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

) `6 l& f6 R+ ~( q* m( u4 NACMer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。5 }9 p$ H0 q2 K) R
8 x" I  h4 R3 s2 [
数学建模和ACM的区别* H6 C2 f' x( w1 l  N' Y

7 r+ v! T) b. S6 O/ M- ]7 Z相比于ACM，数学建模编程主要有以下几点区别：. l2 i% B. c# D$ g

+ O2 G6 Q, t# Z1.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。/ j* k* \/ H) [
2 h* N  H) N% f1 O" ]# O
2.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。9 `7 f' q& F% F5 y& X3 \( P
7 o' w; L4 n, R
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。
7 x6 r  A# v3 z; g, N; P7 V) A( ]: q1 r% N6 L
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。4 l3 r, ]- f) X; m' G

& j. S8 P3 Y3 ~, |  Z语言的选择- R9 ]; b5 M8 @: N! t  k

4 v% b) x2 U( Q+ {& e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。0 G! U" D1 I( k" X6 ]4 T8 i. L  j
* r' ^) u. u7 I) L
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。
% D) l+ p6 U0 D- o) t% W
1 r6 |( {0 x, f$ F1 q这里推荐一个Matlab语言的学习网站：https://www.w3cschool.cn/matlab/
0 K4 Z, A2 P* S9 s0 K# f0 {8 E; T3 q
9 e9 b8 ?, q$ ZPython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。# ?7 U3 E; L6 l- l* s5 o
8 F3 ]5 s+ T( _" x$ v
这里也推荐一个Python3语言的学习网站：https://www.runoob.com/python3/python3-tutorial.html& |* Y; X/ ^( i5 m' R

/ T. F* H6 `3 Z5 U8 M4 y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
5 G: J, i  F  b# F$ D( T% D8 C8 E5 G( S9 |1 h2 @4 |
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% h4 [2 N9 _! J

# X; x% {, e' ^) g/ Nhttps://www.runoob.com/python3/python3-examples.html
$ B$ T: h  |" _+ T! M0 g6 A
/ E+ X" h8 M$ `' G) |, z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4 d" t" k3 z8 K3 e2 V

5 m# _7 O8 s3 V/ Q5 W4 y
+ {0 M7 X8 X( A7 N, E- ~/ V( Y. `9 A* Y# Q: M5 J1 i" h: w/ f0 p
一些需要进一步学习的包
2 }, x- w" F5 W7 V  p% s& A5 V& r1 ?9 X. Z2 Y* t% p/ N
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
( Z7 H& X) h3 t5 P9 x* ]8 N
4 G3 R# u9 a# V1 Y" r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：
5 w& S4 ?3 v& D+ v! a1 K9 X# W5 ^- d
numpy
+ O7 d8 k" a/ @中文 https://www.runoob.com/numpy/numpy-tutorial.html
; d+ X( |" w- d; H, r. c英文 https://numpy.org/doc/$ A6 D) G) r5 t& y, B: g; D7 I

8 ~% Y# ^+ T- @- }- B9 h4 X2 ~2 Omatplotlib
( a5 _/ m/ \7 S' V- F: o- v中文 https://www.matplotlib.org.cn
4 v" M/ W7 S8 l% {, [5 E英文 https://matplotlib.org/contents.html
9 n: M. U! w8 a
9 u7 [) w! _- L6 r% _pandas
( o6 |3 W- S8 v7 L1 a中文 https://www.pypandas.cn
" t7 s5 q0 {" d  f英文 https://pandas.pydata.org/docs/6 ~3 U8 Y' _5 f0 t

' z& F3 {! ^" A7 z1 J- q& k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; x' y$ R5 i9 w" B  S' c
7 L. b, m$ ^" h0 F
数学计算：sympy numpy pandas
5 ?+ P2 ^0 v, S8 \: z! A数据分析：statsmodels
( w" Z: N9 t) O# t! `; l图像处理：opencv pillow
+ F& u1 P4 u2 F7 x1 ^1 A  k遗传和进化算法：geaty/ X" H* _; E" P
数据可视化：pyecharts seaborn matplotlib4 v6 L1 [( i3 I, O
机器学习：sklearn scipy
! S  a( ]% |7 F5 N* S& E数学规划优化：gurobi9 P# u8 [" u! a  y0 H
原文链接：https://blog.csdn.net/STL_CC/article/details/104740689( X9 j. ?% y" C2 U% r

2 L' `/ l5 n7 J/ T. s; t& W+ M" j4 I" R6 n3 w* @) t. {* Z
作者: 柠檬草lll    时间: 2020-3-26 17:38
发表回复不错的资源$ x* h+ G0 t, }, ]




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