赞
踩
8.5日下午重磅更新!:A题完整论文已出,讲解视频:
大家好呀,2024 年华数杯全国大学生数学建模竞赛开始了,来说一下初步的选题建议吧:
首先定下主基调,
本次华数杯题目难度上B≈C>A,开放度上C>A>B。
推荐大家选择A题目。B题目只建议有相关专业背景的人选择,C则是看起来简单但做起来极其复杂,新手小白不要踩坑。
A是比较经典的类似于下刀路径优化类题目,主要是做多目标优化,求解思路很确定,整体也可以做不少可视化,获奖概率会高很多,大家到时候直接运行我给的python代码即可,不需要你配环境,我会录制怎么运行的视频,无脑运行,很简单。
本次华数杯,我们团队会完成A题成品,预计会在8.5日下午前更新完毕。
精力有限,以下只是简略的图文版初步思路,更详细的视频版完整讲解请移步:
2024华数杯数学建模选题建议及ABC题详细思路!_哔哩哔哩_bilibili
OK,接下来讲一下ABC题的思路。
问题 1: 绘制零位状态六自由度机械臂简图及建立运动数学模型
求解思路:
1. 绘制机械臂简图:根据题目给出的六自由度机械臂的初始D-H参数,绘制出机械臂的零位状态简图。这一步需要利用机械臂的D-H参数来确定各个关节的位置和角度。
2. 建立运动学模型:基于D-H参数建立机械臂的运动学模型,主要是通过正运动学公式计算机械臂末端的坐标。可以使用Denavit-Hartenberg变换矩阵来描述每个关节的旋转和平移关系,进而得到机械臂末端位置。
3. 优化关节角路径:以最小化末端误差为目标,对关节角路径进行优化。末端误差定义为目标点坐标与机械臂末端坐标之间的欧氏距离。可以使用优化算法(如梯度下降法或遗传算法)来调整关节角度,使得误差最小。
问题 2: 以最小化末端误差和能耗为目标的关节角路径优化
求解思路:
1. 引入能耗模型:在已有的运动学模型基础上,加入关节能耗的计算。每个关节的能耗与其转动惯量和角速度相关,可以使用机械能公式(动能)计算各关节的能耗。
2. 多目标优化:将末端误差和能耗作为两个目标进行多目标优化。可以使用多目标优化算法(如NSGA-II算法)来寻找在这两个目标之间的折中方案。优化过程需要调整各个关节的角度,使得末端误差和总能耗同时达到最优。
3. 求解路径:最终输出优化后的关节角路径,并计算对应的末端误差和总能耗。
问题 3: 绕过障碍物抓取货物的优化路径设计
求解思路:
1. 底座移动路径规划:首先为机械臂底座设计移动路径,使其能够绕过障碍物到达目标点附近。可以使用A*算法或Dijkstra算法在栅格图上规划出最优路径。
2. 抓取路径优化:在底座到达目标点附近后,优化机械臂的关节角路径,以最小化末端误差和能耗。需要考虑障碍物的限制,确保各个关节角路径不会碰撞到障碍物。
3. 综合路径优化:同时优化底座移动路径和关节角路径,使得总的末端误差和能耗最小。可以采用分段优化或联合优化的策略,结合底座和关节的路径进行全局优化。
4. 路径可视化:将优化后的底座移动路径和关节角路径在栅格图上可视化,展示机械臂的运动过程。
问题 4: 完整货物抓取任务的多目标优化
求解思路:
1. 任务分解:将完整的货物抓取任务分解为多个子任务,每个子任务对应一个货物的抓取。
2. 路径规划与优化:对每个子任务,分别进行底座移动路径和关节角路径的规划与优化。可以参考问题3的思路,结合A*算法和多目标优化算法进行求解。
3. 总路径优化:在所有子任务的路径基础上,进行整体优化,确保总的末端误差和总能耗最小。
4. 结果展示:将总路径在栅格图上可视化,明确给出总末端误差和总能耗。
问题 1:设计线长评估模型
思路
1. 数据处理:
o 从附件1中提取电路单元名称、连线接口名称及其坐标,HPWL 和 RSMT 线长。
o 解析连线接口的坐标,并计算每组电路单元连线接口的实际坐标。
2. 模型构建:
o HPWL模型:计算连线接口形成的外接矩形的半周长,即
o 调整HPWL模型:根据连线接口的数量及其分布,适当调整HPWL,使其更接近RSMT。
3. 优化目标:
o 最小化HPWL和RSMT的差值。通过线性回归或其他回归方法,调整HPWL的计算公式,以尽可能贴近RSMT。
建模步骤
1. 导入数据:
o 从附件1读取每组连线的电路单元、接口及其坐标。
2. 计算初始HPWL:
o 使用上述公式计算每组连线的初始HPWL。
3. 模型调整:
o 基于已知HPWL和RSMT的差值,建立调整模型,使得新的HPWL尽可能接近RSMT。
4. 验证模型:
o 使用现有数据验证模型的准确性,调整参数,最终确定模型。
问题 2:设计网格密度评估模型
思路
1. 数据处理:
o 从附件2中提取布局区域的尺寸、网格划分信息、电路单元的尺寸及连线接口的相对坐标。
2. 密度计算:
o 将布局区域划分为多个网格,每个网格计算其内的电路单元面积和网格面积的比值,作为网格密度。
3. 整合线长和密度模型:
o 将问题1中的线长评估模型与网格密度模型整合,建立一个综合的数学模型,目标为最小化总连接线长,同时满足单元密度约束。
建模步骤
1. 导入数据:
o 从附件2读取布局区域尺寸、网格划分信息、电路单元尺寸及连线接口的相对坐标。
2. 计算网格密度:
o 根据电路单元的位置和尺寸,计算每个网格的密度。
3. 整合模型:
o 使用问题1中的线长评估模型计算总连接线长。
o 结合网格密度计算结果,建立一个优化模型,目标为最小化总连接线长,并满足密度约束。
4. 输出结果:
o 应用模型进行全局布局,输出总连接线长,并可视化电路单元的位置。
问题 3:分析布线密度计算模型并提出改进方案
思路
1. 分析现有模型:
o 检查图4中的布线密度计算模型,找出其问题,如重叠面积计算复杂、精度不足等。
2. 提出改进方案:
o 提出更精确的布线密度计算方法,减少重叠面积计算的复杂度,提高计算精度。
3. 验证改进方案:
o 应用改进后的模型,计算问题2中更新后的全局布局结果的布线密度,并对结果进行可视化。
建模步骤
1. 分析现有模型:
o 逐步分析现有模型的计算过程,识别其缺点。
2. 提出改进方案:
o 设计新的布线密度计算方法,改进现有模型的不足之处。
3. 验证改进模型:
o 使用改进后的模型计算新的布线密度,并对结果进行可视化。
问题 4:修正模型并进行全局布局
思路
1. 模型修正:
o 在问题3的基础上,修正问题2中建立的数学模型,增加布线密度的约束,目标为最小化总连接线长,满足单元密度和布线密度的约束。
2. 全局布局:
o 应用修正后的模型进行全局布局,输出总连接线长,并可视化电路单元的位置和网格布线密度。
建模步骤
1. 修正模型:
o 将布线密度的约束加入问题2的模型中,形成新的优化目标。
2. 全局布局:
o 应用新的优化模型,进行全局布局,输出总连接线长,并可视化结果。
问题 1: 计算景点评分最高分及其相关统计
建模思路:
1. 数据预处理: 导入数据,确保所有景点评分字段的数据类型正确,并处理缺失值或异常值。
2. 找到最高评分(BS): 遍历所有景点数据,找出评分最高的景点。
3. 统计最高评分的景点数量: 统计评分等于最高评分的景点总数。
4. 按城市统计最高评分景点的数量: 统计每个城市中获得最高评分的景点数量。
5. 排序并列出前10个城市: 根据每个城市中最高评分景点的数量进行降序排序,列出前10个城市。
问题 2: 综合评价城市,选出50个最令外国游客向往的城市
建模思路:
1. 指标选取: 确定评价指标,例如:城市规模、环境环保、人文底蕴、交通便利、气候、美食等。
2. 数据归一化: 将不同维度的指标进行归一化处理,以消除量纲的影响。
3. 赋权: 使用层次分析法(AHP)或其他方法为每个指标赋予权重。
4. 综合评分: 计算每个城市的综合评分。
5. 排序: 根据综合评分对352个城市进行排序,选出前50个城市。
问题 3: 在144小时内规划最佳游玩路线
建模思路:
1. 城市筛选: 从前一步选出的50个城市中进行选择。
2. 时间约束: 确定高铁旅行时间和每个景点的游玩时间,总时间不超过144小时。
3. 旅行路线优化: 使用旅行商问题(TSP)模型结合时间约束进行优化,找出能游览最多城市的最优路线。
4. 计算总花费: 计算路线中的总花费,包括门票和交通费用。
5. 输出路线: 输出详细的游玩路线,包括游玩的景点数量、总花费时间和费用。
问题 4: 规划花费最少的游玩路线
建模思路:
1. 优化目标调整: 在问题3的基础上,将优化目标调整为花费最少。
2. 约束条件: 同样的时间约束和城市筛选。
3. 费用优化: 使用动态规划或其他优化算法在花费和游玩城市数量之间进行平衡。
4. 输出路线: 输出详细的游玩路线,包括游玩的城市数量、总花费时间和费用。
问题 5: 游览中国山景的最佳路线规划
建模思路:
1. 筛选山景: 从352个城市的数据中筛选出所有评分最高的山景。
2. 选择入境机场: 根据山景的分布和交通便捷性,选择最合适的入境城市。
3. 时间约束: 确定高铁旅行时间和每个山景的游玩时间,总时间不超过144小时。
4. 旅行路线优化: 使用旅行商问题(TSP)模型结合时间和费用约束进行优化,找出能游览最多山景的最优路线。
5. 计算总花费: 计算路线中的总花费,包括门票和交通费用。
6. 输出路线: 输出详细的游玩路线,包括游玩的山景数量、总花费时间和费用。
OK,上述思路的文档领取、视频讲解以及后续的完整成品论文预定请点击我的下方个人卡片查看↓:
Copyright © 2003-2013 www.wpsshop.cn 版权所有,并保留所有权利。