如何用matlab求解非线性规划问题 最好给几个例子
1．某厂生产甲乙两种口味的饮料,每百箱甲饮料需用原料6千克,工人10名,可获利10万元;每百箱乙饮料需用原料5千克,工人20名,可获利9万元.今工厂共有原料60千克,工人150名,又由于其他条件所限甲饮料产量不超过8百箱.问如何安排生产计划,即两种饮料各生产多少使获利最大.进一步讨论:
1)若投资0.8万元可增加原料1千克,问应否作这项投资.
2)若每百箱甲饮料获利可增加1万元,问应否改变生产计划
1 设 x1 、x2 分别为生产甲乙产品的箱数，则有：
s.t
1.c=[-10 -9];
a=[10 20; 6 5];
b=[150;60];
aeq=[];
beq=[];
vlb=[0 0];
vub=[8 12];
[x,feval]=linprog(c,a,b,aeq,beq,vlb,vub)
matlab线性规划求解，求大佬解决一下
如何用matlab进行线性规划求解？分析了题主给出 min(-Z) 的线性规划问题，可以先其变形得min Z =11X1-9X4-9X5+4X3然后，我们可以使用fmincon函数求其最小值问题。求解过程如下：1、自定义目标函数，f = myfun(x)，其内容function f = myfun(x)f =11*X1-9*X4-9*X5+4*X3; 2、初定x的初值，即x0=rand(1,8)3、确定等式约束条件系数，即Aeq值4、确定等式约束条件等式值，即beq值5、确定x的上限值，即lb值，lb=zeros(1,8);6、确定x的下限值，即ub值，ub=ones(1,8)*100;7、使用fmincon函数，求其X1、X3、X4、X5、X6、X7、X8、X9值8、验证各等式条件按上述要求编程，运行后可得到如下结果。
数学建模题目，谁能很快给出数学模型？
1、问题重述
1.1问题背景
随着世界体育事业的不断发展，如何在激烈的竞争中脱颖而出，一举夺冠，除了要求运动员具备超强的身体素质，同时灵活的竞赛技巧也是不可或缺的。
在铅球抛掷比赛中，如何将铅球抛得最远就与出手速度、出手高度、出手角度以及用力展臂等物理因素密切相关。因此，怎样科学抛掷从而达到理想的效果、取得满意的成绩，就需要我们理性分析。
1.2掷铅球的相关信息
铅球掷远比赛要求运动员在直径2.135m的圆内将重7.257kg的铅球投掷在 的扇形区域内，如下图：
综合分析铅球的运动过程，可以分为两种情况：
1、在不考虑铅球展臂的情况下，以出手速度、出手高度、出手角度为参数，建立第一种数学模型。
2、在考虑铅球展臂的情况下，以出手速度、出手高度、出手角度、展臂为参数，建立第二种数学模型。
3. 在铅球整个运动过程中，空气阻力虽然一直存在，但是其影响极其微小，因而忽略不计。
1.3需要解决的问题
问题一：以出手速度、出手角度、出手高度为参数，建立铅球掷远的数学模型。
问题二：考虑运动员推铅球时用力展臂的动作，改进以上模型。
问题三：在此基础上，给定出手高度，对于不同的出手速度，确定最佳出手度。
问题四：比较掷远结果对出手速度和出手角度的灵敏性。
5、模型的建立与求解
5.1模型一的建立
1.在速度，角度，高度为参数的条件下建立掷远模型：
铅球从A到B运动的时间：
……………… （1）
铅球运动的最大高度：
………………（2）
铅球从H高度落下所有时间：
…………………（3）
铅球运动的水平距离：
5.2模型二的建立
1.当考虑运动员展臂的条件下我们建立了模型二为：
在展臂过程中铅球受到推力和重力，对铅球进行受力分析:
并由牛顿第二定律可得：
………………………（1）
再由上式可得：
………………………………（2）
由运动学公式可得：
………………………………………（3）
由上式可得：
……………………（4）
上式进一步说明了，出手速度 与出手角度 有关，随着 的增加而减小．模型一假设出手速度与出手角度相互独立是不合理的．
由模型一同理可以得到铅球脱手后运动的距离：
5.3对模型一的求解
1.在高度一定时我们考虑不同出手速度时的最佳出手角度，我们借助Matlab7.0来解决这一问题。对 的求解过程如下：
令 =0则可求出 的值。
由于 ，所以，则 。所以最佳出手角度为
同时可得当h=0时，最佳出手角度为 。
5.4灵敏度的分析
模型一、二是铅球掷远的数学模型，运动员最为关心是怎样才能有效地提高掷远成绩，也就是怎样从出手高度、出手角度、出手速度三个自变量中抓住其中的主要因素，提高掷远成绩．由于出手高度是没有多大变化的，所以，我们应该从出手角度和出手速度着手找出其中对掷远成绩影响较大的变量．也就是比较出手速度和出手角度的灵敏性。
我们运用Matlab7.0软件分别求出 （已求出）和 ，可以得出结果。
的求导过程如下：
通过Matlab7.0我们可以比较 和 的大小，比较的结果为 > ,因而可以得出：出手速度对投掷结果的影响更加明显。
这道数学建模题怎么做 谢谢
这属于优化问题，线性规划。有三种方案：甲乙，乙丙，甲丙。下面只列出甲乙的模型。
设甲X件，乙Y件，
约束条件：3X+2Y<=3500,
X+Y<=4000,
X+3Y<=5000，
X,Y>=0。
目标函数：max Z=(300X-50Y-2000)+(320Y-80Y-2500)
=250X+240Y-4500。
用图解法，得出 X=0，Y=1720。此时Z=408300。
同理，分别列出乙丙、甲丙的模型，可得
乙丙：X=1000，Y=1500。此时Z=729500。
甲丙：X=600，Y=1700。此时Z=706000。
综上，应选乙丙方案，max Z=729500。
武汉理工大学数学建模协会的协会荣誉
1 、全国比赛(CUMCM)CUMCM96，获一个全国一等奖CUMCM98，获一个全国二等奖CUMCM99，获一个全国一等奖、一个全国二等奖、一个省三等奖CUMCM00，获一个全国二等奖、一个省一等奖、一个省三等奖CUMCM01，获三个全国二等奖、二个省一等奖、五个省二等奖CUMCM02，获二个全国一等奖、三个全国二等奖、二个省级奖CUMCM03，获一个全国二等奖、六个省级奖CUMCM04，获一个全国一等奖、四个省一等奖、二个省二等奖2 、全美比赛(MCM)MCM2002，获一个国际一等奖(Meritorious Winners)、二个国际二等奖(Honorable Mentions)MCM2003，获一个国际一等奖(Meritorious Winners)、一个国际二等奖(Honorable Mentions)MCM2004，获得一个国际二等奖MCM20053，获一个国际一等奖(Meritorious Winners)、三个国际二等奖(Honorable Mentions)3 、其他荣誉协会成员吴华春、徐胜阳、陈思多、金豪、胡立田、胡晓林、吴方才、陆昊娟、田江伟、方毅、许万洪、万利军、唐涛、成浩、孙作龙、刘旺、王宗跃等均在学术期刊上发表过论文。
数学建模
最近在复习和学习数学建模的东西，主要是《数学建模优秀论文精选与点评(2011-2015)》和《数学建模方法及其应用》两本书，资源在下面。（包括文中出现的一些案例就来源于书中） 个人觉得数学建模是介乎业务模型和数据挖掘之间的东西，既要有将实际问题转化为数学模型的思维，同时在采用的模型、算法方面和数据挖掘有极大的重合。所以对于开拓横向的数据化业务思维、分析能力以及基础的数据挖掘能力都有帮助。 链接: https://pan.baidu.com/s/1U3fI-U3WSFN8Zj02iqLp0w 提取码: fvfy 数学建模方法： 数学建模步骤： 问题分析→模型假设→模型建立→模型求解→解的分析与检验→写作和应用 基础理论： 典型场景 微分方程一般是时间微分方程，微分方程稳定性问题的典型场景是判断博弈过程，判断最终哪一方会赢、哪一方会败，比如下面的战争问题；或者就是消息/疾病随时间传播的过程。 基础理论： 差分只是一个过程变量，既可以求微分，也可以求积分。而且差分方程本身也是需要求解、以及判断稳定性的，但是似乎利用差分方程求解方程本身很少，而利用差分/差商来积分反而更常用 基础理论： 拟合方法： 一般线性最小二乘拟合方法是可以直接求解的，但是非线性最小二乘问题，通常求解很复杂，可以采用梯度法（这个最常用）、共轭梯度法、最速下降法（后两者是求解特殊的正定矩阵）进行求解。。。。 基础理论： 方案层、准则层、决策目标→构造比较矩阵→相对权重向量确定→一致性校验→计算组合权重和组合一致性校验（两层权重的累加） 应用场景： 实际应用应该很广了，发现一个可以用在互联网运营中的： https://www.jianshu.com/p/f4fdf18988cb 基础理论： 采用概率分布： 基础理论： 参数估计： 方差分析： 分为单因素方差分析法和多因素方差分析法。这里只考虑单因素。 相关分析方法： 基础理论： 多元回归方程的显著性校验和拟合校验： 回归模型正交化 正交化的目的只是为了计算，比如自变量有x1，x2和x3=x1*x2，这个时候明知变量中有相关性问题存在，正交化的计算最快。实际应该不会考虑这种情况，反正都是机器跑。 基础理论： 线性规划的求解方法 知己用lingo吧骚年！ 线性规划的对偶问题 常用方法 基础理论 无约束规划的解法 有约束非线性规划的解法 我认为真正的动态规划问题，其实是类似于马尔可夫链的那种问题，这里其实没有涉及到这么高深。反而是把本来可以用静态规划方法求解的，转化成动态来求解。 基础理论 XY分布 分布才是排队论的理论核心，在确定了分布之后，你甚至可以直接用蒙特卡洛模拟出排队结果嘛。 二人有限零和对策的基本模型： 二人有限零和对策的混合策略： （双方为了获取更多的利益，会根据概率来博弈） 二人有限非零和对策： 基础理论 在帕累托最优解中，再找最优解 图 ： 树 ： 遍历 解法 常采用匈牙利算法，暂时不研究。 图矩阵 书中还给出了一个婚配的案例，但是实际上可以直接线性规划求解的。。。线性规划其实适合很多问题，包括上面的决策等等。。。 基础理论 模糊综合评判 总评分法、加权评分法 然后针对多层次模糊综合评判会涉及到一个矩阵的综合加权 典型场景 问题：中介机构有遵纪守法情况、纳税情况、奖惩情况等等维度的情况，建立综合评估问题。 看计算过程，理解起来还是比较简单，最直观的理解就是，比如针对几个指标，分为差、中、好三个等级，隶属度是一个隶属度矩阵，然后最终的展示结果就是经过加权之后的综合向量，比如是0.3,0.3,0.2，那就是经过模糊综合评判，整体属于差、中、好的隶属度分别是多少。 所以模糊综合评判方法最后也只是给你一个隶属于各个等级的隶属度，但如何确定他是好还是差，还是要再加一个指标判断，而综合评判方法给你提供的便利，只是让多级指标汇总而已。。。 模糊综合评判和AHP很大程度上都是解决一类型问题，就看怎么选择。 个人觉得，灰色系统模型的应用场景一般都是用来对时间做回归预测，那还不如直接用回归呢。所以可能灰色系统模型基本不会采用？
数学建模论文怎么写
1、论文用白色A4纸单面打印；上下左右各留出至少2.5厘米的页边距；从左侧装订。2、论文第一页为承诺书，具体内容和格式见本规范第二页。3、论文第二页为编号专用页，用于赛区和全国评阅前后对论文进行编号，具体内容和格式见本规范第三页。4、论文题目和摘要写在论文第三页上，从第四页开始是论文正文。5、论文从第三页开始编写页码，页码必须位于每页页脚中部，用阿拉伯数字从“1”开始连续编号。6、论文不能有页眉，论文中不能有任何可能显示答题人身份的标志。
数学建模的论文怎么写
数学建模的论文一般可以分为以下几个部分：1. 引言在引言中，需要简单介绍研究的背景、目的和意义，可以阐述研究问题的重要性和现实应用，引出论文的研究内容。2. 问题描述在问题描述中，需要准确明确研究的问题，并对问题进行详细的描述。需要注意的是，问题描述需要清晰明了，表述精准，可以用图表等方式辅助描述，以便读者更好地理解问题。3. 模型建立在模型建立中，需要提出适合于解决研究问题的模型，并对模型进行详细的介绍和推导。需要注意的是，模型建立需要符合实际情况，并且需要考虑到模型的可行性和实际操作性。4. 模型求解在模型求解中，需要对建立的模型进行求解，并对求解结果进行分析和讨论。需要注意的是，模型求解需要使用合适的数学方法和工具，并且需要对求解过程进行详细的记录和说明。5. 结果分析在结果分析中，需要对求解结果进行详细的分析和讨论，包括结果的准确性、合理性和实际意义等方面。需要注意的是，结果分析需要与研究问题密切相关，并且需要结合实际情况进行分析。6. 结论和展望在结论和展望中，需要对研究结果进行总结，并对未来研究方向进行展望。需要注意的是，结论和展望需要简明扼要，表述清晰，具有实际意义和指导意义。7. 参考文献在参考文献中，需要列出论文中引用的所有文献，包括已发表的文献和未发表的文献。需要注意的是，参考文献需要符合学术规范，并且需要详细记录文献的相关信息。
求识别不同年龄人脸数学建模
人脸识别对技术要求和设备成本投入非常高，加之国外已经对相关技术形成垄断，以及传统的人脸识别技术无法适应使用环境的变化。例如：光线、姿态、表情等不同的变化因素，导致人脸识别长时间无法普及应用。
在实际应用中，要注意以下几个重要问题：
● 年龄变化
不同年龄的人脸有较大的差别。身份证是以前照的，在逃犯的照片也是以前的，因此，在公安部门的实际应用中，年龄问题是一个最突出的问题。
● 姿态变化
这一问题在活动人脸的识别中更为突出。一般的，主要测试左右角度的识别率。当前的水平是：±10o可以达到较高的识别率。
● 不同介质
采集人脸图像的设备较多，主要有扫描仪(照片)、数码相机、摄像机。由于成像的机理不同，形成了同类人脸图像的识别率较高而不同类别间人脸图像的识别率较低的情况。随着人脸识别技术的发展，这一问题也将逐步得到解决。
(2)识别速度
识别速度有两种，一种是基于文件的，即把特征存成文件，在文件级进行比对。另一种是基于数据库的，如在oracle数据库中进行比对，在数据库中存有详细的人员档案由此可以进行图文混合查询，而借助图文混合查询，可以提高查中率。基于文件的比对速度可以达到20万人/秒;基于数据库的，单服务器的比对速度可以达到1万人/秒。
这两种方式各有特点，目前的研究是将两者的优点结合在一起，以实现高速、高识别率的人脸识别。活动人脸的识别要求系统有较高的识别速度。其中包括人脸检测的速度以及人脸的识别速度。在40ms内可以实现人脸检测，在10万人的数据库中，2秒内完成从人脸检测定位到人脸识别的全过程，应能满足大多数实际应用的要求。
人脸识别系统市场用前景广阔
如今的人脸识别技术已进入了实化阶段，该技术目前在我国的公安、安全、海关、金融、军队、机场、边防口岸、安防等领域也得到了很广泛的应用。
有专家进一步指出，人脸识别的全面应用时代已经到来。在科技界，人脸识别认证由于非侵犯性好、安全性高、无论室内还是户外均可使用等特性，一直比“认卡不认人”的IC卡更具发展前景。再加上去年占有全球80%非接触IC卡市场份额的恩智浦半导体、其MIFARE one加密算法被成功破解所带来的巨大危机，更让人们意识到人脸识别技术的优势所在。
中国是拥有世界上第一庞大人口基数的人口大国。人脸识别应用的发展潜力在现阶段的中国显的尤为重要，我国拥有巨大的人口基数，以及越来越频繁的流动性，14亿人口的管理，如何充分利用信息技术进行有效的身份认证，一直都是我们关注的焦点。
目前，拥有中国领先的人脸识别技术核心算法的有中科院、哈工大，另外一家深圳专做人脸识别技术的公司—科葩信息技术有限公司。人脸识别的应用纷纷进入到各个行业，也为我们的生活带来了诸多的方便。
为学习数学建模打基础，需要学习哪些数学作为基础？
1.基础：高等数学、线性代数、概率论与数理统计\x0d\x0a2.专业方面：运筹学（主要针对最优化问题），其他数学建模用书（主要看方法，例如层次分析法等）\x0d\x0a3.软件方面：lingo、matlab、origin等\x0d\x0a5.美赛还要看翻译（所以专业英语要好好学）、排版比较重要\x0d\x0a总结：数学建模不是纯粹的数学知识，有时候数学建模用的数学知识很少，所以要了解建模过程，掌握建模方法（方法非常重要）。平时多看一些特等奖的建模论文，你会有意想不到的收获
数学建模怎么学
问题一：怎样学习数学建模 先学习高等数学，然后是运筹学，概率论与数理统计，数学建模用到的软件一般是LINGO，MATLAB，SPSS，你可以经常上建模的网站上面看看，这方面的网站数学中国不错，还有其他的，你可以自己找一下，上面有很多高手，有什么不懂的也都可以问，而且那里的资料也很多，你可以下载来看看。
问题二：数学建模怎么做啊？ 刚参加完九月份的全国大学生数学建模竞赛。一份基本的的数学建模论文要包含以下几个方面：
摘要，问题的背景与提出，问题的分析，模型的假设，符号说明，模型的建立与求解，模型的评价与推广，参考文献。
正规的数学建模论文篇幅一般在20页以上。考虑到你读初三，老师的要求不会这么高，而且你的能力应该还有所欠缺。我的建议为你按照自己实际情况选择一个有一定挑战性的题目，题目的性质类似于应用题，但又和普通的应用题不同，可以没有确定答案，针对问题本身做一些分析和探讨，最好能和实际相结合。
要注意的是假设要合理，要有数学模型（包括一些方程，不等式等），要有分析思路，并且要对自己建立的模型进行优缺点评价，最好能做相应推广。
问题三：数学建模怎么学习？ 可以啊!填报名表时写上三个人的名字就可以了，自己交报名费，什么指导老师之类的都是虚的，今年的比赛时间是9月9号8:00----9月12号8:00，早点准备哦!
问题四：1.什么是数学模型？数学建模的一般步骤是什么？ 2.数学建模需要具备哪些能力和知识？ 答的好悬赏加 100分 数学建模是利用数学方法解决实际问题的一种实践.即通过抽象、简化、假设、引进变量等处理过程后,将实际问题用数学方式表达,建立起数学模型,然后运用先进的数学方法及计算机技术进行求解.
数学建模将各种知识综合应用于解决实际问题中,是培养和提高学生应用所学知识分析问题、解决问题的能力的必备手段之一.
数学建模的一般方法和步骤
建立数学模型的方法和步骤并没有一定的模式,但一个理想的模型应能反映系统的全部重要特征：模型的可靠性和模型的使用性.建模的一般方法：
机理分析：根据对现实对象特性的认识,分析其因果关系,找出反映内部机理的规律,所建立的模型常有明确的物理或现实意义.
测试分析方法：将研究对象视为一个“黑箱”系统,内部机理无法直接寻求,通过测量系统的输入输出数据,并以此为基础运用统计分析方法,按照事先确定的准则在某一类模型中选出一个数据拟合得最好的模型.测试分析方法也叫做系统辩识.
将这两种方法结合起来使用,即用机理分析方法建立模型的结构,用系统测试方法来确定模型的参数,也是常用的建模方法.
在实际过程中用那一种方法建模主要是根据我们对研究对象的了解程度和建模目的来决定.机理分析法建模的具体步骤大致如下：
1、 实际问题通过抽象、简化、假设,确定变量、参数；
2、 建立数学模型并数学、数值地求解、确定参数；
3、 用实际问题的实测数据等来检验该数学模型；
4、 符合实际,交付使用,从而可产生经济、社会效益；不符合实际,重新建模.
数学模型的分类：
1、 按研究方法和对象的数学特征分：初等模型、几何模型、优化模型、微分方程模型、图论模型、逻辑模型、稳定性模型、统计模型等.
2、 按研究对象的实际领域（或所属学科）分：人口模型、交通模型、环境模型、生态模型、生理模型、城镇规划模型、水资源模型、污染模型、经济模型、社会模型等.
数学建模需要丰富的数学知识,涉及到高等数学,离散数学,线性代数,概率统计,复变函数等等基本的数学知识.同时,还要有广泛的兴趣,较强的逻辑思维能力,以及语言表达能力等等.
参加数学建模竞赛需知道的内容
一、全国大学生数学建模竞赛
二、数学建模的方法及一般步骤
三、重要的数学模型及相应案例分析
1、线性规划模型及经济模型案例分析
2、层次分析模型及管理模型案例分析
3、统计回归模型及案例分析
4、图论模型及案例分析
5、微分方程模型及案例分析
四、相关软件
1、Matlab软件及编程；2、Lingo软件；3、Lindo软件。
五、数模十大常用算法
1. 蒙特卡罗算法。2. 数据拟合、参数估计、插值等数据处理算法。3. 线性规划、整数规划、多元规划、二次规划等规划类算法。4. 图论算法。5. 动态规划、回溯搜索、分治算法、分支定界等计算机算法。6. 最优化理论的三大非经典算法。7. 网格算法和穷举法。8. 一些连续数据离散化方法。9. 数值分析算法。10. 图象处理算法。
六、如何查阅资料
七、如何写作论文
八、如何组织队伍：团队精神，配合良好，不断的提出问题和解决问题。
九、如何才能获奖：比较完整，有几处创新点。
十、如何信息处理：WORD、LaTeX，飞秋、QQ。
其实主要看下例子就可以了，知道一些基本的模型，我这里也有很多例子，各个学校的讲座都有要的话直接向我要...>>
问题五：学习数模需要具备哪些知识 参加数学建模竞赛需知道的内容
一、全国大学生数学建模竞赛
二、数学建模的方法及一般步骤
三、重要的数学模型及相应案例分析
1、线性规划模型及经济模型案例分析
2、层次分析模型及管理模型案例分析
3、统计回归模型及案例分析
4、图论模型及案例分析
5、微分方程模型及案例分析
四、相关软件
1、Matlab软件及编程；2、Lingo软件；3、Lindo软件。
五、数模十大常用算法
1. 蒙特卡罗算法。2. 数据拟合、参数估计、插值等数据处理算法。3. 线性规划、整数规划、多元规划、二次规划等规划类算法。4. 图论算法。5. 动态规划、回溯搜索、分治算法、分支定界等计算机算法。6. 最优化理论的三大非经典算法。7. 网格算法和穷举法。8. 一些连续数据离散化方法。9. 数值分析算法。10. 图象处理算法。
六、如何查阅资料
七、如何写作论文
八、如何组织队伍：团队精神，配合良好，不断的提出问题和解决问题。
九、如何才能获奖：比较完整，有几处创新点。
十、如何信息处理：WORD、LaTeX，飞秋、QQ。
其实主要看下例子就可以了，知道一些基本的模型，我这里也有很多例子，各个学校的讲座都有要的话直接向我要
问题六：数学建模是什么? 数学建模的详细定义网上多的我就不阐述了，说一点其他的~~
数学的主要发展方向是数学结合计算盯。运用数学的算法结合计算机技术解决实际问题，将来你会比单纯学计算机的水平高出一个档次，因为你的算法比他们的先进。而这也就是数学建模竞赛的主要考察的。
数模比赛的含金量也是比较高的，你参加比赛得了名次，完全可以证明你是有一定实力的~~
你担心数学成绩不好，其实是没有必要的，我参加过几次比赛，用的数学知识并没有很高深，高中数学也能解决很多问题了，主要就是优化，模拟，我觉得考验个人思维能力多一点，况且数学、计算机、写作三个方面呢，你只要有一方面特长就可以了~~
如果你去参加比赛，真的会给你很多收获，学到很多新知识不谈，还会让你了解原来学的东西可以这么用在生活中，会提起学习的兴趣，真的，我强烈建议你去学一些~~参加比赛~~如果还有其他问题你可以问的呵呵~~~我建模和写作都弄过，编程差点~~
问题七：学习数学建模看哪本书最好 数学建模感想
纪念逝去的大学数学建模：两次校赛，两次国赛，两次美赛，一次电工杯。从大一下学期组队到现在，大三下学期，时间飞逝，我的大学建模生涯也告一段落。感谢建模路上帮助过我的学长和学姐们，滴水之恩当涌泉相报，写下这篇感想，希望可以给学弟学妹们一丝启发，也就完成我的想法了。拙劣的文笔，也不知道写些啥，按顺序随便写写吧。
我是怎么选择建模的：
大一上，第一次听到数学建模其实是大一上学期，not大一下学期。某次浏览网页偶然发现的，源于从小对数学，哲学以及历史的崇敬吧（虽然大学没敢选择其中任何一个专业，尤其是数学和哲学，怕太难了，学不好），我就坚定了学习数学建模的想法。通过翻阅学校发的学生手册还是神马的资料，发现我们学校有数学建模竞赛的。鉴于大一上啥数学知识都没有，也就没开始准备，把侧重点放在找队友上。 一次打乒乓球，认识了两位信电帅哥，以后也会一起打球。其中一位（M）很有学霸潜质，后来期末考试后，我打听了他的高数成绩，果然的杠杠滴，就试探性的问了下，要不要一起参加建模，嗯，成功！
第二位队友是在大一上学期认识的（向她请教了很多关于转专业的事情），但是是第二学期找她组队的。老样子，打听成绩，一打听吓一跳，是英语超好，微积分接近满分的女生F（鄙人第二学期转入了她的学院）。果断发送邀请，是否愿意一起组队，嗯，成功。
关于找队友：在信息不对称的情况下，优先考虑三人的专业搭配，比如或信电的小伙伴负责编程和理工科题建模，经济金融统计负责论文和统计建模，数学计算专业的全方位建模以及帮忙论文，个人感觉这样子比较好。由于建模粗略地可以分为建模，编程，论文，三块，整体上是一人负责一块的，但是绝对不能走极端，每个人就单单的负责一块，这样子的组合缺乏沟通和互动。应该要在培训中磨合，结合每个人的个人特点。主要负责哪几块，辅助哪几块。
接下来就到了第一次校赛了：第一次还是挺激动的，因为之前问了几个学长学姐说，建模都是要通宵的，于是我们也做好了通宵的准备。第一次拿到的题目是关于一个单位不同工作部门不同饮食习惯的人，健康水平的关系。 后来回顾过来，这其实是一个比较简单的统计分析题。但是想当年可没有这等觉悟，做题全靠office，对着题目想半天也不知道该怎么做。做的过程很痛苦，但是也很兴奋，校赛三等奖的结果证明了光有一股热情是不行的，需要恶补大量知识。
推荐新手入门书目：
数学模型(姜启源、谢金星)
数学建模方法与分析.(新西兰)Mark.M．Meerschaert.
第一本是姜老先生写的，很适合新手，在内容编排上也是国产风格，按模型知识点分类，一块一块讲，面面俱到。第二本是新西兰的，我是大二的时候看这本书的，只看了前面一部分。发现这本书挺适合新手，它是典型的外国教材风格，从一个模型例子开始，娓娓道来，跟你讲述数学建模的方方面面，其中反复强调的一个数学建模五步法，后来细细体会起来的确很有道理，看完大部分这本书的内容，就可以体会并应用这个方法了。（第一次校赛，就是因为五步法的第一步，都没有做到）。对了，还有老丁推荐的一本，美利坚合众国数学建模竞赛委员会主席Giordano写的A first course in mathematic modeling，有姜启源等翻译的中文版，but我没能在图书馆借到，所以没看过，大家有机会可以看看。
怎么建模
第一次国赛前的放假开始学校培训，我提前借了一大堆书，把卡都借满了。第一次国赛前的那次培训，对我而言，这段时期是收获最大的时期，比其他任何时间段都来得大。
这段时间内，我们三个人都很辛苦。白天培训要学习很多知识，完了只能休息......>>
