出发点，以数学模型的建立为基本途径，把应用数学、数学建模和课外活动有机的结合起来，完成应用数学和数学建模思想的渗透，寓数学建模于应用数学中。

参考文献：

[1]郑继明.关于工科数学分析教学中的数学建模思想[J].重庆邮电大学学报(自然科学版).xx，20.

[2]杨降龙，赵国俊.数学建模思想在大学数学教学中的渗透[J].南京工程学院学报(社会科学版).xx，12.

[3]张成堂，张庆国.应用数学及其数学建模思想[J].中国电力教育.xx，6.

第二讲数学建模的基本方法和步骤

第二讲 数学建模的基本方法与步骤 数学建模面临的实际问题就是多种多样的,建模的目的不同、分析的方法不同、采用的数学工具不同,所得模型的类型也不同,我们不能指望归纳出若干条准则,适用于一切实际问题的数学建模方法。下面所谓基本方法不就是针对具体问题而就是从方法论的意义上讲的。(注:用最初等的方法解决,越受人尊重) 一 数学建模的基本方法 一般说来数学建模的方法大体上可分为机理分析与测试分析两种。 ????????????? 机理分析： 是根据对客观事物特性的认识，找出反映内部机理的数 量规律，建立的数学模型常有明确的物理或现实意义。 建模方法测试分析： 将研究对象看作一个“黑箱”（意思是内部机理看不清 楚），通过对测量数据的统计分析，找出与数据拟合最 好的模型。 面对于一个实际问题用哪一种方法建模,主要取决于人们对研究对象的了解程度与建模目的。如果掌握了一些内部机理的知识,模型也要求具有反映内部特征的物理意义,建模就应以机理分析为主。而如果对象的内部机理规律基本上不清楚,模型也不需要反映内部特征,那么可以用测试分析。对于许多实际问题也常常将两种方法结合起来,用机理分析建立模型结构,用测试分析确定模型的参数。 二 数学建模的一般步骤 建模要经过哪些步骤并没有一定的模式,通常与问题性质与建模的目的等有关。下面给出建模的一般步骤,如图1、2所示。 ⑴ 模型准备:了解实际背景,明确建模目的,搜索必要信息,弄清对象的主要特征,形成一个比较清晰的“问题”(即问题的提出)。情况明才能方法对,在这个阶段要深入调查研究,虚心向实际工作者请教,尽量掌握第一手资料。

⑵模型假设:根据对象的特征与建模目的,抓住问题的本质,忽略次要因素,作出必要的、合理的简化假设。对于建模的成败这就是非常重要与困难的一步。假设不合理或太简单,会导致错误的或无用的模型;假设作得过分详细,试图把复杂对象的众多因素都考虑进去,会使您很难或无法继续下一步的工作。常常需要在合理与简化之间作出恰当的折衷,要不段积累经验,并注意培养与充分发挥对事物的洞察力与判断力。 ⑶模型的建立:根据假设,用数学的语言、符号描述对象的内在规律,得到一个数学结构。这里除了需要一些相关的专门知识外,还常常需要较为广阔的应用数学方面的知识,要善于发挥想象力,注意使用类比法,分析对象与熟悉的其她对象的共性,借用已有的数学模型。建模时还应遵循的一个原则就是尽量采用简单数学工具,因为您的模型总希望更多的人了解与使用,而不就是只供少数专家欣赏。 ⑷模型求解:使用各种数学方法、数学软件与计算机技术对模型求解。 ⑸模型分析:对求解结果进行数学上的分析,如对结果进行误差分析,分析模型对数据的稳定性或灵敏性等。 ⑹模型检验:把求解与分析结果翻译回到实际问题,与实际现象、数据进行比较,检验模型的合理性与适用性。如果结果与实际不符,问题常常出现在模型假设上,应该修改或补充假设,重新建模。这一步对于模型就是否真的有用就是非常关键的,要以严肃认真的态度对待。 ⑺模型应用:这与问题的性质、建模的目的以及最终结果有关,一般不属于本书讨论的范围。 应该指出,并不就是所有问题的建模都要经过这些步骤,有时各步骤之间的界限也不那么分明,建模时不要拘泥于形式上的按部就班。 三数学建模的全过程 数学建模的全过程可分为表述、求解、解释、验证几个阶段,并且通过这些阶段完成从现实对象到数学模型,再从数学模型回到现实对象的循环,如图1、3所示。 表述就是根据建模目的与信息将实际问题“翻译”成数学问题,即将现实问题“翻译”成抽象的数学问题,属于归纳法。数学模型的求解选择适当的数学方

层次分析报告法在数学建模中的应用

层次分析法在数学建模中的应用 摘要：人们在生活中处理一些决策问题的时候，要考虑的因素有多有少，有大有小，但是 一个共同的特点是它们通常都涉及到经济 、社会、 人文等方面的因素。在作比较、 判断 、 评价、 决策时，这些因素的重要性 影响力或者优先程度往往难以量化，人的主观选择会起 着相当主要的作用，这就给用一般的数学方法解决问题带来本质上的困难。这是就有人提出 了一种能有效地处理这样一类问题的实用方法，称为层次分析法，这是一种定性和定量相结 合的、系统化、层次化的分析方法。以及在对层次分析法的引入基础之上，建立层次分析模 型，并给出了层次分析的求解过程，以及在现实生活中的应用。 关键词：层次分析法；成对比较矩阵；权向量；一致性指标；一致性比率 一． 问题的提出：人们在日常生活中常常碰到许多决策问题：请朋友吃饭要筹划是办家宴还是去饭店，是吃中餐、西餐还是自助餐；假期旅游和科研成果的评价。诸如此类问题面临抉择，就要慎重考虑，反复比较，尽可能满意的决策。 然而人们在处理上面这些决策问题的时候，要考虑的因素有多有少，有大有小，但是一个共同的特点是它们通常都涉及经济社会和人文等方面的因素。在做比较、判断、评价、决策时，这些因素的重要性、影响力或者优先程度难以量化，人的主观选择会起着相当重要的作用。T.L.Saaty 等人在20世纪70年代提出了一种能有效地处理这样一类问题的实用方法，称为层次分析法（简称AHP ），这是一种定性和定量相结合的、系统化、层次化的分析方法。 二． 层次分析法的基本步骤 1.将决策问题分解为三个层次。最上层为目标层，最下层为方案层，中间层为准则层。 2.通过相互比较确定各准则对于目标的权重，及各方案对于每一准则的权重，这些权重在人的思想过程常是定性的，而在层次分析法中则要给出得到权重的定量方法。 3.将方案层对准则层的权重及准则层对目标层的权重进行综合，最终确定方案层对目标层的权重。在层次分析法中要给出进行综合的计算方法。 三． 构造成对比较阵、计算权向量并做一致性检验；计算组合权向量并做组合一致性检验。 1.成对比较矩阵和权向量 所有因素两两相互对比，对比时采用相对尺度，以尽可能减少性质不同的诸因素相互对比的困难，提高准确度。 假设要比较某一层n 个因素对12,n c c c 上层一个因素O 的影响，每次取两个

第1章 数学建模与误差分析

第1章数学建模与误差分析 1.1 数学与科学计算 数学是科学之母，科学技术离不开数学，它通过建立数学模型与数学产生紧密联系，数学又以各种形式应用于科学技术各领域。数学擅长处理各种复杂的依赖关系，精细刻画量的变化以及可能性的评估。它可以帮助人们探讨原因、量化过程、控制风险、优化管理、合理预测。近几十年来由于计算机及科学技术的快速发展，求解各种数学问题的数值方法即计算数学也越来越多地应用于科学技术各领域，相关交叉学科分支纷纷兴起，如计算力学、计算物理、计算化学、计算生物、计算经济学等。 科学计算是指利用计算机来完成科学研究和工程技术中提出的数学问题的计算，是一种使用计算机解释和预测实验中难以验证的、复杂现象的方法。科学计算是伴随着电子计算机的出现而迅速发展并获得广泛应用的新兴交叉学科，是数学及计算机应用于高科技领域的必不可少的纽带和工具。科学计算涉及数学的各分支，研究它们适合于计算机编程的数值计算方法是计算数学的任务，它是各种计算性学科的联系纽带和共性基础，兼有基础性和应用性的数学学科。它面向的是数学问题本身而不是具体的物理模型，但它又是各计算学科共同的基础。 随着计算机技术的飞速发展，科学计算在工程技术中发挥着愈来愈大的作用,已成为继科学实验和理论研究之后科学研究的第三种方法。在实际应用中所建立的数学模型其完备形式往往不能方便地求出精确解，于是只能转化为简化模型，如将复杂的非线性模型忽略一些因素而简化为线性模型，但这样做往往不能满足精度要求。因此，目前使用数值方法来直接求解较少简化的模型，可以得到满足精度要求的结果，使科学计算发挥更大作用。了解和掌握科学计算的基本方法、数学建模方法已成为科技人才必需的技能。因此，科学计算与数学建模的基本知识和方法是工程技术人才必备的数学素质。 1.2 数学建模及其重要意义 数学，作为一门研究现实世界数量关系和空间形式的科学，在它产生和发展的历史长河中，一直是和人们生活的实际需要密切相关。用数学方法解决工程实际和科学技术中的具体问题时，首先必须将具体问题抽象为数学问题，即建立起能描述并等价代替该实际问题的数学模型，然后将建立起的数学模型，利用数学理论和计算技术进行推演、论证和计算，得到欲求解问题的解析解或数值解，最后用求得的解析解和数值解来解决实际问题。本章主要介绍数学建模基本过程和求解数学问题数值方法的误差传播分析。 1.2.1 数学建模的过程 数学建模过程就是从现实对象到数学模型，再从数学模型回到现实对象的循环，一般通过表述、求解、解释、验证几个阶段完成。数学建模过程如图1.2.1所示，数学模型求解方法可分为解析法和数值方法，如图1.2.2所示。 表述是将现实问题“翻译”成抽象的数学问题，属于归纳。数学模型的求解方法则属于演绎。归纳是依据个别现象推出一般规律；演绎是按照普遍原理考察特定对象，导出结论。演绎利用严格的逻辑推理，对解释现象做出科学预见，具有重要意义，但是它要以归纳的结论作为公理化形式的前提，只有在这个前提下

基于层次分析法的数学建模

基于层次分析法研究云南烟草品牌竞争力 摘要 与国外知名烟草品牌相比，国内的烟草品牌存在着品牌集中度不够，品牌多、杂、散、小；品牌定位模糊，市场占有率低；品牌形象乱，品牌美誉度低，消费者购买行为习惯化导致忠诚度差等问题，因此，本文采用层次分析法对在中国烟草行业中有着举足轻重地位的云南省烟草品牌竞争力进行了评价研究，分析云南烟草业品牌现状，提出品牌竞争力的影响因素，对提高云南烟草业的品牌竞争力、解决烟草业存在的问题提供一定的帮助。 关键词：烟草品牌云南烟草品牌竞争力层次分析法 一、问题重述 近年来，我国一直推进实施卷烟工业的整合重组、卷烟品牌的淘汰和优化。但是，由于之前的卷烟品牌众多；截止到 2009 年底我国的烟草企业有 30 家，卷烟品牌 138 个，所以目前我国烟草企业之间的竞争非常激烈，行业内有众多势均力敌的竞争对手。当今卷烟产品差异化日渐缩小，消费者购买时会更看重品牌价值和品牌文化，使烟草行业内部面临着激烈的竞争,以具有代表性的云烟为实证，分析云南烟草企业的品牌竞争力及影响品牌竞争力的主要因素，并提出提高云烟品牌竞争力的对策建议。

二、问题分析 （1）云南卷烟近年情况分析 图1为云产卷烟在全国各地区的销量情况，有颜色部分为云南卷烟销量均超过15.58万箱，在全国卷烟销售中占有很大份额。2008 年卷烟品牌为16个，比2003年的36个减少了 20个。作为全国卷烟产销量最大的省份，2009 年云南的产销量达到 3667.9 亿支。在卷烟产量增幅较小的情况下，2008 年云南烟草工业税利为 577 亿元，比2003 年的 330 亿元增加了 247 亿元。因此，分析云南卷烟品牌竞争力有助于对云南卷烟品牌做出适当的规划调整，很大程度上能够促进云南经济的发展。（数据为云南中烟系统中2015年 云产卷烟销量数据） 图1

《数值分析与数学建模》

2007-2008学年第一学期《数值分析与数学建模》课程考核题目 说明： 本次考核题目共有五个部分，请从每一部分中任选一题作答。选择时请注意：每题难度不同分值也有所不同。 完成时间：2007－2008学年第二学期开学第一周前三个工作日，过期无效。 答卷提交方式：手写稿或打印稿请直接交到5号楼202室；电子稿可以发送Email 至 tzl99@https://www.sodocs.net/doc/34526477.html, 。 要求： （1）标清题号； （2）列出关键的数学模型及模型中各参数的含义； （3）可利用Matalb 软件中相关库函数直接求解，请注明你所用到的关键函数及其作用； （4）也可以在建立模型之后，自行选择数值分析课程中介绍的合适算法并利用Matlab 软件编程实现；如此，你将获得额外加分； （5）对得到的结果加以适当评价，以及对问题本身提出相应的思考与改进，也将获得额外加分； （6）鼓励相互讨论，不允许相互抄袭；雷同（绝大部分相同）答卷按无效答卷处理，不予记录成绩；若某些题目解答完全相同，则该题不得分。 第一部分 说明： Ex1、Ex2每题10分；Ex3~Ex6每题15分 Ex1：以定期存储为基础的储蓄账户的累积值可由“定期年金方程”确定， ]1)1[(-+= n i i P A ； 在这个方程中，A 是账户中的数额，P 是定期存储的数额，i 是n 个存储期间的每期利率。一个工程师想在20年内退休时储蓄账户上的数额达到750000美元，而为了达到这个目标他每个月能存1500美元。为实现他的储蓄值目标，最小利率应是多少？假定利息是月复利的。 Ex2：在固定的时期内需付抵押贷款的数额问题和下面的称为“普通年金方程”的公式有关， ]) 1(1[n i i P A -+-= 在这个方程中，A 是抵押贷款的数额，P 是每期付款的数额，i 是n 个付款期的每期利率。假设需要30年房屋按揭贷款135000美元，又假设借款人每月至多能付1000美元房款。借款人能付得起的最大利率是多少？ Ex3：病人用的药在血流中产生的浓度由ml mg e t A t c t 3 ) (-=给出（注射了A 单位药物后的t 小时以后血液中药物的浓度）。病人能够承受的药物最大安全浓度是1 ml mg 。 （1）分别利用微积分知识以及Matlab 软件描绘出浓度随时间变化的图形； （2）应该注射多大的量来达到最大的安全浓度？什么时候达到这个最大的安全浓度？ （3）在浓度下降到0.25ml mg 后，要给病人注射这种药的附加的药量。确定何时应进行第二次注射，精确到分钟； （4）假设连续注射的浓度是可加的，又假设开始注射的75％的药量仍在第二次注射中起作用。什么时候可以进行第三次注射？

数学建模之层次分析法

第四讲层次分析法 在现实世界中，往往会遇到决策的问题，比如如何选择旅游景点的问题，选择升学志愿的问题等等。在决策者作出最后的决定以前，他必须考虑很多方面的因素或者判断准则，最终通过这些准则作出选择。 比如选择一个旅游景点时，你可以从宁波、普陀山、浙西大峡谷、雁荡山和楠溪江中选择一个作为自己的旅游目的地，在进行选择时，你所考虑的因素有旅游的费用、旅游地的景色、景点的居住条件和饮食状况以及交通状况等等。这些因素是相互制约、相互影响的。我们将这样的复杂系统称为一个决策系统。这些决策系统中很多因素之间的比较往往无法用定量的方式描述，此时需要将半定性、半定量的问题转化为定量计算问题。层次分析法是解决这类问题的行之有效的方法。层次分析法将复杂的决策系统层次化，通过逐层比较各种关联因素的重要性来为分析、决策提供定量的依据。 一、建立系统的递阶层次结构 首先要把问题条理化、层次化，构造出一个有层次的结构模型。一个决策系统大体可以分成三个层次： （1） 最高层（目标层）：这一层次中只有一个元素，一般它是分析问题的预定目标或理想结果； （2） 中间层（准则层）：这一层次中包含了为实现目标所涉及的中间环节，它可以由若干个层次组成，包括所需考虑的准则、子准则； （3） 最低层（方案层）：这一层次包括了为实现目标可供选择的各种措施、决策方案等。 比如旅游景点问题，我们可以得到下面的决策系统： 目标层——选择一个旅游景点 准则层——旅游费用、景色、居住、饮食、交通 方案层——宁波、普陀山、浙西大峡谷、雁荡山、楠溪江 二、构造成对比较判断矩阵和正互反矩阵 在确定了比较准则以及备选的方案后，需要比较若干个因素对同一目标的影响，从额确定它们在目标中占的比重。如旅游问题中，五个准则对于不同决策者在进行决策是肯定会有不同的重要程度，而不同的方案在相同的准则上也有不同的适合程度表现。层次结构反映了因素之间的关系，但准则层中的各准则在目标衡量中所占的比重并不一定相同，在决策者的

数学建模案例分析

案例分析1: 自行车外胎的使用寿命 问题： 目前，自行车在我国是一种可缺少的交通工具。它小巧、灵活、方便、易学，而且价格适中，给广大居民带来了不小的益处。但是，自行车也有令人头痛的地方，最常见的问题莫过于扎胎了。扎胎的原因有很多，但相当一部分是由于外胎磨损，致使一些玻璃碴、小石子很容易侵入、扎破内胎。为了减少不必要的麻烦，如何估计自行车外胎的寿命，及时更换? 分析： 分析角度：由于题目里未明确指出我们是应从厂家角度，还是应从用户角度来考虑这个问题，因此需要我们自己做出合理判断。若从厂家角度，我们面对的应当是一大批自行车外胎的平均寿命的估计。这样的估计要求一定精确度和相对明确的使用环境；而从用户角度来说，面对的仅是个人的一辆车，不需要很高的精确度，这样的寿命估计更简单，易于随时了解，下面仅从用户角度进行分析。 产品的使用者需要了解产品的寿命，是基于安全性及更换的费用来考虑的。我们将这两个标准作为主要标准来分析，首先值得注意的两个关键性问题是如何定义寿命、何时为寿命的终止。寿命的定义要做到科学，直观，有可比性，在航空工业中航天飞机的使用寿命是用重复使用的次数来衡量，而工厂机器设备的寿命则以连续工作的时间来定义。本题外胎的寿命亦可用时间来表征，但由于外胎的寿命直接与其磨损速度相关；而磨损速度又与使用频率及行驶速度相互联系，致使外胎的寿命不一定与使用时间成正比(这种非正比关系使我们不能拿一辆—天跑200公里的自行车与一天只跑1公里的自行车进行寿命比较)，降低了可比性。如换成自行车的路程寿命来比较，就好得多。产品寿命是在安全性和更换费用相互制约下达到的一个点，在这个点上，外胎的安全系数降到用户不可接受的最低值，更换费用(寿命越长，在一定意义上更换费用越低)也达到了最大限度的节省。 弄清了上面两个问题后，我们继续明确建立模型需要解决哪些问题及建立模型的重点难点。 自行车使用过程中，一来影响因素多，二来这些因素之间彼此相关，十分复杂，要做到比较准确地估计使用寿命，不但要对外胎的性能有相当的了解，而且对使用环境更不能忽视。当然我们由于是站在用户角度上来考虑的，相对地就可忽略一些次要的影响因素。 这样的数学模型面对着两个主要问题。一、自行车使用寿命与外胎厚度的关系，二、外胎能够抵御小石子破坏作用的最小厚度。后者可处理得相对简略些(如只考虑一块具有一般特征的小石子对外胎的破坏作用)，而重点(也是难点)是第一个问题。车重、人重、轮胎性质(力学的、热学的、甚至化学的)和自行车使用频率等都左右着它们的关系。这么多相关因素，不必一一都加以考虑(用户是不会在意这么多的)，有些因素，可以先不考虑，在模型的改进部分再作修改，采取逐步深入的方法，如：摩擦损耗有滑动摩擦和滚动摩擦损耗两种，由于滚动摩擦占用的时间(或路程)显然占绝对优势，因此可重点考虑。但滑动摩擦造成的一次损坏又比滚动摩擦大，在刹车使用过频的情况下，就不能不考虑了。 最后，需对得出的结果用简单清晰的文字进行说明，以供用户参考。 案例分析2：城市商业中心最优位置分析 问题： 城市商业中心是城市的基本构成要素之一。它的形成是一个复杂的定位过程。商业中心的选址涉及到各种因素制约，但其中交通条件是很重要的因素之一。即商业中心应位于城市“中心”，如果太偏离这一位置，极有可能在城市“中心”地带又形成一个商业区，造成重复建设。 某市对老商业中心进行改建规划，使居民到商业中心最方便。如果你是规划的策划者，如何建立一个数学模型来解决这个问题。

(完整版)数学建模之层次分析法

层次分析法 层次分析法是一种解决多目标的复杂问题的定性与定量相结合的决策分析方法。该方法将定量分析与定性分析结合起来，用决策者的经验判断各衡量目标能否实现的标准之间的相对重要程度，并合理地给出每个决策方案的每个标准的权数，利用权数求出各方案的优劣次序，比较有效地应用于那些难以用定量方法解决的课题。 缺点： （1）层次分析法的主观性太强，模型的搭建，判断矩阵的输入都是决策者的主观判断，往往会因为决策者的考虑不周、顾此失彼而造成失误。 （2）层次分析法模型的内部结构太过理想化，完全分离、彼此独立的层次结构在实践中很难做到。 （5）层次分析法只能从给定的决策方案中去选择，而不能给出新的、更优的策略。 1.模型的应用 用于解决多目标的复杂问题的定性与定量相结合的决策分析。 （1）公司选拔人员， （2）旅游地点的选取， （3）产品的购买等， （4）船舶投资决策问题（下载文档）， （5）煤矿安全研究， （6）城市灾害应急能力， （7）油库安全性评价， （8）交通安全评价等。 2.步骤 ①建立层次结构模型 首先明确决策目标，再将各个因素按不同的属性从上至下搭建出一个有层次的结构模型，模型如下图所示。

目标层 准则层 方案层 目标层：表示解决问题的目的，即层次分析要达到的总目标。通常只有一个总目标。 准则层：表示采取某种措施、政策、方案等实现预定总目标所涉及的中间环节。 方案层：表示将选用的解决问题的各种措施、政策、方案等。通常有几个方案可选。 注意： （1）任一元素属于且仅属于一个层次；任一元素仅受相邻的上层元素的支配，并不是任一元素与下层元素都有联系； （2）虽然对准则层中每层元素数目没有明确限制，但通常情况下每层元素数最好不要超过 9 个。这是因为，心理学研究表明，只有一组事物在 9 个以内，普通人对其属性进行判别时才较为清楚。当同一层次元素数多于 9 个时，决策者对两两重要性判断可能会出现逻辑错误的概率加大，此时可以通过增加层数，来减少同一层的元素数。 ②构造判断（成对比较）矩阵 以任意一个上一层的元素为准则，对其支配的下层各因素之间进行两两比 a重要程度的衡量用Santy的1—9较。得到判断矩阵，再求出各元素的权重。 ij 标度方法给出。即

数学建模方法和步骤

数学建模的主要步骤: 第一、模型准备 首先要了解问题的实际背景,明确建模目的,搜集必需的各种信息,尽量弄清对象的特征. 第二、模型假设 根据对象的特征和建模目的,对问题进行必要的、合理的简化,用精确的语言作出假设,是建模至关重要的一步.如果对问题的所有因素一概考虑,无疑是一种有勇气但方法欠佳的行为,所以高超的建模者能充分发挥想象力、洞察力和判断力,善于辨别主次,而且为了使处理方法简单,应尽量使问题线性化、均匀化. 第三、模型构成 根据所作的假设分析对象的因果关系,利用对象的内在规律和适当的数学工具,构造各个量间的等式关系或其它数学结构.这时,我们便会进入一个广阔的应用数学天地,这里在高数、概率老人的膝下,有许多可爱的孩子们,他们是图论、排队论、线性规划、对策论等许多许多,真是泱泱大国,别有洞天.不过我们应当牢记,建立数学模型是为了让更多的人明了并能加以应用,因此工具愈简单愈有价值. 第四、模型求解 可以采用解方程、画图形、证明定理、逻辑运算、数值运算等各种传统的和近代的数学方法,特别是计算机技术.一道实际问题的解决往往需要纷繁的计算,许多时候还得将系统运行情况用计算机模拟出来,因此编程和熟悉数学软件包能力便举足轻重. 第五、模型分析 对模型解答进行数学上的分析."横看成岭侧成峰,远近高低各不?quot;,能否对模型结果作出细致精当的分析,决定了你的模型能否达到更高的档次.还要记住,不论那种情况都需进行误差分析,数据稳定性分析. 数学建模采用的主要方法有： （一）、机理分析法：根据对客观事物特性的认识从基本物理定律以及系统的结构数据来推导出模 型. 1、比例分析法：建立变量之间函数关系的最基本最常用的方法. 2、代数方法：求解离散问题（离散的数据、符号、图形）的主要方法. 3、逻辑方法：是数学理论研究的重要方法,对社会学和经济学等领域的实际问题,在决策,对策等学科中得到广泛应用. 4、常微分方程：解决两个变量之间的变化规律,关键是建立“瞬时变化率”的表达式. 5、偏微分方程：解决因变量与两个以上自变量之间的变化规律. （二）、数据分析法：通过对量测数据的统计分析,找出与数据拟合最好的模型 1、回归分析法：用于对函数f（x）的一组观测值（xi,fi）i=1,2,…,n,确定函数的表达式,由于处理的是静态的独立数据,故称为数理统计方法. 2、时序分析法：处理的是动态的相关数据,又称为过程统计方法. 3、回归分析法：用于对函数f（x）的一组观测值（xi,fi）i=1,2,…,n,确定函数的表达式,由于处理的是静态的独立数据,故称为数理统计方法.

数学建模结果分析

结果分析 综上所述，由模型求解可知，在满足模型条件的假设（4）的条件下，当所给阳性的先验概率0.3066p ≥时，在不分组的条件下每个人一次一次的检验可以使总次数最少；当所给0.29290.3066p ≤<时，进行一次检验比分两次组和不分组均可使总次数最少；当00.2929p <<时，分两次组总次数比分一次组总次数要少。 当p 固定时，为了是人群中总的检验次数最小，就需要确定每组中的人数k 。根据固定值p 的大小分类讨论： 当0.3066p ≥时，此时不需要分组，即1k =时可使检验次数最小； 当0.3066p <时，此时需要分组，要使人群总的检验次数最小，只需要使每个人的检验次数的期望值E ξ最小，通过引入与11k E q k ξ=-+ 变化趋势相同的连续性函数 )2(,11)(≥+-=x x q x f x ，对于一个给定的p ，可以求出函数(x)f 的极值，又由分析知'(x)f 是增函数，所以求出(x)f 的极值就是(x)f 的最小值的取值m x ，故取与m x 最相近的两个值(上取整和下取整)，代入ξE ，然后比较两个函数值，找出较小的一个，以此类推，可以确定，每一个给定的p 要使人群中总的检验次数最小所对应的人数k 。 在0.3066p <中，当0.29290.3066p ≤<时，进行一次分组检验比进行两次分组检验和不分组检验可使检验次数最少；当00.2929p <<时，分两组比分一组总的检验次数少。 模型检验

当然这都是在假设（4）的前提下做出的，现举一例具体说明上述假设的合理性：设0.002p =时，经过上述计算可得，当23k =时可使在一次分组的情况下平均每人检验次数最小，为满足假设（4），可以取24k =（此时平均每人检验次数仅比23k =时多510-次，故在检验100000人时总次数才多一次，故可忽略），然后取112k =或更小（如16k =），此时一定可以做到分两次组比分一次组平均每人检验次数小。当然此时还可以继续求满足条件的第二次分组平均每人检验次数的最小值。 由于题给条件是人群数量很大，基本是健康人，先验概率p 很小，所以4

数学建模__SPSS_典型相关分析

典型相关分析 在对经济问题的研究和管理研究中，不仅经常需要考察两个变量之间的相关程度，而且还经常需要考察多个变量与多个变量之间即两组变量之间的相关性。典型相关分析就是测度两组变量之间相关程度的一种多元统计方法。 典型相关分析计算步骤 （一）根据分析目的建立原始矩阵 原始数据矩阵 ?? ????????? ???nq n n np n n q p q p y y y x x x y y y x x x y y y x x x 2 1 2 1 222212221 1121111211 （二）对原始数据进行标准化变化并计算相关系数矩阵 R = ?? ? ? ??22211211 R R R R 其中11R ，22R 分别为第一组变量和第二组变量的相关系数阵，12R = 21 R '为第一组变量和第二组变量的相关系数 （三）求典型相关系数和典型变量 计算矩阵=A 111-R 12R 122-R 21R 以及矩阵=B 122-R 21R 1 11-R 12R 的特征值和特征向量，分 别得典型相关系数和典型变量。 （四）检验各典型相关系数的显著性 第五节 利用SPSS 进行典型相关分析 第一步，录入原始数据，如下表：X1 X2 X3 X4 X5 分别代表多孩率、综合节育率、初中及以上受教育程度的人口比例、人均国民收入和城镇人口比例。

1、点击“Files→New→Syntax”打开如下对话框。 2、输入调用命令程序及定义典型相关分析变量组的命令。如图

输入时要注意“Canonical correlation.sps”程序所在的根目录，注意变量组的格式和空格。 第三步，执行程序。用光标选择这些命令，使其图黑，再点击运行键，即可得到所有典型相关分析结果。

[实用参考]高中常见数学模型案例.doc

高中常见数学模型案例 中华人民共和国教育部20KK 年4月制定的普通高中《数学课程标准》中明确指出：“数学探究、数学建模、数学文化是贯穿于整个高中数学课程的重要内容”，“数学建模是数学学习的一种新的方式，它为学生提供了自主学习的空间，有助于学生体验数学在解决问题中的价值和作用，体验数学与日常生活和其他学科的联系，体验综合运用知识和方法解决实际问题的过程，增强应用意识；有助于激发学生学习数学的兴趣，发展学生的创新意识和实践能力。”教材中常见模型有如下几种: 一、函数模型 用函数的观点解决实际问题是中学数学中最重要的、最常用的方法。函数模型与方法在处理实际问题中的广泛运用，两个变量或几个变量，凡能找到它们之间的联系，并用数学形式表示出来，建立起一个函数关系（数学模型），然后运用函数的有关知识去解决实际问题，这些都属于函数模型的范畴。 1、正比例、反比例函数问题 例1：某商人购货，进价已按原价a 扣去25%，他希望对货物订一新价，以便按新价让利销售后仍可获得售价25%的纯利，则此商人经营者中货物的件数P 与按新价让利总额P 之间的函数关系是___________。 分析：欲求货物数P 与按新价让利总额P 之间的函数关系式，关键是要弄清原价、进价、新价之间的关系。 若设新价为b ，则售价为b （1－20%），因为原价为a ，所以进价为a （1－25％） 解：依题意，有25.0)2.01()25.01()2.01(?-=---b a b 化简得a b 4 5=，所以x a bx y ??==2.0452.0，即+∈=N x x a y ,4 2、一次函数问题 例2：某人开汽车以60km/h 的速度从A 地到150km 远处的B 地，在B 地停留1h 后，再以50km/h 的速度返回A 地，把汽车离开A 地的路P （km ）表示为时间t （h ）的函数，并画出函数的图像。 分析：根据路程＝速度×时间，可得出路程P 和时间t 得函数关系式P （t ）；同样，可列出v(t)的关系式。要注意v(t)是一个矢量，从B 地返回时速度为负值，重点应注意如何画这两个函数的图像，要知道这两个函数所反映的变化关系是不一样的。 解：汽车离开A 地的距离Pkm 与时间th 之间的关系式是：?? ???∈--∈∈=]5.6,5.3(),5.3(50150]5.3,5.2(,150]5.2,0[,60t t t t t x ，图略。 速度vkm/h 与时间th 的函数关系式是：?? ???∈-∈∈=)5.6,5.3[,50)5.3,5.2[,0)5.2,0[,60t t t v ，图略。 3、二次函数问题 例3：有L 米长的钢材，要做成如图所示的窗架，上半部分为半圆，下半部分为六个全等小矩形组成的矩形，试问小矩形的长、宽比为多少时，窗所通过的光线最多，并具体标出窗框面积的最大值。 解：设小矩形长为P ，宽为P ，则由图形条件可得：l y x x =++911π ∴x l y )11(9π+-= 要使窗所通过的光线最多，即要窗框面积最大，则： )44(32)442(644])11([322622 222 2ππππππ+++-+-=+-+=+=l l x x lx x xy x s

层次分析法-数学建模

层次分析法 一、分析模型和一般步骤 二、建立层次结构模型 三、构造成对比较矩阵 四、作一致性检验 五、层次总排序及决策 一. 层次分析模型和一般步骤 层次分析法是一种定性与定量分析相结合的多因素决策分析方法。这种方法将决策者的经验判断给于数量化，在目标因素结构复杂且缺乏必要数据的情况下使用更为方便，因而在实践中得到广泛应用。 层次分析的四个基本步骤： （1）在确定决策的目标后，对影响目标决策的因素进行分类，建立一个多层次结构； （2）比较同一层次中各因素关于上一层次的同一个因素的相对重要性，构造成对比较矩阵； （3）通过计算，检验成对比较矩阵的一致性，必要时对成对比较矩阵进行修改，以达到可以接受的一致性； （4）在符合一致性检验的前提下，计算与成对比较矩阵最大特征值相对应的特征向量，确定每个因素对上一层次该因素的权重； 计算各因素对于系统目标的总排序权重并决策。 二. 建立层次结构模型 将问题包含的因素分层：最高层（解决问题的目的）；中间层（实现总目标而采取的各种措施、必须考虑的准则等。也可称策略层、约束层、准则层等）；最低层（用于解决问题的各种措施、方案等）。把各种所要考虑的因素放在适当的层次内。用层次结构图清晰地表达这些因素的关系。 〔例1〕购物模型 某一个顾客选购电视机时，对市场正在出售的四种电视机考虑了八项准则作为评估依据，建立层次分析模型如下：

例2〕选拔干部模型 对三个干部候选人、、，按选拔干部的五个标准：品德、才能、资历、年龄和群众关系，构成如下层次分析模型：假设有三个干部候选人、、，按选拔干部的五个标准：品德，才能，资历，年龄和群众关系，构成如下层次分析模型 例3〕评选优秀学校 某地区有三个学校，现在要全面考察评出一个优秀学校。主要考虑以下几个因素： （1）教师队伍（包括平均学历和年龄结构）

数学建模方法详解--三十四种常用算法

数学建模方法详解--三十四种常用算法 目录 一、主成分分析法 (2) 二、因子分析法 (5) 三、聚类分析 (9) 四、最小二乘法与多项式拟合 (16) 五、回归分析（略） (22) 六、概率分布方法（略） (22) 七、插值与拟合（略） (22) 八、方差分析法 (23) 九、逼近理想点排序法 (28) 十、动态加权法 (29) 十一、灰色关联分析法 (31) 十二、灰色预测法 (33) 十三、模糊综合评价 (35) 十四、隶属函数的刻画（略） (37) 十五、时间序列分析法 (38) 十六、蒙特卡罗(MC)仿真模型 (42) 十七、BP神经网络方法 (44) 十八、数据包络分析法（DEA） (51) 十九、多因素方差分析法（）基于SPSS） (54) 二十、拉格朗日插值 (70) 二十一、回归分析（略） (75) 二十二、概率分布方法（略） (75) 二十三、插值与拟合（略） (75) 二十四、隶属函数的刻画（参考《数学建模及其方法应用》） (75) 二十五、0-1整数规划模型（参看书籍） (75) 二十六、Board评价法（略） (75) 二十七、纳什均衡（参看书籍） (75) 二十八、微分方程方法与差分方程方法（参看书籍） (75) 二十九、莱斯利离散人口模型（参看数据） (75) 三十、一次指数平滑预测法（主要是软件的使用） (75) 三十一、二次曲线回归方程（主要是软件的使用） (75) 三十二、成本-效用分析（略） (75) 三十三、逐步回归法（主要是软件的使用） (75) 三十四、双因子方差分析（略） (75)

一、主成分分析法 一）、主成分分析法介绍： 主成分分析（principal components analysis，PCA）又称：主分量分析，主成分回归分析法。旨在利用降维的思想，把多指标转化为少数几个综合指标。它是一个线性变换。这个变换把数据变换到一个新的坐标系统中，使得任何数据投影的第一大方差在第一个坐标(称为第一主成分)上，第二大方差在第二个坐标(第二主成分)上，依次类推。主成分分析经常用减少数据集的维数，同时保持数据集的对方差贡献最大的特征。这是通过保留低阶主成分，忽略高阶主成分做到的。这样低阶成分往往能够保留住数据的最重要方面。但是，这也不是一定的，要视具体应用而定。 二）、主成分分析法的基本思想： 在实证问题研究中，为了全面、系统地分析问题，我们必须考虑众多影响因素。这些涉及的因素一般称为指标，在多元统计分析中也称为变量。因为每个变量都在不同程度上反映了所研究问题的某些信息，并且指标之间彼此有一定的相关性，因而所得的统计数据反映的信息在一定程度上有重叠。在用统计方法研究多变量问题时，变量太多会增加计算量和增加分析问题的复杂性，人们希望在进行定量分析的过程中，涉及的变量较少，得到的信息量较多。主成分分析正是适应这一要求产生的，是解决这类题的理想工具。 同样，在科普效果评估的过程中也存在着这样的问题。科普效果是很难具体量化的。在实际评估工作中，我们常常会选用几个有代表性的综合指标，采用打分的方法来进行评估，故综合指标的选取是个重点和难点。如上所述，主成分分析法正是解决这一问题的理想工具。因为评估所涉及的众多变量之间既然有一定的相关性，就必然存在着起支配作用的因素。根据这一点，通过对原始变量相关矩阵内部结构的关系研究，找出影响科普效果某一要素的几个综合指标，使综合指标为原来变量的线性拟合。这样，综合指标不仅保留了原始变量的主要信息，且彼此间不相关，又比原始变量具有某些更优越的性质，就使我们在研究复杂的科普效果评估问题时，容易抓住主要矛盾。上述想法可进一步概述为：设某科普效果评估要素涉及个指标，这指标构成的维随机向量为。对作正交变换，令，其中为正交阵，的各分量是不相关的，使得的各分量在某个评估要素中的作用容易解释，这就使得我们有可能从主分量中选择主要成分，削除对这一要素影响微弱的部分，通过对主分量的重点分析，达到对原始变量进行分析的目的。的各分量是原始变量线性组合，不同的分量表示原始变量之间不同的影响关系。由于这些基本关系很可能与特定的作用过程相联系，主成分分析使我们能从错综复杂的科普评估要素的众多指标中，找出一些主要成分，以便有效地利用大量统计数据，进行科普效果评估分析，使我们在研究科普效果评估问题中，可能得到深层次的一些启发，把科普效果评估研究引向深入。 例如，在对科普产品开发和利用这一要素的评估中，涉及科普创作人数百万人、科普作品发行量百万人、科普产业化（科普示范基地数百万人）等多项指标。经过主成分分析计算，最后确定个或个主成分作为综合评价科普产品利用和开发的综合指标，变量数减少，并达到一定的可信度，就容易进行科普效果的评估。 三）、主成分分析法的数学模型： 其中：

数学建模方法归类(很全很有用)

在数学建模中常用的方法：类比法、二分法、量纲分析法、差分法、变分法、图论法、层次分析法、数据拟合法、回归分析法、数学规划（线性规划，非线性规划，整数规划，动态规划，目标规划）、机理分析、排队方法、对策方法、决策方法、模糊评判方法、时间序列方法、灰色理论方法、现代优化算法（禁忌搜索算法，模拟退火算法，遗传算法，神经网络）。 用这些方法可以解下列一些模型：优化模型、微分方程模型、统计模型、概率模型、图论模型、决策模型。拟合与插值方法（给出一批数据点，确定满足特定要求的曲线或者曲面，从而反映对象整体的变化趋势）：matlab可以实现一元函数，包括多项式和非线性函数的拟合以及多元函数的拟合，即回归分析，从而确定函数；同时也可以用matlab实现分段线性、多项式、样条以及多维插值。 在优化方法中，决策变量、目标函数（尽量简单、光滑）、约束条件、求解方法是四个关键因素。其中包括无约束规则（用fminserch、fminbnd实现）线性规则（用linprog实现）非线性规则、（用fmincon实现）多目标规划（有目标加权、效用函数）动态规划（倒向和正向）整数规划。 回归分析：对具有相关关系的现象，根据其关系形态，选择一个合适的数学模型，用来近似地表示变量间的平均变化关系的一种统计方法（一元线性回归、多元线性回归、非线性回归），回归分析在一组数据的基础上研究这样几个问题：建立因变量与自变量之间的回归模型（经验公式）；对回归模型的可信度进行检验；判断每个自变量对因变量的影响是否显著；判断回归模型是否适合这组数据；利用回归模型对进行预报或控制。相对应的有线性回归、多元二项式回归、非线性回归。 逐步回归分析：从一个自变量开始，视自变量作用的显著程度，从大到地依次逐个引入回归方程：当引入的自变量由于后面变量的引入而变得不显著时，要将其剔除掉；引入一个自变量或从回归方程中剔除一个自变量，为逐步回归的一步；对于每一步都要进行值检验，以确保每次引入新的显著性变量前回归方程中只包含对作用显著的变量；这个过程反复进行，直至既无不显著的变量从回归方程中剔除，又无显著变量可引入回归方程时为止。（主要用SAS来实现，也可以用matlab软件来实现）。 聚类分析：所研究的样本或者变量之间存在程度不同的相似性，要求设法找出一些能够度量它们之间相似程度的统计量作为分类的依据，再利用这些量将样本或者变量进行分类。 系统聚类分析—将n个样本或者n个指标看成n类，一类包括一个样本或者指标，然后将性质最接近的两类合并成为一个新类，依此类推。最终可以按照需要来决定分多少类，每类有多少样本（指标）。 系统聚类方法步骤： 1.计算n个样本两两之间的距离 2.构成n个类，每类只包含一个样品 3.合并距离最近的两类为一个新类 4.计算新类与当前各类的距离（新类与当前类的距离等于当前类与组合类中包含的类的距离最小值）， 若类的个数等于1，转5，否则转3 5.画聚类图 6.决定类的个数和类。 判别分析：在已知研究对象分成若干类型，并已取得各种类型的一批已知样品的观测数据，在此基础上根据某些准则建立判别式，然后对未知类型的样品进行判别分类。 距离判别法—首先根据已知分类的数据，分别计算各类的重心，计算新个体到每类的距离，确定最短的距离（欧氏距离、马氏距离） Fisher判别法—利用已知类别个体的指标构造判别式（同类差别较小、不同类差别较大），按照判别式的值判断新个体的类别 Bayes判别法—计算新给样品属于各总体的条件概率，比较概率的大小，然后将新样品判归为来自概率最大的总体 模糊数学：研究和处理模糊性现象的数学（概念与其对立面之间没有一条明确的分界线）与模糊数学相关的问题：模糊分类问题—已知若干个相互之间不分明的模糊概念，需要判断某个确定事物用哪一个模糊概念来反映更合理准确；模糊相似选择—按某种性质对一组事物或对象排序是一类常见的问题，但是用来比

用层次分析法评选优秀学生进行数学建模

用层次分析法评选优秀学生 一．实验目的 运用层次分析法，建立指标评价体系，得到学生的层次结构模型，然后构造判断矩阵，求得各项子指标的权重，最后给出大学生综合评价得分计算公式并进行实证分析，为优秀大学生的评选提出客观公正，科学合理的评价方法。 二．实验内容 4.用层次分析法解决一两个实际问题； （1）学校评选优秀学生或优秀班级，试给出若干准则，构造层次结构模型。可分为相对评价和绝对评价两种情况讨论。 解：层次分析发法基本步骤：建立一套客观公正、科学合理的素质评价体系，对于优秀大学生的评选是至关重要的。在此我们运用层次分析法(AHP)，以德、智、体三个方面作为大学生综合评价的一级评价指标，每个指标给出相应的二级子指标以及三级指标，然后构造判断矩阵，得到各个子指标的权重，结合现行的大学生评分准则，算出各项子指标的得分，将这些得分进行加权求和得到大学生综合评价得分，根据分配名额按总分排序即可选出优秀大学生。大学生各项素质的指标体系。如下表所示：

符号说明 设评价指标共有n 个，为1x ,2x ..... n x 。它们对最高层的权系数分别为1w ,2w , ... n w , 于是建立综合评价模型为： = y ∑=n i i i x w 1 解决此类问题关键就是确定权系数，层次分析法给出了确定它们的量化过程，其步骤具体如下： 确定评价指标集 P=（1P ，2P ，3 P ) 1P =（11P ，12P ） 2P =（21P ，22P ） 2P =（31P ，32P ）

11P =（1x ，2x ） 12P =（3x ，4x ） 21P =（5x ，6x ，7x ） 22P =（8x ，9x ，10x ） 31P =（11x ，12x ） 31P =（13x ，14x ） 建立两两比较的逆对称判断矩阵 从1x ,2x .....n x 中任取i x 与 j x ，令 =ij a i x /j x ，比较它们对上一层某个因素的重要性时。 若=ij a 1，认为 i x 与 j x 对上一层因素的重要性相同； 若=ij a =3，认为i x 比 j x 对上一层因素的重要性略大； 若=ij a 5，认为i x 比j x 对上一层因素的重要性大； 若=ij a 7，认为i x 比 j x 对上一层因素的重要性大很多； 若=ij a 9，认为 i x 对上一层因素的重要性远远大于 j x ； 若 = ij a 2n ，n=1,2,3,4，元素 i x 与 j x 的重要性介于 = ij a 2n ? 1与 = ij a 2n + 1之间； 用已知所有的 i x /j x ，i ，j =1,2 ... n ，建立n 阶方阵P=n m j i x x ?) /（，矩阵P 的第i 行与 第j 列元素为i x /j x ，而矩阵P 的第j 行与第i 列元素为j x /i x ，它们是互为倒数的，而对 角线元素是1。 判断矩阵 ???? ???????? =11/51/4P 51341/31P P P 321 321P P P 0858.3max =λ 0740.0CI = 0359.6max =λ 0758.0=CI max λ=6.2255 CI =0.0364 max λ=6.0359 CI =0.0758 max λ=15.1382 CI =0.0558 max λ=14.2080 CI =0.0102 max λ=14.3564 CI =0.0175 max λ=15.1972 CI =0.0758 max λ=14.1043 CI =0.0051 max λ=14.2017 CI =0.0099 利用加法迭代计算权重 即取判断矩阵ne 个列向量的归一化的算术平均值近似作为权重向量