2017年十四届研究生数学建模A题（西安理工大学10700045）以下是所用的算法
数学建模中十大算法实现步骤与代码 - CSDN博客 https://blog.csdn.net/lemaden520/article/details/77931930
数学建模算法总结（一） - CSDN博客 https://blog.csdn.net/sanganqi_wusuierzi/article/details/54800341
数学建模算法总结（二） - CSDN博客 https://blog.csdn.net/sanganqi_wusuierzi/article/details/54801723
数学建模算法总结（三） - CSDN博客 https://blog.csdn.net/sanganqi_wusuierzi/article/details/54802355
数学建模常见的综合评价方法及预测方法 https://blog.csdn.net/sanganqi_wusuierzi/article/details/54800283
数学建模四大模型总结 - CSDN博客 https://blog.csdn.net/qq_27848507/article/details/52160863
16种常用的数据分析方法汇总 - CSDN博客 https://blog.csdn.net/anxixiaomu/article/details/69075286
数学建模算法总结 - 简书 https://www.jianshu.com/p/7b4a86000a21?from=groupmessage
贪心算法、蚁群算法、遗传算法、模拟退火算法介绍 - CSDN博客 https://blog.csdn.net/u010159842/article/details/67639262
数学建模学习笔记 - CSDN博客 https://blog.csdn.net/sanganqi_wusuierzi/article/details/54802718
《数学建模竞赛入门与提高》读书笔记 - CSDN博客 https://blog.csdn.net/sanganqi_wusuierzi/article/details/54800168
问题一
（1）（非线性规划模型）贪心算法
贪心算法思想 - nba76ers - 博客园 https://www.cnblogs.com/foreverking/articles/2349540.html
贪心算法基本思想和典型例题 - CSDN博客 https://blog.csdn.net/fbz123456/article/details/51072736
MATLAB-用贪心算法模拟出随机产生的20个点间的最短路径 https://blog.csdn.net/wg_rui/article/details/80393050
贪心算法的基本思想是找出整体当中每个小的局部的最优解，并且将所有的这些局部最优解合起来形成整体上的一个最优解。因此能够使用贪心算法的问题必须满足下面的两个性质：
1.整体的最优解可以通过局部的最优解来求出；
2.一个整体能够被分为多个局部，并且这些局部都能够求出最优解。使用贪心算法当中的两个典型问题是活动安排问题和背包问题。
在对问题求解时，总是作出在当前看来是最好的选择。也就是说，不从整体上加以考虑，它所作出的仅仅是在某种意义上的局部最优解（是否是全局最优，需要证明）。
特别注意： 若要用贪心算法求解某问题的整体最优解，必须首先证明贪心思想在该问题的应用结果就是最优解！！
以经典的活动安排为例：
1、若A是E的最优解，那么E-A 也是问题的最优解，在余下的问题里，继续拿最早结束的；
2、拿可以开始的最早结束。(所以要按结束时间排序一次，然后把可以开始的选择上，然后继续向后推)
贪心子结构是独立的（往往用标志判断而已），不同于动态规划（后面每一边的计算要用到前一步的值，另外开辟空间来保存）
贪心算法的基本步骤 ：
1、从问题的某个初始解出发。
2、采用循环语句，当可以向求解目标前进一步时，就根据局部最优策略，得到一个部分解，缩小问题的范围或规模。
（while 能朝给定总目标前进一步 do
求出可行解的一个解元素；）
3、将所有部分解综合起来，得到问题的最终解。
选择能产生问题最优解的最优度量标准是使用贪心法的核心问题。
如最经典的活动安排问题，按结束时间从小到大排序，这样找出第一个节目后，剩下的节目已经是最safe的子结构了，再从子结构中最早结束但又不和上一次观看的节目有冲突的节目
算法复习笔记(分治法、动态规划、贪心算法) - CSDN博客 https://blog.csdn.net/IT_moshang/article/details/80398597
（2）（线性规划模型）禁忌搜索算法
禁忌搜索算法(Tabu Search)求解TSP_hellosmu_新浪博客 http://blog.sina.com.cn/s/blog_9de40b570102whnz.html
算法思路:
（1）随机生成某一初始解，并计算出该初始解的目标函数值，将初始可行解下的目标函数设为当前最优目标值。
（2）生成当前解的邻域解，计算出各邻域解的目标函数值。
（3）根据藐视准则来评价当前解的邻域解，更新当前解与禁忌表。若候选解的目标值优于当前的最优目标值，不管其禁忌属性如何，更新为当前最优解并更新禁忌表，否则判别该方案的两个客户交换是否被禁忌：若被禁忌，选取次优解后继续该步骤；若未被禁忌，更新该解为当前解并更新禁忌表。
（4）若所有的候选对象均被禁忌，则根据队列FIFO原则，对禁忌表中队头元素取消其禁忌属性；禁忌表的更新为将其中所有的禁忌对象的禁忌长度减1，禁忌长度为0的对象取消其禁忌属性。
（5）重复迭代指定步长的（2）～（4），输出最终结果。
——————————MATLAB代码见原网址——————————
问题二
（1)（均分法）（线性规划模型）模拟退火法
模拟退火算法——自我总结 - CSDN博客 https://blog.csdn.net/gmh1314/article/details/78883408
TSP_旅行商问题 - 模拟退火算法（三） - CSDN博客 https://blog.csdn.net/Houchaoqun_XMU/article/details/54578089
问题三
（线性规划模型）蚁群算法 ---狼群算法
狼群算法_百度百科 https://baike.baidu.com/item/%E7%8B%BC%E7%BE%A4%E7%AE%97%E6%B3%95/19460868
多配送中心车辆路径问题的狼群算法 - 豆丁网
http://www.docin.com/p-1747394333.html?docfrom=rrela
问题四
（线性规划模型）蚁群算法--（非线性规划模型）对结果小幅度优化
蚁群算法原理及Matlab实现 - CSDN博客 https://blog.csdn.net/kwame211/article/details/80347593
蚁群算法 matlab程序详细解答-菜鸟也能看懂 - CSDN博客 https://blog.csdn.net/wayjj/article/details/72809344
蚁群算法应用在旅行商问题 - CSDN博客 https://blog.csdn.net/coutamg/article/details/53021020
比较模拟退火算法和遗传算法相同点和不同点：
模拟退火的话进化是由参数问题t控制的，然后通过一定的操作产生新的解，根据当前解的优劣和温度参数t确定是否接受当前的新解。
遗传算法主要由选择，交叉，变异等操作组成，通过种群进行进化。
主要不同点是模拟退火是采用单个个体进行进化，遗传算法是采用种群进行进化。模拟退火一般新解优于当前解才接受新解，并且还需要通过温度参数t进行选择，并通过变异操作产生新个体。而遗传算法新解是通过选择操作进行选择个体，并通过交叉和变异产生新个体。
相同点是都采用进化控制优化的过程
终于找到大白话
------------为了找出地球上最高的山，一群有志气的兔子们开始想办法。
（1）兔子朝着比现在高的地方跳去。他们找到了不远处的最高山峰。但是这座山不一定是珠穆朗玛峰。这就是爬山法，它不能保证局部最优值就是全局最优值。
（2）兔子喝醉了。他随机地跳了很长时间。这期间，它可能走向高处，也可能踏入平地。但是，他渐渐清醒了并朝他踏过的最高方向跳去。这就是模拟退火。
（3）兔子们知道一个兔的力量是渺小的。他们互相转告着，哪里的山已经找过，并且找过的每一座山他们都留下一只兔子做记号。他们制定了下一步去哪里寻找的策略。这就是禁忌搜索。
（4）兔子们吃了失忆药片，并被发射到太空，然后随机落到了地球上的某些地方。他们不知道自己的使命是什么。但是，如果你过几年就杀死一部分海拔低的兔子，多产的兔子们自己就会找到珠穆朗玛峰。这就是遗传算法。