2013大學生數學建模

⑶ 求2013全國大學生數學建模比賽A題思路,十分感謝！

此題為交通運輸類問題，可以視作優化類問題，而且本題重點在於目標的選取和目標函數的建立，而最優值的求解反而不是問題的重點（因為哪裡會發生交通事故、持續時間、車流量等等都是不可控制的參數，本題幾乎沒有可決策變數）。可以用到的知識有排隊論，元胞自動機，模擬模擬等等，用這些手段來建立函數關系；

關鍵概念：通行能力，指單位時間內通過斷面的最大車輛數TC（traffic capacity）=n/t=vd（n為通過車輛數，t是時間，v為車輛平均速度，d是道路寬度）；
問題一：求出函數表達式TC=f（t），可以根據視頻中的信息，隔一段時間求一次對應的TC值，再通過插值方法求出解f，或者深入研究事故發生時對車輛行進情況的變化機理來求解f，最後用圖像或者解析式來表達出結果；
問題二：求出泛函數表達式TC=g（LN），LN表示車道編號或其組合，此處TC代表問題一中的f函數，這個處理和問題一是一樣的，可以用的方法也可以是直接從視頻中讀取，可以得到LN=（1,2）或（2,3）時的TC關於t的函數，如果採用機理分析方法，如排隊論，元胞自動機來模擬這個過程，則可以求出LN=1,2,3時的情況；比較有兩種形式：
直觀比較：將幾個函數圖像畫在一起相互比較，就可以比較LN不同時，對通行能力的影響；
數量化比較：可以將LN不同時的TC關於t的函數作差後積分，求得不同堵車形式對總的通行車輛數的影響；
第三題。。。不讓說的。。。
問題四：用問題三求出的函數表達式計算結果即可。

⑷ 求2013全國大學生數學建模比賽A題思路

真心內部資料，部分內容公布出來
此題為交通運輸類問題，可以視作優化類問題，而且本題重點在於目標的選取和目標函數的建立，而最優值的求解反而不是問題的重點（因為哪裡會發生交通事故、持續時間、車流量等等都是不可控制的參數，本題幾乎沒有可決策變數）。可以用到的知識有排隊論，元胞自動機，模擬模擬等等，用這些手段來建立函數關系；
關鍵概念：通行能力，指單位時間內通過斷面的最大車輛數TC（trafficcapacity）=n/t=vd（n為通過車輛數，t是時間，v為車輛平均速度，d是道路寬度）；
問題一：求出函數表達式TC=f（t），可以根據視頻中的信息，隔一段時間求一次對應的TC值，再通過插值方法求出解f，或者。。。。。詳見文章

如果大家都覺得好，評論過50了，我晚上加油搞，確定一下第三問的三種思路那種最好，明天改了再發。不過可能會精簡一點。。。因為我會按照這個做的。。。

⑸ 2013年全國大學生數學建模成績什麼時候出來

賽區的結果，要看是哪個地區的，每個地區的時間不一樣，國慶節前估計有10個省市公布結果，大部分要等到國慶節後才會公布。

全國的結果
當年競賽結果（初稿）一般於當年11月中上旬發布（異議期兩周）,請耐心等待．
當年競賽結果（正式稿）一般於當年11月下旬發布．

⑹ 2013年全國大學生數學建模競賽題型A問題簡述

先考慮簡單的模型，再多方面的因素進行考慮，進而改善模型。

⑺ 求2013大學生數學建模D題思路步驟

那個資料是轉載的吧

⑻ 2013全國大學生數學建模證書啥時下來

同學你好，各個賽區將於12月舉行頒獎會，屆時將會頒發所有證書。
查看原帖>>

⑼ 急求2013年全國大學生數學建模競賽B題 未發表、未獲獎 的文章，懸賞50財富值

2013高教社杯全國大學生數學建模競賽B題評閱要點[說明]本要點僅供參考，各賽區評閱組應根據對題目的理解及學生的解答，自主地進行評閱。本題要求對數據提取合適的特徵、建立合理有效的碎紙片拼接復原模型。可以考慮的特徵有鄰邊灰度向量的匹配、按行或按列對灰度求和、行距等。關於演算法模型，必須有具體的演算法過程（如流程圖、演算法描述、偽代碼等）及設計原理。雖然正確的復原結果是唯一的，但不能僅從學生提供的復原效果來評定學生解答的好壞，而應根據所建的數學模型、求解方法和計算結果（如復原率）三方面的內容做出評判。另一方面，評判中還需要考慮人工干預的多少和干預時間節點的合理性。問題1.僅有縱切文本的復原問題由於「僅有縱切」，碎紙片較大，所以信息特徵較明顯。一種比較直觀的建模方法是：按照某種特徵定義兩條碎片間的（非對稱）距離，採用最優Hamilton路或最優Hamilton圈（即TSP）的思想建立優化模型。關於TSP的求解方法有很多，學生在求解過程中需要注意到非對稱距離矩陣或者是有向圖等特點。還可能有種種優化模型與演算法，只要模型合理，復原效果好，都應當認可。本問題相對簡單，復原過程可以不需要人工干預，復原率可以接近或達到100%。問題2. 有橫、縱切文本的復原問題一種較直觀的建模方法是：首先利用文本文件的行信息特徵，建立同一行碎片的聚類模型。在得到行聚類結果後，再利用類似於問題1中的方法完成每行碎片的排序工作。最後對排序後的行，再作縱向排序。本問題的解法也是多種多樣的，應視模型和方法的合理性、創新性及有效性進行評分。例如，考慮四鄰近距離圖，碎片逐步增長，也是一種較為自然的想法。問題3.正反兩面文本的復原問題這個問題是問題2的繼續，基本解決方法與問題2方法相同。但不同的是：這里需要充分利用雙面文本的特徵信息。該特徵信息利用得好，可以提升復原率。 在閱卷過程中，可以考慮學生對問題的擴展。例如，在模型的檢驗中，如果學生能夠自行構造碎片，用以檢驗與評價本隊提出的拼接復原模型的復原效果，可考慮適當加分。閱卷時應有程序，程序的運行結果應和論文給出的結果一致。clear %釋放空間clc %清屏%圖片數據讀取left_col = [];right_col = [];for fp = 0 : 208 str = int2str(fp); if fp < 10 name = ['0' '0' str '.bmp']; elseif fp >= 10 & fp < 100 name = ['0' str '.bmp']; else name = [str '.bmp']; end a = imread(name); [m,n] = size(a); left_col = [left_col a(:,1)]; right_col = [right_col a(:,n)];end%讀取完畢left_col = double(left_col);%類型轉換right_col = double(right_col);% 找紙片最左邊(left_col)像素全為255(空白)的所有列row = 1;for bi=1:209; number=length(find(left_col(:,bi)==255)); if number == 180 S(row,1)=bi;%保存第一列像素為空(灰度值:255)的放在數組S第一列 row = row + 1; endendS = [S(:,1) zeros(row-1,18)];%矩陣初始化O = [ones(row-1,19)]; %初始化一個單位矩陣sign = 1;w = 0;for r=1:row-1;%行 for p=1:18;%列p+1 num = 10000000000;%使num足夠大 for j=1:209; count = 0; count = length(find(S==j));%除去重復 if count ~= 0 continue; else blank = length(find(right_col(:,S(r,p)) == 255));%如果碎紙片右邊界全為255(即空白)，則跳出，終止此行後面拼接 if blank == 180 sign = 0; break;%跳出本循環，進入p循環 else ri=right_col(:,S(r,p));%計算左右拼接精確度 le=left_col(:,j); c=ri-le; c = c.^2; error=sum(c(:)); end if num >= error %找出差值最小的，精確度最高 num = error; w = j; end end end if sign == 0 sign = 1; break; %跳出p循環，進入r循環 else S(r,p+1)=w; %二維數組儲存每個碎紙片拼接位置 end endendS = S - O; %數據整理，圖片從000.bmp開始，數組下標從1開始//////////////////////////////////////////////////////////////////////////第三題碎紙片特徵分類代碼：clear %釋放空間clc %清屏%圖片數據讀取char namea = (209,7);char nameb = (209,7);for fpa = 0 : 208 str = int2str(fpa); if fpa < 10 fpa = fpa + 1; namea(fpa,:) = ['0' '0' str 'a.bmp']; elseif fpa >= 10 & fpa < 100 fpa = fpa + 1; namea(fpa,:) = ['0' str 'a.bmp']; else fpa = fpa + 1; namea(fpa,:) = [str 'a.bmp']; endendfor afp = 1:209 a= imread(namea(afp,:)); fdataa(:,:,afp) = a;end%%%讀取反面b的數據for fpb = 0 : 208 str = int2str(fpb); if fpb < 10 fpb = fpb + 1; nameb(fpb,:) = ['0' '0' str 'b.bmp']; elseif fpb >= 10 & fpb < 100 fpb = fpb + 1; nameb(fpb,:) = ['0' str 'b.bmp']; else fpb = fpb + 1; nameb(fpb,:) = [str 'b.bmp']; endendfor bfp = 1:209 b= imread(nameb(bfp,:)); fdatab(:,:,bfp) = b;end%讀取完畢%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%qfdataa = ~fdataa; %取反qfdatab = ~fdatab; %取反for lj = 1:209 %行累加求和 Ldataa(:,lj) = sum(qfdataa(:,:,lj),2); %正面(a)累加求和 Ldatab(:,lj) = sum(qfdatab(:,:,lj),2); %反面(b)累加求和endLdataa(Ldataa>0)=1; %正面歸一化Ldatab(Ldatab>0)=1; %反面歸一化%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% 數據分類 橫向 正面(a)分類for flta = 1:209; for pflta = 1:209 numa = 0; for flha = 1:180; if Ldataa(flha,flta) == Ldataa(flha,pflta) numa = numa + 1; end end tsavea(flta,pflta) = numa; %保存每兩張圖片之間的匹配度 endend% 數據分類 橫向 反面(b)分類for fltb = 1:209; for pfltb = 1:209 numb = 0; for flhb = 1:180; if Ldatab(flhb,fltb) == Ldatab(flhb,pfltb) numb = numb + 1; end end tsaveb(fltb,pfltb) = numb; %保存每兩張圖片之間的匹配度 endend%%%%%%%%%%%%%%%%%%%%%%%%總匹配度%tsave = (tsavea + tsaveb)/2;%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% 找紙片最左邊(left_col)像素全為255(空白)的所有列% fdataa = double(fdataa);% fdatab = double(fdatab);row = 1;for bi=1:209; number=length(find(fdataa(:,1,bi)~=0 & fdatab(:,72,bi)~=0)); if number == 180 S(row,1)=bi;%保存第一列像素為空(灰度值:255)的放在數組S第一列 row = row + 1; endendS = [S(:,1) zeros(row-1,18)];%矩陣初始化O = [ones(row-1,19)]; %初始化一個單位矩陣%%%%%%%%%%%%%%%%%%