数学建模

出版界有一句行话或者潜规则，说作者多一个数学公式就会减少多少读者，如此等等。然而本书满篇都是数学公式，走马观花，往门缝中往里瞅一眼，似乎甚至要晕倒，岂不怀疑人生？打一哈哈！ 尽管它数学公式比较多，但是从观察其所关心问题角度及解决问题方法，考虑它至少它可以帮助愿意学习运用数学建模方法及思维方式，对症下药，来帮助需要者在其需要时候，寻找相同众案例。例如，临时报数爷脚。如何归纳总结探讨问题，并且能够以数学艺方式表达方式展现出来，以及其相应解题方式本身，是本书重点精华之重。它涉及内容丰富。 数学老师写的书特点就是与众不同，逻辑清楚，简明扼要。它定义概念清楚，是本开眼界，思想建模入门基础性好书。相信能够掌握它，对于目前时髦人工智能研究读者如同猛虎添翅。 建数模总体思想与运作方式，如同读上一本介绍数学大师吴文俊教授个人传记中，所总结描述，即解决问题方式方法符合或者属于中国古代开启中华数学思维方式特征。相信随着5G 或者6G，物联网及人工智能快速发展，其威力更为无穷。显然它值得用毕生精力投入，如果不是太晚。加油吧！ 它附有不少技术资料免费下载链接。读后，购买收藏了它。需要时，再杀它一个回马枪。如同在战争中学习战争，最为有效。 过去人们往往错误认为，学习数学太抽象，将来不容易找工作。其实本书指出，数学建模道路正是一条充满无限想象力，生命力与无限发展空间之阳光大道。 简言之，在应用各种数学模式，宏观预测，长远规划，优化管理，选择“黑箱“演算，相关软件应用等多方面，它汇集现代数学应用精华基础性范例。 当然，学无止境，本书在描述数学建模在目前发展最快，最为需要医学应用领域方面，例如，特别是在大数据基因组资料与病例临床分析，AI人面诊断还有大脑神经网络模拟等方面似乎刚刚开始，依然都有待开发。另外，要读懂它，需要有非常强，全面数学基础，它属于数学专业教科书，而不是一本科普书。

书不错，比较全面和启发性。但前提要求你要懂矩阵和高数，没有这个就别看了。还要会一点语法。本书主要讲matlab。基本高校都讲一点c语言。语法基本都差不多。配合问问豆包就行。 这本书你能学的什么： 能带你理解什么是数学建模，对于想参赛的同学也比较友好，尤其是适合bc题的。a题就不够专业了。知识不够。因为这是15年的书多少有点过时。缺少几个算法和建系过程。如果想打a类题学习线性规划，微分方程和启发式算法就行。其他都是非a类（工程物理）学习的。适合经济学类和运筹决策B类。 启发性我觉得适合入门，我看到很舒服。比如第一个求山的高度。使用最简单的牛顿定律计算，到一步步加约束条件，声音传播误差和摩擦阻力建立微分方程。一步步展示建模的核心在于先建立简单数学模型再贴切物理真实事界。 后面的火灾模型和光照模型也挺有意思。学了高数基本都能看懂。

10.3 粒子群算法 1995年，美国电气工程师Eberhart和社会心理学家Kenndy基于鸟群觅食行为提出了粒子群优化算法（PSO）。由于该算法概念简明、实现方便、收敛速度快、参数设置少，是一种高效的搜索算法。 同遗传算法类似，PSO是一种基于迭代的优化工具，但是并没有遗传算法用的交叉以及变异，而是粒子在解空间中追随最优的粒子进行搜索。在PSO中，每个优化问题的潜在解都可以想象成一颗“粒子”，粒子主要追随当前的最优粒子在解空间中搜索。PSO初始化为一群随机粒子，然后通过迭代找到最优解。在每一次迭代中，粒子通过跟踪两个“极值”来更新自己。一个就是粒子本身所找到的最优解，这个解叫作个体极值PBest；另一个极值是整个种群目前找到的最优解，这个极值是全局极值GBest。另外，也可以不用整个种群

虽然公式挺多的，至少没有数组和矩阵，但读到后面………不提也罢 这本书的价值跟读者的数学基础水平成正比，最好会点编程，不然光写公式算平衡就累的够呛 果然数学是个体力活，难怪大学数学老师个个身材好，又漂亮，还思维敏捷，勤劳睿智

粗略地翻完了本书，内容很丰富，适合当工具书用。第一遍就是先对数据建模方法有个初步概念，后续在工作中需要用时可以第一时间想到，然后再来细读。

作者较为全面的介绍了数学建模的常用模型与算法。但是对于我这种小白来说，本书的内容颇有些“会的人不看这本书也会，不会的人看了也不会”的感觉。适合有一定基础的人阅读。

数学是人类认识世界和解决问题的重要方法。悲剧的是包括我在内的大多数人学校毕业后将绝大多数数学知识都还给了老师。快速浏览了一边，找到了当你数模竞赛的感觉，也将为现在工作问题提供解决思路。

给孩子的认识数学和数学兴趣的人员打造一个个框架，按需取用。还能应用于实践生活工作啊！超级给力！现在有软件可以更快捷方便的处理，想想开心😊

应该好看吧，专门为数学建模写的

主要介绍建模的思路，解题方法偏向借助计算机，期望的单纯行法，淬火法等解题方法并没有过多解释