数学建模社区-数学中国

标题: 建模经验 [打印本页]

作者: 郑传赞 时间: 2011-6-20 12:34
标题: 建模经验
基本知识：
六、参加数学建模竞赛是不是需要学习很多知识？

   没有必要很系统的学很多数学知识，这是时间和精力不允许的。很多优秀的论文，其高明之处并不是用了多少数学知识，而是思维比较全面、贴合实际、能解决问题或是有所创新。有时候，在论文中可能碰见一些没有学过的知识，怎么办？现学现用，在优秀论文中用过的数学知识就是最有可能在数学建模竞赛中用到的，你当然有必要去翻一翻。
具体说来，大概有以下这三个方面：

第一方面：数学知识的应用能力
归结起来大体上有以下几类：
1）概率与数理统计
2）统筹与线性规划
3）微分方程；
还有与计算机知识交叉的知识：计算机模拟。

   上述的内容有些同学完全没有学过，也有些同学只学过一点概率与数理统计，微分方程的知识怎么办呢？一个词“自学”，我曾听到过数模评卷的负责教师范毅说过“能用最简单浅易的数学方法解决了别人用高深理论才能解决的答卷是更优秀的答卷”。

第二方面：计算机的运用能力

   一般来说凡参加过数模竞赛的同学都能熟练地应用字处理软件“Word”，掌握电子表格“Excel”的使用；“Mathematica”软件的使用，最好还具备语言能力。这些知识大部分都是学生自己利用课余时间学习的。

第三方面：论文的写作能力

   前面已经说过考卷的全文是论文式的，文章的书写有比较严格的格式。要清楚地表达自己的想法并不容易，有时一个问题没说清楚就又说另一个问题了。评卷的教师们有一个共识，一篇文章用10来分钟阅读仍然没有引起兴趣的话，这一遍文章就很有可能被打入冷宫了。

七、小组中应该如何分工？

   传统的标准答案是——数学，编程，写作。其实分工不用那么明确，但有个前提是大家关系很好。不然的话，很容易产生矛盾。分工太明确了，会让人产生依赖思想，不愿去动脑子。理想的分工是这样的：数学建模竞赛小组中的每一个人，都能胜任其它人的工作，就算小组只剩下她（他）一个人，也照样能够搞定数学建模竞赛。在竞赛中的分工，只是为了提高工作的效率，做出更好的结果。
具体的建议如下：一定要有一个人脑子比较活，善于思考问题，这个人勉强归于数学方面吧；一定要有一个人会编程序，能够实现一些算法。另外需要有一个论文写的比较好，不过写不好也没关系，多看一看别人的优秀论文，多用几次word，Visio就成了。

参赛须知：

1．时间和体力的问题
   竞赛中时间分配也很重要，分配不好可能完不成论文，所以开始时要大致做一下安排，不必分的太细，比如第一天做第一小题，第二天做第二小题，这样反而会有压力。开始阶段不忙写作，可以将一些小组讨论的要点记录下来，不要太工整，随便一下，到第三天再开始写论文也不迟的。另外要说的就是体力要跟上，三天一般睡眠只有不到10个小时。建议是赛前熬夜编程几次，但比赛前一天可不许熬呀，呵呵。

2．团队合作是能否获奖的关键

   三天的比赛中，团队交流所占用的时间可能会超过一半。当出现分歧的时候应当如何解决是很关键的，甚至直接决定你是否可以获奖，我的建议是“妥协”，不要总认为自己的观点是正确的，多听听别人的观点，在两者之间谋求共同点。合作在竞赛前就应当培养，比如一块儿做一道题什么的，充分利用每个人的优点，也可以张三准备图论，李四准备最优化方法，然后几天后大家一块交流，这些都是可以磨合团队之间的关系的。

3．重视摘要

   摘要首先不要写废话，也不要照抄题目的一些话，直奔主题，要写明自己怎样分析问题，用什么方法解决问题，最重要的是结论是什么要说清楚，在中国的竞赛中不写结论的话是一定不会得奖的。摘要至少需要琢磨两个小时，不要轻视了它的重要性。多看看优秀论文的摘要是如何去写的很有必要的，并要作为赛前准备的课题之一。

4．论文写作要正规

   论文一定要大致按照摘要、问题重述、模型假设、符号说明、问题分析、（建立、分析、求解模型）、……、参考文献、附录等等的方式来写。一般初评会先淘汰一些结构失败的文章，如果没有论文的结构，内容再好也没有用。论文前面的结构一般都不会变的，后面可以按照实际情况来安排自己的结构，省略的部分可以有结果说明、灵敏度分析、其他模型、模型扩展、优缺点分析等等的东西，多看些优秀论文就知道还有哪些形式的了，附录可以贴一些算法流程图或比较大的结果或图表等等。

5．模型的假设与模型的建立

   评委看完摘要后紧接着就是看模型假设了，有一个万能的方法就是可以抄题目中可以作为假设的几句话，这样会给人留下好的印象，毕竟说明你审题了。但不能全抄，要加上自己论文中的一些假设，最好不要太具体了，一些重要参数不要被定死只能取某些值，这样会让人感觉到论文的局限性较强。模型的建立是根据你对问题分析而来的，提出的数学符号和建立模型最好要比较接近，在同一页最好，以便评委可以对照符号来看，数学公式要严谨，推导要严密，这些都反映了一个人的数学素质和能力，即使你推导不对，别人看到你的阵势也首先会误以为你是对的。

6．图文表并茂可以增色

   我听说一个不确切的信息是评委老师喜欢用Matlab编程的论文，不知道有没有这回事，但这说明了老师需要看一个具有图或表在其中的论文，一篇如果像**书那样写的论文估计没有人会对它感兴趣的，尤其是科技论文。Matlab编程之所以受到青睐是因为Matlab提供的图形处理能力很强大，图表的说明性特别强，如果结论有很多数据的话，最好做成图表的形式加以说明，会令你的论文更有说服力，也更加会受到评委的好评。

常用资料：

一、数学建模竞赛中应当掌握的十类算法

1．蒙特卡罗算法
该算法又称随机性模拟算法，是通过计算机仿真来解决问题的算法，同时可以通过模拟可以来检验自己模型的正确性，是比赛时必用的方法。
2．数据拟合、参数估计、插值等数据处理算法
比赛中通常会遇到大量的数据需要处理，而处理数据的关键就在于这些算法，通常使用Matlab作为工具。
3．线性规划、整数规划、多元规划、二次规划等规划类问题
建模竞赛大多数问题属于最优化问题，很多时候这些问题可以用数学规划算法来描述，通常使用Lindo、Lingo软件实现。
4．图论算法
这类算法可以分为很多种，包括最短路、网络流、二分图等算法，涉及到图论的问题可以用这些方法解决，需要认真准备。
5．动态规划、回溯搜索、分治算法、分支定界等计算机算法
这些算法是算法设计中比较常用的方法，很多场合可以用到竞赛中。
6．最优化理论的三大非经典算法：模拟退火法、神经网络、遗传算法
这些问题是用来解决一些较困难的最优化问题的算法，对于有些问题非常有帮助，但是算法的实现比较困难，需慎重使用。
7．网格算法和穷举法
网格算法和穷举法都是暴力搜索最优点的算法，在很多竞赛题中有应用，当重点讨论模型本身而轻视算法的时候，可以使用这种暴力方案，最好使用一些高级语言作为编程工具。
8．一些连续离散化方法
很多问题都是实际来的，数据可以是连续的，而计算机只认的是离散的数据，因此将其离散化后进行差分代替微分、求和代替积分等思想是非常重要的。
9．数值分析算法
如果在比赛中采用高级语言进行编程的话，那一些数值分析中常用的算法比如方程组求解、矩阵运算、函数积分等算法就需要额外编写库函数进行调用。
10．图象处理算法
赛题中有一类问题与图形有关，即使与图形无关，论文中也应该要不乏图片的，这些图形如何展示以及如何处理就是需要解决的问题，通常使用Matlab进行处理。

二、数学软件的主要分类有哪些？各有什么特点？

数学软件从功能上分类可以分为通用数学软件包和专业数学软件包，通用数学包功能比较完备，包括各种数学、数值计算、丰富的数学函数、特殊函数、绘图函数、用户图形届面交互功能，与其他软件和语言的接口及庞大的外挂函数库机制（工具箱）。
常见的通用数学软件包包括Matlab和Mathematica和Maple，其中Matlab是一个高性能的科技计算软件，广泛应用于数学计算、建模、仿真和数据分析处理及工程作图，Mathematica 是数值和符号计算的代表性软件，Maple以符号运算、公式推导见长。
专用数学包包括绘图软件类MathCAD，Tecplot，IDL，Surfer，Origin, SmartDraw,DSP2000），数值计算类：（Matcom， IDL， DataFit，S-Spline，Lindo，Lingo，O-Matrix，Scilab，Octave）, 数值计算库（linpack/lapack/BLAS/GERMS/IMSL/CXML）, 有限元计算类（ANSYS，MARC，PARSTRAN，FLUENT，FEMLAB，FlexPDE，Algor，COSMOS, ABAQUS，ADINA），计算化学类（Gaussian98，Spartan，ADF2000，ChemOffice），数理统计类（GAUSS，SPSS，SAS， Splus，statistica，minitab）, 数学公式排版类（MathType，MikTeX，Scientific Workplace，Scientific Nootbook）。

三、关于数模竞赛的几本好书

▲ 姜启源，《数学模型（第二版）》，高等教育出版社
▲ 姜启源、谢金星、叶俊《数学建模（第三版）》，高等教育出版社
▲ 萧树铁等，《数学实验》，高等教育出版社
▲ 朱道元，《数学建模案例精选》，科学出版社
▲ 雷功炎，《数学模型讲义》，北京大学出版社
▲ 叶其孝等，《大学生数学建模竞赛辅导教材（一）~（四）》，湖南教育出版社
▲ 江裕钊、辛培清，《数学模型与计算机模拟》，电子科技大学出版社
▲ 杨启帆、边馥萍，《数学模型》，浙江大学出版社
▲ 赵静等，《数学建模与数学实验》，高等教育出版社，施普林格出版社

四、基础学科

1．数学分析
2．高等代数
3．概率与数理统计
4．最优化理论
5．图论
6．组合数学
7．微分方程稳定性分析
8．排队论

作者: jt202010 时间: 2011-6-20 22:05