thewindsing

...

常见优化问题运输问题产大于销，产过于销通过虚拟产销地转化为产销平衡问题 带中转地： 无层次法把中转地看成平衡的产销地 设定层次目标函数和约束 下料问题搜索所有下料方式，求目标最值函数 大规模下料，问题在于下料方式过多，指定下料优先利用余料和下用料多的元件，先指定下完几类再搜索剩余下料方式，或者分组下料多次分组求最优 指派问题又称最优匹配问题 引入01变量表示和求解 可用矩阵覆盖法解决 目标规划偏差变量d+和d+ 不仅有刚性约束，还有柔性约束（极小化偏差） 权系数表达优先层次 序惯式算法求解

LINGO在VScode使用 如何在 VSCode 中配置和编写 LINGO (cnblogs.com) 段LINGO中建立的优化模型可以由六个部分组成，或称为六“段”。 集合段：用于定义数组型性变量SETS:…..ENDSETS 数据段：用于变量赋值与数据传递DATA:……ENDDATA 目标与约束段：用于列出目标与约束唯一一个没有段的开始和结束标记 计算段：用于数据初始整理计算CALC:…..ENDCALC 初始段：用于变量赋初值迭代寻优INIT:……ENDINIT 子模型段：用于表达子模型进行调用@SUBMODEL...

SAS　功能介绍 假设检验功能总体均值相等的检验，针对两个对象。 基本前提条件总体服从正态分布 步骤①检验总体方差是否相等 \text{原假设}H_0:\sigma _1^2=\sigma _2^2;\text{备择假设}H_1:\sigma _1^2\ne \sigma _2^2②检验总体均值是否相等 \text{原假设}H_0:\mu _1=\mu _2;\text{备择假设}H_1:\mu _1\ne \mu _2依据小概率原理(通常α=0.05) 方差分析功能各个总体（水平）均值相等的检验，针对多个对象 前提来自正态总体、方差相同 步骤①提出原假设 \mu _1=\mu _2=···=\mu...

前言部分数学模型(Mathematical Model)对于一个现实对象，为了一个特定目的，根据其内在规律，作出必要的简化假设，运用适当的数学工具，得到的一个数学结构。简单来说就是现实对象的数学表现形式。 数学建模(Mathematical Modeling)建立数学模型的全过程（包括表述、求解、解释、检验等）。 包汤圆问题例子从问题中提取数学表达式，需要理想假设 S=kR^2数学建模学习核心内容统计建模：数据分析、比较与处理模糊数学：数学概念与方法的升华时间序列：数据诊断与预测优化建模：运筹帷幄，决胜千里微分方程：函数规律的描述智能算法：复杂寻优问题的利器层次分析：简单实用的决策模型 多动手实践12345不闻不若闻之，闻之不若见之，见之不若知之，知之不若行之。 --荀子知之愈明，则行之愈笃；行之愈笃，则知之益明。 --朱熹

...

目标写一套硬件描述语言，能够在指定硬件平台上实现相应功能，让设计逻辑在目标板上正常工作（功能正常，性能稳定） 步骤 设计定义 设计输入（编写逻辑，画逻辑图，使用IP） 分析综合（得到逻辑门级别的电路内容） 功能仿真（数字电路基本接近真实情况） 布局布线 分析性能 时序仿真（非常耗费时间） 静态时序分析 板级调试

步骤 新建工程 指定文件创建项目 器件选择 添加源文件 HDL编程 仿真验证 搭建_tb仿真测试 设置仿真时间精度 测试模块不用写端口

建立离散传递函数T1题目 程序1234567891011121314151617181920212223242526272829303132333435T = 1;num1 = [5 2];num2 = [17 10.7 3.2 0 0 0];den1 = [1 -0.3 -0.5 0.06];den2 = [-300 82.2 112.1 158 -7.3 1];% 求零极点和增益[z1, p1, k1] = tf2zp(num1, den1);[z2, p2, k2] = tf2zp(num2, den2);% 零极点离散模型Gz1 = tf(num1, den1, T) Gz2 = tf(num2, den2, T)% 单位闭环传函sys1 = feedback(Gz1,1); sys2 = feedback(Gz2,1);% 在复平面上绘制零极点图figure; % 绘制 Gz1 的零极点图subplot(2, 1, 1); % 创建一个 2 行 1 列的子图，并将当前子图设置为第 1 个pzmap(Gz1);title('Gz1...

数据分析方法概述 选模型（猜） 计算分析和证明（验） 拟合优度检验可决系数 SSR占比列高说明拟合好 一元线性回归方程拟合优度决定指标：R的平方（决定系数，可决系数） 多元线性回归方程adjust R F检验一元线性回归方程 多元线性回归方程 解释变量问题引入解释变量多少个①太少不能很好解释因变量的变化 ②太多自变量间可能存在多重共线性 筛选策略 向前筛选（ Forward ）策略 向后筛选（ Backward ）策略 多重共线性容忍度 ​ 取值范围在0-1之间，越接近0表示多重共线性越强 方差膨胀因子VIF容忍度的倒数VIF越大多重共线性越强，当VIF大于等于10时，说明存在严重的多重共线性。 ...