笔者在了解数学建模领域的一些参考书籍以后，觉得这本书的讲解最好最实用。它从算法的角度出发，结合案例进行分析，并且分析和解答十分规范，非常适合数学建模学习者使用。然而，该书出版于2011年，出版年份较早，还在采用MATLAB作为其编程语言。在2020年的今天，python作为一个数据科学领域的后起之秀，凭借其强大的开源生态和丰富的模块功能，成为了目前主流数据科学、机器学习、人工智能等领域的主要编程语言。本项目旨在使用python复现该书中的案例代码，将python与该书结合，也能丰富python数学建模的社区生态。
GitHub项目地址：Mathematical-modeling-algorithm-and-Application
CSDN专栏：数学建模
知乎专栏：数学建模算法与应用
联系邮箱：[email protected] STL_CC
由于作者还是大一学生，才疏学浅，难免会有错误，欢迎指正
同时作者精力有限，希望更多大佬加入此项目，一来可以提高建模水平，二来可以分享建模经验
- 第1章 线性规划
- 1.1 线性规划问题
- 1.2 投资的收益和风险
- 第2章 整数规划
- 2.1 概论
- 2.2 0-1型整数规划
- 2.3 蒙特卡洛法（随机取样法）
- 2.4 指派问题的计算机求解
- 第3章 非线性规划
- 3.1 非线性规划模型
- 3.2 无约束问题的Matlab解法
- 3.3 约束极值问题
- 3.4 飞行管理问题
- 第4章 图与网络模型及方法
- 4.1 图的基本概念与数据结构
- 4.2 最短路问题
- 4.3 最小生成树问题
- 4.4 网络最大流问题
- 4.5 最小费用最大流问题
- 4.6 Matlab的图论工具箱
- 4.7 旅行商（TSP）问题
- 4.8 计划评审方法和关键路线法
- 4.9 钢管订购和运输
- 第5章 插值与拟合
- 5.1 插值方法
- 5.2 曲线拟合的线性最小二乘法
- 5.3 最小二乘优化
- 5.4 曲线拟合与函数逼近
- 5.5 黄河小浪底调水调沙问题
- 第6章 微分方程建模
- 6.1 发射卫星为什么用三级火箭
- 6.2 人口模型
- 6.3 Matlab求微分方程的符号解
- 6.4 放射性废料的处理
- 6.5 初值问题的Matlab数值解
- 6.6 边值问题的Matlab数值解
- 第7章 目标规划
- 7.1 目标规划的数学模型
- 7.2 求解目标规划的序贯算法
- 7.3 多目标规划的Matlab解法
- 7.4 目标规划模型的实例
- 7.5 数据包络分析
- 第8章 时间序列
- 8.1 确定性时间序列分析方法
- 8.2 平稳时间序列模型
- 8.3 时间序列的Matlab相关工具箱及命令
- 8.4 Arima序列与季节性序列
- 第9章 支持向量机
- 9.1 支持向量分类机的基本原理
- 9.2 支持向量机的Matlab命令及应用例子
- 9.3 乳腺癌的诊断
- 第10章 多元分析
- 10.1 聚类分析
- 10.2 主成分分析
- 10.3 因子分析
- 10.4 判别分析
- 10.5 典型相关分析
- 10.6 对应分析
- 10.7 多维标度法
- 第11章 偏最小二乘回归分析
- 11.1 偏最小二乘回归分析概述
- 11.2 Matlab偏最小二乘回归命令Plsregress
- 11.3 案例分析
- 第12章 现代优化算法
- 12.1 模拟退火算法
- 12.2 遗传算法
- 12.3 改进的遗传算法
- 12.4 Matlab遗传算法工具
- 第13章 数字图像处理
- 13.1 数字图像概述
- 13.2 亮度变换与空间滤波
- 13.3 频域变换
- 13.4 数字图像的水印防伪
- 13.5 图像的加密和隐藏
- 第14章 综合评价与决策方法
- 14.1 理想解法
- 14.2 模糊综合评判法
- 14.3 数据包络分析法
- 14.4 灰色关联分析法
- 14.5 主成分分析法
- 14.6 秩和比综合评价法
- 14.7 案例分析
- 第15章 预测方法
- 15.1 微分方程模型
- 15.2 灰色预测模型
- 15.3 回归分析预测方法
- 15.4 差分方程
- 15.5 马尔可夫预测
- 15.6 时间序列
- 15.7 插值与拟合
- 15.8 神经元网络