数学建模论文

前言：想要写出一篇令人眼前一亮的文章吗？我们特意为您整理了5篇数学建模论文范文，相信会为您的写作带来帮助，发现更多的写作思路和灵感。

数学建模论文范文第1篇

在过去常规的数学分析教学课程只要以公式推导、定理证明为主要教学内容，却对数学分析的应用思想以及融合贯通少有讲授。这就导致学生们虽熟练掌握这门课程的理论知识，但是学生们将掌握的知识应用于实际问题的解决过程中却存在效果不满意，或无法学以致用。因此学生会形成数学的掌握仅仅是为了考试而学习，无现实意义等错误思想。若在数学分析的教学过程中融合数学建模方式进行教学，利用数学建模思想来熏陶学生，通过通过将数学的意义思想完整的进行介绍，将数学概念与公式的实际源头与应用情况进行宣教，使学生充分了解数学与实际生活之间存在的密切关系。首先，通过利用数学建模思想融入数学分析的教学课程中可有效促进学生数学的行使效果。适当配合数学模型方式糅合数学分析的理论知识与实际方法，可帮助学生迅速理解数学分析的内容概念，全面掌握理论知识与实践能力。其次，利用数学建模思想促进学生的数学学习兴趣，以改善在教学过程中因理论性复杂、定义生涩难懂导致学生学习积极性不高以及枯燥乏味等数学教学问题。因此，在数学分析的教学中融合数学建模教学方式具有巨大的应用价值。

2数学建模思想在概念教学中的渗透

按照大范围来讲，数学分析的内容中包含了函数、导数、积分等数学概念，这类概念均属于实际事物数量表现或空间形式概括而来的数学模型。在数学教学过程我们可以根据概念的具体事物原型或平时生活中易见到的事物进行引用，让学生了解到理论上的概念性知识不仅仅存在与课本中，更与日常生活中具有紧密的关系。对此，老师在教学相关概念知识时，最好联系实际，创造合适的学习环境，为学生在学习过程中通过适当的观察、想象、研究、验证等方式来主导学生的教学活动。例如微积分教学中，刚开始感觉其较为抽象笼统，不过仔细观察其形成过程会发现其实具有较多的基础原型，通过旋转体体积、曲边梯形面积等具体问题紧密联系，应用微元法求解即可得出积分这个较为抽象的概念。通过适当的取材，建立概念模型，引导学生对教学的积极兴趣，可比简单的利用数学符号来描述抽象概念要具体生动得多。

3数学建模思想在定理证明中的渗透

在数学分析课程中存在较多的定理，而怎样在教学过程中让学生熟练掌握带来并应用则成为目前数学分析教学中较为困难的。其实在书本中大部分定理是有着具体的意义，不过在通过笼统的刻印组书本中后导致定理创造者实际想法无法清晰表现在其中，致使学生在接受定理教学中感到茫然。对此，在定理教学过程老师应结合该定理知识的源指出处以及历史渊源，从而促进学生的求知欲取进一步了解该定理的意义与作用。同时应用建模思想将定理作为模型的一类，利用前期设计的特定问题引导学生逐步发现定理定论，通过这种方式让学生在吸收定理知识的过程中体验到研究探索发现的重要性，为学生树立的创新观念。

4数学建模思想在课题中的渗透

数学分析教学中需要讲解大量课题，通过对具有代表性的课题进行讲解以达到促进应用知识解题的能力并巩固。但是在过去传统的课题讲解中，与应用相关的问题教学较少，仅有的少部分也是条件满足解答肯定的情况，这不利于学生创新性思维培养。因此，在课题讲解中尽量选取以具体应用的问题作为例题，设置相应的问题来引导学生发现其中存在的错误，并结合自身知识来解决其错误，通过建立模型的方式来进一步巩固自身知识。

5数学建模思想在考试命题中的渗透

目前数学分析的教学考试中试题的设置普遍以书本课题为主，又或者直接将某些例题设置成选择或填空的答题方式，却缺少开放型的试题或全面考察学生是否掌握数学知识应用解决实际问题的试题。可能目前这种考试设题方式对老师的阅卷提供了便利，但是往往也造成部分学生在课本考试中分数较高，但在解决实际具体问题往往存在不足，对学生思维中形成了为考试而学习，忽略了对数学概念的理解，导致具体问题解决能力不足。对此，可利用数学建模思维去设置一部分开放型试题，利于学生在解题过程中将所学的数学建模方式应用与具体中，以此来观察学生的数学素质以及知识水平并适当修改教学方案。又或者通过命题论文的方式来了解学生综合水平，学生通过将自身所学知识进行适当的总结，探讨自身学习体会，来加强学生对相关知识的进一步理解，深化了数学建模思想的渗透。

6结语

数学建模论文范文第2篇

论文关键词：遗传算法

 

1 引言

“物竞天择，适者生存”是达尔文生物进化论的基本原理，揭示了物种总是向着更适应自然界的方向进化的规律。可见，生物进化过程本质上是一种优化过程，在计算科学上具有直接的借鉴意义。在计算机技术迅猛发展的时代，生物进化过程不仅可以在计算机上模拟实现，而且还可以模拟进化过程，创立新的优化计算方法，并应用到复杂工程领域之中，这就是遗传算法等一类进化计算方法的思想源泉。

2 遗传算法概述

遗传算法是将生物学中的遗传进化原理和随[1]优化理论相结合的产物，是一种随机性的全局优算法。遗传算法不但具有较强的全局搜索功能和求解问题的能力，还具有简单通用、鲁棒性强、适于并行处理等特点数学建模论文，是一种较好的全局优化搜索算法。在遗传算法的应用中，由于编码方式和遗传算子的不同，构成了各种不同的遗传算法。但这些遗传算法都有共同的特点，即通过对生物遗传和进化过程中选择、交叉、变异机理的模仿，来完成对问题最优解的自适应搜索过程。基于这个共同点，Holland的遗传算法常被称为简单遗传算法（简记SGA），简单遗传算法只使用选择算子、交叉算子和变异算子这三种基本遗传算子，其遗传进化操作过程简单，容易理解，是其他一些遗传算法的雏形和基础，这种改进的或变形的遗传算法，都是以其为基础[1]。

2.1遗传算法几个基本概念

个体(IndividualString)：个体是遗传算法中用来模拟生物染色体的一定数目的二进制串，该二进制串用来表示优化问题的满意解。

种群(population)：包含一组个体的群体，是问题解的集合。

基因模式(Sehemata)：基因模式是指二进制位串表示的个体中，某一个或某些位置上具有相似性的个体组成的集合，也称模式。

适应度(Fitness)：适应度是以数值方式来描述个体优劣程度的指标，由评价函数F计算得到。F作为求解问题的目标函数，求解的目标就是该函数的最大值或最小值。

遗传算子(genetic operator)：产生新个体的操作，常用的遗传算子有选择、交叉和变异。

选择(Reproduetion)：选择算子是指在上一代群体中按照某些指标挑选出的，参与繁殖下一代群体的一定数量的个体的一种机制龙源期刊。个体在下一代种群中出现的可能性由个体的适应度决定，适应度越高的个体，产生后代的概率就越高。

交叉(erossover)：交叉是指对选择后的父代个体进行基因模式的重组而产生后代个体的繁殖机制。在个体繁殖过程中，交叉能引起基因模式的重组，从而有可能产生含优良性能的基因模式的个体。交叉可以发生在染色体的一段基因串或者多段基因串。交叉概率（Pc）决定两个个体进行交叉操作的可能性数学建模论文，交叉概率太小时难以向前搜索，太大则容易破坏高适应度的个体结构，一般Pc取0.25~0.75

变异(Mutation)：变异是指模拟生物在自然的遗传环境中由于某种偶然因素引起的基因模式突变的个体繁殖方式。在变异算子中，常以一定的变异概率（Pm）在群体中选取个体，随机选择个体的二进制串中的某些位进行由概率控制的变换（0与1互换）从而产生新的个体[2]。如果变异概率太小，就难以产生新的基因结构，太大又会使遗传算法成了单纯的随机搜索，一般取Pm=0.1~0.2。在遗传算法中，变异算子增加了群体中基因模式的多样性，从而增加了群体进化过程中自然选择的作用，避免早熟现象的出现。

2.2基本遗传算法的算法描述

用P(t)代表第t代种群，下面给出基本遗传算法的程序伪代码描述：

基本操作：

InitPop（）

操作结果：产生初始种群，初始化种群中的个体，包括生成个体的染色体值、计算适应度、计算对象值。

Selection（）

初始条件：种群已存在。

操作结果：对当前种群进行交叉操作。

Crossover（）

初始条件：种群已存在。

操作结果：对当前种群进行交叉操作。

Mutation（）

初始条件：种群已存在。

对当前种群进行变异操作。

PerformEvolution（）

初始条件：种群已存在且当前种群不是第一代种群。

操作结果：如果当前种群的最优个体优于上一代的最优本，则将其赋值给bestindi，否则不进行任何操作。

Output（）

初始条件：当前种群是最后一代种群。

操作结果：输出bestindi的表现型以及对象值。

3 遗传算法的缺点及改进

遗传算法有两个明显的缺点：一个原因是出现早熟往往是由于种群中出现了某些超级个体，随着模拟生物演化过程的进行，这些个体的基因物质很快占据种群的统治地位，导致种群中由于缺乏新鲜的基因物质而不能找到全局最优值；另一个主要原因是由于遗传算法中选择及杂交变异等算子的作用，使得一些优秀的基因片段过早丢失，从而限制了搜索范围，使得搜索只能在局部范围内找到最优值，而不能得到满意的全局最优值[3]。为提高遗传算法的搜索效率并保证得到问题的最优解，从以下几个方面对简单遗传算法进行改进。

3.1编码方案

因实数编码方案比二进制编码策略具有精度高、搜索范围大、表达自然直观等优点数学建模论文，并能够克服二进制编码自身特点所带来的不易求解高精度问题、不便于反应所求问题的特定知识等缺陷，所以确定实数编码方案替代SGA中采用二进制编码方案[4]。

3.2 适应度函数

采用基于顺序的适应度函数，基于顺序的适应度函数最大的优点是个体被选择的概率与目标函数的具体值无关，仅与顺序有关[5]。构造方法是先将种群中所有个体按目标函数值的好坏进行排序，设参数β∈(0,1)，基于顺序的适应度函数为：

（1）

3.3 选择交叉和变异

在遗传算法中，交叉概率和变异概率的选取是影响算法行为和性能的关键所在，直接影响算法的收敛性。在SGA中，交叉概率和变异概率能够随适应度自动调整，在保持群体多样性的同时保证了遗传算法的收敛性。在自适应基本遗传算法中，pc和pm按如下公式进行自动调整：

（2）

（3）

式中：fmax为群体中最大的适应度值；fave为每代群体的平均适应度值；f′为待交叉的两个个体中较大的适应度值；f为待变异个体的适应度值；此处，只要设定k1、k2、k3、k4为（0，1）之间的调整系数，Pc及Pm即可进行自适应调整。本文对标准的遗传算法进行了改进，改进后的遗传算法对交叉概率采用与个体无关，变异概率与个体有关。交叉算子主要作用是产生新个体，实现了算法的全局搜索能力。从种群整体进化过程来看，交叉概率应该是一个稳定而逐渐变小，到最后趋于某一稳定值的过程；而从产生新个体的角度来看，所有个体在交叉操作上应该具有同等地位，即相同的概率，从而使GA在搜索空间具有各个方向的均匀性。对公式（2)和（3）进行分析表明，适应度与交叉率和变异率呈简单的线性映射关系。当适应度低于平均适应度时，说明该个体是性能不好的个体数学建模论文，对它就采用较大的交叉率和变异率；如果适应度高于平均适应度，说明该个体性能优良，对它就根据其适应度值取相应的交叉率和变异率龙源期刊。

当个体适应度值越接近最大适应度值时，交叉概率和变异概率就越小；当等于最大适应度值时，交叉概率和变异概率为零。这种调整方法对于群体处于进化的后期比较合适，这是因为在进化后期，群体中每个个体基本上表现出较优的性能，这时不宜对个体进行较大的变化以免破坏了个体的优良性能结构；但是这种基本遗传算法对于演化的初期却不利，使得进化过程略显缓慢[6]。因为在演化初期，群体中较优的个体几乎是处于一种不发生变化的状态，而此时的优良个体却不一定是全局最优的，这很容易导致演化趋向局部最优解。这容易使进化走向局部最优解的可能性增加。同时，由于对每个个体都要分别计算Pc和Pm，会影响程序的执行效率，不利于实现。

对自适应遗传算法进行改进，使群体中具有最大适应度值的个体的交叉概率和变异概率不为零，改进后的交叉概率和变异概率的计算公式如式（4）和（5）所示。这样，经过改进后就相应地提高了群体中性能优良个体的交叉概率和变异概率，使它们不会处于一种停滞不前的状态，从而使得算法能够从局部最优解中跳出来获得全局最优解[7]。

(4)

(5)

其中：fmax为群体中最大的适应度值；fave为每代群体的平均适应度值；f′为待交叉的两个个体中较大的适应度值；f为待变异个体的适应度值；pc1为最大交叉概率；pm1为最大变异概率。

3.4 种群的进化与进化终止条件

将初始种群和产生的子代种群放在一起，形成新的种群，然后计算新的种群各个体的适应度，将适应度排在前面的m个个体保留，将适应度排在后面m个个体淘汰数学建模论文，这样种群便得到了进化[8]。每进化一次计算一下各个个体的目标函数值，当相邻两次进化平均目标函数之差小于等于某一给定精度ε时，即满足如下条件：

(6)

式中，为第t+1次进化后种群的平均目标函数值，为第t次进化后种群的平均目标函数值，此时，可终止进化。

3.5 重要参数的选择

GA的参数主要有群里规模n，交叉、变异概率等。由于这些参数对GA性能影响很大，因此参数设置的研究受到重视。对于交叉、变异概率的选择，传统选择方法是静态人工设置。现在有人提出动态参数设置方法，以减少人工选择参数的困难和盲目性。

4 结束语

遗传算法作为当前研究的热点，已经取得了很大的进展。由于遗传算法的并行性和全局搜索等特点，已在实际中广泛应用。本文针对传统遗传算法的早熟收敛、得到的结果可能为非全局最优收敛解以及在进化后期搜索效率较低等缺点进行了改进，改进后的遗传算法在全局收敛性和收敛速度方面都有了很大的改善，得到了较好的优化结果。

参考文献

[1]邢文训,谢金星.现代优化计算方法[M].北京:清华大学出版社,1999:66-68.

[2]王小平,曹立明.遗传算法理论[M].西安交通大学出版社,2002:1-50,76-79.

[3]李敏强,寇纪淞,林丹,李书全.遗传算法的基本理论与应用[M].科学出版社, 2002:1-16.

[4]涂承媛,涂承宇.一种新的收敛于全局最优解的遗传算法[J].信息与控制,2001,30(2):116-138

[5]陈玮,周激,流程进,陈莉.一种改进的两代竞争遗传算法[J].四川大学学报:自然科学版,2003.040(002):273-277.

[6]王慧妮,彭其渊,张晓梅.基于种群相异度的改进遗传算法及应用[J].计算机应用,2006,26(3):668-669.

[7]金晶,苏勇.一种改进的自适应遗传算法[J].计算机工程与应用,2005,41(18):64-69.

[8]陆涛,王翰虎,张志明.遗传算法及改进[J].计算机科学,2007,34(8):94-96

数学建模论文范文第3篇

探究式教学法，不同于传统将知识直接由老师进行传授的教学方法，而将其重心放在学生的“探与究”上。“探”是重头，学生在新接触某个概念和原理时，教师只提供事例和问题，学生通过查阅、观察、记录、实验等途径独立探索。“究”是核心，学生在独立探索的基础上，通过思考、讨论自行发现掌握相应的原理和结论。最后老师结合学生的探究过程对他们的结论进行评价和矫正。在探究过程中，始终强调以学生为主体，学生的自主学习能力都得到加强，相比被动接受教师传授的知识和结论，通过这种方式获取的知识，学生理解更透彻，掌握更牢固。数学建模课程教学中大量源于实际生活的实例，也使得这门课程在教学手段和教学形式上的得以有大量创新，探究式的教学模式尤其适合在本课程的教学中使用，笔者长期承担数学建模课程的教学工作和指导学生开展数学建模竞赛及有关活动，结合多年的实践谈一谈。

探究过程的具体实施

问题驱动　探究过程的驱动是问题，学生的学习活动围绕教师设计的问题展开。教师在这里要做的是，课前根据教学目的和内容，精心挑选有趣，又难度适宜的问题。例如，在一堂数学建模课中，我们以身边的一个具体实例来提出问题：通常1公斤的面，1公斤的馅，包100个汤圆；今天1公斤面不变，馅比1公斤多了，问应多包几个，每个包小一点，还是应少包几个，每个包大一点？实践探索　这是探究过程的关键环节，在教师的组织下，学生自己动手实践如何制订研究计划，如何收集必要的资料和有关的研究方法。基于培养学生团队合作精神的目的，这个过程可将学生分组来完成。例如：包汤圆的问题中，引导学生把问题梳理和抽象出来，一张面积为S的皮，可以包体积为V的馅，如今把这张面积为S的皮，分成n张面积为s的皮，每张面积为s的皮可以包体积为v的馅，那么问题就转化为了讨论，究竟是V大还是nv大的问题了。这个过程中，一定要让学生思考，是不是需要某些合理的假设，如：不论面皮大小，其厚度都应该一致；不论汤圆大小，其形状都一致（这两个假设很关键）。思考讨论　学生把通过实践探索得到的资料进行思考、梳理、总结，形成自己的结论。各团队就同一问题将自己的结论清楚地表达出来，针对各种不同的观点，共同讨论。评价矫正　在集体讨论、辩论过程中，教师适时给予评价和矫正，分析独特，立意清晰的给予肯定，观点模糊的给予指正，通过融洽的学术交流使大家发现自己的问题所在，不准确、不深入的地方继续完善。

探究式教学中应注意的问题

数学建模论文范文第4篇

MATLAB应用软件是一种准确、较为可靠的科学计算标准软件，操作方便，方法简单易行，学生学习起来也较容易入手，是一种培养学生动手能力的数学学习方式，MATLAB软件适宜于数学实验的学习内容，MATLAB数学实验课程的学习，对于帮助学生提高动手实践能力、临场应变能力都有很好的帮助，并且对于学生使用先进的方法独立解决问题，进行独立思考能力的培养都有好处。同时培养学生的实践创新能力和动手能力，对于回答学生对于数学的应用领域的认识，并能够培养学生的应用意识，用以前所学的数学理论和计算机知识去发现问题和解决实际问题的能力。

二、应用数学建模思想解决实际问题

下面就数学建模中的一个常见实例问题，应用数学建模的思想，给出解决实际问题的思路和方法，以及数学建模的过程和步骤。把椅子放在一个不平整的地面上，一般情况只有三只脚着地，另一只脚或高或低，放不平稳，然而只需要稍微调整座椅的位置几次，并进行轻轻挪动，就可以使座椅的四只脚同时和地面接触，座椅放稳了。此问题在日常生活中很常见，同时在数学建模的时候，可以进行下面的假设：对于数学建模而言，一般都需要进行模型假设，因为实际生活中的例子，只有在特定假设的前提下，才能够划归为数学问题，进行求解。对椅子、地面和椅子的四只椅脚可以结合实际的进行必要的假设：

1.椅子本身而言，四条腿是一样长，椅脚与地面的接触处可看做一个点，四只脚与地面的接触所形成的四个点之间的连线构成一个正方形。

2.地面的高度的变换是连续不断的，沿任何方向延伸都不会出现间断(没有像阶梯那样的巨变情况)，即地面可视为高等数学上的连续曲面。

3.其中假设椅子是放在一个硬的地面上的，不会放在海绵，或者是很厚的地毯上的。（接触点是只要接触就不能下压）

4.对于四个椅脚的间距和椅腿的长度而言，地面是相对平坦的，地面的坡度的高度相对于椅脚的间距和椅腿的长度是很小的，使椅子在任何位置至少有三只脚能够同时着地。现在对以上的假设情况进行分析，其中，假设1显然是合乎情理的，因为实际中，椅子的四条腿基本上都是一样长的，即使不一样长，其差距也是很小的，在这里是可以忽略不计的。假设2相当于给出了该建模的一个基本条件，给出了椅子能够放稳的条件，存在放稳的这种可能性。因为假设地面高度不连续，而是在有台阶的地方，是无法使椅子的四只脚同时着地的。对于假设3，是一个基于实际情况的假设，是一种特殊情况，在这里我们排除这种情况的假设。假设4也是要排除这样的情况发生：椅脚间距和椅腿的长度与地面上的高度的连续变化的尺寸在一致的范围内，不会有地面的高度比椅腿的长度大很多的情况，出现深沟或凸峰(即使是连续变化的)，比如地面有凸峰，致使椅子的三只脚无法同时着地。在此假设的基础之上，该模型的问题也已经出来了，就是能够让椅子的四只脚同时和地面接触，把满足这种情况的条件和结论表述出来，并且构建一个能够利用数学知识解决的模型。首先需要用一个量来表示椅子的位置，并且这个位置是不确定的，而且随着挪动椅子的位置，这个量也应该随着变化，所以使用一个变量来进行表示。注意在前面的假设中，已经做了这样的假设，椅脚连线构成一个正方形，那么根据正方形，能够想到其以中心为对称点，正方形的四个顶点绕中心点的旋转恰好可以代表椅子位置的改变，于是我们可以使用旋转的角度这一个变量来表示椅子当前所在的位置。四个椅脚分别对应ABCD四点，四个点的连线就构成了正方形ABCD，正方形的对角线AC与x轴重合，AC的中点和O点重合，椅子绕中心点O旋转角度φ后，正方形ABCD转至任意一个位置，假设为转到A’B’C’D’的位置，所以对角线AC与x轴的夹角φ代表了椅子的位置。其次把椅脚着地用数学符号进行表示。如果用某个变量表示椅脚与地面的垂直距离，那么当这个距离为零时就是表示椅脚和地面接触了，椅脚着地了。椅子在不同位置时，椅脚与地面的距离不同，并且这个距离和旋转的角度有一定的关系，它是旋转角度的一个变量，因此在数学上这个距离就是椅子位置变量φ的一个函数，这样就可以把一个实际问题数学化。虽然椅子有四只脚，与之对应的就应该有四个距离，但是由于正方形的中心对称性，在这里，只要假设两个距离函数就可以了，分别是对称的两个脚与地面的距离之和，记A，C两脚与地面距离之和为u(φ)，B，D两脚与地面距离之和为v(φ)，根据实际情况可以得到两个函数的条件，(u(φ)，v(φ)≥0)。由假设2可知，u和v都是连续变化的函数。由假设4，在任意时刻，任何位置椅子都有三只脚着地，只需调节另外一只椅脚。所以对于任意的φ，u(φ)和v(φ)中至少有一个为零。当φ=0时，假设v(φ)=0，u(φ)>0。这样，改变椅子的位置使四只脚同时着地的这个实际模型的问题，就归结为证明如下的一个数学命题：已知u(φ)和v(φ)是φ的连续函数，对任意φ，u(φ)·v(φ)=0，且v(0)=0，u(0)>0，证明存在φ0，使u(φ0)=v(φ0)=0。在上面讲实际问题的条件和需要解答的问题都构成数学问题，以下就是利用数学知识对建模模型的实例进行解答。对于该例子中的题目，有很多种解答方法，下面这种方法运用数学上的连续性的理论。将椅子向左或向右旋转90°(π/2)，并且将对角线AC与BD互换。由v(0)=0和u(0)>0可知，v(π/2)>0和u(π/2)=0。令h(φ)=u(φ)-v(φ)，则h(φ)和h(π/2)＜0。由u和v的连续性，可以知道h也是连续函数。根据高等数学中关于连续函数的基本性质，必存在φ0(0<φ0<π/2)使h(φ0)=0，即u(φ0)=v(φ0)。最后，因为u(φ0)·v(φ0)=0，所以u(φ0)＝v(φ0)=0。通过运用数学建模知识，解决了实际的问题，同时学生也学会了连续函数中的相关知识，而在实际的应用中，还可以运用MATLAB等软件，对数学模型进行解答和计算，提高学生的解题能力和软件的使用能力。

三、结论

数学建模论文范文第5篇

建模思想在数学课堂上的应用，其核心是建立数学思维模式，发展学生的数学思想，使学生能够灵活的运用数学知识解决问题，学会用“数学的脑子”思考问题、学会利用数学的方法解决问题．例如，有6名工人向工地运砖，每人一辆手推车，大车每次运600块，小车每次运400块，5次共运了28000块，问有多少辆大车参与了运砖?首先，要认真审题、仔细读题，把握题目给出的每个条件和提示，将其中隐藏的等量关系准确的找出来．如例题，关键掌握两个等量关系，大车和小车一共6辆，因为有六个工人使用，每人一辆手推车;所有大车和小车5次共运砖28000块，通过总量和次数和求出每次运砖5600块．其次，进行设元，通过对未知和已知的掌握准确设定未知数，列出不等式后，注意未知量之间的转换技巧．如例题，求多少辆大车参与了运砖，如未知数设为:有x辆小车参与运输，或有x辆大车和y辆小车参与运输，这样设元解题就麻烦．直接设未知数为:有x辆大车参与了运输，简洁、明了，在寻找大车数量与小车数量的关系可得出小车数量为:6－x，这样就成功的完成了未知量之间的转换．最后列方程求解，得出答案．对于该类型题要善于总结，分析同类型题的共同点，以便建立数学模式．先从情景入手，A和B共同做一件事，A、B量的和为C，单位工作量分别为D、E，工作总量为F，此类题求解的模式为，先设A、B中的一个为x，另一个就为C－x．然后建立等量关系进行列式求解，F=Dx+E(C－x)，这样简化了求解过程，节省了分析问题的时间，更容易使学生轻松的解决问题．今后，当遇到类似的题目会产生主动比较的意识，发现题目的相同与不同，有利于学生数学综合能力的提高．

二、引导学生针对实际问题建立数学模型

数学学习的最终目的是应用数学知识解决实际中的问题，在教学中，要注重引导学生利用学过的数学知识建立数学模型解决实际中的问题，其中的关键是将实际的数学问题转化为相关的数学知识，使抽象的数学问题具体化、简单化．例如，某图书馆需要一批书架，到市场购买是890元一件，图书馆自制是590元一件，但需要制作场地和制作设备，得知制作场地及设备的租赁费为5100元，问怎样获得这批书架图书馆最合算?对于实际问题的解决，首先，将实际数学情景与数学知识联系起来进行分析，正确设元．如例题，设图书馆需要书架x件，即得出:商场购买书架需要的支付金额为890x，制作书架需支付的金额为(590x+5100)元．然后对其进行分析，当890x=590x+5100时，图书馆用于购买书架和定制书架的支出相同，通过求解x=17(件)．结合题意分析:当x=17时，两种方案的结果相同;当x＞17时，购买支出的费用较高，就应考虑选择制作书架;当x＜17时，购买支出的费用较低，那么选择购买就划算一些．在数学知识理论的支持下，图书馆所需的书架数量即使任意发生变化，我们也能得到最佳的定制方案，以确保书架购置成本的最低化．

三、巧建数形模式解决数学问题

数形结合模式在数学解题中非常关键，数形的结合往往能使一些困难问题简单化、复杂问题直观化．在数学教学中，要善于引导学生将抽象的代数问题与直观的几何图形结合起来进行求解．例如，20个同学去郊游，打算在湖中荡舟，每艘小船可坐4人，租金是40元，每艘大船可坐6人，价钱是50元，同学们怎样租船划算．对于该问题凭想象解决往往是不可靠的，有的同学认为，租2艘大船2艘小船，刚好坐满，不浪费是最划算的．有的同学认为租小船划算、便宜，到底怎样最合算，不是我们能够讨论出结果的，而应该用“数学的脑子”去思考问题．设租大船x艘，租小船y艘，求解:50x+40y的最小值．结合6x+4y≥20求解．首先分析得出3x+2y≥10(x，y都为整数)结合3x+2y=10的图形。

结合图形很容易得出y的值为0～5，x的值为0～4，直线和直线以上部分都符合题目要求，可以满足同学们的租船需求，但y超过5、x超过4后就会造成资源浪费，所以不考虑．再从题目得出50x+40y值最小时，租船最合算，即20Z－10x(Z=3x+2y)取最小值，分析得:Z值最小，x值最大时，20Z－10x的取值最小，即3x+2y=10x取最大值时，租船最合算，结合图形x=3，y=1．利用图形解决数学问题，使复杂的数学问题得到了简化，并使抽象的数学条件直观化，有利于对学生数学兴趣的培养和数学解题能力的提高．又如，通过代数形式解决几何问题，使一些较复杂的几何问题求解简单化，使抽象的几何问题直观化．例如，已知抛物线y=x2与直线y=4x+5相交，求他们围成的图形的面积．打眼一看这题让人发蒙，如果在求解时先画出草图(如图2)，再进行求解，题目的已知和未知就变得比较明朗化，有助于解题思路的拓展．结合草图对题目进行分析，先利用x2=4x+5求两个解析式的两个交点，很直观的可以看到y=x2与直线y=4x+5围成的图形，再以x或y为积分变量进行求解．建立此类型题的求解模式，使学生科学的掌握不同类型题目的求解途径，对于提高数学教学质量非常关键．