数学规划问题的建模过程中，应该重视三个要素，即

Matlab中曲线拟合函数命令a=polyfit(x,y,m)中的m是拟合函数多项式次数，没有限定范围。

拟合函数命令 a=polyfit(x,y,m)中m是多项式的次数，数量不能超过向量x的维数减去1.

Matlab中非线性最小二乘拟合的函数：lsqcurvefit和lsqnonlin。两个命令都要先建立M-文件fun.m，两者定义f(x)的方式也是相同的。

Matlab的提供了两个求非线性最小二乘拟合的函数：lsqcurvefit和lsqnonlin。两个命令都要先建立M-文件fun.m，在其中定义函数f(x)，但两者定义f(x)的方式是不同的。

黑箱问题是指系统内部运行机理不清楚时，采用数学模型和回归方法构建系统运行机理的问题。

回归分析就是通过输入和输出的观测，构建系统输入变量和输出变量之间关系的方法。

最小二乘估计实际上是在确定一条穿过所有样本点的直线的位置。

参数估计过程就是确定回归直线位置的过程。

观测数据来源于系统内在的规律性，通过线性回归可以重构系统内在的数据生成过程。

线性回归模型是用来重构未知系统内部规律的一种手段。

只要收集到足够数据，就能建立变量之间的线性关系。

变量之间是否具有线性关系，是由系统的内部机理决定的，当系统不是线性系统时，即便收集到足够数据，也不能确立变量之间的线性关系。

F统计量的p值越大，表明模型越显著

模型显著是指的线性关系成立，此时p值应该比较小。

线性回归的判定系数越大，表示模型线性关系越显著。

线性回归判定系数在0到1之间取值，越靠近1，表明模型越显著。

线性回归模型中，要求输入变量X的各列之间线性无关。

如果有若干列线性相关，会造成最小二乘方程无解，导致未知参数估计不准确或者无法估计的问题。

MatLab只能处理线性回归问题，不能处理非线性回归问题。

采用nlinfit（x,y,'model',alpha）命令，可以在'model'中设定任意函数，处理非线性拟合问题。

Kruskal算法是精确算法，且是有效算法

任何贪心算法都能求出最优解

最短路径的常用算法有

要求城市中两个公交站点之间转乘次数最少的公交车乘车方式，可以建立一个图模型来求其最短路径。以站点为顶点，当且仅当两站点之间有直达的公交线路时，就在相应的两点之间连一条边，赋予每条边的权都是1，得到图G。问题就转换为了求G的最短路径问题