标题: 美国数学建模比赛建议 [打印本页] 作者: 杨利霞 时间: 2019-4-7 11:50 标题: 美国数学建模比赛建议 美国数学建模比赛建议0 c7 |6 L) [! M3 o. e, Z' S
一、选题(建议半天内确定)* a. M, n3 W4 p. x0 T$ H
4 s. u& l( c1 l7 z# W5 Y, ^, T
美国数学建模大赛分为MCM和ICM,从2017年的题目来看,ICM的要求更加明确,题目描述更加详细。那么ICM在评奖的时候,就会有所谓的标准答案。并且ICM提供了大量的参考链接和数据。在国内的话,有无法访问的可能。ICM除非确实有这个方面专业的同学。否则慎选。0 N. ], M- T7 {2 [7 N: k
P+ C3 x7 S& S5 y0 {3 \8 \ MCM方面,有些题目容易理解,但是没有数据。有些题目因与美国的文化差异和地域差异,导致理解困难。这就需要在半天的时间内,快速查找资料对题目进行理解并且尝试寻找相关数据。在半天之后,根据情况,选择题目。比如A题易于理解,但是河水流量数据、水坝的具体数据是直接能够找到,还是要通过建模得到。这无疑增加了难度。而B题高速公路收费的题目,因中美差异,收费情况可能和我们理解的不一样,会造成审题的偏差。所以,需要根据资料的查找情况和大家讨论,以确定题目。 : ]9 J$ F% f G3 |) D/ c1 Y ! T" g% f, N! c' s 注意:易于理解的题目并不见得简单,而且你易于理解也会导致其他参赛选手也利于理解,这样会造成某一个题目竞争成功的难度增大。2 S# b% ? b; \1 G5 ]
0 A% p' y o$ z: v$ U
二、题目理解和目标细分! p) y% F; }, L. y& i2 e7 `) f1 x
u1 E; M) L" i) e
第一步:当题目确定后,首先将题目中表述任务的词语画出(一般为性能、花费、安全等),和要考虑的因素画出(比如A题中的流量、生态影响等)。将题目的目标具体分成几个部分。明确哪些是先要做的基础工作,哪些是在这些基础上进行的工作。比如A题中,要评价3种选项的优劣,那么在安全性评价上,要先得出水流量公式,此时水流量就为基础性工作,而评价位于之上。此时,可以画出一个先建模什么再建模什么的模块流程图。( x# `: m7 X: q, K
! Y# x; {5 z7 w# S+ @' O& ^
第二步:进行头脑风暴,将这些基础工作进行细化,比如题目中表述为性能,那么就要讨论以什么参数来定义性能,比如吞吐率、延时等,都是性能的定义,可以采取多个性能参数,也可以只采取一个。同理,限制因素也能够通过同样的参数定义。进一步讨论哪些因素影响了任务的完成和目标优化。此时可以建立一个简易的模型。当然,也可以在网上或数据库中搜索相关论文,如果能找到更好的模型,那么就直接拿来使用。比如在A题目中要求解水坝的花费,可以简单建模成水坝一平方的造价,也可以建模成水坝是由发电机、闸门等部件构成,通过各个部分合成来确定水坝的花费。& g; j; q& v& j" v$ Z7 ~
( O, I. Z, \( }; [+ v
第三步:定义好参数过后,来确定哪些参数能够通过互联网找到,哪些参数可以通过找到的数据进行计算,哪些参数需要假设得到。然后进一步细化各个参数。模型进一步变的复杂。 , u/ w5 _7 X* {, b6 Q0 ? ' v$ w; N% t/ k, x. D 第四步:模型建立完成后,进行求解,然后根据题意给出建议。; R! r$ |( V4 n% Q
" _( p# \/ K7 ]9 }( M- A% h; c* q 第五步:撰写论文。 0 B' @' u& e& H, N5 `, v 9 @; G) ~: ]' R, R三、再次迭代,继续优化模型+ r" A! V6 D' d- g
& a ]; p% C$ v. o% `# y9 B 在建立和解决一个模型后,可能在此过程中,又收集到了更多的数据或有新的想法加入,不用推翻原模型,再次构建一个更加准确的模型就可。 : w: M" F* G6 F! n7 ?9 O; ~9 g ( t! p1 v3 Q; q) X/ s1 y- H四、模型评价 o6 l! R5 \2 l- R
5 `1 D. x$ r4 ?3 x. r1 W" l$ D 在论文中,要对自己模型的好坏进行评价。 0 j+ ~9 p6 k. E8 j5 Z+ D* o' D) F ( Q& S- R6 x: z. u五、其他建议 % L# W" C8 K3 t% b7 U! v7 D0 }! E0 f; g: z1 }+ M6 u Q# B! @
论文撰写建议: & u2 g/ J1 G4 u5 B; D+ v- [4 m. y: t+ ^4 e% `4 q5 \; K) R) v
1、 准备通用的论文模板。) v% b0 O) Z8 R1 ^) q; d% F& P2 `
# E' B/ ?. ?1 B4 U5 H& q
2、 多采用图表进行表示。 ) z; g4 ~) P1 k% t/ Z6 `+ h$ M8 ^9 m
3、 提出重点,在自认为的模型重点部分使用斜体、增加标注等方式进行强调。# v# `6 f/ m: o0 B4 [( A0 v% h
4 C$ R! q" q* M) U 4、 使用最顺手的工具。# T Y" E v- u) C& M+ K' l
; P" K- W, J* {/ t , O Y& d b0 _5 ^6 `! j # g/ J8 c' S- G. ` K6 q% d0 i 代码准备:* R1 x5 h- ]5 H2 D+ A9 o" c% u
" B) m8 [. P5 Z3 l. |: x5 j8 W 1、 因MCM的题目一般都为优化问题,比如求最小值、最大值等,包括单目标和多目标,建议准备遗传算法备用。; t( U2 }. }/ M5 S
5 o7 [$ Y- [6 r+ j: E g: u
2、 因为可能涉及到函数拟合部分(大数据的情况下),建议准备BP或者RBF神经网络代码。 % Z3 [4 @4 S6 W) ]6 O ! S% O& c2 \! Z$ n, B P; g, l4 F$ L0 t R, j- E9 P
. p- [4 T1 @) T 其他建议:+ o: ?' u0 v8 J* T" Y
6 z* K8 l+ o `( R0 ]3 u
1、 当题目过于抽象的时候,可以通过分类的方式来求解。: S3 R9 m; |+ F/ n3 Z* K+ K; `