数学建模的一般步骤供学习用.doc

《数学建模的一般步骤供学习用.doc》由会员分享，可在线阅读，更多相关《数学建模的一般步骤供学习用.doc（33页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、一、问题重述： 二、条件假设： 三、符号说明： 四、问题分析： 五、模型建立： 六、模型求解： 七、结果分析： 八、模型改进： 九、模型评价： 十、参考文献：数学建模的一般步骤 数学模型是一种概念符号模型。对数学模型可以做两种理解：一种是数理逻辑和数学基础中的；另一种是应用数学中的。建立数学模型以解决现实问题一般要经过以下几个步骤： 首先，要充分搜集现实原型的资料，数据，分析它的状态，性质，变化规律，特征，结构，建立经验定律，提出理论假说。 其次，建立数学模型。这一过程包括什么是所需要解决的问题的主要方面，什么是次要方面，什么是本质，什么是无关紧要的，以及探寻用什么数学语言，符号，结构来表示所

2、研究的问题或经验定律的结构，即要使数学模型结构（主要是概念，关系，公理等）尽可能及原型的概念，结构相吻合。 第三步，解决数学模型所提出的数学问题。 第四步，以原型的数据检验数学模型并对数学解决做出解释和评价。一般认为，评价一个数学模型的科学价值取决于该模型的预测及观察数据的一致程度。应该指出的是，正常情况下，建立模型是一个多次反复的过程，是在不断地根据原型修正模型的过程中使两者趋于一致。 另外，对于同一个客观事物可以有多种数学描述，即可建立不同的数学模型，因此有必要在若干模型中选择一个最简单，最恰当，最易于进行数学处理的模型。 可简写为： 数学模型的建立和选择【关 键 字】【摘 要】【正 文】

3、一、从信息原型到数学模型二、数学模型的建立 2.1 机理分析法 2.1.1直接建模法 2.1.2套用常用模型法 2.1.3针对修改常用模型法 2.1.4 综合创造法 2.2 统计分析法三、数学模型的选择四、总结【附 录】【程 序】【参考书目】【关键词】信息原型 数学模型 数学建模【摘 要】本文主要探讨的是信息学竞赛中解题的关键：数学模型的建立和选择。首先分析了从信息原型到数学模型的重要性，提出了解题的简单过程：现实理论现实。然后将数学模型的建立方法分为机理分析法和统计分析法两类，并着重分析了在竞赛中常用的机理分析法建模。接着，文章又对数学模型的选择做了一些必要的概述，得出一些模型选择的原则。最

4、后，根据整篇文章探讨的结果得出了数学模型建立和选择的一般方法。【正 文】一、什么是数学模型和数学建模随着科学技术的飞速发展和知识经济社会的到来，“数学模型”和“数学建模”这两个词汇越来越多的出现在现代人的生产、工作和社会活动中。所谓数学模型，它可以描述为：对现实中提出的某个问题，用数学的观念、思想去观察、解释和表示事物的数量关系、空间形式，经过深入分析之后，做出一个及实际问题相吻合的数学模型。在模型上进行数学求解之后，给数学问题做出现实解释。这种建立数学模型解决实际问题的方法，就是数学建模。随着数学广度和深度向一切领域渗透，以及电子计算机的飞速发展，数学建模越来越受到人们的重视。除了在一般工程

5、技术领域，数学建模仍然大有用武之地外，在高新技术领域，数学建模几乎是必不可少的工具(大家熟知的医学上的CT 技术，印刷出版界的激光照排技术就是数学建模的产物) 。在诸如经济、人口、生态、地质、体育等非物理领域，当用数学方法研究其定量关系时，数学建模就成为首要的、关键的步骤和这些学科发展及应用的基础。数学模型是为了一定的目的，对客观事物的一部分进行简缩、抽象、提炼出来的替代物，数学模型集中反映了模型中人们需要的那一部分特征。数学建模是运用数学思想、方法和知识解决实际问题的过程，现已成为不同层次数学育重要和基本的内容。数学模型是指用数学语言描述了的实际事物或现象。它一般是实际事物的一种数学简化。它

6、常常是以某种意义上接近实际事物的抽象形式存在的，但它和真实的事物有着本质的区别。要描述一个实际现象可以有很多种方式，比如录音，录像，比喻，传言等等。为了使描述更具科学性，逻辑性，客观性和可重复性，人们采用一种普遍认为比较严格的语言来描述各种现象，这种语言就是数学。使用数学语言描述的事物就称为数学模型。有时候我们需要做一些实验，但这些实验往往用抽象出来了的数学模型作为实际物体的代替而进行相应的实验，实验本身也是实际操作的一种理论替代。 二、数学模型及数学建模的关系从信息原型到数学模型大千世界中，我们所面对的形形色色的事物都是由许多信息构成的。这些现实世界中对客观问题表面的自然语言描述，称为信息原

7、型。信息原型本身是由扑朔迷离的信息构成，我们无法直接从信息原型入手找到问题的答案。为此，我们就需要一种方法来“改造”信息原型，使之既具有原来的重要属性，也具有可研究性。于是，我们试图将信息原型的属性一起转移到一个模型中。模型即是对客观问题属性的模拟。显然，这个对应出的模型可以说是信息原型的代表。我们就可以对这个模型进行研究。在实际问题中，我们期望运用数学方法将信息原型对应到模型上去呢？我们。这样对应出的模型即具有原问题的属性又具有数学的可研究性。我们称之为数学模型。数学模型：运用数学语言对信息原型通过抽象加以翻译归纳的产物叫做数学模型。信息原型是现实的问题，对应到的数学模型又是理论上的模型，对

8、该模型进行研究使我们得出了现实问题的解。这就是信息学竞赛中解题的简单过程：现实理论现实。如图一所示：为了能快速地从信息原型得到信息原型的解，在整个分析解题的过程中，从信息原型到数学模型的这一转变过程至关重要。根据图一，我们称该过程为建模：利用数学思想将信息原型转化成数学模型的过程。信息原型数学模型信息原型解建模算法决策图 一下面，我们就将讨论：如何从信息原型到数学模型。一、 数学模型的建立从实践中积累的经验，我们知道，建模没有固定的套路可言，方法比较多样化。但总的来说一般分为机理分析法和统计分析法两大类。2.1 机理分析法【定 义】机理分析法：根据客观事物的特性，分析其内部的机理，弄清关系，在

9、适当抽象的条件下，利用合适的数学工具得到描述事物属性的数学模型的方法。【图表描述】我们在信息学竞赛中常用这种方法建立模型，然后根据所对应的算法求出解。如图二所示：信息原型数学模型理论算法问题的解机理分析法算法的执行图二理论对应由信息原型，我们运用机理分析法通过抽象建模得出数学模型，再根据得出的数学模型理论对应到算法，编程实现，通过算法的执行得到问题的解。【分 类】机理分析法也是多种多样的，我们在实际竞赛中往往各种机理分析方法混用，所以分类比较困难。根据建模的几个不同层次特点，一般将其分为四类：2.1.1直接建模法【诠 释】当信息原型比较简单，其属性显而易见时，我们通常用直接建模法。该方法可以说

10、是将信息原型的显而易见的属性按数学方法综合起来得出模型。这个得到的数学模型针对性强，不具有普遍意义。【分 析】实际上，该直接建模法是一种创造。但思维比较简单，没有理论上的新发现，我们称为一级创造。例如NOI97的竞赛排名一题，信息原型的各个属性十分明确，题目本身也有一定的抽象程度，性质大都由数学语言描述，更有利于我们直接建立简单的模型解题。在竞赛中我们一般遇到的这类题目主要考察我们怎样较好地将信息原型已知的属性按数学方法综合起来。建模方法既然有创造，就有摹仿。我们还经常摹仿已知的模型来建模。下面就要介绍两种摹仿建模的方法。2.1.2套用常用模型法【诠 释】建模时，我们抽象数学模型的方向往往向已

11、知的常用模型上靠拢，而且一旦符合，就直接建立已知的模型，并且完全套用其算法。【举例分析】下面我们就结合NOI99 的01串问题进行分析。例1 01串问题 2 这道试题信息原型很好地将数学模型遮掩了起来，使我们比较难从中理出头绪。首先还是来分析一下该题的信息原型的主要属性：设序列S为问题的一个解，则其一定满足：1. si=0或si=1，1=i=N；2. 对于S的任何连续的长度为L0的子串sjsj+1sj+L0-1(1=j=N-L0+1)，0的个数大于等于A0且小于等于B0；3. 对于S的任何连续的长度为L1的子串sjsj+1sj+L1-1(1=j=N-L1+1)，1的个数大于等于A1且小于等于B

12、1。显然，上述的属性描述运用的是自然语言，不抽象，更无法运用数学知识进行研究。我们期望将信息原型继续转化。这就运用到常用的“求部分和序列”技术。根据一个序列S来构造一个序列T，满足：易知，S和T是一对一的映射关系。对于序列S，我们总结出三个条件要被满足，那么对应到序列T，就应满足如下条件：1. 0 Ti-Ti-1 1(1iN)2. A0 L0-(Tj+L0-Tj) B0(0jN-L0)3. A1 Tj+L1-Tj B1(0jN-L1)显然，同上面的自然语言描述相比，序列T应满足的条件充分运用了数学语言描述，比信息原型是大大抽象了。但我们仅完成了建模的第一步，对信息原型用适当的数学语言进行了描述

13、。问题仍然难以求解。我们面临的问题是求解不等式组。这使我们联想到IOI97中国组队赛的“工程规划”一题。本题是不是求最短路径问题呢？有了这个猜测，我们不禁要往该方向上进行分析。求最短路径问题是基于图的基础上的。我们就要想方设法将信息原型对应到图论中的模型上去。（一级摹仿的体现）注意到序列T应满足条件的三个不等式，每个不等式都只涉及到两个变量。这就可以对应到图中的边：两个点表示两个变量，两个点之间的边表示变量之间的关系（即不等式）。从一个点Vi发出的边可能如下图三所示： -(L0-B0) L0-A0 0 1 -A1 图三 B1ii+1i-1i+L0i+L1i-L0i-L1这就构造出了一个图。令T

14、0=0，Ti=图中V0到Vi的最短路径长度。问题就迎刃而解了。求最短路径时，有负边，我们就采用迭代法。一个图论模型就这样建立了，同时，我们也对应找到了有效算法（附程序Sequence.pas）。【小 结】解这道题目，我们用的是“套用常用模型方法”。联想到已知的模型，从而成为我们分析的方向。然而我们在建模时一味摹仿，模型和算法都没有任何独特之处。所以，我们的这种摹仿方法还是比较低级的，称之为一级摹仿。一级摹仿是我们常用的建模方法，我们运用它将信息原型和常见的已知模型对应，但这在某种程度上限制了我们的创造力，同时，建立的模型往往生搬硬套，欠缺应变改进能力。我们期望在摹仿Page: 10过渡中加入自

15、己的创造因素，使模型具有针对信息原型的独特属性。这就是我们将要分析的第三种机理建模法：针对修改常用模型法。2.1.3针对修改常用模型法【诠 释】一个信息原型一定有它独特的属性。所以，我们要适当修改套用的常用模型，将独特的属性加入，以试图优化模型和算法 3 。【举例分析】下面我们来简单分析一下如何有效掌握利用信息原型的属性。例2 求第k大的数已知n个数字各不相同，求其中第k大的数是多少？ （1=k=nk的时候，第k大的数一定在左边部分，右边部分就不用继续排序了；当x(n2+(m+n)n-(n+m)2)2=1=(n2+mn+n2-n2-2mn-m2)2=1=(n2-mn-m2)2=1 成立以上各步

16、可逆，所以当(n,m)是方程(n2-mn-m2)2=1的一组解时，(n+m,n)一定是方程的另一组解 该推理证明为作者自己证明，若有错误之处，还请指正。（附程序max.pas）【小 结】原本奇妙的信息原型在简单的测试数据面前被揭开了神秘的面纱。这道题目正是统计分析法的有效运用。但要注意到，不是每个信息原型都能用统计分析法建模：因为我们有时候根本无法求出问题的部分解，或者无法根据问题的部分解用数理统计知识加以分析。所以，在图五中，这两个过程我们用的是虚线。统计分析法虽然在近年来的竞赛中出现次数不多，但作为及机理分析法相对的一大类方法，在其他众多领域广泛运用，其应用于信息学的潜力也是巨大的。分析完

17、以上两种方法，我们脑海中显然已经有这么一个思想：既然有多个建模方法，建立的模型也多种多样，那如何选择呢？下面，我们就简单讨论一下如何选择数学模型。二、 数学模型的选择【理论描述】信息原型就好比一个“黑匣子”，我们在里面进行盲人Page: 17盲人摸象似的探索。角度多种多样，建立数学模型Page: 17 还是有所区别的。如果一个信息原型能对应多个数学模型（如图六所示），这时，我们就面临抉择。当然，我们期望所选择的模型是最好的。那么这就涉及到对模型的评价问题。我们在竞赛中建立模型后要对应到算法，那么对一个数学模型评价自然要着重于其对应算法的好坏。 图 六信息原型机理分析统计分析数学模型1数学模型2

18、数学模型3理论算法信息原型的解算法执行选择其一一般地，评价一个数学模型有以下几个原则：1 时间复杂度一个好的算法一般效率比较高。在竞赛中，试题常常会做一些算法运行时间上的限制。这就要求我们所建立的数学模型对应算法的效率一定要符合要求。这也是最重要的一个原则。2 空间复杂度出于计算机自身的限制，程序在运行时一般只被提供500k的内存空间。这也就要求我们建立模型时顾及到这一点。但对于模型对应的算法来说，并不是要求空间越低越好，只要不超过内存限制就可以了。3 编程复杂度相对而言，“编程复杂度”的要求要略低一些。但是在竞赛中，如果建立的算法实现起来十分繁琐，自然不利于比赛。所以，在建立模型时（特别是在

19、竞赛中）这点也要纳入考虑之中。【分类分析】面对多种数学模型的选择，大致下有两种情况：1 同种思想方法的不同实现方法例如IOI99的CODES一题，同样是动态规划的思想，却有两种不同的实现方法，这两种截然不同的动态规划算法各有千秋。2 不同思想方法的各种实现方法通常来说，有向无环图中的费用流问题在理论上都可以用动态规划来解决。这就造成了可能一道题目对应两种截然不同的思想算法：动态规划和最大流。当我们面对一道题目既可以用动态规划又可以用最大流的时候，我们一般选取动态规划算法。原因在于，最大流算法的实现是比较困难的，而且在图的建立方面要花费很大功夫，例如IOI93的最佳旅行路线一题，邵铮同学所出的艺

20、术品出售一题，都是既可用动态规划又可用最大流解决的。当然，这里不同的思想方法并不仅仅局限于动态规划和最大流，还包括许多其他的思想方法，例如最小生成树有有两种经典的思想方法。这还是要针对实际情况针对分析。【小 结】实际上，多种数学模型的选择主要考察的是选手对所要建立的模型的时空复杂度分析能力。在竞赛中，我们很少一下建立几个模型然后从中选择（因为时间不允许），而是在分析中，选择一个较好地建模方向。比如我们发现一道题目可能对应几种不同思想的模型，就要根据评价模型的标准来衡量一下，确定一个模型作为分析方向。这时的评价标准除了上述的时间、空间、编程三个标准外，还要加上一个思维的复杂度。所谓思维的复杂度，

21、是指思考所耗费的时间和精力。如果我们确定了一个模型作为分析的方向（没有考虑思维复杂度），从信息原型到该数学模型的建模过程却十分复杂，导致思维耗费时间长，精力多，那自然是不好的。就像上面的例子一样，面对最大流和动态规划两个模型，我们不用最大流，原因还在于其思维的复杂度。最大流所对应的图，点，边，流量，费用等等的意义确定是十分麻烦的，相反，动态规划模型我们较为熟悉，建模的思维复杂度小，因而颇受青睐。总的来说，对于多种数学模型的选择，我们遵循“边分析，边选择，四个标准来衡量”的原则。三、 总 结通过上面的分析，我们大体已经得出了建立数学模型的过程。将上面几幅图结合起来，得到的图七就充分展现了建模解题

22、的过程。我们甚至可以说，解决一个题目就是求图七中从“信息原型”到“全集I”的“最优路径”。信 息 原 型数学模型A数学理论上的对问题的分析、控制和决策（即理论算法）。？某种方法机理分析法1；机理分析法2； 图七算法执行理论对应数学模型B数学模型C全集I部分解集A数理统计经过选择运用机理分析法建立一个正确高效的数学模型一般按如下步骤进行：1 用自己的语言复述问题这实际上是从自然语言上对信息原型的转化，有利于我们抓住其主要属性；2 用数学的语言复述问题我们抓住了信息原型的主要属性，接着用数学语言描述出来。实际上是将信息原型进行抽象，以建立适当的数学模型；3 联想有关的知识事实上，当我们用数学语言描

23、述信息原型时，如果所得结果简单明了，可以直接形成算法或构造简单模型。我们就运用机理分析法一来解决了（即一级创造）。如果不行，则需要“联想有关知识”。这实际上是往“一级摹仿”靠近。主要联想的是相似的信息原型或存在关系的已知数学模型。4 推出有用的事实如果联想到的知识可以帮我们建立数学模型。那么，我们自然可以套用算法解题了。但进一步延伸下去，也就是达到“二级摹仿”。我们针对该信息原型的特有属性，得出某些“有用”的事实来改进优化模型和算法。5 大胆的创造当然，通过以上四步，我们能够较好的建立一个正确高效数学模型就不错了。但通过上述四步，我们很可能在脑海中酝酿着模糊的新模型。不要埋没它，大胆的创造，很

24、有可能建立一种新的具有广泛适用性的模型或一套新的方法体系。这也就是我们所说的“二级创造”。当然，还有统计分析法。一般来说，我们先用机理分析法进行分析，如果机理分析进行不下去的时候在用统计分析法。还有就是当问题的数学性强，容易找到部分简单解的情况下，我们优先考虑统计分析法。事实上，往往我们的机理分析得出的某些结论会有效的运用于统计分析法；而统计分析法得出的某些规律也可能被运用到机理分析当中。所以，这两者并不是相对孤立的。我们在建模的时候也完全可以将两者混用。建立完模型，我们任务才完成了一半。如果可建立的模型有多个，还要根据各个模型的时间，空间，编程三个复杂度来选择。最后还要反复不断的将整个模型完

25、善。这才真正建立完一个准确高效的数学模型。【附 录】1 属性，即一个事物不可缺少的性质。在这里指的是决定信息原型的一切机理特征。2 01串题目给定7个整数N,A0,B0,L0,A1,B1,L1，要求设计一个01串S=s1s2sisN，满足： A. si=0或si=1，1=i=N； B.对于S的任何连续的长度为L0的子串sjsj+1sj+L0-1(1=j=N-L0+1)，0的个数大于等于A0且小于等于B0; C.对于S的任何连续的长度为L1的子串sjsj+1sj+L1-1(1=j=N-L1+1)，1的个数大于等于A1且小于等于B1; 输入A0,B0,L0,A1,B1,L1（3=N=1000，1=

26、 A0=B0=L0=N，1=A1=B1=L1=N）。 输出仅一行，若不存在满足所有条件的01串，则输出一个整数-1，否则输出一个满足所有条件的01串。3 这样的优化在是在时间，空间以及编程复杂度这三者上的优化。4 注意整篇论文所讨论的是模型的建立，而我们认为的所有模型对应的算法是将穷举排除在外的。因为，如果说穷举是属于统计分析法的话，那通过它求得的解集A则有A=I，这就跳过了数学模型建立直接达到目的了。我们所讨论的统计分析法是基于AI的前提条件下的。所以穷举以及枚举式的搜索不在讨论范围内。【参考书目】1数学思维能力的训练 广东人民出版社 19922IOI98 中国集训队优秀论文集 IOI中国集

27、训队信息学奥林匹克编辑部 19993沈继红 施久玉等编著 数学建模 哈尔滨工程大学出版社 19984王树禾 编著 数学模型基础 中国科学技术大学出版社 19975徐利治 编著 数学抽象及数学抽象方法 1990 模型的建立在作出假设后，我们就可以在论文中引进变量及其记号，抽象而确切地表达它们的关系，通过一定的数学方法，最后顺利地建立方程式或归纳为其他形式的数学问题，此处，一定要用分析和论证的方法，即说理的方法，让读者清楚地了解得到模型的过程上下文之间切忌逻辑推理过程中跃度过大，影响论文的说服力，需要推理和论证的地方，应该有推导的过程而且应该力求严谨；引用现成定理时，要先验证满足定理的条件。论文中

28、用到的各种数学符号，必须在第一次出现时加以说明。总之，要把得到数学模型的过程表达清楚，使读者获得判断模型科学性的一个依据。 （三）模型的计算及分析把实际问题归结为一定的数学问题后，就要求解或进行分析。在数值求解时应对计算方法有所说明，并给出所使用软件的名称或者给出计算程序（通常以附录形式给出）。还可以用计算机软件绘制曲线和曲面示意图，来形象地表达数值计算结果。基于计算结果，可以用由分析方法得到一些对实践有所帮助的结论。有些模型（例如非线性微分方程）需要作稳定性或其他定性分析。这时应该指出所依据的数学理论，并在推理或计算的基础上得出明确的结论。在模型建立和分析的过程中，带有普遍意义的结论可以用清

29、晰的定理或命题的形式陈述出来。结论使用时要注意的问题，可以用助记的形式列出。定理和命题必须写清结论成立的条件。数学建模意义数学，作为一门研究现实世界数量关系和空间形式的科学，在它产生和发展的历史长河中，一直是和人们生活的实际需要密切相关的。作为用数学方法解决实际问题的第一步，数学建模自然有着及数学同样悠久的历史。两千多年以前创立的欧几里德几何，17世纪发现的牛顿万有引力定律，都是科学发展史上数学建模的成功范例。 进入20世纪以来，随着数学以空前的广度和深度向一切领域渗透，以及电子计算机的出现及飞速发展，数学建模越来越受到人们的重视，可以从以下几方面来看数学建模在现实世界中的重要意义。 (1）在

30、一般工程技术领域，数学建模仍然大有用武之地。 在以声、光、热、力、电这些物理学科为基础的诸如机械、电机、土木、水利等工程技术领域中，数学建模的普遍性和重要性不言而喻，虽然这里的基本模型是已有的，但是由于新技术、新工艺的不断涌现，提出了许多需要用数学方法解决的新问题；高速、大型计算机的飞速发展，使得过去即便有了数学模型也无法求解的课题（如大型水坝的应力计算，中长期天气预报等）迎刃而解；建立在数学模型和计算机模拟基础上的CAD技术，以其快速、经济、方便等优势，大量地替代了传统工程设计中的现场实验、物理模拟等手段。 (2）在高新技术领域，数学建模几乎是必不可少的工具。 无论是发展通讯、航天、微电子、

31、自动化等高新技术本身，还是将高新技术用于传统工业去创造新工艺、开发新产品，计算机技术支持下的建模和模拟都是经常使用的有效手段。数学建模、数值计算和计算机图形学等相结合形成的计算机软件，已经被固化于产品中，在许多高新技术领域起着核心作用，被认为是高新技术的特征之一。在这个意义上，数学不再仅仅作为一门科学，它是许多技术的基础，而且直接走向了技术的前台。国际上一位学者提出了“高技术本质上是一种数学技术”的观点。 (3）数学迅速进入一些新领域，为数学建模开拓了许多新的处女地。 随着数学向诸如经济、人口、生态、地质等所谓非物理领域的渗透，一些交叉学科如计量经济学、人口控制论、数学生态学、数学地质学等应运

32、而生。一般地说，不存在作为支配关系的物理定律，当用数学方法研究这些领域中的定量关系时，数学建模就成为首要的、关键的步骤和这些学科发展及应用的基础。在这些领域里建立不同类型、不同方法、不同深浅程度模型的余地相当大，为数学建模提供了广阔的新天地。马克思说过，一门科学只有成功地运用数学时，才算达到了完善的地步。展望21世纪，数学必将大踏步地进入所有学科，数学建模将迎来蓬勃发展的新时期。数学建模实现了什么2005年，来自30个省（市、自治区）的795所院校的8492支参赛队伍加入了全国大学生数学建模竞赛，参赛校数和队数分别比2004年增长9.8%和23.4%。许多学校还举办了校内竞赛，有的学校多达几百

33、人参赛，使这项竞赛成为目前全国高校中规模最大的课外科技活动 大学生数学建模竞赛是我国高等教育改革的一次成功的实践，为高等学校应该培养什么人、怎样培养人，做出了重要的探索，为提高学生综合素质提供了一个范例。多位中国科学院和中国工程院院士以及教育界的专家参加过为数学建模竞赛举办的活动，对这项竞赛给予热情关心和很高的评价。 数学建模竞赛的国际效应 从1989年起我国同学参加美国大学生数学建模竞赛的积极性越来越高，近几年参赛校数、队数占到相当大的比例。复旦大学、中国科技大学、华东理工大学、清华大学、浙江大学、国防科技大学、北京大学、东南大学、东华大学、电子科技大学等相继获得最高奖。可以说，数学建模竞赛

34、是在美国发芽、而在中国开花、结果的。 从1983年开始，国际上有一个“数学建模教学和应用”的系列会议，每两年一次。从1997年起我国几乎每届会议都有代表参加，并且在北京成功地举办了第10届会议，在这些会议上多次介绍我国数学建模教学和竞赛的发展情况，怎样把数学建模的思想和方法融入到大学的主干数学课程中去的进展，得到国际同行们的关注和好评。有些国家的专家正在研究和评估我国的大学生数学建模竞赛及其对教学改革的推动。 我国大学生数学建模竞赛经过十几年迅速、健康的发展，已经在国内外产生了很大的影响，树立起了自己的品牌。这项活动必将在培养创新人才、提高学生素质、推动教育改革中取得更大的成绩。一、学建模的内

35、涵和意义20世纪下半叶以来，数学最大的变化和发展是应用，数学几乎渗透到了所有学科领域。为了适应数学发展的潮流和未来社会人才培养的需要，美国、德国、日本等发达国家普遍都十分重视数学建模教学。增加数学和其他科学、以及日常生活的联系是世界数学教育的总趋势。他们在开展数学建模活动中很重视选用数学及物理、化学、生物、美学等知识相结合的跨学科问题和大量及日常生活相联系(如投资买卖、银行储蓄、测量、乘车、运动等方面)的数学问题，参加数学建模小组的学生都认为用数学知识解决实际问题比做纯数学题更有兴趣。数学建模教学改善了教师的教和学生的学。教师要建立以人为本的学生主体观，要为学生提供一个学数学、做数学、用数学的环境和动脑、动手并充分表达自己的想法的机会，教学中注意对原始问题分析、假设、抽象的数学加工过程；数学工具、方法、模型的选择和分析过程；模型的求解、验证、再分析、修改假设、再求解的循环过程。四、一个中学建模的简要案例零存整取存款的利息是怎样计算出来的。请学生单独或组成小组，利用课余时间调查有关的银行存款和利息的