减速路障间距设计 ;经典数学建模题目分析

组号：702 田宇；孙蕙雯；樊博

校园减速路障间距设计

摘要：减速路障的间距设计合理对于减速带作用的发挥具有重要的意义。本文利用查阅的相关资料，采用Lingo回归分析和最小二乘法，对汽车的加速时加速度和加速时的加速度进行了参数估计。根据题意进行数学建模，建立了汽车在一条具有多个减速带的公路上加速后减速匀速通过减速带的一维直线运动的模型。通过牛顿运动学公式进行了模型求解，最后得出了相邻减速带间的最佳距离。

关键词：减速带间距；一维直线运动模型；最小二乘法

一、问题的提出

1.1 问题的背景

校园、居民小区的道路中间，常常设置用于限制汽车速度的减速带（路障）。减速带使路面稍微拱起以达到车辆减速目的，设置在需要车辆减速慢行的路段和容易引发交通事故的路段，是用于减速机动车、非机动车行使速度的新型交通专用安全设置。减速带很大程度减少了各交通要道口的事故发生，是交通安全的新型专用设施。汽车在行驶中既安全又起到缓冲减速目的，提高交通道口的安全。随着校园车辆的逐渐增多，在校园中合理的设置减速带又成为一个很重要的实际问题。

减速带的使用效果在很大程度上取决于车辆的运行速度和减速带的放置间距间距。因此，为确保限速安全和驾驶人的舒适，合理设定道路的限速具有很重要的意义。

1.2 问题重述

校园道路需要设置路障以限制车速，如果车速不超过40km/h，应该相距多远？

二、问题的分析

2.1 模型预备知识

道路减速带的减速原理：道路减速带的减速是通过影响驾驶员的驾驶心理实现的。当车辆以较高速度进入道路减速带时,剧烈的振动会从轮胎经车身及座椅传递给驾驶员,使驾驶员产生强烈的生理刺激(包括振动刺激和视觉刺激)和心理刺激,从而促使驾驶员主动减速,使车辆以较低的速度通过道路减速带。

2.2问题的分析

1、汽车通过减速带时速度近于零，过减速带后加速。

2、车速达到40km/h时因为前面有下一个减速带而减速，至减速带处车速又近于零。

3、如此循环达到减速目的。

三、模型假设

假设一：假设空气阻力、天气情况、除去地面摩擦力其他形式的摩擦力都不影响车速。 假设二：假设车辆通过减速带时间极短，可认为匀速直线运动。

假设三：假设减速带表面是连续均匀的圆弧形。

假设四：假设公路上的车是以一定的间距均匀连续的的行驶在公路上的。 假设五：假设汽车加速行驶的距离为s 1，时间为t 1，加速度为a 1；汽车减速行驶的距离为s 2，时间为t 2，加速度为a 2。

四、模型的建立与求解

第一步：建立模型。汽车在两个相邻减速带之间一直做等加速运动和等减速运动。那么我们需要得到汽车的加速和减速测试数，查阅相关资料可得：

加速行驶的测试数如下表一所示：

表一 加速度测试结果

减速行驶的测试数如下表二所示：

表二 减速测试结果

由牛顿运动学基本公式：

2111 t a 21s = （1） 2222 t a 2

1s = （2）

11max t a V = （3） 22max t a V = （4） 则两个相邻的隔离带间汽车行驶的总距离为：

???

? ??+=+=21max 221a 1a 12s s s V （5） 式中: V max 为汽车受限制的最大速度；汽车加速行驶的距离为s 1，时间为t 1，加速度为a 1；汽车减速行驶的距离为s 2，时间为t 2，加速度为a 2;s 为两相邻减速带中汽车行驶的总距离（两减速带的间距）。

第二步:模型求解。依据公式可得汽车车速与时间的关系：

21c v c t += （6） 式中：v 为汽车车速，t 为汽车行驶的时间。

由Lingo 作线性回归分析：将测试数据依据最小二乘法可计算出汽车加速时的加速度和汽车减速时的加速度如下：

a 1=2.3314m/s 2 （7） a 2=1.62178m/s 2 （8）

由题目中，取V max =40km/h,由上述（5）（7）（8）式可计算得：

s=64.5m

则两个相邻的隔离带间汽车行驶的总距离为：64.5m

即设计减速带的距离为64.5m

五、模型评价与推广

一、模型的不足：本文中仅考虑了对于水平地面地求解，在求解时，可以根据实际需要改变V max 的值，得到不同限速下的结果。然而对于双向有坡道路、单向上坡道路求解时，需要根据坡角以及当地重力加速度的实测值，分别求出实际加速过程与减速过程的加速度，代入求解公式得路障间距。而坡角以及当地重力加速度的实测值不易求得，估算存在较大误差，因而较难操作，因此本模型存

在一定的局限性。

二、模型的优点：所有模型的建立和假设都是在一定实际和理论支撑的基础上所得，具有一定的说服力，且广泛适用于一般地点、一般情况，可以根据具体的效果要求改变约束条件。而且所得的减速带间距值在实际允许范围之内，具有操作性和可行性。

七、参考文献

[1]姜启源，谢金星，叶俊，数学模型（第四版）[M].高等教育出版社.北京.2016.12.

[2]陈光亭，裘哲勇，数学建模高等教育出版社.北京2010.11

[3] 王晓杰，王天鹏，付建虎，厦门某地铁站台桩间距的优化江苏科技信息江苏2017.1

数学建模的经典模板

一、摘要 内容： （1）用1、2句话说明原问题中要解决的问题； （2）建立了什么模型（在数学上属于什么类型），建模的思想（思路），模型特点； （3）算法思想（求解思路），特色； （4）主要结果（数值结果，结论）；（回答题目的全部“问题”） （5）模型优点，结果检验；模型检验，灵敏度分析，有无改进，推广 要求 （1）特色和创新之处必须在这里强调； （2）长度 （3）要确保准确、简明、条理、清晰、突出特色和创新点； 二、问题的提出 内容： 用自己的语言阐述背景，条件，要求；重点列出‘问题’也即要求； 要求： （1）不是题目的完整拷贝 （2）根据自己的理解，用自己的语言清楚简明的阐述背景、条件和要求； 三、条件假设 内容 （1）根据题目中的条件做出假设 （2）根据题目中的要求做出假设； 要求 （1）合理性最重要； （2）假设合理且全面，但不欣赏罗列大量的无关假设，关键性假设不能缺； （3）合理假设作用： 简化问题，明确问题，限定模型的适用范围 四、符号约定 五、问题分析 1．名词解释 2．问题的背景分析 3．问题分析 六、模型建立 抽象要求 （1）模型的主要类别：初等模型、微分方程模型、差分方程模型、概率模型、统计预测模型、

优化模型、决策模型、图论模型等 （2）几种常见的建模目的：（对应相对（1）的方法） 描述或解释现实世界的各类现象，常采用机理型分析方法，探索研究对象的内在规律性； 预测感兴趣的时间爱你是否会发生，或者事物的房展趋势，常采用数理统计或模拟的方法； 优化管理、决策或者控制事物，需要合理地定义可量化的评价指标及评价方法； （3）建模过程常见的几个要点： 模型的整体设计、合理的假设、建立数学结构、建立数学表达式； （4）模型的要求： 明确、合理、简洁、具有一般性； 例如：有些论文不给出明确的模型，只是就赛题所给的特殊情况，用凑得方法给出结果，虽然结果大致对，但缺乏一般性，不是建模的正确思路；（（与第三点对应）） （5）鼓励创新，特别欣赏独树一帜、标新立异，但要合理 （6）避免出现罗列一系列的模型，又不做评价的现象； 具体要求： （1）基本模型：首先要有数学模型：数学公式、方案等；基本模型，要求完整，正确，简明（2）简化模型：要明确说明，简化思想，依据；简化后的模型尽可能给出； 七、模型求解 每一块内容包括：计算方法设计或选择、算法设计或选择、算法思想依据、步骤及实现、计算框图、所采用的软件名称 写作要求： 1、需要建立数学命题时：命题叙述要符合数学命题的表述规范，尽可能论证严密 2、需要说明计算方法或算法的原理、思想、依据、步骤。若采用现有软件，说明采用此软件的理由，软件名称 3、计算过程，中间结果可要可不要的，不要列出 4、设法算出合理的数值结果 5、最终数值结果的正确性或合理性是第一位的 6、对数值结果或模拟结果进行必要的检验。结果不正确、不合理、或误差大时，分析原因，对算法、计算方法、或模型进行修正、改进 7、题目中要求回答的问题，数值结果，结论，须一一列出 8、列数据问题：考虑是否需要列出多组数据，或额外数据对数据进行比较、分析，为各种方案的提出提供依据 9、结果表示：要集中，一目了然，直观，便于比较分析 ▲数值结果表示：精心设计表格；可能的话，用图形图表形式 ▲求解方案，用图示更好 10、必要时对问题解答，作定性或规律性的讨论。最后结论要明确 内容 （1）算法设计或选择，算法的思想依据，步骤； （2）引用或建立必要的数学命题和定理； （3）在不能给出精确解的情况下，需要给出不知一种解法（算法），并进行测试比较，给出

数学建模典型例题

一、人体重变化 某人的食量是10467焦/天，最基本新陈代谢要自动消耗其中的5038焦/天。每天的体育运动消耗热量大约是69焦/（千克?天）乘以他的体重（千克）。假设以脂肪形式贮存的热量100% 地有效，而1千克脂肪含热量41868焦。试研究此人体重随时间变化的规律。 一、问题分析 人体重W（t）随时间t变化是由于消耗量和吸收量的差值所引起的，假设人体重随时间的变化是连续变化过程，因此可以通过研究在△t时间内体重W的变化值列出微分方程。 二、模型假设 1、以脂肪形式贮存的热量100%有效 2、当补充能量多于消耗能量时，多余能量以脂肪形式贮存 3、假设体重的变化是一个连续函数 4、初始体重为W0 三、模型建立 假设在△t时间内： 体重的变化量为W（t+△t）-W(t)； 身体一天内的热量的剩余为（10467-5038-69*W（t）） 将其乘以△t即为一小段时间内剩下的热量； 转换成微分方程为：d[W(t+△t)-W(t)]=(10467-5038-69*W(t))dt； 四、模型求解 d(5429-69W)/(5429-69W)=-69dt/41686 W(0)=W0 解得： 5429-69W=（5429-69W0）e(-69t/41686) 即： W（t）=5429/69-（5429-69W0）/5429e(-69t/41686) 当t趋于无穷时，w=81; 二、投资策略模型 一、问题重述 一家公司要投资一个车队并尝试着决定保留汽车时间的最佳方案。5年后，它将卖出所有剩余汽车并让一家外围公司提供运输。在策划下一个5年计划时，这家公司评估在年i 的开始买进汽车并在年j的开始卖出汽车，将有净成本a ij（购入价减去折旧加上运营和维修成本）ij

数学建模中常见的十大模型

数学建模常用的十大算法==转 (2011-07-24 16:13:14) 转载▼ 1. 蒙特卡罗算法。该算法又称随机性模拟算法，是通过计算机仿真来解决问题的算法，同时可以通过模拟来检验自己模型的正确性，几乎是比赛时必用的方法。 2. 数据拟合、参数估计、插值等数据处理算法。比赛中通常会遇到大量的数据需要处理，而处理数据的关键就在于这些算法，通常使用MA TLAB 作为工具。 3. 线性规划、整数规划、多元规划、二次规划等规划类算法。建模竞赛大多数问题属于最优化问题，很多时候这些问题可以用数学规划算法来描述，通常使用Lindo、Lingo 软件求解。 4. 图论算法。这类算法可以分为很多种，包括最短路、网络流、二分图等算法，涉及到图论的问题可以用这些方法解决，需要认真准备。 5. 动态规划、回溯搜索、分治算法、分支定界等计算机算法。这些算法是算法设计中比较常用的方法，竞赛中很多场合会用到。 6. 最优化理论的三大非经典算法：模拟退火算法、神经网络算法、遗传算法。这些问题是用来解决一些较困难的最优化问题的，对于有些问题非常有帮助，但是算法的实现比较困难，需慎重使用。 7. 网格算法和穷举法。两者都是暴力搜索最优点的算法，在很多竞赛题中有应用，当重点讨论模型本身而轻视算法的时候，可以使用这种暴力方案，最好使用一些高级语言作为编程工具。 8. 一些连续数据离散化方法。很多问题都是实际来的，数据可以是连续的，而计算机只能处理离散的数据，因此将其离散化后进行差分代替微分、求和代替积分等思想是非常重要的。 9. 数值分析算法。如果在比赛中采用高级语言进行编程的话，那些数值分析中常用的算法比如方程组求解、矩阵运算、函数积分等算法就需要额外编写库函数进行调用。 10. 图象处理算法。赛题中有一类问题与图形有关，即使问题与图形无关，论文中也会需要图片来说明问题，这些图形如何展示以及如何处理就是需要解决的问题，通常使用MA TLAB 进行处理。 以下将结合历年的竞赛题，对这十类算法进行详细地说明。 以下将结合历年的竞赛题，对这十类算法进行详细地说明。 2 十类算法的详细说明 2.1 蒙特卡罗算法 大多数建模赛题中都离不开计算机仿真，随机性模拟是非常常见的算法之一。 举个例子就是97 年的A 题，每个零件都有自己的标定值，也都有自己的容差等级，而求解最优的组合方案将要面对着的是一个极其复杂的公式和108 种容差选取方案，根本不可能去求解析解，那如何去找到最优的方案呢？随机性模拟搜索最优方案就是其中的一种方法，在每个零件可行的区间中按照正态分布随机的选取一个标定值和选取一个容差值作为一种方案，然后通过蒙特卡罗算法仿真出大量的方案，从中选取一个最佳的。另一个例子就是去年的彩票第二问，要求设计一种更好的方案，首先方案的优劣取决于很多复杂的因素，同样不可能刻画出一个模型进行求解，只能靠随机仿真模拟。 2.2 数据拟合、参数估计、插值等算法 数据拟合在很多赛题中有应用，与图形处理有关的问题很多与拟合有关系，一个例子就是98 年美国赛A 题，生物组织切片的三维插值处理，94 年A 题逢山开路，山体海拔高度的插值计算，还有吵的沸沸扬扬可能会考的“非典”问题也要用到数据拟合算法，观察数据的

十大经典数学模型

1、蒙特卡罗算法（该算法又称随机性模拟算法，是通过计算机仿真来解决问题的算法，同时可以通过模拟来检验自己模型的正确性，是比赛时必用的方法） 2、数据拟合、参数估计、插值等数据处理算法（比赛中通常会遇到大量的数据需要处理，而处理数据的关键就在于这些算法，通常使用Matlab作为工具） 3、线性规划、整数规划、多元规划、二次规划等规划类问题（建模竞赛大多数问题属于最优化问题，很多时候这些问题可以用数学规划算法来描述，通常使用Lindo、Lingo软件实现） 4、图论算法（这类算法可以分为很多种，包括最短路、网络流、二分图等算法，涉及到图论的问题可以用这些方法解决，需要认真准备） 5、动态规划、回溯搜索、分支定界等计算机算法（这些算法是算法设计中比较常用的方法，很多场合可以用到竞赛中） 6、最优化理论的三大非经典算法：模拟退火法、神经网络、遗传算法（这些问题是用来解决一些较困难的最优化问题的算法，对于有些问题非常有帮助，但是算法的实现比较困难，需慎重使用）元胞自动机 7、网格算法和穷举法（网格算法和穷举法都是暴力搜索最优点的算法，在很多竞赛题中有应用，当重点讨论模型本身而轻视算法的时候，可以使用这种暴力方案，最好使用一些高级语言作为编程工具） 8、一些连续离散化方法（很多问题都是实际来的，数据可以是连续的，而计算机只认的是离散的数据，因此将其离散化后进行差分代替微分、求和代替积分等思想是非常重要的） 9、数值分析算法（如果在比赛中采用高级语言进行编程的话，那一些数值分析中常用的算法比如方程组求解、矩阵运算、函数积分等算法就需要额外编写库函数进行调用） 10、图象处理算法（赛题中有一类问题与图形有关，即使与图形无关，论文中也应该要不乏图片的，这些图形如何展示以及如何处理就是需要解决的问题，通常使用Matlab进行处理） 以上为各类算法的大致介绍，下面的内容是详细讲解，原文措辞详略得当，虽然不是面面俱到，但是已经阐述了主要内容，简略之处还望大家多多讨论。 1、蒙特卡罗方法（MC）（Monte Carlo）： 蒙特卡罗（Monte Carlo）方法，或称计算机随机模拟方法，是一种基于“随机数”的计算方法。这一方法源于美国在第二次世界大战进行研制原子弹的“曼哈顿计划”。该计划的主持人之一、数学家冯·诺伊曼用驰名世界的赌城—摩纳哥的Monte Carlo—来命名这种方法，为它蒙上了一层神秘色彩。 蒙特卡罗方法的基本原理及思想如下： 当所要求解的问题是某种事件出现的概率，或者是某个随机变量的期望值时，它们可以通过某种“试验”的方法，得到这种事件出现的频率，或者这个随机变数的平均值，并用它们作为问题的解。这就是蒙特卡罗方法的基本思想。蒙特卡罗方法通过抓住事物运动的几何数量和几何特征，利用数学方法来加以模拟，即进行一种数字模拟实验。它是以一个概率模型为基础，按照这个模型所描绘的过程，通过模拟实验的结果，作为问题的近似解。 可以把蒙特卡罗解题归结为三个主要步骤： 构造或描述概率过程；实现从已知概率分布抽样；建立各种估计量。 例：蒲丰氏问题 为了求得圆周率π值，在十九世纪后期，有很多人作了这样的试验：将长为2l的一根针任意投到地面上，用针与一组相间距离为2a（ l＜a）的平行线相交的频率代替概率P，再利用准确的关系式：

数学建模典型例题(二)

6 小行星的轨道模型 问题 一天文学家要确定一颗小行星绕太阳运行的轨道，他在轨道平面内建立以太阳为原点的直角坐标系，在两坐标轴上取天文测量单位（一天文单位为地球到太阳的平均距离：1.4959787×1011m ）.在5个不同的时间对小行星作了5次观察，测得轨道上5个点的坐标数据如表6.1. 表6.1 坐标数据 由Kepler （开普勒）第一定律知，小行星轨道为一椭圆.现需要建立椭圆的方程以供研究（注：椭圆的一般方程可表示为 012225423221=+++++y a x a y a xy a x a . 问题分析与建立模型 天文学家确定小行星运动的轨道时，他的依据是轨道上五个点的坐标数据： （x 1, y 1）, （x 2, y 2）, （x 3, y 3）, （x 4, y 4）, （x 5, y 5）. 由Kepler 第一定律知，小行星轨道为一椭圆.而椭圆属于二次曲线，二次曲线的一般方程为012225423221=+++++y a x a y a xy a x a .为了确定方程中的五个待定 系数，将五个点的坐标分别代入上面的方程，得 ???? ?????-=++++-=++++-=++++-=++++-=++++.122212221222122212225554253552251454424344224 135342 3333223125242 232222211514213112211y a x a y a y x a x a ， y a x a y a y x a x a ，y a x a y a y x a x a ，y a x a y a y x a x a ，y a x a y a y x a x a 这是一个包含五个未知数的线性方程组，写成矩阵

最经典的数学模型

最经典的数学模型 怎样得到最好的女孩子的数学模型 【关键词】怎样得到最好女孩子数学模型 由于老天爷在你的生命中安排的异性并不是同时出现任你挑选，因此无论你在何时选择结婚都是有机会成本的。 人们常常希望能够获得一个最可爱的人作为自己的伴侣。但是，由于老天爷在你的生命中安排的异性并不是同时出现任你挑选，因此无论你在何时选择结婚都是有机会成本的。也许你很早就结婚了，但是结婚之后却又不断发现还有不少更好更适合结婚的异性，这就是结婚太早的机会成本。那么，是不是晚一点结婚就可以避免这个问题呢？不是的！当结婚太晚，你错过最好的异性的可能性也就更大。那么，一个人究竟应采取什么样的策略才能最大可能地遇到最适合的异性，从而使结为伴侣的机会成本最低呢？我们不妨建立一个模型来考察。 假设你是一个男孩子，而老天爷在你20岁到30最之间安排了20位适合你的女孩子。这些女孩子都愿意作为你的伴侣，但是你只能选择其中的一位。对于你来说，这20位女孩子的质量是可以排序的，也就是说事后你可以对她们的质量排名，质量排第一的对你来说就是最好的，排第20的对你来说就是最差的。可惜的是，由于20位女孩不是同时出现在你的生命中，而是按时间先后出现，每出现一个你都要决定是否留下她或拒绝她。如果留下她则她成为你的伴侣，你将再没有权利选择后面的女孩子；如果拒绝她，则你还可以选择后面的女孩子，但是对前面已经拒绝的女孩子将没有机会从头再来。 20个女孩子的排名虽然可以在事后决定，但是在观察完20个女孩子之前，你并不知道全部女孩子的排名，你只知道已经观察过的女孩子谁比谁会更好。而且，上帝是完全随机地安排每个时间段出现的女孩子的，也就是说出现时间的先后与女孩子的质量是完全没有关系的。那么，你应该在什么时候决定接受一个女孩子，并且使得被接受那个女孩子属于最好女孩的概率最大呢？ 当然，你完全可以在碰到第一个女孩子时就接受她。她确有可能刚好就是最好的，但也有可能是最差的。当你接触到第二个女孩子，你可以知道她和第一个女孩子谁更好，但却不知道她们与剩下的18个女孩比又如何——前两个分别是最差的、次差的概率当然有，但前两个刚好是最好的、次好的可能性也是存在的，其他的概率情况也是有的。看来，你要尽可能挑到最好的女孩做伴侣还真是费神哦。 现在让我们来设计几种挑选策略，以便在不确定性中尽可能找到最好的女孩子。 策略1：事先抽签，抽到第几个就第几个。比如，抽到第10位，那么第10个在你生命中出现的女孩就事前被确定为你的伴侣。而她刚好是最好的女孩之概率是多少呢？答案是1/20=0.05。这种策略使你有5%的可能性获得最好的女孩。这样的概率显然太小，很难发生。 策略2：把全部女孩分成前后两段，最先出现的10位均不接受，但了解了这10位女孩的质量，然后在后来出现的10位女孩当中，第一次碰到比以前都可爱的女孩子，就立马接受。这是一种等一等、看一看的策略。这样的策略中，你得到最好的女孩子的概率是

数学建模常用的十种解题方法

数学建模常用的十种解题方法 摘要 当需要从定量的角度分析和研究一个实际问题时，人们就要在深入调查研究、了解对象信息、作出简化假设、分析内在规律等工作的基础上，用数学的符号和语言，把它表述为数学式子，也就是数学模型，然后用通过计算得到的模型结果来解释实际问题，并接受实际的检验。这个建立数学模型的全过程就称为数学建模。数学建模的十种常用方法有蒙特卡罗算法；数据拟合、参数估计、插值等数据处理算法；解决线性规划、整数规划、多元规划、二次规划等规划类问题的数学规划算法；图论算法；动态规划、回溯搜索、分治算法、分支定界等计算机算法；最优化理论的三大非经典算法：模拟退火法、神经网络、遗传算法；网格算法和穷举法；一些连续离散化方法；数值分析算法；图象处理算法。 关键词：数学建模；蒙特卡罗算法；数据处理算法；数学规划算法；图论算法 一、蒙特卡罗算法 蒙特卡罗算法又称随机性模拟算法，是通过计算机仿真来解决问题的算法，同时可以通过模拟可以来检验自己模型的正确性，是比赛时必用的方法。在工程、通讯、金融等技术问题中, 实验数据很难获取, 或实验数据的获取需耗费很多的人力、物力, 对此, 用计算机随机模拟就是最简单、经济、实用的方法; 此外, 对一些复杂的计算问题, 如非线性议程组求解、最优化、积分微分方程及一些偏微分方程的解⑿, 蒙特卡罗方法也是非常有效的。 一般情况下, 蒙特卜罗算法在二重积分中用均匀随机数计算积分比较简单, 但精度不太理想。通过方差分析, 论证了利用有利随机数, 可以使积分计算的精度达到最优。本文给出算例, 并用MA TA LA B 实现。 1蒙特卡罗计算重积分的最简算法-------均匀随机数法 二重积分的蒙特卡罗方法(均匀随机数) 实际计算中常常要遇到如()dxdy y x f D ??,的二重积分, 也常常发现许多时候被积函数的原函数很难求出, 或者原函数根本就不是初等函数, 对于这样的重积分, 可以设计一种蒙特卡罗的方法计算。 定理 1 )1( 设式()y x f ,区域 D 上的有界函数, 用均匀随机数计算()??D dxdy y x f ,的方法: (l) 取一个包含D 的矩形区域Ω,a ≦x ≦b, c ≦y ≦d , 其面积A =(b 一a) (d 一c) ; ()j i y x ,,i=1,…,n 在Ω上的均匀分布随机数列,不妨设()j i y x ,, j=1，…k 为落在D 中的k 个随机数, 则n 充分大时, 有

数学建模典型例题

一、人体重变化 某人得食量就是10467焦/天，最基本新陈代谢要自动消耗其中得503８焦/天。每天得体育运动消耗热量大约就是６9焦/（千克?天)乘以她得体重(千克)。假设以脂肪形式贮存得热量100% 地有效，而1千克脂肪含热量４１868焦。试研究此人体重随时间变化得规律. 一、问题分析 人体重W（t)随时间t变化就是由于消耗量与吸收量得差值所引起得,假设人体重随时间得变化就是连续变化过程，因此可以通过研究在△t时间内体重W得变化值列出微分方程。 二、模型假设 1、以脂肪形式贮存得热量１０0%有效 2、当补充能量多于消耗能量时,多余能量以脂肪形式贮存 3、假设体重得变化就是一个连续函数 4、初始体重为Ｗ0 三、模型建立 假设在△t时间内： 体重得变化量为W（t＋△ｔ）—W(t); 身体一天内得热量得剩余为（1０4６7—50３8-６9*W（t)） 将其乘以△ｔ即为一小段时间内剩下得热量； 转换成微分方程为:ｄ[W(t+△t）-Ｗ（t）］=(１0467—５038－6９*W（ｔ))ｄt; 四、模型求解 d（５42９—6９W)/（54２9-69W)＝-６9ｄt/416８6 W(0）=W0 解得： ５4２9-６９W=（54２９－69W0)ｅ（－6９t/４1686) 即：

W（t）=５4２９／６9—（5429－６9Ｗ０)/５４29e(-6９t/41686） 当t趋于无穷时，ｗ=８１; 二、投资策略模型 一、问题重述 一家公司要投资一个车队并尝试着决定保留汽车时间得最佳方案。５年后，它将卖出所有剩余汽车并让一家外围公司提供运输。在策划下一个5年计划时,这家公司评估在年i得开始买进汽车并在年j得开始卖出汽车,将有净成本ａｉj（购入价减去折旧加上运营与维修成本).以千元计数ａiｊ得由下面得表给出： 请寻找什么时间买进与卖出汽车得最便宜得策略。 二、问题分析 本问题就是寻找成本最低得投资策略,可视为寻找最短路径问题.因此可利用图论法分析,用Dijkstra算法找出最短路径，即为最低成本得投资策略。 三、条件假设 除购入价折旧以及运营与维护成本外无其她费用; 四、模型建立 二 5 11 7 三６ 4

数学模型经典例题

一、把椅子往地面一放，通常只有三只脚着地，放不稳，然而只需稍挪动几次，就可以使四只脚同时着地放稳了，就四脚连线成长方形的情形建模并加以说明。（15分） 解：一、模型假设： 1. 椅子四只脚一样长，椅脚与地面的接触可以看作一个点，四脚连线呈长方形。 2. 地面高度是连续变化的，沿任何方向都不会出现间断，地面可以看成一张光滑曲面。 3. 地面是相对平坦的，使椅子在任何位置至少有三只脚同时着地。 （3分） 二、建立模型： 以初始位置的中位线为坐标轴建立直角坐标系，用θ表示椅子绕中心O 旋转的角度，椅子的位置可以用θ确定： ()f θ记为A 、B 两点与地面的距离之和 ()g θ记为C 、D 两点与地面的距离之和 由假设3可得，()f θ、()g θ中至少有一个为0。 由假设2知()f θ、()g θ是θ的连续函数。 （3分） 问题归结为： 已知()f θ和()g θ是θ的连续函数，对任意θ， ()()0f g θθ=，且设()()00,00g f =>。证明存在0θ， 使得()()000f g θθ== （3分） 三、模型求解： 令()()()h f θθθ=－g 若()()000f g =，结论成立 若()()000f g 、不同时为，不妨设()()00,00g f =>，椅子旋转()180π或后，AB 与CD 互换，即()()0,0g f ππ>=，则()(0)0,0h h π><。 （3分） 由f g 和的连续性知h 也是连续函数。根据连续函数的基本性质，必存在 ()000θθπ<<使000()0,()()h f g θθθ==即。 最后，因为00()()0f g θθ=，所以00()()0f g θθ==。 （3分） 图 5

数学建模中常见的十大模型讲课稿

数学建模中常见的十 大模型

精品文档 数学建模常用的十大算法==转 (2011-07-24 16:13:14) 转载▼ 1. 蒙特卡罗算法。该算法又称随机性模拟算法，是通过计算机仿真来解决问题的算法，同时可以通过模拟来检验自己模型的正确性，几乎是比赛时必用的方法。 2. 数据拟合、参数估计、插值等数据处理算法。比赛中通常会遇到大量的数据需要处理，而处理数据的关键就在于这些算法，通常使用MA TLAB 作为工具。 3. 线性规划、整数规划、多元规划、二次规划等规划类算法。建模竞赛大多数问题属于最优化问题，很多时候这些问题可以用数学规划算法来描述，通常使用Lindo、Lingo 软件求解。 4. 图论算法。这类算法可以分为很多种，包括最短路、网络流、二分图等算法，涉及到图论的问题可以用这些方法解决，需要认真准备。 5. 动态规划、回溯搜索、分治算法、分支定界等计算机算法。这些算法是算法设计中比较常用的方法，竞赛中很多场合会用到。 6. 最优化理论的三大非经典算法：模拟退火算法、神经网络算法、遗传算法。这些问题是用来解决一些较困难的最优化问题的，对于有些问题非常有帮助，但是算法的实现比较困难，需慎重使用。 7. 网格算法和穷举法。两者都是暴力搜索最优点的算法，在很多竞赛题中有应用，当重点讨论模型本身而轻视算法的时候，可以使用这种暴力方案，最好使用一些高级语言作为编程工具。 8. 一些连续数据离散化方法。很多问题都是实际来的，数据可以是连续的，而计算机只能处理离散的数据，因此将其离散化后进行差分代替微分、求和代替积分等思想是非常重要的。 9. 数值分析算法。如果在比赛中采用高级语言进行编程的话，那些数值分析中常用的算法比如方程组求解、矩阵运算、函数积分等算法就需要额外编写库函数进行调用。 10. 图象处理算法。赛题中有一类问题与图形有关，即使问题与图形无关，论文中也会需要图片来说明问题，这些图形如何展示以及如何处理就是需要解决的问题，通常使用MATLAB 进行处理。 以下将结合历年的竞赛题，对这十类算法进行详细地说明。 以下将结合历年的竞赛题，对这十类算法进行详细地说明。 2 十类算法的详细说明 2.1 蒙特卡罗算法 大多数建模赛题中都离不开计算机仿真，随机性模拟是非常常见的算法之一。 举个例子就是97 年的A 题，每个零件都有自己的标定值，也都有自己的容差等级，而求解最优的组合方案将要面对着的是一个极其复杂的公式和108 种容差选取方案，根本不可能去求解析解，那如何去找到最优的方案呢？随机性模拟搜索最优方案就是其中的一种方法，在每个零件可行的区间中按照正态分布随机的选取一个标定值和选取一个容差值作为一种方案，然后通过蒙特卡罗算法仿真出大量的方案，从中选取一个最佳的。另一个例子就是去年的彩票第二问，要求设计一种更好的方案，首先方案的优劣取决于很多复杂的因素，同样不可能刻画出一个模型进行求解，只能靠随机仿真模拟。 2.2 数据拟合、参数估计、插值等算法 数据拟合在很多赛题中有应用，与图形处理有关的问题很多与拟合有关系，一个例子就是98 年美国赛A 题，生物组织切片的三维插值处理，94 年A 题逢山开路，山体海拔高度的 收集于网络，如有侵权请联系管理员删除

数学建模知识竞赛题库

数学建模知识竞赛题库 1.请问计算机中的二进制源于我国古代的哪部经典? D A.《墨经》 B.《诗经》 C.《周书》 D.《周易》 2.世界上面积最大的高原是？D A.青藏高原 B.帕米尔高原 C.黄土高原 D.巴西高原 3.我国海洋国土面积约有多少万平方公里? B A.200 B.300 C.280 D.340 4.世界上面值最高的邮票是匈牙利五百亿彭哥，它的图案是B A.猫 B.飞鸽 C.海鸥 D.鹰 5. 龙虾是我们的一种美食、你知道它体内的血是什么颜色的吗？B A.红色 B.蓝色 C.灰色 D.绿色 6.MATLAB使用三维向量[R G B]来表示一种颜色，则黑色为（D ） A. [1 0 1] B. [1 1 1] C. [0 0 1] D. [0 0 0] 7.秦始皇之后，有几个朝代对长城进行了修葺？ A A.7个 B.8个 C.9个 D.10个 8.中国历史上历时最长的朝代是？A A.周朝 B.汉朝 C.唐朝 D.宋朝 9我国第一个获得世界冠军的是谁？C A 吴传玉 B 郑凤荣 C 荣国团 D 陈镜开 10.我国最早在奥运会上获得金牌的是哪位运动员？B A.李宁 B.许海峰 C.高凤莲 D.吴佳怩

11.围棋共有多少个棋子？B A.360 B.361 C.362 D.365 12下列属于物理模型的是:A A水箱中的舰艇 B分子结构图 C火箭模型 D电路图 13名言：生命在于运动是谁说的？C A.车尔尼夫斯基 B.普希金 C.伏尔泰 D.契诃夫 14.饱食后不宜剧烈运动是因为B A.会得阑尾炎 B.有障消化 C.导致神经衰弱 D.呕吐 15、MATLAB软件中，把二维矩阵按一维方式寻址时的寻址访问是按（B）优先的。 A.行 B.列 C.对角线 D.左上角16红军长征中，哪次战役最突出反应毛泽东的军事思想和指挥才?A A.四渡赤水B.抢渡大渡河C.飞夺泸定桥D.直罗镇战役 17色盲患者最普遍的不易分辨的颜色是什么？A A.红绿 B.蓝绿 C.红蓝 D.绿蓝 18下列哪种症状是没有理由遗传的？ A.精神分裂症 B.近视 C.糖尿病 D.口吃 19下面哪个变量是正无穷大变量？（A ）

数学建模中常见的十大模型

数学建模中常见的十大 模型 Document serial number【KKGB-LBS98YT-BS8CB-BSUT-BST108】

数学建模常用的十大算法==转 (2011-07-24 16:13:14) 1. 蒙特卡罗算法。该算法又称随机性模拟算法，是通过计算机仿真来解决问题的算法，同时可以通过模拟来检验自己模型的正确性，几乎是比赛时必用的方法。 2. 数据拟合、参数估计、插值等数据处理算法。比赛中通常会遇到大量的数据需要处理，而处理数据的关键就在于这些算法，通常使用MATLAB 作为工具。 3. 线性规划、整数规划、多元规划、二次规划等规划类算法。建模竞赛大多数问题属于最优化问题，很多时候这些问题可以用数学规划算法来描述，通常使用Lindo、Lingo 软件求解。 4. 图论算法。这类算法可以分为很多种，包括最短路、网络流、二分图等算法，涉及到图论的问题可以用这些方法解决，需要认真准备。 5. 动态规划、回溯搜索、分治算法、分支定界等计算机算法。这些算法是算法设计中比较常用的方法，竞赛中很多场合会用到。 6. 最优化理论的三大非经典算法：模拟退火算法、神经网络算法、遗传算法。这些问题是用来解决一些较困难的最优化问题的，对于有些问题非常有帮助，但是算法的实现比较困难，需慎重使用。 7. 网格算法和穷举法。两者都是暴力搜索最优点的算法，在很多竞赛题中有应用，当重点讨论模型本身而轻视算法的时候，可以使用这种暴力方案，最好使用一些高级语言作为编程工具。

8. 一些连续数据离散化方法。很多问题都是实际来的，数据可以是连续的，而计算机只能处理离散的数据，因此将其离散化后进行差分代替微分、求和代替积分等思想是非常重要的。 9. 数值分析算法。如果在比赛中采用高级语言进行编程的话，那些数值分析中常用的算法比如方程组求解、矩阵运算、函数积分等算法就需要额外编写库函数进行调用。 10. 图象处理算法。赛题中有一类问题与图形有关，即使问题与图形无关，论文中也会需要图片来说明问题，这些图形如何展示以及如何处理就是需要解决的问题，通常使用MATLAB 进行处理。 以下将结合历年的竞赛题，对这十类算法进行详细地说明。 以下将结合历年的竞赛题，对这十类算法进行详细地说明。 2 十类算法的详细说明 蒙特卡罗算法 大多数建模赛题中都离不开计算机仿真，随机性模拟是非常常见的算法之一。 举个例子就是97 年的A 题，每个零件都有自己的标定值，也都有自己的容差等级，而求解最优的组合方案将要面对着的是一个极其复杂的公式和108 种容差选取方案，根本不可能去求解析解，那如何去找到最优的方案呢随机性模拟搜索最优方案就是其中的一种方法，在每个零件可行的区间中按照正态分布随机的选取一个标定值和选取一个容差值作为一种方案，然后通过蒙特卡罗算法仿真出大量的方案，从中选取一个最佳的。另一个例子就是去年的彩票第二问，要求设计一种更好的方案，首先方案的优劣取决于很多复杂的因素，同样不可能刻画出一个模型进行求解，只能靠随机仿真模拟。

数学建模优化问题经典练习

1、高压容器公司制造小、中、大三种尺寸的金属容器，所用资源为金属板、劳 万元，可使用的金属板有500t，劳动力有300人/月，机器有100台/月，此外，不管每种容器制造的数量是多少，都要支付一笔固定的费用：小号为100万元，中号为150万元，大号为200万元，现在要制定一个生产计划，使获得的利润为最大， max=4*x1+5*x2+6*x3-100*y1-150*y2-200*y3; 2*x1+4*x2+8*x3<=500; 2*x1+3*x2+4*x3<=300; 1*x1+2*x2+3*x3<=100; @bin(y1); @bin(y2); @bin(y3); y1+y2+y3>=1; Global optimal solution found. Objective value: 300.0000 Extended solver steps: 0 Total solver iterations: 0 Variable Value Reduced Cost X1 100.0000 0.000000 X2 0.000000 3.000000 X3 0.000000 6.000000 Y1 1.000000 100.0000 Y2 0.000000 150.0000 Y3 0.000000 200.0000 Row Slack or Surplus Dual Price 1 300.0000 1.000000 2 300.0000 0.000000 3 100.0000 0.000000 4 0.000000 4.000000 5 0.000000 0.000000

经典的数学建模例子1

经典的数学建模例子 一、摘要 SARS SARS就是传染性非典型肺炎,全称严重急性呼吸综合症(Severe Acute Respiratory Syndromes),简称SARS,是一种因感染SARS相关冠状病毒而导致的以发热、干咳、胸闷为主要症状,严重者出现快速进展的呼吸系统衰竭,是一种新的呼吸道传染病,传染性极强、病情进展快速。 当一种传染病流行的时候,会给人们的工作学习带来很大的不变,能有效地进行隔离、预防,会大大减少人员的得病率,当一种传染病开始流行时,在一定的条件下其趋势就像真菌的繁殖曲线,如果能通过计算预测但大概推算出其发病率高峰时期,及时的隔离预防。那会给社会人力带来很大的方便,当年SARS的爆发给我们带来和大的不便和损失,因此本论文就以SARS为例,来研究传染病的传播规律、为预测和控制传染病蔓延创造条件和帮助。 1 二、正文 1、模型的背景问题描述 SARS(Severe Acute Respiratory Syndrome,严重急性呼吸道综合症, 俗称:非典型肺炎)是21世纪第一个在世界范围内传播的传染病。SARS的爆发和蔓延给我国的经济发展和人民生活带来了很大影响,我们从中得到了许多重要的经验和教训,认识到定量地研究传染病的传播规律、为预测和控制传染病蔓延创造条件的重要性。 要求:(1)建立传染病传播的指数模型,评价其合理性和实用性。 (2)建立一个适合的模型,说明为什么优于问题1中的模型;特别要说明怎样才能 3 建立一个真正能够预测以及能为预防和控制提供可靠、足够的信息的模型,这样做的困难在哪里?对于卫生部门所采取的措施做出评论,如:提前或延后5天采取严格的隔离措施,对疫情传播所造成的影响做出估计。表中提供的数据供参考。 (3)说明建立传染病数学模型的重要性。 2、模型假设 (一)答;

数学建模常用算法模型

按模型的数学方法分： 几何模型、图论模型、微分方程模型、概率模型、最优控制模型、规划论模型、马氏链模型等 按模型的特征分： 静态模型和动态模型，确定性模型和随机模型，离散模型和连续性模型，线性模型和非线性模型等 按模型的应用领域分： 人口模型、交通模型、经济模型、生态模型、资源模型、环境模型等。 按建模的目的分： 预测模型、优化模型、决策模型、控制模型等 一般研究数学建模论文的时候，是按照建模的目的去分类的，并且是算法往往也和建模的目的对应 按对模型结构的了解程度分： 有白箱模型、灰箱模型、黑箱模型等 比赛尽量避免使用，黑箱模型、灰箱模型，以及一些主观性模型。 按比赛命题方向分： 国赛一般是离散模型和连续模型各一个，2016美赛六个题目（离散、连续、运筹学/复杂网络、大数据、环境科学、政策） 数学建模十大算法 1、蒙特卡罗算法 （该算法又称随机性模拟算法，是通过计算机仿真来解决问题的算法，同时可以通过模拟可以来检验自己模型的正确性，比较好用的算法） 2、数据拟合、参数估计、插值等数据处理算法 （比赛中通常会遇到大量的数据需要处理，而处理数据的关键就在于这些算法，通常使用Matlab作为工具）

3、线性规划、整数规划、多元规划、二次规划等规划类问题 （建模竞赛大多数问题属于最优化问题，很多时候这些问题可以用数学规划算法来描述，通常使用Lindo、Lingo软件实现） 4、图论算法 （这类算法可以分为很多种，包括最短路、网络流、二分图等算法，涉及到图论的问题可以用这些方法解决，需要认真准备） 5、动态规划、回溯搜索、分治算法、分支定界等计算机算法 （这些算法是算法设计中比较常用的方法，很多场合可以用到竞赛中） 6、最优化理论的三大非经典算法：模拟退火法、神经网络、遗传算法 （这些问题是用来解决一些较困难的最优化问题的算法，对于有些问题非常有帮助，但是算法的实现比较困难，需慎重使用） 7、网格算法和穷举法 （当重点讨论模型本身而轻视算法的时候，可以使用这种暴力方案，最好使用一些高级语言作为编程工具） 8、一些连续离散化方法 （很多问题都是从实际来的，数据可以是连续的，而计算机只认的是离散的数据，因此将其离散化后进行差分代替微分、求和代替积分等思想是非常重要的） 9、数值分析算法 （如果在比赛中采用高级语言进行编程的话，那一些数值分析中常用的算法比如方程组求解、矩阵运算、函数积分等算法就需要额外编写库函数进行调用）10、图象处理算法 （赛题中有一类问题与图形有关，即使与图形无关，论文中也应该要不乏图片的这些图形如何展示，以及如何处理就是需要解决的问题，通常使用Matlab进行处理） 算法简介 1、灰色预测模型（必掌握）

减速路障间距设计 ;经典数学建模题目分析

组号：702 田宇；孙蕙雯；樊博 校园减速路障间距设计 摘要：减速路障的间距设计合理对于减速带作用的发挥具有重要的意义。本文利用查阅的相关资料，采用Lingo回归分析和最小二乘法，对汽车的加速时加速度和加速时的加速度进行了参数估计。根据题意进行数学建模，建立了汽车在一条具有多个减速带的公路上加速后减速匀速通过减速带的一维直线运动的模型。通过牛顿运动学公式进行了模型求解，最后得出了相邻减速带间的最佳距离。 关键词：减速带间距；一维直线运动模型；最小二乘法

一、问题的提出 1.1 问题的背景 校园、居民小区的道路中间，常常设置用于限制汽车速度的减速带（路障）。减速带使路面稍微拱起以达到车辆减速目的，设置在需要车辆减速慢行的路段和容易引发交通事故的路段，是用于减速机动车、非机动车行使速度的新型交通专用安全设置。减速带很大程度减少了各交通要道口的事故发生，是交通安全的新型专用设施。汽车在行驶中既安全又起到缓冲减速目的，提高交通道口的安全。随着校园车辆的逐渐增多，在校园中合理的设置减速带又成为一个很重要的实际问题。 减速带的使用效果在很大程度上取决于车辆的运行速度和减速带的放置间距间距。因此，为确保限速安全和驾驶人的舒适，合理设定道路的限速具有很重要的意义。 1.2 问题重述 校园道路需要设置路障以限制车速，如果车速不超过40km/h，应该相距多远？ 二、问题的分析 2.1 模型预备知识 道路减速带的减速原理：道路减速带的减速是通过影响驾驶员的驾驶心理实现的。当车辆以较高速度进入道路减速带时,剧烈的振动会从轮胎经车身及座椅传递给驾驶员,使驾驶员产生强烈的生理刺激(包括振动刺激和视觉刺激)和心理刺激,从而促使驾驶员主动减速,使车辆以较低的速度通过道路减速带。 2.2问题的分析 1、汽车通过减速带时速度近于零，过减速带后加速。 2、车速达到40km/h时因为前面有下一个减速带而减速，至减速带处车速又近于零。 3、如此循环达到减速目的。

历年全国数学建模试题及其解法归纳

历年全国数学建模试题及解法归纳 赛题解法 93A非线性交调的频率设计拟合、规划 93B足球队排名图论、层次分析、整数规划94A逢山开路图论、插值、动态规划 94B锁具装箱问题图论、组合数学 95A飞行管理问题非线性规划、线性规划 95B天车与冶炼炉的作业调度动态规划、排队论、图论96A最优捕鱼策略微分方程、优化 96B节水洗衣机非线性规划 97A零件的参数设计非线性规划 97B截断切割的最优排列随机模拟、图论 98A一类投资组合问题多目标优化、非线性规划98B灾情巡视的最佳路线图论、组合优化 99A自动化车床管理随机优化、计算机模拟 99B钻井布局0-1规划、图论 00A DNA序列分类模式识别、Fisher判别、人工 神经网络 00B钢管订购和运输组合优化、运输问题 01A血管三维重建曲线拟合、曲面重建

赛题解法 01B 公交车调度问题多目标规划 02A车灯线光源的优化非线性规划 02B彩票问题单目标决策 03A SARS的传播微分方程、差分方程 03B 露天矿生产的车辆安排整数规划、运输问题 04A奥运会临时超市网点设计统计分析、数据处理、优化04B电力市场的输电阻塞管理数据拟合、优化 05A长江水质的评价和预测预测评价、数据处理 05B DVD在线租赁随机规划、整数规划 06A出版社书号问题整数规划、数据处理、优化06B Hiv病毒问题线性规划、回归分析 07A 人口问题微分方程、数据处理、优化07B 公交车问题多目标规划、动态规划、图 论、0-1规划 08A 照相机问题非线性方程组、优化 08B 大学学费问题数据收集和处理、统计分 析、回归分析 2009年A题制动器试验台的控制方法分析工程控制 2009年B题眼科病床的合理安排排队论，优化，仿真，综 合评价 2009年C题卫星监控几何问题，搜集数据

matlab数学建模实例

第四周 3. 中的三个根。 ，在求8] [0,041.76938.7911.1-)(2 3=-+=x x x x f function y=mj() for x0=0:0.01:8 x1=x0^3-11.1*x0^2+38.79*x0-41.769; if (abs(x1)<1.0e-8) x0 end end 4.分别用简单迭代法、埃特金法、牛顿法求解方程，并比较收敛性与收敛速度（ε分别取10-3、10-5、10-8）。 简单迭代法： function y=jddd(x0) x1=(20+10*x0-2*x0^2-x0^3)/20; k=1; while (abs(x1-x0)>=1.0e-3) x0=x1; x1=(20+10*x0-2*x0^2-x0^3)/20;k=k+1; end x1 k 埃特金法： function y=etj(x0) x1=(20-2*x0^2-x0^3)/10; x2=(20-2*x1^2-x1^3)/10; x3=x2-(x2-x1)^2/(x2-2*x1+x0); k=1; while (abs(x3-x0)>=1.0e-3) x0=x3; x1=(20-2*x0^2-x0^3)/10; x2=(20-2*x1^2-x1^3)/10; x3=x2-(x2-x1)^2/(x2-2*x1+x0);k=k+1; end 2 ,020102)(023==-++=x x x x x f

x3 k 牛顿法： function y=newton(x0) x1=x0-fc(x0)/df(x0); k=1; while (abs(x1-x0)>=1.0e-3) x0=x1; x1=x0-fc(x0)/df(x0);k=k+1; end x1 k function y=fc(x) y=x^3+2*x^2+10*x-20; function y=df(x) y=3*x^2+4*x+10; 第六周 1.解例6-4（p77)的方程组，分别采用消去法（矩阵分解）、Jacobi迭代法、Seidel迭代法、松弛法求解，并比较收敛速度。 消去法： x=a\d 或 [L,U]=lu(a); x=inv(U)inv(L)d Jacobi迭代法： function s=jacobi(a,d,x0) D=diag(diag(a)); U=-triu(a,1); L=-tril(a,-1); C=inv(D); B=C*(L+U); G=C*d; s=B*x0+G; n=1; while norm(s-x0)>=1.0e-8 x0=s; s=B*x0+G;