2023年MathorCup妈妈杯代码论文讲解数据全

风飘飘

A题 量子计算机在信用评分卡组合优化中的应用
第一问参考：
1. # 导入所需的库
2. import dwave.cloud
3. import dwavebinarycsp
4. from dwave.system.samplers import DWaveSampler
5. from dwave.system.composites import EmbeddingComposite
6. import numpy as np
7.
8. # 定义信用评分卡的个数和阈值的个数
9. num_cards = 100
10. num_thresholds = num_cards - 1
11.
12. # 定义信用评分卡和阈值的权重
13. card_weights = np.random.rand(num_cards)
14. threshold_weights = np.random.rand(num_thresholds)
15.
16. # 定义约束条件
17. csp = dwavebinarycsp.ConstraintSatisfactionProblem(dwavebinarycsp.BINARY)
18. for i in range(num_cards):
19.  for j in range(num_thresholds):
20.  csp.add_constraint(lambda x, i=i, j=j: (x + x[i+1] - 2*x[num_cards+j]) <= 0, [i, i+1, num_cards+j])
21.
22. # 将约束条件转换为 QUBO 形式
23. bqm = dwavebinarycsp.stitch(csp)
24.
25. # 在 D-Wave 上求解 QUBO 模型
26. sampler = EmbeddingComposite(DWaveSampler(solver={'qpu': True}))
27. response = sampler.sample(bqm, num_reads=1000)
28.
29. # 输出结果
30. print(response)对于第二问：
针对这个问题，我们可以考虑将三个信用评分卡的阈值设置为变量，并使用二进制变量来表示是否接受该信用评分卡。因此，该问题的目标是最大化收入，其约束条件是选择的信用评分卡阈值的线性组合不能超过总预算。
对于第三问： 后续更新
为了解决这个问题，我们可以使用类似于问题2的方法，只不过我们需要将选择的信用评分卡从1个扩展到3个。具体来说，我们可以考虑以下变量：
$x_{ij}$ 表示第 $i$ 个样本是否选择了第 $j$ 个信用评分卡，其中 $i\in{1,2,\dots,100}$，$j\in{1,2,3}$。
$y_i$ 表示对于第 $i$ 个样本，其对应的阈值是否被触发，其中 $i\in{1,2,\dots,100}$。
B题 城市轨道交通列车时刻表优化问题

对于问题3
要降低企业运营成本并提高服务水平，可以采取以下几种改进方法：
优化列车调度算法：使用智能调度算法和预测模型，基于客流和车站数据对列车进行调度和优化。这样可以减少空驶和等待时间，提高列车的利用率和运行效率，从而降低企业的运营成本。
提高列车的可靠性和安全性：加强列车的维护保养和安全管理，减少故障和事故的发生，从而提高列车的可靠性和安全性。这样可以减少不必要的停运和维修成本。
改进车站服务设施：优化车站设施和服务，提高乘客的出行体验和满意度，从而提高服务水平和客流量。
推广智能化客流管理系统：使用智能化客流管理系统，实现精准客流预测和分析，对客流进行合理调度和管理。这样可以减少客流拥堵和等待时间，提高客流的运营效率和服务水平。
通过对客流和车站数据进行量化分析，可以帮助企业制定更精确和科学的运营策略和方案。这样可以提高运营效率和服务水平，并降低企业的运营成本。
C 题 电商物流网络包裹应急调运与结构优化问题

function [mydistance,mypath]=mydijkstra(a,sb,db)
% 输入：a—邻接矩阵(aij)是指i到j之间的距离，可以是有向的
% sb—起点的标号, db—终点的标号
% 输出：mydistance—最短路的距离, mypath—最短路的路径
n=size(a,1); visited(1:n) = 0;
distance(1:n) = inf; % 保存起点到各顶点的最
distance(sb) = 0; parent(1:n) = 0;
for i = 1: n-1
temp=distance;
id1=find(visited==1); %查找已经标号的点
temp(id1)=inf; %已标号点的距离换成无穷
[t, u] = min(temp); %找标号值最小的顶点
visited(u) = 1; %标记已经标号的顶点
id2=find(visited==0); %查找未标号的顶点
for v = id2
if a(u, v) + distance(u) < distance(v)
distance(v) = distance(u) + a(u, v); %修改标号值
parent(v) = u;
end
end
end
mypath = [];
if parent(db)~=0
t = db; mypath = [db];
while t ~= sb
p = parent(t);
mypath = [p mypath];
t = p;
end
end
mydistance = distance(db);
returnD 题 航空安全风险分析和飞行技术评估问题

问题 3:不同超限情况分析 分析附件 2 的数据，可以采用聚类分析、关联规则等，研火不同超限情况下的基本特征。可 以考虑航线或机场的特点与超限类型的关系、天气条钎与超限类型的关系、飞行员与超限类 型的关系等等
问题 4:基于飞行参数的飞行技术评估 根据附件 3，可以建立多元线性回归、支挂向量机等来评估飞行员的飞行技术。以飞行参数 为自变量，飞行员的技术级别为因变量，训练模型并进行预测。 问题 5:实时自动化预警机制 结合附件 1 的数据，可以处 o 实时自动化预警机制，要设定关键飞行参数的阈值，如最大 G 值、飞行高度等人并实付监测飞行数据，与阈值进行比较。若果飞行参数超过阈值，触发预 警信号，并采取相应措施降低风险。对于仿真结果，可以模拟不同飞行情景，分析预警机制 在各种情况下的预警效果
23年第十三届 MathorCup妈妈杯代码论文讲解数据 视频讲解


2023年Mathorcup数学建模竞赛A题思路2023年Mathorcup数学建模竞赛B题思路2023年Mathorcup数学建模竞赛C题思路2023年Mathorcup数学建模竞赛D题思路
2023年妈妈杯A题思路2023年妈妈杯B题思路2023年妈妈杯C题思路2023年妈妈杯D题思路

叶欢老师

DCD代码均已更新！