数学建模社区-数学中国

标题: ACMer数学建模Python编程起步 [打印本页]
作者: 杨利霞    时间: 2020-3-24 15:49
标题: ACMer数学建模Python编程起步

! w* {7 i1 }) `, SACMer数学建模Python编程起步笔者一建模小白，同时也是一名ACMer。寒假期间学完了数学建模所需的一些编程知识，磕磕碰碰渐渐入门。在此为想要参加数学建模的ACMer分享一些经验。该文该帖系笔者原创，笔者刚入数学建模时，对于数学建模应该怎么样去编程也同样非常迷茫，在网上也没有找到相关的经验贴，故在此给大家分享几点经验。该文会长期更新，欢迎在评论区交流。
0 B8 {+ q& d9 ]# _" B- I2 k7 Z( d
8 e! J: @, T3 t数学建模和ACM的区别- t6 A" b9 c' R, T

  z4 Y, a4 R9 X. m9 M* J8 x% M相比于ACM，数学建模编程主要有以下几点区别：1 \! v8 g6 Y: @
5 H9 }7 m2 V4 E
1.ACM的编程多是用来直接处理一些算法问题，需要对算法进行创新应用，重点在于算法；而数学建模中的编程多是用来运行算法模型以获得所需的数据，或者是画图、画表格之类的，很多算法模型都是现成的，有很多ACM中的诸如Floyd的算法已经被封装成模块。有趣的是，他们可能是以伪码表示的，并不像ACM模板，都已经写好代码了，这时，就需要各位大佬根据伪码翻译成计算机所能理解的语言。ACM重在算法，数学建模编程虽然也需要对算法模型进行创新，但更多的，重在计算，重在选择最优的模型达到最优的效果。8 {- |* [) ^0 t# H. L& y  `1 d

% A  w( ]- V; |' u( u$ a2.比赛方式不同，ACM是在指定地点进行比赛，时间通常只有紧张的5个小时，在这5个小时内，需要各个队员的精神高度集中的投入到算法问题的解决中来，而且程序必须是在一定效率的情况下运行（比如比赛时程序应该在1s结束，只能占用256mb的空间，如果在时空限制下没有完成算法问题的解决，是不能记分的）有的题目可能做不出。而数学建模则在3天甚至更长的时间比赛，比赛地点一般在学校提供的教室里，可以随便自由出行，甚至可以是在家（比如今天坑爹的新冠病毒疫情，想必许多美赛选手都是在家比赛）。一般数学模型的解法只有最优最劣与否，没有对错。
1 {; B3 i! K7 P6 [0 s0 {8 F! r" S4 H' F' f% G3 j
3.可访问资料的范围不同，ACM允许携带纸质资料，选手们通常会把平时浏览过的一些有意义的博客打印下来，还会打印好相关资料，如ACM模板等，在比赛的时候还会有志愿者们巡逻考场，不允许携带电子设备和U盘等进入考场，考场也通常会打开电子屏蔽器，屏蔽相关信号，切断与外界的交流。而数学建模则多要靠自觉，在比赛期间不能通过QQ等通信工具与其他选手交流比赛，要上传给学校。但除了要保证是自己做的以外，其他的互联网资源都是可以访问的。这时，强大的信息检索能力就重要了起来，可以在网上搜索相关的有用的模型，用计算机的语言实现。也有一些学长只是准备了20几天，靠着强大的学习能力获得了省一。3 F3 g9 T. i. @. T. d: J

9 S, q, p5 w$ ~5 a* p9 m  g: j& @4.拿奖的难易不同。虽然数学建模和ACM在各自的领域都是属于家喻户晓的顶尖水平的竞赛。但是其实数学建模的水分还是总体上比ACM要高的。有的人也表达过相同的看法，通常一支队伍如果在ACM方面取得了某些奖项，一般情况下，这个队伍里的每个人总还是有两把刷子。但是如果是数学建模，可能就不一定了，输出的可能就是一个人，其他人只是用来给那个人加油助威的。从每年获奖的情况来看，从获奖总数和参加人数来说，ACM的奖项含金量更高。但这并不意味着数学建模没有用， 在数学建模的过程中，将学到很多平时学不到的科研的知识，比如论文的撰写和发表啊。而且数学建模相比于ACM，更加贴近科学。如果ACM和数学建模都能发展好，应该对时下大火的人工智能研究有好处，也能跟大概率获得算法相关的Offer。
7 x* Z- k& _/ T8 }, {
& B( f- }8 g. S语言的选择% H0 |7 j7 k' V. W+ j6 D' T
  B1 l! E7 T" _1 H4 Y( J
目前主流的应用于数学建模的编程语言主要有两种，他们分别是Matlab和Pyhton。
" G/ m! L  T+ Z5 [4 }- Y3 ^* x( B% P( v" d* W$ o/ U+ G
Matlab语言的历史比较早，美国MathWorks公司出品，和Mathematica、Maple并称为三大数学软件。在Pyhon还没有问世前，广泛应用于数学。优点是学起来方便，要学的东西相对较少，适合不喜欢折腾的小白玩家，缺点是闭源，扩展性低下，除了数学之外没有太多的用途。" B: ]$ W7 o5 @% O% @" C( d
. j$ s- F9 y  c6 Y* F) ?. P
这里推荐一个Matlab语言的学习网站：https://www.w3cschool.cn/matlab/
! _$ ?8 L5 T4 M; r( c* {& P( H+ K8 Y- p' I" A# |9 ^3 B
Python的大名相比大家都知道，他在深度学习，爬虫，机器学习等方面有很多应用，并且扩展性好，有丰富的功能和优质而成熟的社区，免费，开源，体积小，应用范围广，是未来的主流语言。我在这里向ACMer推荐这种语言，在以后的工作中，也可能经常用的到，并且以后要学习深度学习和机器学习的相关知识时，还会要用到它。但Python对于编程小白则不太友好，可能需要折腾很久。
4 ~% p6 w& ~$ E0 }7 _1 w8 O+ ~' d: ^
这里也推荐一个Python3语言的学习网站：https://www.runoob.com/python3/python3-tutorial.html8 F7 v& Z1 _5 V9 g  S9 ^
: s# {& R$ L& \! w: B7 x
注意，我们学的是Python 3.x，不是python2.x，他们两者的语法是有区别的，Python3.x更新9 D  |; X/ E3 C5 h
, r+ f" }" d- ~* f4 F
这个网站上还有Python小实例，可以做一做，提高熟练度，一定要动手去做，如果不动手，到时候就会很生疏! b+ `( N+ i. ?5 u7 q# M. ~8 P% s
2 i( @7 U) o2 t6 I5 w( m5 L/ m
https://www.runoob.com/python3/python3-examples.html" [+ u2 \) ~# {3 g: x

- G5 ~0 _0 I' D下面是一本网红书籍，几乎是Python入门首选，大家也可以看看，不过个人觉得，还是上面的这个网站写的好，这本书漏了很多* `3 v% s& L: J

1 ]8 G9 X% |3 h1 X3 k' k- Y/ y1 y: p# D0 A
  A2 K/ v8 \' W/ H$ L# D
一些需要进一步学习的包
& p) I3 u( B8 u  `0 [8 H( n, B* C
Python的包在他们官网一般都有详细的教程，可惜的是，他们大部分是英语的。国内有些包的教程还没有人翻译成中文，或者相比英文版缺斤少两。推荐大家阅读英文原版，如果实在看不懂就看中文版+ x1 c4 Y' O4 V/ E/ D' V% E
6 N* i. }5 T% Q% }( _
首先，需要学完数据分析三剑客Numpy，Matplotlib，Pandas。这三个包基本上在数学建模中经常用到，一定要掌握，下面分享的是他们的一些教程：
) R) p0 v) X# e, O" B7 T' V" Z4 B6 l) r- A: P
numpy
0 r$ }' j1 g( ~  j' g中文 https://www.runoob.com/numpy/numpy-tutorial.html3 c' z$ z4 L6 I; A5 q
英文 https://numpy.org/doc/' w. |: w, ?" s4 s( e& w2 W

1 i. V# n1 Y$ pmatplotlib! C) w( a" Y- o  e+ M- \7 C
中文 https://www.matplotlib.org.cn
- e7 W! w% R  N& {; l英文 https://matplotlib.org/contents.html4 K1 @0 H* }9 ]" D4 U
' {/ i+ j0 i* I
pandas
$ a  b& z) @8 M4 @% l/ K中文 https://www.pypandas.cn- s4 Z& k. N3 Z8 f9 h  m2 ^( A
英文 https://pandas.pydata.org/docs/
) M- a4 T" F1 L1 [
! |1 i$ \% A. O2 I/ o- t) x下面列举需要学习的一些包及其用途，大家可以参考参考，搜索他们的官网找到教程学习1 Y! A$ \+ q. L0 _

- j8 j; e8 Q- D. |数学计算：sympy numpy pandas3 D! b4 k; ?+ Q) B; f$ b
数据分析：statsmodels
$ R  Y, b5 a  f9 ~图像处理：opencv pillow" e9 q& n- w( V, ], w  ]
遗传和进化算法：geaty
0 S  N2 y; k6 m* y+ r% T数据可视化：pyecharts seaborn matplotlib! h9 _6 k, L, U2 g: b" }. B. t0 }
机器学习：sklearn scipy( A; x6 r' J8 `/ R" f9 k0 L
数学规划优化：gurobi/ D  N" ^* q5 u9 B3 M- Q" |) m7 m9 h
原文链接：https://blog.csdn.net/STL_CC/article/details/104740689
" i/ n( W/ W( f' S% w' v
* ^% W( l* Y2 W* h+ t+ D' n* T5 H! K1 T1 y0 k+ J# U/ @
作者: 柠檬草lll    时间: 2020-3-26 17:38
发表回复不错的资源
9 E( \8 z4 u! ~7 M# P+ b



欢迎光临 数学建模社区-数学中国 (http://www.madio.net/) Powered by Discuz! X2.5