- 博客(26)
- 收藏
- 关注
RSS订阅原创 第十七届全国大学生数学竞赛初赛模拟试卷（一）
摘要： 本试卷为第十七届全国大学生数学竞赛（非数学A类）初赛模拟试题，涵盖定积分、极限、偏导数、直线方程、曲线积分等填空题（30分），以及微分方程、函数连续性、曲面积分、不等式证明和级数收敛性等解答题（70分）。题目涉及分部积分、泰勒展开、复合求导、格林公式、高斯公式等核心方法。参考答案提供详细解题思路，如利用洛必达法则求极限、伯努利方程转化、单调性分析最值等。试卷注重考察微积分与高等数学的综合应用能力，强调计算技巧与逻辑推理的结合，适合作为竞赛备赛训练材料。（150字）
2025-11-07 11:18:39
525
原创 为什么你的奶茶店总要排长队？——用“排队论”模型优化你的服务窗口
摘要：用排队论优化奶茶店服务效率 排队论作为运筹学的重要分支，通过泊松分布和指数分布量化随机服务系统的规律。本文以网红奶茶店为例，指导如何运用M/M/1排队模型（单服务台、泊松到达、指数服务）进行科学分析。文章分解排队系统为输入过程、排队规则和服务机构三要素，介绍Kendall符号标记法，并重点讲解该模型的五大核心指标公式。通过实际案例演示如何计算顾客平均等待时间、队伍长度等关键参数，比较增加服务窗口与提升服务效率两种优化方案的优劣，为商业决策提供数据支持。
2025-08-15 23:34:54
1047
原创 微分方程模型：用“变化率”的语言，描绘世间万物的动态演化
本文介绍了微分方程模型的核心思想及其应用。微分方程通过描述“变化率”来揭示事物内在的动态演化机制，相比传统静态模型，它能更深入地解释“为什么”。文章对比了数据驱动模型（如ARIMA）和机理驱动模型（微分方程）的差异，强调后者在解释性和因果推理上的优势。随后，重点探讨了三个经典微分方程模型：马尔萨斯人口模型（指数增长）、逻辑斯谛模型（受限增长）和SIR模型（流行病传播），展示了如何从假设出发建立方程并求解。最后，文章介绍了数值解法及Python实现，通过SIR模型的疫情模拟案例，说明微分方程在动态系统建模中的
2025-08-03 22:41:24
2166
原创 BP神经网络：当线性模型已到尽头，如何用“人造大脑”挖掘非线性预测规律？
当线性模型在复杂的预测问题面前束手无策时，你是否渴望拥有一件能够挖掘非线性规律的“神器”？本文就是你需要的BP神经网络终极指南，将带你从零开始，搭建并训练一个强大的“人造大脑”预测器。文章从“神经元”的直观比喻切入，为你清晰地构建了用于回归预测的网络架构。我们将彻底攻克最令人望而生畏的“黑箱”——反向传播算法，并提供一套可以直接运行的、包含完整可视化功能的Python“一键炼丹”代码模板。通过一个贯穿始终的非线性函数拟合实战，你将亲眼见证模型如何从“混沌”走向“智能”，并学会解读训练曲线、评估预测结果。
2025-08-03 18:52:50
902
原创 层次聚类：无需“猜”K值，如何让数据自己画出“家族图谱”？
层次聚类：无需预设K值，构建数据“家族图谱” 层次聚类是一种无需预先指定K值的无监督学习算法，通过自底向上的凝聚策略，逐步合并最相似的簇，形成完整的层次结构。与K-Means不同，它不急于划分数据，而是记录从个体到整体的完整“合并史”，最终生成可解释的树状图（Dendrogram）。 核心在于两大法则：1）距离度量（如欧氏距离、余弦相似度）定义样本间相似性；2）链接准则（如单链接、全链接、Ward法）决定簇间合并策略。通过树状图的“横切”操作，用户可在任意层次获得所需聚类数量。 优势在于多粒度分析和任意形状
2025-08-01 22:29:48
1114
原创 K-Means聚类：当数据没有标签时，如何让计算机自动“物以类聚”？
当面对一堆没有标签的“混沌”数据时，你是否曾感到无从下手？本文就是你需要的“数据整理术”终极指南，将带你彻底征服无监督学习的“开山鼻祖”——K-Means聚类算法。文章从“物以类聚”的直观思想切入，用生动的比喻和图解，深度剖析了K-Means优雅的迭代原理。我们不仅将攻克“K值到底该选几？”这个核心痛点，为你提供“肘部法则”和“轮廓系数”两把“神兵利器”；还将提供一套可以直接运行的、包含完整可视化功能的Python“一键聚类”代码模板。
2025-08-01 17:58:28
1355
原创 ARIMA模型：如何让数据“自己告诉自己”未来是什么样？
摘要： 本文系统介绍了ARIMA时间序列预测模型的核心原理与应用方法。首先从时间序列的四大成分（趋势、季节性、周期性和随机波动）入手，重点阐述了平稳性这一关键概念及其检验方法（ADF检验）。随后详细解析了ARIMA(p,d,q)模型的三个核心组件：差分（I）用于平稳化处理、自回归（AR）捕捉历史依赖、移动平均（MA）修正预测误差。通过航空公司客流量的实战案例，展示了完整的建模流程，包括数据预处理、模型定阶（ACF/PACF图分析）、参数估计和预测效果评估。文章还探讨了季节性ARIMA（SARIMA）的扩展应
2025-07-31 23:29:54
1012
原创 线性规划(LP)：建模世界里的“省钱大师”，教你如何在限制中找到最优解！
**文章摘要：**本文以“手办工厂”为案例，系统讲解了线性规划（LP）的基本原理与实际应用。从识别决策变量、目标函数和约束条件入手，逐步引导读者将现实问题转化为数学模型，并通过图解法直观理解求解过程。随后介绍了使用 Lingo 和 Python (PuLP) 两大工具进行建模与求解的方法。进阶部分扩展到整数规划与 0-1 规划，探讨如何处理离散决策问题。最后，通过灵敏度分析深入解析最优解背后的经济学含义，如影子价格和资源价值，帮助读者在复杂商业环境中做出更明智的决策。
2025-07-31 22:36:24
1107
原创 遗传算法(GA)：模拟“物竞天择”，计算机如何“进化”出最优解？
它不依赖于问题的梯度信息或函数的连续性，而是通过模拟“适者生存”的进化过程，在潜在解的群体（种群）中逐步筛选、重组和变异，最终引导整个群体进化到包含最优解或次优解的状态。
2025-07-31 19:16:32
2223
原创 模拟退火(SA)：如何“故意走错路”，才能找到最优解？
模拟退火算法：通过“容忍错误”寻找全局最优解 摘要：模拟退火算法(SA)是一种受固体退火过程启发的全局优化方法，其核心思想是通过在搜索过程中以一定概率接受较差的解来避免陷入局部最优。本文系统介绍了SA的原理、实现和应用：1）从物理退火到优化问题的映射关系；2）完整的算法流程，包括温度衰减和Metropolis准则；3）以旅行商问题(TSP)为例的Python/Matlab实现；4）参数调优和性能分析。SA通过"高温大胆探索，低温精细收敛"的策略，在组合优化、机器学习等领域展现出强大优势。
2025-07-29 23:27:31
1321
原创 粒子群算法(PSO)：从鸟群觅食到优化大师，一篇通神的究极指南
本文系统介绍了粒子群优化算法(PSO)的原理、模型和应用。文章从PSO的生物群体行为启发出发，详细阐述了其数学模型建立过程，重点解析了速度更新公式的三个关键部分：惯性、自我认知和社会认知。通过Python和Matlab代码实现，展示了PSO算法在优化问题中的实际应用。文章还探讨了PSO在参数调优、鲁棒性分析等方面的研究，并展望了其未来发展方向。这种基于群体智能的优化算法，通过简单的规则实现了"探索-开发"的巧妙平衡，为解决复杂优化问题提供了有效途径。
2025-07-29 20:05:29
2486
原创 灰色关联分析(GRA)：从入门到通神的究极指南
灰色关联分析（GRA）是一种独特的数据分析方法，它不依赖大量样本或特定分布，而是通过比较数据序列的几何形态相似度来评估因素间关联性。本文系统介绍了GRA的核心思想与完整实施流程：首先构造理想母序列作为参考标准，对原始数据进行无量纲化预处理；然后计算各子序列与母序列的绝对差值，通过关联系数公式量化形态相似度；最后汇总得到灰色关联度并进行排序。文章以供应商选择为案例，详细演示了从数据准备、正向化处理到结果解读的全过程，并强调GRA在解决小样本、非线性问题上的优势，为复杂决策提供科学依据。
2025-07-28 19:24:55
1504
原创 AHP层次分析法：当没有数据时，如何科学地“拍脑袋”？
摘要： AHP层次分析法是一种将主观决策量化的科学工具，适用于缺乏数据的复杂选择问题（如择校、购物等）。其核心步骤包括：构建目标-准则-方案三层模型、基于1-9标度法构造判断矩阵、计算权重并进行一致性检验。以《电脑选择问题研究》为例，通过配置/价格等准则对品牌进行两两比较，最终得出戴尔（高配置偏好）为最优选，且CR值验证了逻辑合理性。该方法通过数学建模将感性偏好转化为理性决策，广泛应用于经济、管理及个人生活领域。
2025-07-28 14:09:12
1248
原创 TOPSIS法：从入门到通神的详细指南（附Python代码与国奖论文实例）
本文是一篇关于TOPSIS法的详细教程，包含理论解析、算法实现和应用实例。文章从TOPSIS法的核心思想出发，系统阐述了其七步建模过程：构建决策矩阵、指标正向化、数据标准化、权重确定、加权矩阵构建、理想解计算和综合评分排序。特别介绍了熵权法的数学原理和计算步骤，强调其在客观赋权中的重要性。最后以2021年国赛C题优秀论文为案例，展示了TOPSIS法在实际问题中的应用。教程配有Python代码实现，适合数学建模学习者和研究者参考，能够帮助读者快速掌握这一经典评价方法。
2025-07-28 13:28:51
1271
原创 【Python宇宙大探索 · 进阶篇】小瑞瑞带你从学徒到宗师
Python进阶编程指南：从函数到面向对象 本文是Python编程进阶教程，重点介绍了函数、字典、元组等核心概念及其应用。主要内容包括： 函数编程 函数定义与参数传递（位置/关键字/默认参数） 代码复用与DRY原则 函数重构计算器项目实战 数据结构进阶 字典的键值对存储与操作 元组的不可变特性及应用场景 列表与元组的性能对比 实战项目 函数版计算器实现 字典角色管理系统开发 教程采用游戏化比喻，将编程概念形象化为"魔法咒语"和"公会任务"，适合已有Python基础的开
2025-07-27 22:10:31
827
原创 【Python宇宙大探索 · 基础篇】小瑞瑞带你从零开始，2小时通关Python基础语法！
这篇文章是一篇面向初学者的Python编程入门教程，采用了生动有趣的"魔法师"比喻来讲解编程概念。教程内容包括： 编程与Python的魅力：将编程比作21世纪的魔法，强调Python语言简单强大的特点 入门实践： 从经典的"Hello World"开始 介绍变量和基本数据类型（字符串、整数、浮点数、布尔值） 讲解Python的动态类型特性 进阶内容： 数字运算（加减乘除等基本运算） 字符串操作（拼接、格式化f-string、常用方法） 用户交互（input函数的使用）
2025-07-27 21:47:00
770
原创 小瑞瑞带你精通OOP：类与对象的“创世纪”（究极详解版）
文章摘要 本文介绍了面向对象编程(OOP)的核心概念，通过电灯开关示例展示了从面向过程到面向对象的思维转变。文章首先解释了如何将物体分解为状态和行为两个基本要素，然后对比了面向过程和面向对象的实现方式。重点讲解了类和对象的关系，将类比作"蛋糕模具"，对象则是模具创造的具体实例。通过Python代码示例，详细演示了如何定义LightSwitch类、实例化对象以及调用对象方法。文章强调self参数的关键作用，解释了实例变量与局部变量的区别，帮助读者理解OOP将数据和行为封装在一起的核心思想。
2025-07-26 15:00:53
571
原创 小瑞瑞带你彻底玩转微积分：傅里叶级数的本质与信号魔法
【摘要】本文以生动的音乐指挥家比喻，深入浅出地讲解了傅里叶级数的数学本质与应用。傅里叶级数将周期函数分解为一系列正弦/余弦波的线性组合，揭示了信号在频域的构成。文章先阐释了正交性的数学基础，通过投影概念推导傅里叶系数公式，并介绍了复数形式和收敛特性。随后通过方波、锯齿波等实例演示了傅里叶级数的实际计算，最后用Python代码动态展示了如何用谐波合成方波。全文以形象化的语言和直观的数学推导，帮助读者理解这一重要的数学工具。
2025-07-26 14:21:47
500
原创 小瑞瑞带你深度解析微积分：泰勒展开的本质与实战应用
本文深入解析了泰勒展开的数学原理与实际应用。泰勒展开通过多项式逼近复杂函数，在给定点处匹配函数值和各阶导数信息。文章从泰勒公式的推导入手，详细介绍了麦克劳林展开等常见形式，并提供了实用的记忆公式表。在应用层面，文章展示了直接求导和间接替换两种计算方法，并通过物理和工程案例（如单摆周期、相对论近似等）说明其简化复杂问题的能力。泰勒展开不仅是数学工具，更是科学家和工程师分析非线性系统的强大武器，体现了用简单多项式逼近复杂函数的核心思想。
2025-07-26 13:18:20
817
原创 小瑞瑞带你攻克微积分：多元函数微分学与梯度实战
本文《终极典藏：小瑞瑞带你攻克微积分》通过生动的比喻，将多元函数微分学概念形象化。文章以"全地形探测车"类比多元函数，在广袤多维平原上探索： 偏导数：测量单一坐标轴方向的"坡度" 全微分：计算同时移动时的总海拔变化线性近似 梯度：最重要的导航工具，指向最速上升方向 文章通过几何图示和分级例题（入门/标准/挑战级），系统讲解多元微分核心概念，强调梯度在优化问题中的关键作用，为后续AI算法学习奠定基础。
2025-07-26 12:50:04
1069
原创 【终极典藏】小瑞瑞带你秒懂微积分：积分的本质、神技与万物应用
快进到19世纪，德国数学家黎曼，将这种朴素的思想，锻造成了坚不可摧的数学定义，也就是我们之前提到的黎曼和。让我们再次，以最崇敬的心情，瞻仰这座定义的圣殿。定义：定积分 (Definite Integral)若函数fxf(x)fx在闭区间ab[a, b]ab上有界，将区间ab[a, b]ab任意分成nnn个小区间Δx1Δx2ΔxnΔx1Δx2Δxn，在每个小区间上任取一点ξi\xi_iξiSn∑i1nfξ。
2025-07-26 11:40:44
1179
原创 小瑞瑞带你学微积分：导数的进阶应用与梯度下降（究极详解版）
导数：在一维空间（一条线），告诉你哪个方向是“上坡”。梯度 (Gradient)：在多维空间（一座山），是一个向量∇Jθ∇Jθ，它指向函数值上升最快的方向，即最陡的“上坡”方向。那么，要下山，自然就要朝着梯度的反方向−∇Jθ−∇Jθ前进，这就是最速下降方向。恭喜你！坚持读到这里，你不仅征服了导数的进阶技巧，更深入到了AI算法的底层核心。进阶求导隐函数求导和参数方程求导的核心都是链式法则的灵活运用。我们掌握了它们的原理、步骤和常见陷阱，甚至攻克了二阶参数求导。梯度下降。
2025-07-26 11:25:21
1286
原创 从零开始学微积分：导数的本质与应用
导数的严格数学定义是基于极限的。函数fxf(x)fx在点xxx处的导数f′xf'(x)f′xf′xlimh→0fxh−fxhf′xh→0limhfxh−fxhhh：表示自变量xxx的一个微小增量。fxh−fxfxh−fx：表示因变量fxf(x)fx对应的增量。fxh−fxhhfxh−fx：这是两点xfx(x, f(x))xfx))和。
2025-07-26 11:09:33
1295
原创 Python入门进阶：面向对象编程(OOP)第一步 —— 从零开始，彻底搞懂类与对象（超详细版）
这篇文章详细介绍了Python面向对象编程(OOP)的基础概念，通过银行账户实例对比了面向过程与面向对象编程的区别。主要内容包括： 分析面向过程编程的局限性：全局变量污染、只能管理单一账户、数据与操作分离等问题 引入OOP概念，讲解如何定义类(class)和特殊方法__init__ 重点解释self参数的含义，展示如何为对象添加属性和方法 通过deposit、withdraw等方法演示如何操作对象属性 展示如何实例化对象并创建多个独立账户 文章采用类比方式，将类比作"蓝图"，对象比作&q
2025-07-25 18:07:22
1033
原创 第一步就踩坑？Python环境配置避坑指南
本文详细介绍了AI开发环境的搭建指南，包括Python环境配置、PyCharm安装使用、Conda环境管理等内容。作者建议选择Python 3.8-3.10等稳定版本，推荐使用PyCharm作为IDE，并讲解如何配置国内镜像源提高下载速度。重点介绍了Miniconda的安装与使用，帮助读者创建独立的开发环境以避免版本冲突。文章还提供了常见问题解答，如环境变量配置、安装报错处理等实用技巧。通过系统性地配置开发环境，为后续AI学习和项目开发打下坚实基础。
2025-07-25 16:59:42
1316
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人