建模中排序用哪些方法

1. 數學建模中有什麼好的數據處理方法，尤其是量大的數據

你是要做統計嗎？對大量數據的處理統計，spss是個很強大的統計軟體，只要你將excel中的數據導入spss，然後選擇你要處理的方式，軟體自動幫你解決。至於lingo，是做優化的好幫手，而MATLAB雖然也具有統計處理數據的功能，但是沒有spss強大，不過用來解微分方程是很合適的。
另外，如果你不會用spss，覺得學起來麻煩，那就用excel吧，其實excel的功能也是很強大的，處理數據很方便。我一般是先用excel對數據做一些初級的處理，比如排序啊，求和統計，平均數之類的，如果要做回歸分析或者聚類分析等等，我就會用spss來做，這個用起來很方便。

2. 建模的五種基本方法

參數化建模（Parametric Modeling）

是20世代末逐漸占據主導地位的一種計算機輔助設計方法，是參數化設計的重要過程。

3. 數學建模中綜合評價的方法有哪些

綜合評價有許多不同的方法：

1、綜合指數法：

綜合指數法是先綜合，後對比平均,其最大優點在於不僅可以反映復雜經濟現象總體的變動方向和程度,而且可以確切地、定量地說明現象變動所產生的實際經濟效果。但它要求原始資料齊全。平均指數法是先對比,後綜合平均，雖不能直接說明現象變動的絕對效果，但較綜合指數法靈活,便於實際工作中的運用。

2、TOPSIS法：

其基本原理，是通過檢測評價對象與最優解、最劣解的距離來進行排序，若評價對象最靠近最優解同時又最遠離最劣解，則為最好；否則不為最優。其中最優解的各指標值都達到各評價指標的最優值。最劣解的各指標值都達到各評價指標的最差值。

3、層次分析法：

運用層次分析法有很多優點，其中最重要的一點就是簡單明了。層次分析法不僅適用於存在不確定性和主觀信息的情況，還允許以合乎邏輯的方式運用經驗、洞察力和直覺。也許層次分析法最大的優點是提出了層次本身，它使得買方能夠認真地考慮和衡量指標的相對重要性。

另外還有RSR法、模糊綜合評價法、灰色系統法等，這些方法各具特色，各有利弊。

(3)建模中排序用哪些方法擴展閱讀：

綜合評價的一般步驟

1、根據評價目的選擇恰當的評價指標，這些指標具有很好的代表性、區別性強，而且往往可以測量，篩選評價指標主要依據專業知識，即根據有關的專業理論和實踐，來分析各評價指標對結果的影響，挑選那些代表性、確定性好，有一定區別能力又互相獨立的指標組成評價指標體系。

2、根據評價目的，確定諸評價指標在對某事物評價中的相對重要性，或各指標的權重；

3、合理確定各單個指標的評價等級及其界限；

4、根據評價目的，數據特徵，選擇適當的綜合評價方法，並根據已掌握的歷史資料，建立綜合評價模型；

5、確定多指標綜合評價的等級數量界限，在對同類事物綜合評價的應用實踐中，對選用的評價模型進行考察，並不斷修改補充，使之具有一定的科學性、實用性與先進性，然後推廣應用。

4. 數學建模試題 排名問題

在各個評委評定的名次比較接近時合理，當有評委給出差異很大的結果時不合理，應去掉有巨大差異的評委結果，就可消除此消極影響。
名次取倒數相加，結果從大到小排列，將更為合理

5. 數學建模五個步驟順序

數學建模五個步驟順序如下：

第一步：根據研究對象的特點，確定研究對象屬哪類自然事物或自然現象，從而確定使用何種數學方法與建立何種數學模型。即首先確定對象與應該使用的數學模型的類別歸屬問題，是屬於「必然」類，還是「隨機」類；是「突變」類，還是「模糊」類。

第三步：抓住主要矛盾進行科學抽象。現實研究對象是復雜的，多種因素混在一起，因此，必須變復雜的研究對象為簡單和理想化的研究對象，做到這一點相當困難，關鍵是分清主次。

如何分清主次只能具體問題具體分析，但也有兩條基本原則：一是所建數學模型一定是可能的，至少可給出近似解；二是近似解的誤差不能超過實際問題所允許的誤差范圍。

第四步：對簡化後的基本量進行標定，給出它們的科學內涵。即標明哪些是常量，哪些是已知量，哪些是待求量，哪些是矢量，哪些是標量，這些量的物理含義是什麼?

第五步：按數學模型求出結果。

6. catia怎麼更改模型樹中不同特徵的先後順序

方法和詳細的操作步驟如下：

1、第一步，在「模型」界面上看不到圖紙，見下圖，轉到下面的步驟。

7. 多目標模型怎麼給目標排序matlab

matlab多目標模型給目標排序的方法：
1、打開matlab軟體，在matlab軟體的界面中，找到插入選項。
2、點擊打開插入選項，在插入選項中，找到多目標模型，點擊打開多目標模型。
3、在多目標模型中找到排序選項，點擊打開排序選項，即可進行給目標排序。

8. 數學建模常用方法

1、層次分析法，簡稱AHP，是指將與決策總是有關的元素分解成目標、准則、方案等層次，在此基礎之上進行定性和定量分析的決策方法。該方法是美國運籌學家匹茨堡大學教授薩蒂於20世紀70年代初，在為美國國防部研究"根據各個工業部門對國家福利的貢獻大小而進行電力分配"課題時，應用網路系統理論和多目標綜合評價方法，提出的一種層次權重決策分析方法。

2、多屬性決策是現代決策科學的一個重要組成部分，它的理論和方法在工程設計、經濟、管理和軍事等諸多領域中有著廣泛的應用，如：投資決策、項目評估、維修服務、武器系統性能評定、工廠選址、投標招標、產業部門發展排序和經濟效益綜合評價等．多屬性決策的實質是利用已有的決策信息通過一定的方式對一組(有限個)備選方案進行排序或擇優．它主要由兩部分組成：(l) 獲取決策信息．決策信息一般包括兩個方面的內容：屬性權重和屬性值(屬性值主要有三種形式：實數、區間數和語言)．其中，屬性權重的確定是多屬性決策中的一個重要研究內容；(2)通過一定的方式對決策信息進行集結並對方案進行排序和擇優。

3、灰色預測模型（Gray Forecast Model）是通過少量的、不完全的信息，建立數學模型並做出預測的一種預測方法.當我們應用運籌學的思想方法解決實際問題，制定發展戰略和政策、進行重大問題的決策時，都必須對未來進行科學的預測.預測是根據客觀事物的過去和現在的發展規律，藉助於科學的方法對其未來的發展趨勢和狀況進行描述和分析，並形成科學的假設和判斷。

9. 如何用數學建模的方法，將1到100十組雜亂數字進行快速排序

就是一個計算機編程的問題，編程的過程和方法也可以作為數學模型，數學建模可以是一個數字，可以是一個程序，一個公式等。
建議你用matab或c語言有專門的排序方法像冒泡法等