第六十二章
道者万物之奥，善人之宝，不善人之所保。美言可以市，尊行可以加人。人之不善，何弃之有。故立天子、置三公，虽有拱璧以先驷马，不如坐进此道。古之所以贵此道者，何不日以求得？有罪以免邪！故为天下贵。
一路走来，我们常常被正能量所鼓舞，却又每每为负能量所打击。表达的意思能否被接收者正确理解，或许我们永远也不得而知。从各种结果来看，能完全理解的少之又少。沟通是一件事，理解是完全不同的另一件事。当结果倒向不知名方向时我们该怎么做，真的太难了。守着正能量，做正确的事是基础，抛开情绪的聒噪，静下心追寻生命之光。争执不是办法，逃避也无力解决，唯有积极面对才能跳出可怕的局部循环。
道者万物之奥，善人之宝，不善人之所保。美言可以市，尊行可以加人。人之不善，何弃之有。故立天子、置三公，虽有拱璧以先驷马，不如坐进此道。古之所以贵此道者，何不日以求得？有罪以免邪！故为天下贵。
一路走来，我们常常被正能量所鼓舞，却又每每为负能量所打击。表达的意思能否被接收者正确理解，或许我们永远也不得而知。从各种结果来看，能完全理解的少之又少。沟通是一件事，理解是完全不同的另一件事。当结果倒向不知名方向时我们该怎么做，真的太难了。守着正能量，做正确的事是基础，抛开情绪的聒噪，静下心追寻生命之光。争执不是办法，逃避也无力解决，唯有积极面对才能跳出可怕的局部循环。
初一数学上册：14个考点全
1.数轴
(1)数轴的概念：规定了原点、正方向、单位长度的直线叫做数轴．
数轴的三要素：原点，单位长度，正方向。
(2)数轴上的点：所有的有理数都可以用数轴上的点表示，但数轴上的点不都表示有理数．（一般取右方向为正方向，数轴上的点对应任意实数，包括无理数．）
(3)用数轴比较大小：一般来说，当数轴方向朝右时，右边的数总比左边的数大。
2.相反数
(1)相反数的概念：只有符号不同的两个数叫做互为相反数．
(2)相反数的意义：掌握相反数是成对出现的，不能单独存在，从数轴上看，除0外，互为相反数的两个数，它们分别在原点两旁且到原点距离相等。
(3)多重符号的化简：与“+”个数无关，有奇数个“﹣”号结果为负，有偶数个“﹣”号，结果为正。
(4)规律方法总结：求一个数的相反数的方法就是在这个数的前边添加“﹣”，如a的相反数是﹣a，m+n的相反数是﹣（m+n），这时m+n是一个整体，在整体前面添负号时，要用小括号。
3.绝对值
1.概念：数轴上某个数与原点的距离叫做这个数的绝对值。
①互为相反数的两个数绝对值相等；
②绝对值等于一个正数的数有两个，绝对值等于0的数有一个，没有绝对值等于负数的数．
③有理数的绝对值都是非负数．
2.如果用字母a表示有理数，则数a 绝对值要由字母a本身的取值来确定：
①当a是正有理数时，a的绝对值是它本身a；
②当a是负有理数时，a的绝对值是它的相反数﹣a；
③当a是零时，a的绝对值是零．
即|a|={a（a＞0）0（a=0）﹣a（a＜0）
4.有理数大小比较
1.有理数的大小比较
比较有理数的大小可以利用数轴，他们从左到右的顺序，即从大到小的顺序（在数轴上表示的两个有理数，右边的数总比左边的数大）；也可以利用数的性质比较异号两数及0的大小，利用绝对值比较两个负数的大小。
2.有理数大小比较的法则：
①正数都大于0；
②负数都小于0；
③正数大于一切负数；
④两个负数，绝对值大的其值反而小。
规律方法·有理数大小比较的三种方法：
(1)法则比较：正数都大于0，负数都小于0，正数大于一切负数．两个负数比较大小，绝对值大的反而小．
(2)数轴比较：在数轴上右边的点表示的数大于左边的点表示的数．
(3)作差比较：
若a﹣b＞0，则a＞b；
若a﹣b＜0，则a＜b；
若a﹣b=0，则a=b．
5.有理数的减法
有理数减法法则
减去一个数，等于加上这个数的相反数。即：a﹣b=a+（﹣b）
方法指引：
①在进行减法运算时，首先弄清减数的符号；
②将有理数转化为加法时，要同时改变两个符号：一是运算符号（减号变加号）；二是减数的性质符号（减数变相反数）；
注意：在有理数减法运算时，被减数与减数的位置不能随意交换；因为减法没有交换律。
减法法则不能与加法法则类比，0加任何数都不变，0减任何数应依法则进行计算。
6.有理数的乘法
(1)有理数乘法法则：两数相乘，同号得正，异号得负，并把绝对值相乘。
(2)任何数同零相乘，都得0。
(3)多个有理数相乘的法则：
①几个不等于0的数相乘，积的符号由负因数的个数决定，当负因数有奇数个时，积为负；当负因数有偶数个时，积为正．
②几个数相乘，有一个因数为0，积就为0。
(4)方法指引
①运用乘法法则，先确定符号，再把绝对值相乘．
②多个因数相乘，看0因数和积的符号当先，这样做使运算既准确又简单．
7.有理数的混合运算
1.有理数混合运算顺序：先算乘方，再算乘除，最后算加减；同级运算，应按从左到右的顺序进行计算；如果有括号，要先做括号内的运算。
2.进行有理数的混合运算时，注意各个运算律的运用，使运算过程得到简化。
有理数混合运算的四种运算技巧：
(1)转化法：一是将除法转化为乘法，二是将乘方转化为乘法，三是在乘除混合运算中，通常将小数转化为分数进行约分计算．
(2)凑整法：在加减混合运算中，通常将和为零的两个数，分母相同的两个数，和为整数的两个数，乘积为整数的两个数分别结合为一组求解．
(3)分拆法：先将带分数分拆成一个整数与一个真分数的和的形式，然后进行计算．
(4)巧用运算律：在计算中巧妙运用加法运算律或乘法运算律往往使计算更简便．
8.科学记数法—表示较大的数
1.科学记数法：把一个大于10的数记成a×10n的形式，其中a是整数数位只有一位的数，n是正整数，这种记数法叫做科学记数法。(科学记数法形式：a×10n，其中1≤a＜1
0，n为正整数)
2.规律方法总结
①科学记数法中a的要求和10的指数n的表示规律为关键，由于10的指数比原来的整数位数少1；按此规律，先数一下原数的整数位数，即可求出10的指数n。
②记数法要求是大于10的数可用科学记数法表示，实质上绝对值大于10的负数同样可用此法表示，只是前面多一个负号．
9.代数式求值
(1)代数式的值：用数值代替代数式里的字母，计算后所得的结果叫做代数式的值。
(2)代数式的求值：求代数式的值可以直接代入、计算．如果给出的代数式可以化简，要先化简再求值。
题型简单总结以下三种：
①已知条件不化简，所给代数式化简；
②已知条件化简，所给代数式不化简；
③已知条件和所给代数式都要化简．
10.规律型：图形的变化类
首先应找出图形哪些部分发生了变化，是按照什么规律变化的，通过分析找到各部分的变化规律后直接利用规律求解。探寻规律要认真观察、仔细思考，善用联想来解决这类问题。
11.等式的性质
1.等式的性质
性质1 等式两边加同一个数（或式子）结果仍得等式；
性质2 等式两边乘同一个数或除以一个不为零的数，结果仍得等式。
2.利用等式的性质解方程
利用等式的性质对方程进行变形，使方程的形式向x=a的形式转化．
应用时要注意把握两关：
①怎样变形；
②依据哪一条，变形时只有做到步步有据，才能保证是正确的．
12.一元一次方程的解
定义：使一元一次方程左右两边相等的未知数的值叫做一元一次方程的解。
把方程的解代入原方程，等式左右两边相等。
13.解一元一次方程
1.解一元一次方程的一般步骤
去分母、去括号、移项、合并同类项、系数化为1，这仅是解一元一次方程的一般步骤，针对方程的特点，灵活应用，各种步骤都是为使方程逐渐向x=a形式转化。
2.解一元一次方程时先观察方程的形式和特点，若有分母一般先去分母；若既有分母又有括号，且括号外的项在乘括号内各项后能消去分母，就先去括号。
3.在解类似于“ax+bx=c”的方程时，将方程左边，按合并同类项的方法并为一项即（a+b）x=c。
使方程逐渐转化为ax=b的最简形式体现化归思想。
将ax=b系数化为1时，要准确计算，一弄清求x时，方程两边除以的是a还是b，尤其a为分数时；二要准确判断符号，a、b同号x为正，a、b异号x为负。
14.一元一次方程的应用
1.一元一次方程解应用题的类型
(1)探索规律型问题；
(2)数字问题；
(3)销售问题（利润=售价﹣进价，利润率=利润进价×100%）；
(4)工程问题（①工作量=人均效率×人数×时间；②如果一件工作分几个阶段完成，那么各阶段的工作量的和=工作总量）；
(5)行程问题（路程=速度×时间）；
(6)等值变换问题；
(7)和，差，倍，分问题；
(8)分配问题；
(9)比赛积分问题；
(10)水流航行问题（顺水速度=静水速度+水流速度；逆水速度=静水速度﹣水流速度）．
2.利用方程解决实际问题的基本思路
首先审题找出题中的未知量和所有的已知量，直接设要求的未知量或间接设一关键的未知量为x，然后用含x的式子表示相关的量，找出之间的相等关系列方程、求解、作答，即设、列、解、答。
列一元一次方程解应用题的五个步骤
(1)审：仔细审题，确定已知量和未知量，找出它们之间的等量关系．
(2)设：设未知数（x），根据实际情况，可设直接未知数（问什么设什么），也可设间接未知数．
(3)列：根据等量关系列出方程．
(4)解：解方程，求得未知数的值．
(5)答：检验未知数的值是否正确，是否符合题意，完整地写出答句． https://t.cn/R2Wx0aF
1.数轴
(1)数轴的概念：规定了原点、正方向、单位长度的直线叫做数轴．
数轴的三要素：原点，单位长度，正方向。
(2)数轴上的点：所有的有理数都可以用数轴上的点表示，但数轴上的点不都表示有理数．（一般取右方向为正方向，数轴上的点对应任意实数，包括无理数．）
(3)用数轴比较大小：一般来说，当数轴方向朝右时，右边的数总比左边的数大。
2.相反数
(1)相反数的概念：只有符号不同的两个数叫做互为相反数．
(2)相反数的意义：掌握相反数是成对出现的，不能单独存在，从数轴上看，除0外，互为相反数的两个数，它们分别在原点两旁且到原点距离相等。
(3)多重符号的化简：与“+”个数无关，有奇数个“﹣”号结果为负，有偶数个“﹣”号，结果为正。
(4)规律方法总结：求一个数的相反数的方法就是在这个数的前边添加“﹣”，如a的相反数是﹣a，m+n的相反数是﹣（m+n），这时m+n是一个整体，在整体前面添负号时，要用小括号。
3.绝对值
1.概念：数轴上某个数与原点的距离叫做这个数的绝对值。
①互为相反数的两个数绝对值相等；
②绝对值等于一个正数的数有两个，绝对值等于0的数有一个，没有绝对值等于负数的数．
③有理数的绝对值都是非负数．
2.如果用字母a表示有理数，则数a 绝对值要由字母a本身的取值来确定：
①当a是正有理数时，a的绝对值是它本身a；
②当a是负有理数时，a的绝对值是它的相反数﹣a；
③当a是零时，a的绝对值是零．
即|a|={a（a＞0）0（a=0）﹣a（a＜0）
4.有理数大小比较
1.有理数的大小比较
比较有理数的大小可以利用数轴，他们从左到右的顺序，即从大到小的顺序（在数轴上表示的两个有理数，右边的数总比左边的数大）；也可以利用数的性质比较异号两数及0的大小，利用绝对值比较两个负数的大小。
2.有理数大小比较的法则：
①正数都大于0；
②负数都小于0；
③正数大于一切负数；
④两个负数，绝对值大的其值反而小。
规律方法·有理数大小比较的三种方法：
(1)法则比较：正数都大于0，负数都小于0，正数大于一切负数．两个负数比较大小，绝对值大的反而小．
(2)数轴比较：在数轴上右边的点表示的数大于左边的点表示的数．
(3)作差比较：
若a﹣b＞0，则a＞b；
若a﹣b＜0，则a＜b；
若a﹣b=0，则a=b．
5.有理数的减法
有理数减法法则
减去一个数，等于加上这个数的相反数。即：a﹣b=a+（﹣b）
方法指引：
①在进行减法运算时，首先弄清减数的符号；
②将有理数转化为加法时，要同时改变两个符号：一是运算符号（减号变加号）；二是减数的性质符号（减数变相反数）；
注意：在有理数减法运算时，被减数与减数的位置不能随意交换；因为减法没有交换律。
减法法则不能与加法法则类比，0加任何数都不变，0减任何数应依法则进行计算。
6.有理数的乘法
(1)有理数乘法法则：两数相乘，同号得正，异号得负，并把绝对值相乘。
(2)任何数同零相乘，都得0。
(3)多个有理数相乘的法则：
①几个不等于0的数相乘，积的符号由负因数的个数决定，当负因数有奇数个时，积为负；当负因数有偶数个时，积为正．
②几个数相乘，有一个因数为0，积就为0。
(4)方法指引
①运用乘法法则，先确定符号，再把绝对值相乘．
②多个因数相乘，看0因数和积的符号当先，这样做使运算既准确又简单．
7.有理数的混合运算
1.有理数混合运算顺序：先算乘方，再算乘除，最后算加减；同级运算，应按从左到右的顺序进行计算；如果有括号，要先做括号内的运算。
2.进行有理数的混合运算时，注意各个运算律的运用，使运算过程得到简化。
有理数混合运算的四种运算技巧：
(1)转化法：一是将除法转化为乘法，二是将乘方转化为乘法，三是在乘除混合运算中，通常将小数转化为分数进行约分计算．
(2)凑整法：在加减混合运算中，通常将和为零的两个数，分母相同的两个数，和为整数的两个数，乘积为整数的两个数分别结合为一组求解．
(3)分拆法：先将带分数分拆成一个整数与一个真分数的和的形式，然后进行计算．
(4)巧用运算律：在计算中巧妙运用加法运算律或乘法运算律往往使计算更简便．
8.科学记数法—表示较大的数
1.科学记数法：把一个大于10的数记成a×10n的形式，其中a是整数数位只有一位的数，n是正整数，这种记数法叫做科学记数法。(科学记数法形式：a×10n，其中1≤a＜1
0，n为正整数)
2.规律方法总结
①科学记数法中a的要求和10的指数n的表示规律为关键，由于10的指数比原来的整数位数少1；按此规律，先数一下原数的整数位数，即可求出10的指数n。
②记数法要求是大于10的数可用科学记数法表示，实质上绝对值大于10的负数同样可用此法表示，只是前面多一个负号．
9.代数式求值
(1)代数式的值：用数值代替代数式里的字母，计算后所得的结果叫做代数式的值。
(2)代数式的求值：求代数式的值可以直接代入、计算．如果给出的代数式可以化简，要先化简再求值。
题型简单总结以下三种：
①已知条件不化简，所给代数式化简；
②已知条件化简，所给代数式不化简；
③已知条件和所给代数式都要化简．
10.规律型：图形的变化类
首先应找出图形哪些部分发生了变化，是按照什么规律变化的，通过分析找到各部分的变化规律后直接利用规律求解。探寻规律要认真观察、仔细思考，善用联想来解决这类问题。
11.等式的性质
1.等式的性质
性质1 等式两边加同一个数（或式子）结果仍得等式；
性质2 等式两边乘同一个数或除以一个不为零的数，结果仍得等式。
2.利用等式的性质解方程
利用等式的性质对方程进行变形，使方程的形式向x=a的形式转化．
应用时要注意把握两关：
①怎样变形；
②依据哪一条，变形时只有做到步步有据，才能保证是正确的．
12.一元一次方程的解
定义：使一元一次方程左右两边相等的未知数的值叫做一元一次方程的解。
把方程的解代入原方程，等式左右两边相等。
13.解一元一次方程
1.解一元一次方程的一般步骤
去分母、去括号、移项、合并同类项、系数化为1，这仅是解一元一次方程的一般步骤，针对方程的特点，灵活应用，各种步骤都是为使方程逐渐向x=a形式转化。
2.解一元一次方程时先观察方程的形式和特点，若有分母一般先去分母；若既有分母又有括号，且括号外的项在乘括号内各项后能消去分母，就先去括号。
3.在解类似于“ax+bx=c”的方程时，将方程左边，按合并同类项的方法并为一项即（a+b）x=c。
使方程逐渐转化为ax=b的最简形式体现化归思想。
将ax=b系数化为1时，要准确计算，一弄清求x时，方程两边除以的是a还是b，尤其a为分数时；二要准确判断符号，a、b同号x为正，a、b异号x为负。
14.一元一次方程的应用
1.一元一次方程解应用题的类型
(1)探索规律型问题；
(2)数字问题；
(3)销售问题（利润=售价﹣进价，利润率=利润进价×100%）；
(4)工程问题（①工作量=人均效率×人数×时间；②如果一件工作分几个阶段完成，那么各阶段的工作量的和=工作总量）；
(5)行程问题（路程=速度×时间）；
(6)等值变换问题；
(7)和，差，倍，分问题；
(8)分配问题；
(9)比赛积分问题；
(10)水流航行问题（顺水速度=静水速度+水流速度；逆水速度=静水速度﹣水流速度）．
2.利用方程解决实际问题的基本思路
首先审题找出题中的未知量和所有的已知量，直接设要求的未知量或间接设一关键的未知量为x，然后用含x的式子表示相关的量，找出之间的相等关系列方程、求解、作答，即设、列、解、答。
列一元一次方程解应用题的五个步骤
(1)审：仔细审题，确定已知量和未知量，找出它们之间的等量关系．
(2)设：设未知数（x），根据实际情况，可设直接未知数（问什么设什么），也可设间接未知数．
(3)列：根据等量关系列出方程．
(4)解：解方程，求得未知数的值．
(5)答：检验未知数的值是否正确，是否符合题意，完整地写出答句． https://t.cn/R2Wx0aF
建模四大模型
优化模型
1.1 数学规划模型线性规划、整数线性规划、非线性规划、多目标规划、动态规划。1.2 微分方程组模型阻滞增长模型、SARS传播模型。
1.3 图论与网络优化问题
最短路径问题、网络最大流问题、最小费用最大流问题、最小生成树问题(MST)、旅行商问题(TSP)、图的着色问题。
1.4 概率模型
决策模型、随机存储模型、随机人口模型、报童问题、Markov链模型。
1.5 组合优化经典问题
1.5.1 多维背包问题(MKP)
背包问题：个物品，对物品，体积为，背包容量为。如何将尽可能多的物品装入背包。
多维背包问题：个物品，对物品，价值为，体积为，背包容量为。如何选取物品装入背包，是背包中物品的总价值最大。
多维背包问题在实际中的应用有：资源分配、货物装载和存储分配等问题。该问题属于难问题。
1.5.2 二维指派问题(QAP)
工作指派问题：个工作可以由个工人分别完成。工人完成工作的时间为。如何安排使总工作时间最小。
二维指派问题（常以机器布局问题为例）：台机器要布置在个地方，机器与之间的物流量为，位置与之间的距离为，如何布置使费用最小。
二维指派问题在实际中的应用有：校园建筑物的布局、医院科室的安排、成组技术中加工中心的组成问题等。
1.5.3 旅行商问题(TSP)
旅行商问题：有个城市，城市与之间的距离为，找一条经过个城市的巡回（每个城市经过且只经过一次，最后回到出发点），使得总路程最小。
1.5.4 车辆路径问题(VRP)
车辆路径问题（也称车辆计划）：已知个客户的位置坐标和货物需求，在可供使用车辆数量及运载能力条件的约束下，每辆车都从起点出发，完成若干客户点的运送任务后再回到起点，要求以最少的车辆数、最小的车辆总行程完成货物的派送任务。
TSP问题是VRP问题的特例。
1.5.5 车间作业调度问题(JSP)
车间调度问题：存在个工作和台机器，每个工作由一系列操作组成，操作的执行次序遵循严格的串行顺序，在特定的时间每个操作需要一台特定的机器完成，每台机器在同一时刻不能同时完成不同的工作，同一时刻同一工作的各个操作不能并发执行。如何求得从第一个操作开始到最后一个操作结束的最小时间间隔。
分类模型
判别分析是在已知研究对象分成若干类型并已经取得各种类型的一批已知样本的观测数据，在此基础上根据某些准则建立判别式，然后对未知类型的样品进行判别分析。
聚类分析则是给定的一批样品，要划分的类型实现并不知道，正需要通过局内分析来给以确定类型的。
2.1 判别分析
2.1.1 距离判别法
基本思想：首先根据已知分类的数据，分别计算各类的重心即分组(类)的均值，判别准则是对任给的一次观测，若它与第类的重心距离最近，就认为它来自第类。
至于距离的测定，可以根据实际需要采用欧氏距离、马氏距离、明科夫距离等。
2.1.2 Fisher判别法
基本思想：从两个总体中抽取具有个指标的样品观测数据，借助方差分析的思想构造一个判别函数或称判别式。其中系数确定的原则是使两组间的区别最大，而使每个组内部的离差最小。
对于一个新的样品，将它的p个指标值代人判别式中求出 y 值，然后与判别临界值(或称分界点(后面给出)进行比较，就可以判别它应属于哪一个总体。在两个总体先验概率相等的假设下，判别临界值一般取：最后，用统计量来检验判别效果，若则认为判别有效，否则判别无效。
以上描述的是两总体判别，至于多总体判别方法则需要加以扩展。
Fisher判别法随着总体数的增加，建立的判别式也增加，因而计算比较复杂。
2.1.3 Bayes判别法
基本思想：假定对所研究的对象有一定的认识，即假设个总体中，第个总体的先验概率为，概率密度函数为。利用bayes公式计算观测样品来自第个总体的后验概率，当时，将样本判为总体。
2.1.4 逐步判别法
基本思想与逐步回归法类似，采用“有进有出”的算法，逐步引入变量，每次引入一个变量进入判别式，则同时考虑在较早引入判别式的某些作用不显著的变量剔除出去。
2.2 聚类分析
聚类分析是一种无监督的分类方法，即不预先指定类别。
根据分类对象不同，聚类分析可以分为样本聚类（Q型）和变量聚类（R型）。样本聚类是针对观测样本进行分类，而变量聚类则是试图找出彼此独立且有代表性的自变量，而又不丢失大部分信息。变量聚类是一种降维的方法。
2.2.1 系统聚类法（分层聚类法）
基本思想：开始将每个样本自成一类；然后求两两之间的距离，将距离最近的两类合成一类；如此重复，直到所有样本都合为一类为止。
适用范围：既适用于样本聚类，也适用于变量聚类。并且距离分类准则和距离计算方法都有多种，可以依据具体情形选择。
2.2.2 快速聚类法（K-均值聚类法）
基本思想：按照指定分类数目，选择个初始聚类中心；计算每个观测量（样本）到各个聚类中心的距离，按照就近原则将其分别分到放入各类中；重新计算聚类中心，继续以上步骤；满足停止条件时（如最大迭代次数等）则停止。
使用范围：要求用户给定分类数目，只适用于样本聚类（Q型），不适用于变量聚类（R型）。
2.2.3 两步聚类法（智能聚类方法）
基本思想：先进行预聚类，然后再进行正式聚类。
适用范围：属于智能聚类方法，用于解决海量数据或者具有复杂类别结构的聚类分析问题。可以同时处理离散和连续变量，自动选择聚类数，可以处理超大样本量的数据。
2.2.4 模糊聚类分析
2.2.5 与遗传算法、神经网络或灰色理论联合的聚类方法
2.3 神经网络分类方法
评价模型
3.1 层次分析法(AHP)
基本思想：是定性与定量相结合的多准则决策、评价方法。将决策的有关元素分解成目标层、准则层和方案层，并通过人们的判断对决策方案的优劣进行排序，在此基础上进行定性和定量分析。它把人的思维过程层次化、数量化，并用数学为分析、决策、评价、预报和控制提供定量的依据。
基本步骤：构建层次结构模型；构建成对比较矩阵；层次单排序及一致性检验（即判断主观构建的成对比较矩阵在整体上是否有较好的一致性）；层次总排序及一致性检验（检验层次之间的一致性）。
优点：它完全依靠主观评价做出方案的优劣排序，所需数据量少，决策花费的时间很短。从整体上看，AHP在复杂决策过程中引入定量分析，并充分利用决策者在两两比较中给出的偏好信息进行分析与决策支持，既有效地吸收了定性分析的结果，又发挥了定量分析的优势，从而使决策过程具有很强的条理性和科学性，特别适合在社会经济系统的决策分析中使用。
缺点：用AHP进行决策主观成分很大。当决策者的判断过多地受其主观偏好影响，而产生某种对客观规律的歪曲时，AHP的结果显然就靠不住了。
适用范围：尤其适合于人的定性判断起重要作用的、对决策结果难于直接准确计量的场合。要使AHP的决策结论尽可能符合客观规律，决策者必须对所面临的问题有比较深入和全面的认识。另外，当遇到因素众多，规模较大的评价问题时，该模型容易出现问题，它要求评价者对问题的本质、包含的要素及其相互之间的逻辑关系能掌握得十分透彻，否则评价结果就不可靠和准确。
改进方法：
(1) 成对比较矩阵可以采用德尔菲法获得。
(2) 如果评价指标个数过多（一般超过9个），利用层次分析法所得到的权重就有一定的偏差，继而组合评价模型的结果就不再可靠。可以根据评价对象的实际情况和特点，利用一定的方法，将各原始指标分层和归类，使得每层各类中的指标数少于9个。
3.2 灰色综合评价法（灰色关联度分析）
基本思想：灰色关联分析的实质就是，可利用各方案与最优方案之间关联度大小对评价对象进行比较、排序。关联度越大，说明比较序列与参考序列变化的态势越一致，反之，变化态势则相悖。由此可得出评价结果。
基本步骤：建立原始指标矩阵；确定最优指标序列；进行指标标准化或无量纲化处理；求差序列、最大差和最小差；计算关联系数；计算关联度。 优点：是一种评价具有大量未知信息的系统的有效模型，是定性分析和定量分析相结合的综合评价模型，该模型可以较好地解决评价指标难以准确量化和统计的问题，可以排除人为因素带来的影响，使评价结果更加客观准确。整个计算过程简单，通俗易懂，易于为人们所掌握;数据不必进行归一化处理，可用原始数据进行直接计算，可靠性强；评价指标体系可以根据具体情况增减；无需大量样本，只要有代表性的少量样本即可。 缺点：要求样本数据且具有时间序列特性；只是对评判对象的优劣做出鉴别，并不反映绝对水平，故基于灰色关联分析综合评价具有“相对评价”的全部缺点。
适用范围：对样本量没有严格要求，不要求服从任何分布，适合只有少量观测数据的问题；应用该种方法进行评价时，指标体系及权重分配是一个关键的问题，选择的恰当与否直接影响最终评价结果。 改进方法： (1) 采用组合赋权法：根据客观赋权法和主观赋权法综合而得权系数。 (2) 结合TOPSIS法：不仅关注序列与正理想序列的关联度，而且关注序列与负理想序列的关联度，依据公式计算最后的关联度。
优化模型
1.1 数学规划模型线性规划、整数线性规划、非线性规划、多目标规划、动态规划。1.2 微分方程组模型阻滞增长模型、SARS传播模型。
1.3 图论与网络优化问题
最短路径问题、网络最大流问题、最小费用最大流问题、最小生成树问题(MST)、旅行商问题(TSP)、图的着色问题。
1.4 概率模型
决策模型、随机存储模型、随机人口模型、报童问题、Markov链模型。
1.5 组合优化经典问题
1.5.1 多维背包问题(MKP)
背包问题：个物品，对物品，体积为，背包容量为。如何将尽可能多的物品装入背包。
多维背包问题：个物品，对物品，价值为，体积为，背包容量为。如何选取物品装入背包，是背包中物品的总价值最大。
多维背包问题在实际中的应用有：资源分配、货物装载和存储分配等问题。该问题属于难问题。
1.5.2 二维指派问题(QAP)
工作指派问题：个工作可以由个工人分别完成。工人完成工作的时间为。如何安排使总工作时间最小。
二维指派问题（常以机器布局问题为例）：台机器要布置在个地方，机器与之间的物流量为，位置与之间的距离为，如何布置使费用最小。
二维指派问题在实际中的应用有：校园建筑物的布局、医院科室的安排、成组技术中加工中心的组成问题等。
1.5.3 旅行商问题(TSP)
旅行商问题：有个城市，城市与之间的距离为，找一条经过个城市的巡回（每个城市经过且只经过一次，最后回到出发点），使得总路程最小。
1.5.4 车辆路径问题(VRP)
车辆路径问题（也称车辆计划）：已知个客户的位置坐标和货物需求，在可供使用车辆数量及运载能力条件的约束下，每辆车都从起点出发，完成若干客户点的运送任务后再回到起点，要求以最少的车辆数、最小的车辆总行程完成货物的派送任务。
TSP问题是VRP问题的特例。
1.5.5 车间作业调度问题(JSP)
车间调度问题：存在个工作和台机器，每个工作由一系列操作组成，操作的执行次序遵循严格的串行顺序，在特定的时间每个操作需要一台特定的机器完成，每台机器在同一时刻不能同时完成不同的工作，同一时刻同一工作的各个操作不能并发执行。如何求得从第一个操作开始到最后一个操作结束的最小时间间隔。
分类模型
判别分析是在已知研究对象分成若干类型并已经取得各种类型的一批已知样本的观测数据，在此基础上根据某些准则建立判别式，然后对未知类型的样品进行判别分析。
聚类分析则是给定的一批样品，要划分的类型实现并不知道，正需要通过局内分析来给以确定类型的。
2.1 判别分析
2.1.1 距离判别法
基本思想：首先根据已知分类的数据，分别计算各类的重心即分组(类)的均值，判别准则是对任给的一次观测，若它与第类的重心距离最近，就认为它来自第类。
至于距离的测定，可以根据实际需要采用欧氏距离、马氏距离、明科夫距离等。
2.1.2 Fisher判别法
基本思想：从两个总体中抽取具有个指标的样品观测数据，借助方差分析的思想构造一个判别函数或称判别式。其中系数确定的原则是使两组间的区别最大，而使每个组内部的离差最小。
对于一个新的样品，将它的p个指标值代人判别式中求出 y 值，然后与判别临界值(或称分界点(后面给出)进行比较，就可以判别它应属于哪一个总体。在两个总体先验概率相等的假设下，判别临界值一般取：最后，用统计量来检验判别效果，若则认为判别有效，否则判别无效。
以上描述的是两总体判别，至于多总体判别方法则需要加以扩展。
Fisher判别法随着总体数的增加，建立的判别式也增加，因而计算比较复杂。
2.1.3 Bayes判别法
基本思想：假定对所研究的对象有一定的认识，即假设个总体中，第个总体的先验概率为，概率密度函数为。利用bayes公式计算观测样品来自第个总体的后验概率，当时，将样本判为总体。
2.1.4 逐步判别法
基本思想与逐步回归法类似，采用“有进有出”的算法，逐步引入变量，每次引入一个变量进入判别式，则同时考虑在较早引入判别式的某些作用不显著的变量剔除出去。
2.2 聚类分析
聚类分析是一种无监督的分类方法，即不预先指定类别。
根据分类对象不同，聚类分析可以分为样本聚类（Q型）和变量聚类（R型）。样本聚类是针对观测样本进行分类，而变量聚类则是试图找出彼此独立且有代表性的自变量，而又不丢失大部分信息。变量聚类是一种降维的方法。
2.2.1 系统聚类法（分层聚类法）
基本思想：开始将每个样本自成一类；然后求两两之间的距离，将距离最近的两类合成一类；如此重复，直到所有样本都合为一类为止。
适用范围：既适用于样本聚类，也适用于变量聚类。并且距离分类准则和距离计算方法都有多种，可以依据具体情形选择。
2.2.2 快速聚类法（K-均值聚类法）
基本思想：按照指定分类数目，选择个初始聚类中心；计算每个观测量（样本）到各个聚类中心的距离，按照就近原则将其分别分到放入各类中；重新计算聚类中心，继续以上步骤；满足停止条件时（如最大迭代次数等）则停止。
使用范围：要求用户给定分类数目，只适用于样本聚类（Q型），不适用于变量聚类（R型）。
2.2.3 两步聚类法（智能聚类方法）
基本思想：先进行预聚类，然后再进行正式聚类。
适用范围：属于智能聚类方法，用于解决海量数据或者具有复杂类别结构的聚类分析问题。可以同时处理离散和连续变量，自动选择聚类数，可以处理超大样本量的数据。
2.2.4 模糊聚类分析
2.2.5 与遗传算法、神经网络或灰色理论联合的聚类方法
2.3 神经网络分类方法
评价模型
3.1 层次分析法(AHP)
基本思想：是定性与定量相结合的多准则决策、评价方法。将决策的有关元素分解成目标层、准则层和方案层，并通过人们的判断对决策方案的优劣进行排序，在此基础上进行定性和定量分析。它把人的思维过程层次化、数量化，并用数学为分析、决策、评价、预报和控制提供定量的依据。
基本步骤：构建层次结构模型；构建成对比较矩阵；层次单排序及一致性检验（即判断主观构建的成对比较矩阵在整体上是否有较好的一致性）；层次总排序及一致性检验（检验层次之间的一致性）。
优点：它完全依靠主观评价做出方案的优劣排序，所需数据量少，决策花费的时间很短。从整体上看，AHP在复杂决策过程中引入定量分析，并充分利用决策者在两两比较中给出的偏好信息进行分析与决策支持，既有效地吸收了定性分析的结果，又发挥了定量分析的优势，从而使决策过程具有很强的条理性和科学性，特别适合在社会经济系统的决策分析中使用。
缺点：用AHP进行决策主观成分很大。当决策者的判断过多地受其主观偏好影响，而产生某种对客观规律的歪曲时，AHP的结果显然就靠不住了。
适用范围：尤其适合于人的定性判断起重要作用的、对决策结果难于直接准确计量的场合。要使AHP的决策结论尽可能符合客观规律，决策者必须对所面临的问题有比较深入和全面的认识。另外，当遇到因素众多，规模较大的评价问题时，该模型容易出现问题，它要求评价者对问题的本质、包含的要素及其相互之间的逻辑关系能掌握得十分透彻，否则评价结果就不可靠和准确。
改进方法：
(1) 成对比较矩阵可以采用德尔菲法获得。
(2) 如果评价指标个数过多（一般超过9个），利用层次分析法所得到的权重就有一定的偏差，继而组合评价模型的结果就不再可靠。可以根据评价对象的实际情况和特点，利用一定的方法，将各原始指标分层和归类，使得每层各类中的指标数少于9个。
3.2 灰色综合评价法（灰色关联度分析）
基本思想：灰色关联分析的实质就是，可利用各方案与最优方案之间关联度大小对评价对象进行比较、排序。关联度越大，说明比较序列与参考序列变化的态势越一致，反之，变化态势则相悖。由此可得出评价结果。
基本步骤：建立原始指标矩阵；确定最优指标序列；进行指标标准化或无量纲化处理；求差序列、最大差和最小差；计算关联系数；计算关联度。 优点：是一种评价具有大量未知信息的系统的有效模型，是定性分析和定量分析相结合的综合评价模型，该模型可以较好地解决评价指标难以准确量化和统计的问题，可以排除人为因素带来的影响，使评价结果更加客观准确。整个计算过程简单，通俗易懂，易于为人们所掌握;数据不必进行归一化处理，可用原始数据进行直接计算，可靠性强；评价指标体系可以根据具体情况增减；无需大量样本，只要有代表性的少量样本即可。 缺点：要求样本数据且具有时间序列特性；只是对评判对象的优劣做出鉴别，并不反映绝对水平，故基于灰色关联分析综合评价具有“相对评价”的全部缺点。
适用范围：对样本量没有严格要求，不要求服从任何分布，适合只有少量观测数据的问题；应用该种方法进行评价时，指标体系及权重分配是一个关键的问题，选择的恰当与否直接影响最终评价结果。 改进方法： (1) 采用组合赋权法：根据客观赋权法和主观赋权法综合而得权系数。 (2) 结合TOPSIS法：不仅关注序列与正理想序列的关联度，而且关注序列与负理想序列的关联度，依据公式计算最后的关联度。
✋热门推荐