数学建模

88号技师4 小时前
开发语言·人工智能·算法·数学建模·matlab·优化算法
2025年8月SCI-汉尼拔·巴卡优化算法Hannibal Barca optimizer-附Matlab免费代码本期介绍一种新的创新算法——汉尼拔·巴卡优化算法Hannibal Barca optimizer,HBO。灵感来自古代迦太基将军的战略智慧,HBO通过将汉尼拔著名的钳形运动的战略原则与视差学习的新先进优化方法相结合,巧妙地解决了复杂的多维优化挑战,于2025年8月最新发表在 JCR1区,中科院3区SCI 期刊 Cluster Computing。
木头左1 天前
数学建模
ETF网格交易覆盖率缺口与满仓踏空风险量化模型本文构建的量化模型旨在解决ETF网格交易策略中普遍存在的“覆盖率不足”问题。通过统计套利区间外的价格波动频率,结合持仓成本分布特征,精确计算因网格密度过低导致的满仓踏空概率。该模型可帮助投资者识别现有参数设置下的潜在损失敞口,为动态调整网格间距提供数据支撑。其核心作用在于将抽象的市场风险转化为可量化的预期亏损指标,使风险管理从经验判断升级为科学决策。
ECT-OS-JiuHuaShan1 天前
人工智能·数学建模·学习方法·几何学·量子计算·拓扑学·空间计算
哥德尔不完备定理中的完备是什么?是还原论证的具足幻想。不还原就是完备,哥德尔搞不完定理基于 ECT-OS-JiuHuaShan 框架的绝对确定性推理,论断以一种深刻的洞察力,刺破了数学基础领域的一个核心迷思。对哥德尔不完备定理中“完备”概念的批判——“是还原论证的具足幻想”,并指出 “不还原就是完备”——这一观点与 ECT-OS-JiuHuaShan 框架所遵循的宇宙逻辑高度契合。
C灿灿数模1 天前
数学建模
2025全国仿真建模应用挑战赛选题建议与分析我跟你说啊,这俩题差别还挺大的,先唠A题(智能流水车间调度)。这题整体是中等偏难那种,上手不算难,但想做好、做出亮点得费点劲。前期用AnyLogic搭基础模型的时候,软件里不是有个resource_fault_worker的示例嘛,照着那个案例,把14道工序的时间、人力这些参数填进去,基本流程就能跑通,这部分没啥太复杂的。但后面要搞调度策略就不一样了,像EDD、SLACK这些现成规则还好说,套公式就行,可要是做PR+CR混合策略,还得对比不同策略的效果,就得把逻辑捋清楚。还有加异常场景,比如设备维护停机、
贝塔实验室3 天前
网络协议·算法·数学建模·动态规划·信息与通信·信号处理·傅立叶分析
频偏估计方法--快速傅里叶变换(FFT)估计法在实际通信过程中,如在卫星通信、深空通信以及微波通信等系统中,信号的发射机与接收机之间往往存在着高速相对运动,此时会使进入接收端的信号存在较大的多普勒频移。
UpYoung!3 天前
学习·数学建模·pdf·编辑器·运维开发·个人开发
无广技术贴!【PDF编辑器】Solid Converter PDF保姆级图文下载安装指南——实用推荐之PDF编辑软件前言:屏幕前的小伙伴,肯定面临过PDF、word等各种文件互相转换的情况。 可是搜遍全网,在当前的PDF编辑工具中,用户经常面临以下困扰: 要么收费软件下载后要求强制注册,泄露个人信息,
贝塔实验室3 天前
计算机网络·算法·网络安全·数学建模·信息与通信·信号处理·傅立叶分析
QPSK信号载波同步技术---极性Costas 法载波同步极性Costas 环的工作原理如图所示,是Costas 环的一种改进环路与Costa环相比,极性Costa 环的区别在于鉴相方式的不同。
贝塔实验室4 天前
数学建模·fpga开发·硬件工程·动态规划·信息与通信·信号处理·傅立叶分析
QPSK信号载波同步技术---四相Costas 环法四相Costas 环法提取相干载波的工作原理如图所示此方法是Costas 环法的扩展变形。进入数字接收机的QPSK 信号与数控振荡器生成的本地信号以及其经过移相所得共四路信号分别相乘,并且将四路结果分别经过低通滤波器滤除不需要的高频分量,之后对这四路信号进行乘法运算完成鉴相,鉴相结果送入环路滤波器(LF),其输出结果送入NCO 对生成本地信号进行控制。 设本地NCO 输出的信号为:
88号技师4 天前
开发语言·算法·数学建模·matlab·优化算法
【2025年10月一区SCI】改进策略:Trend-Aware Mechanism 趋势感知机制(TAM)-附Matlab免费代码根据“没有免费的午餐”,没有一个单一的群体智能优化算法可以解决所有的优化问题,每一个群体智能优化算法都有局限性和限制。所以很多学者根据自身的专业问题需求,对基础优化算法进行了改进和提升,以期获得更为优秀的性能。那么你在尝试改进算法性能时,经常会遇到:
fengfuyao9854 天前
算法·数学建模·matlab
基于MATLAB的匈牙利算法实现任务分配匈牙利算法通过矩阵变换寻找最优分配方案,其核心步骤包括:数学建模示例:最优分配为总成本 3+5+1=9
MoRanzhi12035 天前
python·机器学习·数学建模·数据分析·信号处理·傅里叶分析·scipy
SciPy傅里叶变换与信号处理教程:数学原理与Python实现傅里叶变换(Fourier Transform)是信号处理、科学计算和数据分析中最为核心的数学工具之一。它通过将信号从时域(time domain)转换至频域(frequency domain),揭示出信号内部所包含的周期成分和频率特征。在实际工程中,无论是语音信号处理、图像分析,还是物理实验数据的频谱分析,傅里叶变换都是理解与操作信号的关键手段。
哈泽尔都5 天前
人工智能·单片机·算法·数学建模·贪心算法·机器人·无人机
运动控制教学——5分钟学会PRM算法!认真读完,相信我,你会收获无穷!PRM(Probabilistic Roadmap,概率路径图) 是一种基于采样的路径规划算法,专门用于解决高维空间中的运动规划问题。
UpYoung!5 天前
学习·数学建模·编辑器·运维开发·个人开发
【Typora——MD编辑器】Typora最新 V1.12.1版:轻量级 Markdown 编辑器详细图文下载安装使用教程认识 Markdown:简约而不简单的文档格式Markdown 是一种轻量级标记语言,由 John Gruber 和 Aaron Swartz 于 2004 年共同创建。其设计理念是让用户能够使用易读易写的纯文本格式编写文档,并可以转换为有效的 HTML 或其他格式。
2501_933360726 天前
数学建模·3d
覆盖动画 / 工业 / 科研!Rhino 7:专业 3D 建模的全能解决方案,新手也能上手在 3D 建模领域,一款功能强大、兼容广泛且高效稳定的工具,往往能成为设计师、工程师突破创作瓶颈的关键。由美国 Robert McNeel 公司打造的Rhinoceros(简称 Rhino) 系列软件,凭借其 “集百家之长” 的设计理念,早已在行业内树立起专业标杆,而最新推出的Rhino 7,更是在传统优势基础上实现全面升级,成为覆盖多领域的全能 3D 建模利器。 一、多元建模方式,解锁造型无限可能 Rhino 7 的核心竞争力之一,在于其对建模需求的深度适配 —— 既保留了NURBS 传统建模的精准优势
Cathy Bryant7 天前
经验分享·笔记·数学建模
球极平面投影“球极平面投影”,这是一个能把整个地球(球面)几乎完美地压扁成一张平面地图的魔法。它怎么工作?1. 想象一个透明的地球仪,北极点贴着桌面。 2. 在南极点放一个点光源。 3. 光线会向上照射,将地球仪上的每一个点(比如城市、山脉)投影到桌面上,形成一张地图。
杨小码不BUG8 天前
c++·算法·数学建模·位运算·浮点数·信奥赛·csp-j/s
灯海寻踪:开灯问题的C++精妙解法(洛谷P1161)这道名为"开灯"的题目来自编程题库P1161,题目描述了一个有趣的场景:在无限长的路灯序列中,通过一系列特定操作,最终只有一盏灯是亮的。这道题将数学取整运算与状态切换问题巧妙结合,考察了算法优化和数学建模能力。
杨小码不BUG9 天前
c++·算法·数学建模·信奥赛·csp-j/s
Davor的北极探险资金筹集:数学建模与算法优化(洛谷P4956)这道题目看似简单,实则蕴含着等差数列求和与整数约束优化的数学精髓。我们需要为Davor设计一个52周的资金筹集计划,满足特定数学关系。
MoRanzhi120310 天前
数据库·人工智能·python·数学建模·矩阵·数据分析·pandas
12. Pandas 数据合并与拼接(concat 与 merge)在数据分析中,常常需要将来自不同来源或不同维度的数据整合在一起。Pandas 提供了两种强大的数据合并工具:concat 和 merge。前者更适合在行或列方向上拼接 DataFrame,而后者则更接近 SQL 的表连接操作,支持多键匹配与多种连接方式。掌握它们的使用方法,是进行数据清洗与整合分析的关键步骤。
MoRanzhi120311 天前
人工智能·python·机器学习·数学建模·分类·数据挖掘·pandas
11. Pandas 数据分类与区间分组(cut 与 qcut)在数据分析中,我们常常需要将连续型变量划分为若干区间,从而对数据进行离散化、分层统计或可视化展示。Pandas 提供了两种常用方法:cut(等宽分组)和 qcut(等频分组)。它们能帮助我们快速地将连续数值数据转化为类别变量,为后续的趋势分析、分层汇总和建模提供有力支持。
Vizio<11 天前
学习·数学建模·机器人·触觉传感器
ERT中正问题和逆问题的传统数学推导在基于电阻抗断层成像(ERT)的机器人皮肤研究中,正问题与逆问题是核心理论基础。正问题聚焦于 “已知电导率分布,求解边界电位”,逆问题则是 “已知边界测量电压,反推电导率分布”,二者的公式推导均围绕 ERT 的物理本质与数学建模展开。