数学论文大一2000字论文

并行遗传算法及其应用1、遗传算法（GA）概述GA是一类基于自然选择和遗传学原理的有效搜索方法，它从一个种群开始，利用选择、交叉、变异等遗传算子对种群进行不断进化，最后得到全局最优解。生物遗传物质的主要载体是染色体，在GA中同样将问题的求解表示成“染色体Chromosome”，通常是二进制字符串表示，其本身不一定是解。首先，随机产生一定数据的初始染色体，这些随机产生的染色体组成一个种群（Population），种群中染色体的数目称为种群的大小或者种群规模。第二：用适值度函数来评价每一个染色体的优劣，即染色体对环境的适应程度，用来作为以后遗传操作的依据。第三：进行选择（Selection），选择过程的目的是为了从当前种群中选出优良的染色体，通过选择过程，产生一个新的种群。第四：对这个新的种群进行交叉操作，变异操作。交叉、变异操作的目的是挖掘种群中个体的多样性，避免有可能陷入局部解。经过上述运算产生的染色体称为后代。最后，对新的种群（即后代）重复进行选择、交叉和变异操作，经过给定次数的迭代处理以后，把最好的染色体作为优化问题的最优解。GA通常包含5个基本要素：1、参数编码：GA是采用问题参数的编码集进行工作的，而不是采用问题参数本身，通常选择二进制编码。2、初始种群设定：GA随机产生一个由N个染色体组成的初始种群（Population），也可根据一定的限制条件来产生。种群规模是指种群中所含染色体的数目。3、适值度函数的设定：适值度函数是用来区分种群中个体好坏的标准，是进行选择的唯一依据。目前主要通过目标函数映射成适值度函数。4、遗传操作设计：遗传算子是模拟生物基因遗传的操作，遗传操作的任务是对种群的个体按照它们对环境的适应的程度施加一定的算子，从而实现优胜劣汰的进化过程。遗传基本算子包括：选择算子，交叉算子，变异算子和其他高级遗传算子。5、控制参数设定：在GA的应用中，要首先给定一组控制参数：种群规模，杂交率，变异率，进化代数等。GA的优点是擅长全局搜索，一般来说，对于中小规模的应用问题，能够在许可的范围内获得满意解，对于大规模或超大规模的多变量求解任务则性能较差。另外，GA本身不要求对优化问题的性质做一些深入的数学分析，从而对那些不太熟悉数学理论和算法的使用者来说，无疑是方便的。2、遗传算法的运行机理：对GA运行机理的解释有两类: 一是传统的模式理论；二是1990 年以后发展起来的有限状态马尔可夫链模型。（1）模式理论：由Holland创建，主要包括模式定理，隐并行性原理和积木块假说三部分。模式是可行域中某些特定位取固定值的所有编码的集合。模式理论认为遗传算法实质上是模式的运算，编码的字母表越短，算法处理一代种群时隐含处理的模式就越多。当算法采用二进制编码时，效率最高，处理规模为N的一代种群时，可同时处理O(N3)个模式。遗传算法这种以计算少量编码适应度而处理大量模式的性质称为隐并行性。模式理论还指出，目标函数通常满足积木块假说，即阶数高，长度长，平均适应度高的模式可以由阶数低，长度短，平均适应度高的模式(积木块)在遗传算子的作用下，接合而生成。而不满足积木块假说的优化问题被称为问题(deceptive problem)。模式理论为遗传算法构造了一条通过在种群中不断积累、拼接积木块以达到全局最优解的寻优之路。但近十多年的研究，特别是实数编码遗传算法的广泛应用表明，上述理论与事实不符。（2）有限状态马尔可夫链模型：由于模式理论的种种缺陷，研究者开始尝试利用有限状态马尔可夫链模型研究遗传算法的运行过程。对于遗传算法可以解决的优化问题，问题的可行域都是由有限个点组成的，即便是参数可以连续取值的问题，实际上搜索空间也是以要求精度为单位的离散空间，因此遗传算法的实际运行过程可以用有限状态马尔可夫链的状态转移过程建模和描述。对于有 m 个可行解的目标函数和种群规模为N的遗传算法，N 个个体共有 种组合，相应的马尔可夫模型也有 个状态。实际优化问题的可行解数量 m 和种群规模 N 都十分可观，马尔可夫模型的状态数几乎为天文数字，因此利用精确的马尔可夫模型计算种群的状态分布是不可能的。为了换取模型的可执行性，必须对实际模型采取近似简化，保持算法的实际形态，通过对目标函数建模，简化目标函数结构实现模型的可执行性。遗传算法优化的过程，可以看作算法在循环过程中不断对可行域进行随机抽样，利用前面抽样的结果对目标点的概率分布进行估计，然后根据估计出的分布推算下一次的抽样点。马尔可夫模型认为遗传算法是通过对搜索空间不同区域的抽样，来估计不同区域的适应度，进而估计最优解存在于不同区域的概率，以调整算法对不同区域的抽样密度和搜索力度，进而不断提高对最优解估计的准确程度。可见，以邻域结构为依据划分等价类的马尔可夫模型更符合实际，对问题的抽象更能体现优化问题的本质。3、并行遗传算法（PGA）虽然在许多领域成功地应用遗传算法，通常能在合理的时间内找到满意解，但随着求解问题的复杂性及难度的增加，提高GA的运行速度便显得尤为突出，采用并行遗传算法（PGA）是提高搜索效率的方法之一。由于GA从种群出发，所以具有天然的并行处理特性，非常适合于在大规模并行计算机上实现，而大规模并行计算机的日益普及，为PGA奠定了物质基础。特别是GA中各个体适值计算可独立进行而彼此间无需任何通信，所以并行效率很高。实现PGA，不仅要把串行GA等价地变换成一种并行方案，更重要的是要将GA的结构修改成易于并行化实现的形式，形成并行种群模型。并行种群模型对传统GA的修改涉及到两个方面：一是要把串行GA的单一种群分成多个子种群，分而治之；二是要控制、管理子种群之间的信息交换。不同的分治方法产生不同的PGA结构。这种结构上的差异导致了不同的PGA模型：全局并行模型、粗粒度模型、细粒度模型和混合模型。3、1全局PGA模型该模型又称主从PGA模型，它是串行GA的一种直接并行化方案，在计算机上以master-slave编程模式实现。它只有一个种群，所有个体的适应度都根据整个种群的适应度计算，个体之间可以任意匹配，每个个体都有机会和其他个体杂交而竞争，因而在种群上所作的选择和匹配是全局的。对于这个模型有多种实现方法：第一种方法是仅仅对适值度函数计算进行并行处理；第二种方法是对遗传算子进行并行处理。全局模型易于实现，如果计算时间主要用在评价上，这是一种非常有效的并行化方法。它最大的优点是简单，保留了串行GA 的搜索行为，因而可直接应用GA 的理论来预测一个具体问题能否映射到并行GA上求解。对于适应度估值操作比其他遗传算子计算量大的多时，它是很有效的，并且不需要专门的计算机系统结构。3、2粗粒度PGA模型该模型又称分布式、MIMD、岛模式遗传算法模型，它是对经典GAs 结构的扩展。它将种群划分为多个子种群(又称区域)，每个区域独自运行一个GA。此时，区域选择取代了全局选择，配偶取自同一区域，子代与同一区域中的亲本竞争。除了基本的遗传算子外，粗粒度模型引入了“迁移”算子，负责管理区域之间的个体交换。在粗粒度模型的研究中，要解决的重要问题是参数选择，包括：迁移拓扑、迁移率、迁移周期等。在种群划分成子种群(区域)后，要为种群指定某种迁移拓扑。迁移拓扑确定了区域之间个体的迁移路径，迁移拓扑与特定的并行机结构有着内在的对应关系，大多采用类似于给定并行处理机的互连拓扑。如果在顺序计算机上实现粗粒度模型，则可以考虑采用任意结构。拓扑结构是影响PGA 性能的重要方面，也是迁移成本的主要因素。区域之间的个体交换由两个参数控制：迁移率和迁移周期。迁移基本上可以采用与匹配选择和生存选择相同的策略，迁移率常以绝对数或以子种群大小的百分比形式给出，典型的迁移率是子种群数目的10%到20%之间。迁移周期决定了个体迁移的时间间隔，一般是隔几代(时期) 迁移一次，也可以在一代之后迁移。通常，迁移率越高，则迁移周期就越长。有的采用同步迁移方式，有的采用异步迁移方式。迁移选择负责选出迁移个体，通常选择一个或几个最优个体，有的采用适应度比例或者排列比例选择来选择迁移个体，也有采用随机选取和替换的。在大多数情况下,是把最差或者有限数目的最差个体替换掉.与迁移选择类似，可采用适应度比例或者排列比例选择，确定被替换的个体，以便对区域内部的较好个体产生选择压力。基于国内的现状，分布式PGA为国内PGA研究的主要方向。分布式PGA作为PGA的一种形式，一般实行粗粒度及全局级并行，各子种群间的相互关系较弱，主要靠一些几乎串行GA来加速搜索过程。采用分布式PGA求解问题的一般步骤为：（1）将一个大种群划分为一些小的子种群，子种群的数目与硬件环境有关；（2）对这些子种群独立的进行串行GA操作，经过一定周期后，从每个种群中选择一部分个体迁移到另外的子种群。对于个体迁移存在多种方法，第一种方法，在执行迁移操作时，每次从子种群中随机选择一部分染色体发送出去，接收的染色体数应该与发出的染色体相同。第二种方法，在执行迁移操作时，首先在每个子种群内只使用选择而不使用其它遗传算子繁殖一些后代，这些后代的数目与迁移数相同。然后再将这些后代的原子种群合并成一个大子种群并均匀随即地从该子种群中选择个体进行迁移。这样，待迁移后子种群的规模便又恢复到正常状态。而当子种群接收到从其他子种群迁移来的个体时则均匀随即地替换掉子种群内的个体。第三种方法，将其中一个子种群设置为中心子种群，其他子种群与中心子种群通信。中心子种群始终保持着整个种群中当前的最优个体，其他子种群通过“引进”中心子种群中的最优个体来引导其加快收敛速度，改善个体特征。3、3 细粒度PGA模型该模型又称领域模型或SIMD PGA模型，对传统GA作了修改。虽然细粒度模型也只有一个种群在进化，但在种群平面网格细胞上，将种群划分成了多个非常小的子种群(理想情况是每个处理单元上只有一个个体)，子种群之间具有极强的通信能力，便于优良解传播到整个种群。全局选择被领域选择取代，个体适应度的计算由局部领域中的个体决定，重组操作中的配偶出自同一领域，且子代同其同一领域的亲本竞争空间，即选择和重组只在网格中相邻个体之间进行。细粒度模型要解决的主要问题是领域结构和选择策略。领域结构既决定了种群中个体的空间位置，也确定了个体在种群中传播的路径。领域结构主要受特定并行计算机的内存结构和通信结构影响。领域拓扑确定一个个体的邻居，构成该个体的局部领域。通常，只有一个拓扑的直接领域才属于其局部领域，若把某个固定步数内所能到达的所有个体也包含在内，则可以扩大领域半径。在确定选择策略时，要考虑到选择压力的变化，而选择压力与领域结构有关。与全局匹配选择类似，局部匹配选择可以采用局部适应度比例、排列比例选择，以及随机行走选择。局部生存选择确定局部邻域中被替换的个体，如果子代自动替换邻域中心的那个个体，那么可以直接使用代替换作为局部生存策略。3、4 混合PGA模型该模型又称为多层并行PGA模型，它结合不同PGA模型的特性，不仅染色体竞争求取最优解，而且在GA结构上也引入了竞争以提供更好的环境便于进化。通常，混合PGA以层次结构组合，上层多采用粗粒度模型，下层既可采用粗粒度模型也可采用细粒度模型。或者，种群可以按照粗粒度PGA模型分裂，迁移操作可以采用细粒度PGA模型。3、5 四种模型的比较就现有的研究结果来看，很难分出各模型的高低。在评价并行模型的差异时，有时还得深入到实现细节上，如问题的差异、种群大小、或者不同的局部搜索方法等。但有一个结论是肯定的：不采用全局并行模型，而采用粗粒度模型或者细粒度模型通常能获得更好的性能。粗粒度模型与细粒度模型孰优孰劣，尚是一个未知数。目前，以粗粒度模型最为流行，因为一是其实现较容易，只需在串行GA中增加迁移子例程，在并行计算机的节点上各自运行一个副本，并定期交换几个个体即可；二是在没有并行计算机时，也可在网络或单机系统上模拟实现。虽然并行GA能有效地求解许多困难的问题，也能在不同类型的并行计算机上有效地实现，但仍有一些基本的问题需要解决。种群大小可能既影响大多数GA的性能，也决定GA找到解所需时间的主要因素。在PGA中，另一个重要问题是如何降低通信开销，包括迁移率的确定，使得区域的行为象单个种群一样；确定通信拓扑，既能充分地组合优良解，又不导致过多的通信开销；能否找到一个最优的区域数等。另外，对不同的应用问题，混合模型难以设定基本GA的参数，其节点的结构是动态变化的，它比粗粒度和细粒度模型更具有一般性，算法更为复杂，实现代价更高。4、并行遗传算法的评价模型：并行遗传算法的性能主要体现在收敛速度和精度两个方面，它们除了与迁移策略有关，还与一些参数选取的合理性密切相关，如遗传代数、种群数目、种群规模、迁移率和迁移间隔。利用Amdahl定律评价并行遗传算法，即绝对加速比(speedup) = Ts/Tp，其中，Ts为串行遗传算法(单个处理器)的执行时间；Tp为并行遗传算法的执行时间。Amdahl定律适用于负载固定的情况，对于并行遗传算法而言，就是适用于总种群规模不变的情况。所以，Amdahl定律适用于主从式和细粒度模型，在适应度评价计算量较大时，主从式模型可以得到接近线性的加速比。由于细粒度模型的应用较少，适用的SIMD并行机的可扩展性也不突出，所以很少有人评价细粒度模型的加速比。利用Amdahl定律评价粗粒度模型时，需保持总的种群规模，即子种群数量和子种群规模成反比。这种情况下粗粒度模型的加速比接近线性，这是由于粗粒度模型的通信开销和同步开销都不大。5、实例：带约束并行多机调度5、1 问题描述最小化完工时间的带约束并行多机调度问题可描述如下：有 n 个相关的工件，m 台机器，每个工件都有确定的加工时间，且均可由 m 台机器中的任一台完成加工任务。要找一个最小调度，即确定每台机器上加工的工件号顺序，使加工完所有工件所需时间最短。算法关键在于：(1) 如何表示工件之间的关系。可以把 n 个相关工件表示成一个后继图，如上图所示。图中节点间的有向边表示工件之间的后继或编序关系。因此，Ti →Tj 表示工件 Tj 在完成之后才能启动工件Ti。显然对于 n 个相关工件，我们可以根据工件间的约束关系所表示成的后继图产生一符合约束条件的工件序列( a0，a1，…，ai，…，an-1) (0 ≤ai

大学数学是大学生必修的课程之一,如何提升大学生数学学习兴趣,培养数学型人才,是每一个大学数学教师都需要思考的。下面是我为大家整理的大学数学论文，供大家参考。

大学数学论文 范文 一：大学数学网络 教育 论文

一、教师要转变观念

意识是行动的主宰者。首先，教师要充分认识到网络教学资源对大学数学教学所产生的深刻影响。在网络信息快速发展的当今时代，如果仍旧拘泥于传统教学方式，势必将会处于落伍的境地。不仅影响教学效率，往深层次讲，还会影响学生 毕业 走向社会的适应能力以及生存能力。因此，教师要积极主动投身于教学改革的先行者行列中，构建现代化网络教学平台、加强网络教学资源的建设。

二、进行有效引导

在现代网络信息资源的基础上，学生能够变传统被动接受知识为主动探索知识。因此，教师要进行适当引导，指导学生掌握有效运用现代网络资源的 方法 ，不断发挥学生的主观能动性，培养学生的自主学习与探索能力，进而实现学生主动探索、教师指导的理想教学模式。 课前预习 、课中学习、课后巩固等这些环节，教师均可以让学生先自主学习，而后再进行有效指导。

三、有效整合教学资源

现代网络为我们带来丰富多彩的教学资源的同时，也带来了一些垃圾信息。因此，在大学数学教学中，教师要具备有效甄选、整合教学资源的能力。要根据课程内容，选择适合课时内容的资源融入到教学中。在选择网络资源时要遵循趣味性原则、实用性原则以及内容相符原则。运用网络教学资源进行大学数学教学是提高大学数学教学质量与教学效率的有效途径与方法，也是教育教学发展的必然趋势。教师应当转变传统的教学观念，充分重视网络信息资源，以教材为中心，有效整合网络资源，并运用于教学中，提高学生的学习兴趣，不断培养学生的自主学习能力。

大学数学论文范文二：大学数学教学中网络教育资源研究

一、如何利用网络教育资源提高大学数学教育质量

(一)加强教师对网络教育资源的认知

以前的大学数学教学方式单一，与学生的交流也少之又少，但是随着网络资源的发展，这一切将会有很大的变化，这也是适应社会的发展，提高数学教学质量的一种必然趋势。学校也应加大网络资源建设，顺应社会发展的潮流，不要封闭在传统的教育理念之中。大学教师也应适应社会的发展，不断的学习，摆脱落伍的危机。

(二)教师要把网络教育资源的内容融入到教学之中

教师应该适应网络的发展，把网络教育资源融入到现代教学之中，但是不要盲目的引进，首先就要考虑引进内容的适用性，所引进的内容要与所学的内容有相关性，能起到补充，扩充的作用，这样能够开拓学生们的视野。其次引进的内容还要具有适用性，能够让学生们把所学的内容融入到生活，融入到社会，达到学生们能认识数学，应用数学，培养他们的能力。最后还要具有一定的趣味性，这样才能令学生更能接受所学内容，更愿意去学习数学，应用数学。所以教师合理的引进网络教育资源使十分重要的。

(三)教师要引导学生们自主利用网络教育资源

教师不但要学习引进网络教育资源，还要充分的引导学生利用网络资源，培养他们自主学习数学， 爱好 数学的良好作风。以前的数学教育中，以老师讲解为主，学生被动的接受知识，学习过后学生们无法应用，这是一个很大的失败，而现在的网络发展情况下，老师可以引导学生们更好的利用网络资源，引导学生们自主学习，可以布置学生做课前预习，到网络上寻求资料，还可以让学生们课后巩固学习内容，网上寻求交流，以便达到巩固知识的作用。

(四)增强学生自主学习能力和兴趣

现在大学数学教育尽管很重视学生的学习，教师又会安排课余时间组织学生们给他们进行答疑解惑，但是受到时间性和地域性的限制，效果往往是不太理想，现在网络资源的丰富，不再受时间和地域的限制， 网络技术 可以让学生和老师间进行多样化的交流和辅导，也可以让学生们通过一些论坛，邮箱，视频等等不断的学习巩固自己的知识。学习不再有时间地域的限制，学生们的积极性会大大提高，兴趣也会越来越高，提高数学成绩不再是难事。

二、结束语

大学数学教育充分有效的利用网络课程资源是提高大学数学教育质量的有效办法，教师应该打破传统教学的局限性，以课材为中心，充分利用网络资源融入到现在教学之中，补充课本上的不足，增强教育之中的趣味性，这样会开拓学生们的视野，培养学生们的 兴趣爱好 ，让他们更加具备学习数学的激情，更加具备自主学习的能力。只有这样学生们才会更加有发展，大学数学的教育才会更加成功。

大学数学论文范文相关 文章 ：

1. 大学生论文范文

2. 大学论文格式范文

3. 大学生论文范文模板

4. 大学毕业论文范文

5. 大学生毕业论文范文

6. 大学毕业生论文范文

数学源于生活，生活中又充满着数学。学生的数学知识与才能，不仅来自于课堂，还来自于现实生活实际。在课堂教学中，把数学和学生的生活实际衔接起来，让数学贴近生活，使学生感到生活中处处有数学，学起来自然、亲切、真实。实现“人人学有价值的数学；人人都能获得必需的数学；不同的人在数学上得到不同的发展”。 如何把握数学与生活的衔接，提高教学效果，我在教学中注意从以下几方面入手。一、 数学语言生活化,理解数学前苏联数学教育家斯托利亚尔曾说过：数学教学也就是数学语言的教学。在课堂教学的师生交往中，主要是通过言语交流。同一堂课，不同的教师教出来的学生接受程度不一样，主要还是取决于教师的语言素质如何，尤其是在我们数学课堂教学中，要将抽象化的数学使学生形象地接受、理解。一个没有高素质语言艺术的教师是不能胜任的。看似枯燥无味的数学，实则里面蕴藏着生动有趣的东西。鉴于此，教师的数学语言生活化是学生引导理解数学、学习数学的重要手段。教师要结合儿童的认知特点、兴趣爱好、心理特征等个性心理倾向，在不影响知识的前提下，对数学语言进行加工、装饰，使其通俗易懂、富有情趣。如认识“ ＜”、“＞”，教师可引导学生学习顺口溜：大于号、小于号，两个兄弟一起到，尖角在前是小于，开口在前是大于，两个数字中间站，谁大对谁开口笑。区别这两个符号对学生来说有一定的难度，这个富有童趣的顺口溜可以帮助学生有效的区分。又如把教学长度单位改成“长长短短”；把教学元、角、分改成“小小售货员”，把比大小说成“排排队”等等，学生对这些生活味十足的课题知识感到非常好奇，感到学习数学很有趣。二、数学问题生活化，感受数学新的课程标准更多地强调学生用数学的眼光从生活中捕捉数学问题，探索数学规律，主动地运用数学知识分析生活现象，自主地解决生活中的实际问题。在教学中我们要善于从学生的生活中抽象数学问题，从学生的已有生活经验出发，设计学生感兴趣的生活素材以丰富多彩的形式展现给学生，使学生感受到数学与生活的联系——数学无处不在，生活处处有数学。因此，通过学生所了解、熟悉的社会实际问题（如环境问题、治理垃圾问题、旅游问题等等），为学生创设生动活泼的探究知识的情境，从而充分调动学生学习数学知识的积极性，激发学生的探索欲望。比如:生活中每时每刻都要用到估算，要求学生估算一下每天上学到校需多少时间，以免迟到；或估算一下外出旅游要带多少钱，才够回来等等。在教学中引导学生寻找生活中的数学问题，既可积累数学知识，让学生通过如此切身的问题感受到学数学的价值所在，更是培养学生探索意识和应用意识的最佳途径。三、数学情境生活化，体验数学教育心理学的研究表明：学生在没有精神压力，没有心理负担，心情舒畅，情绪饱满的情境下，大脑皮层容易形成兴奋中心，思维最活跃，实践能力最强。在日常的教学中，应该提供这样的思维环境，创设与学生生活环境、知识背景密切相关的、又是学生感兴趣的学习情境，使学生感觉到在课堂上学习就像在日常生活中遇到了数学问题一样，需要大家一起来实践解决，通过自己的动手操作，集体的共同研究，最终得出学习结论。如在空间与图形的教学中，要充分利用学生生活中的事物，引导学生探索图形的特征，丰富空间与图形的经验，建立初步的空间观念。教学中可以组织学生分小组到操场上选定一个建筑物，让学生站在不同角度看这个建筑物，体会从不同的角度看同一个物体时，所看到的形状的变化，并用简单的图形画下来。也可让学生在方格纸画出示意图：假设图书馆在学校的正东方向200米处，小红家在学校正北方向500米处，医院在学校的正南方向1000米处，车站在学校的正西方向800米处。学生可以根据这些信息，在方格纸上确定适当的单位距离，标出相对位置后，教师再及时组织引导学生进行交流，逐步发展学生的空间观念。又如教学“元角分的认识”，组织学生开展一次“我是一位出色的售货员”活动，让他们在逼真的买卖中掌握、消化和应用知识。再如，相遇问题应用题教学，教师采用学生登台表演，情景再现的方法，把抽象的相关的各种数学术语让学生迅速地理解，既活跃了课堂气氛，又高效率地完成了教学任务。四、数学作业生活化，运用数学数学来源于生活而最终服务于生活。尤其是小学数学知识 ，在生活中都能找到其原型。把所学的知识应用到生活中，是学习数学的最终目的。由于课堂时间短暂，所以作业成了课堂教学的有益延伸，成了创新的广阔天地。学生适当运用课堂内容的自然延伸，能从广阔的大千世界中学习知识。教师在教学中应努力激发学生运用知识解决问题的欲望，引导学生自觉地应用知识解决生活中相关的问题。如学习了长度单位，可以测自己和父母的身高，从家到学校的路程；认识了人民币可以用自己零用钱买所需要的东西；学习了统计知识和百分比应用题，可以去统计本校学生人数以及男女生比例；会计算图形面积可以算一算自己家里的面积，所用瓷砖的块数等。再如布置学生“观察你家中的物品，找出几道乘法算式”；“你家一天的生活费用是多少，记录下来，制成表格，再进行计算”，这样把抽象的知识具体化，有助于学生理解，同时能用所学的知识解释生活中的现象，也培养学生收集处理信息的能力、观察能力、实践能力。这样，学生在轻松愉快地交流中，学得积极、主动，思维随之展开，兴趣随之激起。将数学教学与生活相衔接，让学生从生活中寻找数学素材，感受生活中处处有数学，学习数学如身临其境，就会产生强烈的亲近感和认同感，有利于形成似曾相识的接纳心理。教学实践使我体会到：数学即生活，只有将学生引到生活中去，切实地感受数学在生活的原型，才能让学生真正的理解数学，使学生感受到我们生活的世界是一个充满数学的世界，从而更加热爱生活，热爱数学生活中的数学在现实生活中，人们的生活越来越趋向于经济化，合理化．但怎样才能达到这样的目的呢？一天，我就遇到了这样一道实际生活中的问题：某报纸上报道了两则广告，甲商厦实行有奖销售：特等奖10000元1名，一等奖1000元2名，二等奖100元10名，三等奖5元200名，乙商厦则实行九五折优惠销售。请你想一想；哪一种销售方式更吸引人？哪一家商厦提供给销费者的实惠大？面对问题我们并不能一目了然。我做了一个假设，假如有16人，其中8人愿意去甲家，6人喜欢去乙家，还有两人则认为去两家都可以。调查结果表明：甲商厦的销售方式更吸引人，但事实是否如此呢？在实际问题中，甲商厦每组设奖销售的营业额和参加抽奖的人数都没有限制。所以我们认为这个问题应该有几种答案。一、苦甲商厦确定每组设奖，当参加人数较少时，少于213（1十2＋10＋200=213人）人，人们会认为获奖机率较大，则甲商厦的销售方式更吸引顾客，二、若甲商厦的每组营业额较多时，它给顾客的优惠幅度就相应的小。因为甲商厦提供的优惠金额是固定的，共14000元（10000＋2000＋1000＋1000= 14000）。假设两商厦提供的优惠都是14000元，则可求乙商厦的营业额为280000元（14000÷5％=280000）。所以由此可得：（l）当两商厦的营业额都为280000元时，两家商厦所提供的优惠同样多．（2）当两商厦的营业额都不足280000元时，乙商厦的优惠则小于14000元，所以这时甲商厦提供的优惠仍是14000元，优惠较大。（3）当两家的营业额都超过280000元时，乙商厦的优惠则大于14000元，而甲商厦的优惠仍保持14000元时，乙商厦所提供的实惠大。像这样的问题，我们在日常生活中随处可见。例如。有两家液化气站，已知每瓶液化气的质和量相同，开始定的价也相同．为了争取更多的用户，两站分别推出优惠政策．甲站的办法是实行七五折错售，乙站的办法是对客户自第二次换气以后以7折销售。两站的优惠期限都是一年．你作为用户，应该选哪家好？这个问题与前面的问题有很大相同之处。只要通过你所需要的罐数来分析讨论，这样，问题便可迎刃而解了。随着市场经济的逐步完善，人们日常生活中的经济活动越来越丰富多彩．买与卖，存款与保险，股票与债券，……都已进入我们的生活．同时与这一系列经济活动相关的数学，利比和比例，利息与利率，统计与概率。运筹与优化，以及系统分析和决策，都将成为数学课程中的“座上客”。作为跨世纪的小学生，我们不仅要学会数学知识，而且要会应用数学知识去分析、解决生活中遇到的问题。这样才能更好地适应社会的发展和需要。再给你一些地址：自己拼接吧

数学与生活 自从懂事以来，数学就已进入了我们的生活，数学无处不在影响着我们的生活，指引着智慧的方向，陪伴我们度过学习与成长的各个阶段。数学是一门给人智慧、让人聪明的学科，在数学的世界中，我们可以探索以前所不知道的神秘，在这个过程中我们变得睿智、变得聪明。 由于以前选择了文科，所以到大学才接触到危机分的知识，也开始了对微积分的探索，现在可以说是略知一、二了，在此期间间间的了解到微积分的美好，以及新引力的强大。但学习微积分的过程是困难与艰辛的，与此同时，我也了解到——数学是一种寻求众所周知的公理法思想的方法，这种方法包括明确的表述出将要讨论的概念的含义，以及准确的表述出作为推理基础的公设。具有极其严密的逻辑思维能力的人从这些定义和公设出发，推导出结论。同时数学是一门需要创造性的科学，而数学的这些创造性的动力往往来自于生活。反过来，数学的这些创造性地成果往往又作用于生活的各个方面。例如，商业和金融事务、航海和历法的计算、桥梁、水坝、教堂和供电的建造、作战武器和工事的设计，以及许多人类的需要。与此同时，数学又能对这些问题给出最完满的解决。在我们高速发展的社会中，数学被当作普遍工具的事实更是毋庸置疑的。 在我们的日常生活中，微积分确确实实的存在着，只是我们缺少善于发现的精神而已。比如说，我们在养花，而花瓶中水过多了，我们这时就要倒出部分水，这是上活中的公式就产生了，这个问题是：我们要将瓶子倾斜多少度时才能降水倒出一半来？这是微积分就派上用场了。 假设花瓶的纵截面是抛物线 Y=ax^2(a>0) 首先，先算出瓶子直立水满时的体积用一个积分就可以了，结果等于V=πh^2/(2a)； 第二步，假设倾斜角为α，正好倒掉了一半的水，重新建立坐标系，令此时瓶的对称轴为y轴，垂直于瓶的对称轴的射线为x轴，然后将坐标系还原为常规正立的图形，此时瓶里水的横截面图像为抛物线和水面所在直线的公共部分，注意此时水面所在直线与x轴的倾角是刚好为题目所提到的倾斜角α（如原图所示，倾斜后的水平面此时与x轴平行，因此水面与瓶的对称轴的夹角为90-α，也即在新建坐标系下，水面所在直线与y轴的夹角也为90-α，因此它与x轴的夹角为α）。所以可以设该直线方程为 y=tanα*x+b 假设直线与抛物线的交点为A(x0,y0),B(sqrt(h/a),h））（左A，右B）(B点的纵坐标显然等于瓶子的高度h)，先利用B点坐标求出直线的截距b，然后联立直线与抛物线方程可以求的A点坐标；第三步，就是求此时瓶中水的体积，可以将图像分为两部分，一部分是直线y=y0与抛物线所交部分，第二部分是直线y=y0、直线y=tanα*x+b及抛物线y=ax^2(a>0)相交部分。第一部分体积为V1=∫π*（x^2）dy=∫π*y/ady（积分上下限为0和y0）； 第二部分体积为V2=∫π*（（sqrt(y/a)-(y-b)/tanα）/2)^2dy（积分上下限为y0和h）；因此根据： V1+V2=V/2=π*h^2/(4a)=∫π*y/ady（积分上下限为0和y0）+∫π*（（sqrt(y/a)-(y-b)/tanα）/2)^2dy（积分上下限为y0和h）可以解得所求α值。这就是数学于生活紧密联系在一起了，如果数学不能和生活紧密联系在一起，那么数学将变得空洞无力。 著名数学家罗素曾说：“数学如果正确看待他，则具有……至高无上的美——正像雕像的美，是一种冷而严肃的美，这种每部石头和我们的天性的微弱的美，这些煤没有绘画或音乐的那些华丽的装饰，它可以纯净到崇高的地步，能够达到严格的只有最伟大的艺术才能显示的那种完美的境地。一种精神上的喜悦，一种精神上的亢奋，一种高于人的意识的，这些是至善至美的标准，能够在诗里得到，也能够在数学里得到”这就表明伟大的人物因为有一双善于发现美的眼睛所以他看到了数学隐藏的魅力。除了创造性和发现，想象也是可以使数学在我们思想中得到升华的。学了很久的数学了，明卖弄百数学的源远流长于高深莫测，他引领着前进的道路。Hankel,Hermann 说：数学沿着他自己的道路而无拘无束的前进着，这并不是因为他有什么不受法律约束之类的种种许可证，而是因为数学本来就具有一种由其本性所决定的并且与其存在相符合的自由无益的是数学在生活中独特而不可或缺，失去了数学科技水平将倒退。这不是耸人听闻，这是对数学这门使人精密学科的肯定，这是不可置否的。 数学不是规律的发现者，因为它不是归纳。数学也不是理论的缔造者，因为它不是假说。但数学确实规律和假说的裁判和主宰者，因为规律和假说都要向数学表明自己的主张，然后等待数学的裁判。如果没有数学的认可，则规律不能起作用，理论也不能解释。（来自数学的文化） 数学是重要的，生活不能离开数学，国防发展与科技进步也不能离开数学。在遥远的古代中国是引领世界的，因为那时的勤劳人民已发现了数学算筹、《九章算术》……这都是历史留下来的论据。一个国家的强大离不开数学的精密计算。21世纪的今天中国已傲然屹立于世界民族之林，为了使国际地位不断提升，我们必须坚定的发展研究数学。