数学建模：模型案例及代码方案深度解析

暂缺《数学建模：模型案例及代码方案深度解析》作者简介

本书围绕具体的优化实际问题案例，集中探讨利用MATLAB、Lingo，Gurobi和Yalmip等软件和工具箱来编写合格的数学模型代码。MATLAB自R2017b增加了问题式优化建模流程，这是MATLAB构造和求解优化模型的里程碑式调整，到本书截稿的R2022b版本，问题式建模流程每次版本更替都有新增功能和变化。鉴于目前还比较缺乏以此为基础，介绍如何训练提高数学建模程序编写能力的资料，本书特别选取一些经典的数学建模综合案例，从求解实际问题的角度出发，全面阐述在MATLAB平台上，综合使用工具箱完成问题式建模流程的模型构造与求解，以及与Lingo/LindoAPI、Gurobi、Yalmip等优化求解器的协同方法。全书共分15章，每章提出一到两个建模问题实例，详细分析案例代码的编写思路和具体实现过程。第1~3章介绍了 Gurobi，Lingo/LindoAPI和Yalmip的基本环境设置，以及MATLAB官方优化工具箱函数在新的问题式优化建模流程中的基本使用方法;第4~11章借助一些相对简单的优化类数学建模实际案例，以多种求解代码方案进一步探讨各求解器与工具箱的使用方法;第12~15章则选择近年全国大学生数学建模竞赛中出现的较为典型的优化类实际赛题，讲述从问题分析到数学模型构建，再到完整代码方案的全部详细过程。本书为数学模型提供了丰富而全面的代码，其中绝大多数代码是在近两年的频繁线上讨论中逐步形成的方案，并首次呈现给读者。很多问题提供了不止一种求解代码方案，该方案不仅包括同一种语言或工具的多种程序，而且部分是涉及不同编程语言（例如MATLAB调用Lingo、Python调用Gurobi、MATLAB调用 Gurobi 等）的。针对一些较为复杂的问题，还结合竞赛问题向读者展示了MATLAB面向对象程序编写的相关技巧。本书适合于数学建模爱好者和即将参加各类数学建模竞赛的参赛者，以及期望全面提高自身的数学模型求解和程序编写能力的专科生、本科生和研究生，也可为高校数学建模课程培训的教师提供优化类问题代码编写方面的参考。