1樓：匿名使用者
很有用；只要你敢想，想得到就非常有用：比如1根據車流量控制任何交通路口紅綠燈秒數；2一張椅子不管路面多不平，在一定範圍內都可以放平3根據一定資料可以在商業經濟中使用，如商品庫存量計算，採購量計算；定價；4專案可行性研究中的建模，包含工程專案模擬化施工及開發等5科技領域，導彈火箭衛星；基本涉及計算應用領域都可以使用到，用途非常廣泛。
數學建模在程式設計中真的那麼重要嗎？！
2樓：夕林中人
不能簡單的說重要與不重要。
數學建模與程式設計有著相輔相成的作用。學習數學建模有利於鍛鍊人的思維能力，對於程式設計肯定是有利的，另外程式設計所用的許多演算法都源自於數學，學習好數學建模對於程式設計的作用當然不可小視，但是，至於實際作用有多大，那就因人因實際情況而異了；同樣，程式設計所用的一些演算法常常應用於數學建模問題的解決，它對於提高我們的程式設計水平，提高我們用計算機程式解決實際問題的能力是大有益處的。
近年來，數學建模越來越依靠計算機來解決實際問題，計算機的應用促進了數學的進一步發展，與此同時，數學的發展也促進了計算機技術的飛躍。
對於你的專業，我不能輕易地說數學建模對你重要不重要，我只是想對你提一個建議，如果有機會、有興趣、有時間的話，你可以適當的學一學，不要苛求達到什麼水平，不要有功利思想，只要有興趣，你就專心的學（不只是數學建模），沒興趣絕對不要強求，也許將來你會發現自己沒有做錯選擇。
作為一個曾經參加過數學建模並且一直深愛著數學建模的人，給你說了一大堆，希望對你有所幫助。
數學建模的應用範圍有多大？
3樓：靜心盡心精心
例如給你一些資料讓你分析一個城市的經濟發展水平，或者給出資料讓你選擇有價**，亦或分析壟斷行業的**與服務。需要用到資料統計模型和優化模型。不會涉及很深的專業知識，也不必刻意去了解多少經濟方面的知識，要知道中國數學建模大賽是全國各高校各專業學生皆可參加的競賽。
你只要瞭解並且能夠熟練運用數學建模的幾種基本模型就可以（建模時也就用這幾種模型，就算過多的運用專業知識也未必得高分，因為這個競賽比的是把實際問題抽象成數學問題的能力，而非專業技巧）。
這幾種基本模型有：優化模型、微分方程模型、統計模型、概率模型、圖論模型、決策模型。
在這幾種模型中貫穿著以下幾種演算法（下面我就複製貼上了）：
1、蒙特卡羅演算法（該演算法又稱隨機性模擬演算法，是通過計算機**來解決問題的算
法，同時可以通過模擬可以來檢驗自己模型的正確性，是比賽時必用的方法）
2、資料擬合、引數估計、插值等資料處理演算法（比賽中通常會遇到大量的資料需要
處理，而處理資料的關鍵就在於這些演算法，通常使用matlab作為工具）
3、線性規劃、整數規劃、多元規劃、二次規劃等規劃類問題（建模競賽大多數問題
屬於最優化問題，很多時候這些問題可以用數學規劃演算法來描述，通常使用lindo、
lingo軟體實現）
4、圖論演算法（這類演算法可以分為很多種，包括最短路、網路流、二分圖等演算法，涉
及到圖論的問題可以用這些方法解決，需要認真準備）
5、動態規劃、回溯搜尋、分治演算法、分支定界等計算機演算法（這些演算法是演算法設計
中比較常用的方法，很多場合可以用到競賽中）
6、最優化理論的三大非經典演算法：模擬退火法、神經網路、遺傳演算法（這些問題是
用來解決一些較困難的最優化問題的演算法，對於有些問題非常有幫助，但是演算法的實
現比較困難，需慎重使用）
7、網格演算法和窮舉法（網格演算法和窮舉法都是暴力搜尋最優點的演算法，在很多競賽
題中有應用，當重點討論模型本身而輕視演算法的時候，可以使用這種暴力方案，最好
使用一些高階語言作為程式設計工具）
8、一些連續離散化方法（很多問題都是實際來的，資料可以是連續的，而計算機只
認的是離散的資料，因此將其離散化後進行差分代替微分、求和代替積分等思想是非
常重要的）
9、數值分析演算法（如果在比賽中採用高階語言進行程式設計的話，那一些數值分析中常
用的演算法比如方程組求解、矩陣運算、函式積分等演算法就需要額外編寫庫函式進行調
用）10、圖象處理演算法（賽題中有一類問題與圖形有關，即使與圖形無關，**中也應該
要不乏**的，這些圖形如何展示以及如何處理就是需要解決的問題，通常使用matlab
進行處理）
我今年9月份要參加數學建模，希望和你相互交流，共同進步！
數學建模到底有什麼實在的意義。。。 有什麼作用。。。。 在數學建模中需要寫點什麼。。。
4樓：匿名使用者
當需要從定量的角度分析和
研究一個實際問題時，人們就要在深入調查研究、瞭解物件資訊、作出簡化假設、分析內在規律等工作的基礎上，用數學的符號和語言，把它表述為數學式子，也就是數學模型，然後用通過計算得到的模型結果來解釋實際問題，並接受實際的檢驗。這個建立數學模型的全過程就稱為數學建模.
用數學方法解決實際問題。在數學建模中需要寫解決問題的方法而不是結果。
在比賽中 需要注意注意團隊合作。
5樓：匿名使用者
它的的意義和人活著的意義是一樣的！說不清也道不明！唯一需要注意的就是「這是我自己要做的！」沒有顧慮，不給自己後悔的機會就好了！
數學建模中模型的優劣如何評價
6樓：戒十三
1.模型的靈敏度分析
2模型的強健性分析
7樓：匿名使用者
優勢就是使用數學模型能更有說服力，邏輯推理更嚴緊，更直觀。
劣勢就是籠統、非精確。
8樓：新_遊戲
怎樣的模型才能叫做好的模型？例如對inter***建模，i***，ab，brite，glp等等模型層出不窮。每種模型都在關注著某種實際問題的生成機制，當然也能在一定意義上反映真實世界的結構。
但其價值究竟應該如何評價？inter***是超級複雜的問題，比不了經典模型的簡單深刻。是不是必須使用多側面的和分散式的認識才能刻畫它的性質？
還有那個經常被使用的模擬方法。考慮問題的基本機制是建模必要的方法，完全唯象的模型，比如搞個擬合什麼的（除非精度夠高而且有原理上的說明），對問題並不能達成真正的理解。但究竟應該如何界定這種方法的有效範圍？
徹底的模擬**不一定能給我們帶來有關問題的理解。**只是實驗，實驗條件是否有真實意義，實驗結果是否足夠可靠，事實上都不確切。即使可靠，許多時候也只有工程上的意義，可以看作是一種較為節儉的實驗方式。
但如果問題還存在人們不清楚的複雜機制呢？對機制究竟如何認識則很難從**本身得出。需要對**條件和結果之間的關係作進一步的研究，這可以說完全是另一個更困難的過程。
「理解」該如何理解？基於邏輯系統、因果推理和嚴格計算的解釋堪稱典型的「可理解的」模型。但只通過模擬和**，得到的「經驗性」解釋可以作為另一種「理解」的方案嗎？
神經網路等方法和**等思路其實有某種共同特點。它們共同的特點是：能給出結果，但是不能給出解釋。
正如經過訓練的神經網路，即使效果非常出彩，人們也完全不可能知道每個連線的權重到底「意味著什麼」。整體的效果，是「分佈」在網路整體上的。這種分散性的理解和**很類似，網路結構和權重是模型的「深層」，正如**的基本機制是模型的「深層」。
最終的結果是「表象」，「深層」的原理怎麼控制「表象」的？對不起，承上啟下的那個「中間層」是什麼，我們不知道。
數學建模在生活中到底有什麼作用？
9樓：舒寧寶寶
數學建模是考慮主要因素下得出的結論，所以與現實生活中的最佳情況很接近，可以給生活中一些問題的解決提供一些幫助
10樓：匿名使用者
可以**病情擴散，可以使投資者得到更大利益，可以解決實際問題的
11樓：正紅魔龍
速度考核人發揮覅復古
數學建模在保研中的作用到底有多大
12樓：匿名使用者
大學成績和獎項**是主要的參考資料，你說呢
數學建模的真正意義？
13樓：龍源期刊網
最低0.27元開通文庫會員，檢視完整內
14樓：匿名使用者
個人覺得還有有很大意義的。我沒有2l的那麼有才，一下找了很多。我說一下我個人參加完的感覺吧。
在數學建模學習過程有時確實會覺得很枯燥的，不過有的如果是你個人感興趣的話，學起來還是有很有意思的。在經過數學建模後，我的感覺是生活中到處是數學。
當然對人個的影響也是很大，對你對事的思考方式也有影響。
對你以後升學還是找工作也是有幫助的，如果你得了國家級獎的話，有的學校是可以保研的，如果是國一的話，有幾個學校是可以保清華的，如果你沒有保對你考研的複試也是很有幫助的。
對學工科來說，數學建模對以後的專業學習有很大的幫助，很多的專業知識有對裡面知識的應用。
15樓：匿名使用者
16樓：思考中的黑洞
我個人認為搞數學建模的目的在將用數學的模型應用於實際社會中存在的問題並使其推廣，形成一個體系，通過不斷地完善這樣一個理論體系，從而更加方便解決實際生活中存在的問題。
17樓：大非
數學建模主要可簡化複雜問題
數學建模常用模型及其作用
18樓：匿名使用者
1、蒙特卡羅演算法（該演算法又稱隨機性模擬演算法，是通過計算機**來解決問題的算
法，同時可以通過模擬可以來檢驗自己模型的正確性，是比賽時必用的方法）
2、資料擬合、引數估計、插值等資料處理演算法（比賽中通常會遇到大量的資料需要
處理，而處理資料的關鍵就在於這些演算法，通常使用matlab作為工具）
3、線性規劃、整數規劃、多元規劃、二次規劃等規劃類問題（建模競賽大多數問題
屬於最優化問題，很多時候這些問題可以用數學規劃演算法來描述，通常使用lindo、
lingo軟體實現）
4、圖論演算法（這類演算法可以分為很多種，包括最短路、網路流、二分圖等演算法，涉
及到圖論的問題可以用這些方法解決，需要認真準備）
5、動態規劃、回溯搜尋、分治演算法、分支定界等計算機演算法（這些演算法是演算法設計
中比較常用的方法，很多場合可以用到競賽中）
6、最優化理論的三大非經典演算法：模擬退火法、神經網路、遺傳演算法（這些問題是
用來解決一些較困難的最優化問題的演算法，對於有些問題非常有幫助，但是演算法的實
現比較困難，需慎重使用）
7、網格演算法和窮舉法（網格演算法和窮舉法都是暴力搜尋最優點的演算法，在很多競賽
題中有應用，當重點討論模型本身而輕視演算法的時候，可以使用這種暴力方案，最好
使用一些高階語言作為程式設計工具）
8、一些連續離散化方法（很多問題都是實際來的，資料可以是連續的，而計算機只
認的是離散的資料，因此將其離散化後進行差分代替微分、求和代替積分等思想是非
常重要的）
9、數值分析演算法（如果在比賽中採用高階語言進行程式設計的話，那一些數值分析中常
用的演算法比如方程組求解、矩陣運算、函式積分等演算法就需要額外編寫庫函式進行調
用）10、圖象處理演算法（賽題中有一類問題與圖形有關，即使與圖形無關，**中也應該
要不乏**的，這些圖形如何展示以及如何處理就是需要解決的問題，通常使用matlab
進行處理）
作用：應用數學去解決各類實際問題時，建立數學模型是十分關鍵的一步，同時也是十分困難的一步。建立教學模型的過程，是把錯綜複雜的實際問題簡化、抽象為合理的數學結構的過程。
要通過調查、收集資料資料，觀察和研究實際物件的固有特徵和內在規律，抓住問題的主要矛盾，建立起反映實際問題的數量關係，然後利用數學的理論和方法去分析和解決問題。這就需要深厚紮實的數學基礎，敏銳的洞察力和想象力，對實際問題的濃厚興趣和廣博的知識面。數學建模是聯絡數學與實際問題的橋樑，是數學在各個領械廣泛應用的媒介，是數學科學技術轉化的主要途徑，數學建模在科學技術發展中的重要作用越來越受到數學界和工程界的普遍重視，它已成為現代科技工作者必備的重要能力之。
maya建模模型表面那些凹凸細節是怎麼刻畫出來的
表面凹凸紋理效果可以通過凹凸貼圖bump map 法線貼圖normal map 置換貼圖 也有叫位移對映貼圖 displacement map實現 bump map只有是靠黑白的強弱來控制凹凸比較簡單 normal map使用紅綠藍三色來控制上 下 傾斜 三個位置的凹凸 比bump map精確 di...
數學建模中定量分析評價怎麼做的，數學建模中綜合評價的方法有哪些？
用以下幾種方法的一種或幾種結合使用 溼法分析直讀光譜 oes 電感耦合等離子體放射光譜 icp aes 電感耦合等離子體質譜儀 icp ms 原子吸收光譜 aas 定量分析實驗方法 物理分析法 重量分析法 體積法滴定分析法 物理化學分析法等。擴充套件資料定量評價強調數量計算，以教育測量為基礎。它具有...
數學建模的建模意義，數學建模的意義何在？
最低0.27元開通文庫會員，檢視完整內 數學建模是一種數學的思考方法，是運用數學的語言和方法，通過抽象，簡化建立能近似刻畫並解決實際問題的一種強有力的數學手段。數學建模就是用數學語言描述實際現象的過程。這裡的實際現象既包涵具體的自然現象比如自由落體現象，也包含抽象的現象比如顧客對某種商品所取的價值傾...