五步建模法

洛桑曲旦

% B2 J% i# m' N
  d) M# h4 K7 T% K+ g

五步建模法：

6 V; {: ~: q& Z+ ^. y' J: [0 h) d' j第一步:提出问题.
: ^( {: N! U$ h& X# n0 s: y' ?; t
$ a+ i, d) P! P# w. y: n大家可能会想,题目不是已经给出问题了吗? 是的,但是这里的提出问题是指：用数学语言去表达。首先，题目一定要通读若干遍，“看不懂，读题目；看不懂，读题目”，如此反复循环的同时查阅相关资料。这通常需要大量的工作，而且要根据题目的特点做一些假设。
  V+ q9 \2 s! k
8 q3 [  ?8 ^1 a1 ~3 D看的差不多了，就开始用数学形式提出问题，当然，在这之前，先引用或者定义一些专业术语。 接下来进行符号说明，统一符号（这点很重要，三个人之间便于沟通，论文便于展现），并列出整个问题涉及的变量，包括恰当的单位，列出我们已知或者作出的假设（用数学语言描述，比如等式，不等式）。 做完这些准备工作后，就开始正式提出问题啦。用明确的数学语言写出这个问题的表达式，加上之前的准备工作，就构成了完整的问题。

. e9 N* p/ _, z; q6 [" u7 R# V% l这部分的内容反映到论文结构上，相当于前言，问题提出，模型建立部分。注意，刚开始建立的模型很挫没关系，我们随时可以返回来进行修改的。

第二步:选择建模方法.

在有了用数学语言表述的问题后，我们需要选择一个或者多个数学方法来获得解。 许多问题，尤其是运筹优化，微分方程的题目，一般都可以表述成一个已有有效的标准求解形式。这里可以通过查阅相关领域的文献，获得具体的方法。为什么不是查阅教材呢？基本上教材讲的都是基础的，针对特定问题的，教材上一般找不到现成的方法，但是教材依然是很重要的基础工具，有时候想不出思路，教材（比如姜启源那本）翻来翻去，会产生灵感，可以用什么模型。
# T. e7 r, m6 V
1 P/ _( }* k' T7 J& z+ r4 r* P第三步:推导模型的公式.
9 v9 p! o5 k: Q* k
0 e/ `# P! R4 i: C6 _! c) N5 j+ H我们要把第二步的方法实现出来，也就是论文的模型建立部分。我们要对建立的问题进行变形，推导，转化为可以运行标准方法解答的形式。这部分通常是借鉴参考文献的过程，做一些修改，以适应本题的情况。

第四步:求解模型.

( J& W  ^+ j# `这里是编程的队友登场的时刻了。
) z2 N0 k/ o8 S
; k5 F9 o4 n6 [- L. e统计模型：SPSS,Eviews，Stata ，都是菜单式操作，easy的。
. o2 ~+ y7 B  i6 x9 E0 z6 ~
- E& c/ W( a# U数据分析：R，数据库SQL Server，IBM DB2

微分方程：Maple,Mathematic,MATLAB
3 R9 |  f; N6 n4 P' O9 X
运筹规划：Matlab，Lingo
) E9 _6 E, i- ^  I3 v) J9 ~
. ~0 u( h/ n& Y智能算法：Matlab，R
! K3 ]# A  `; p, G2 L% O! P
时间序列：统计模型中的那些软件，或者R，Matlab
& Y3 M/ U+ o3 L. I6 _( [0 L. D
6 ~2 `4 v6 x9 d图像处理：Matlab，C++

总结： Matlab是必须的，再来个SPSS，一般情况下够用了。
+ k' _! o0 V/ i9 [3 V
/ L0 u# Q) J/ A- Z; k  r. J( X1 B0 j第五步:回答问题.
' n4 l5 i  N$ Z7 O" v
也就是论文的讨论部分。这部分是对你整篇论文成果的总结，一定要写的有深度。除此之外，通常还要写上一些灵敏度分析，如果是统计模型的话，要有模型检验。

: F! c7 @% ]4 ^+ P( H关于比赛的一些个人体会
9 F2 N& c! C, T: Q
1、国赛和美赛是有区别的

' E) F6 G( O, A( c& y国赛讲究实力，美赛讲究创新。 美赛不一定要多高级的方法，但是一定要有创意。而国赛，组委会往往是有一个模糊的“标准答案”在的，按部就班做下来就好了。

注意不要一次性就建立复杂模型了，老外看重的是你的思维，你的逻辑，不像国赛，看重的是你的建模编程实力，要使用各种高大上的方法。

拿到一个问题，可以先建立一个初等模型，讨论下结果；再逐渐放宽条件，把模型做的复杂一点。 即 Basic model -> Normal model -> Extended model的思路。这个思维在美赛中很好，这么做下来基本都能得金奖的，鄙人这次也是按照这样的流程，拿了个金奖。

# w3 l6 b& `' m8 d; Y" Q/ b% I& H2、文献为王
( m4 }% {9 Z. y8 o% U& p
" X; y5 {( Z; v. U文献为王。建模的题目，基本上是某个教授的研究课题，凭我们本科生的水平，基本上做不到对题目的深刻理解。所以要多看文献。

看文献也有技巧：刚拿到题目，先查一下相关背景资料，了解题目是哪方面的。接下来看文献，找一下硕士论文，博士论文以及综述性质的文章，硕博论文一般都会详细介绍下整个课题的国内外研究情况，综述就更不用说了，它就是对大量原始研究论文的数据、资料和主要观点进行归纳整理、分析提炼而写成的论文。看完这些，就可以比较有深度地把握题目，也知道如果我们要进行创新的话，往哪方面走。

/ J" ?; [0 w& X9 {接下来，可以根据小组三人讨论的结果，有针对性的看一下有深度的文献，文献看得多了，就可以考虑开始创新了，像爱因斯坦那样开辟相对论等新领域的创新，是很有难度的，但是我们可以退而取其次，不是有句话叫做“他山之石，可以攻玉”吗？ 我们要做的就是组合创新！ 领域内组合创新，把一个学者的方法嫁接到另一个学者的模型上。 以及交叉领域创新，把把自然科学的知识用到社会科学上，或者用社会科学解释自然科学的结果等等。（这里就可以体现，跨专业建模队伍的先天优势了：不同专业对同一个问题的思维是不同的，可以擦出创意的火花）
5 w) H* x6 \  v9 l- ^
PS：图书馆有买很多数据库，可以免费看论文。免费的话google学术是无敌的，国内文献貌似没有良好的分享平台，实在找不到论文也可以百度文库死马当活马医。
9 p- z+ V; d+ n0 w% Y- B
3 f3 }$ D& n; E! z' P6 f平时可以多注册一些网站，数学中国，校苑数模，matlab技术论坛，pudn程序员，研学论坛，stackoverflow等。上传些资料，攒积分要从娃娃抓起，不要等到比赛了看到好资料还“诶呀，积分不够”。
4 X$ O. |, `' }9 w9 |
想法很重要。建模思维是一种很难学习到的东西，站在巨人的肩膀上，多看文献，负责建模的同学辛苦了。
: O0 _% ^" \/ Q7 i4 Y
3、掌握一点数据处理的技巧

* Q  F1 K0 `8 C9 P/ c& g! ^: }2 ^建模的题目，A.B两道题。基本上是一题连续，一题离散；一题自然科学（理工科），另一题社会科学（经济管理）。这样的分布的，大家平常做题的时候就可以有所侧重，曾经有一支美帝的队伍，专攻离散题，貌似拿了连续两届的outstanding.

掌握一点数据处理的技巧是很有必要的。比如数据缺失值的处理，插值与拟合等。尤其是数据缺失值的处理，基本上A,B题都有可能涉及，建议熟练掌握。
* j  Y# W! v3 ^$ N# _
4、关于编程水平。More generally,软件操作水平几乎决定了一个队伍的结果上限。MATLAB是必备的，必须要熟练掌握各种模型的实现。此外，SPSS(或者R)也是要掌握的。Mathematic和MATLAB的替代性很强，不掌握也没关系（仅在建模方面，mathematic 当然也是很强大的）。What’s more建模比赛举办这么多年，用到lingo的情况几乎很少了，也可以不学lingo. And 现在的题目动不动就要粒子群等智能算法，强烈建议大家至少熟练掌握一种智能算法.
- p- y1 F' `3 Z5 R
; b0 t$ E2 c: ~3 yMATLAB推荐书目

4 i2 m% v$ i9 H/ V  {) w基础：
" y4 t) i( w* W$ o' \
MATLAB揭秘 郑碧波 译 （本书讲的极其通俗易懂，适合无编程经验的）
& t9 k6 ]  ]: y' ~0 K% u
精通matlab2011a 张志涌
" |( G: \8 y+ Q, L4 l3 ~4 Q
$ t1 b- j* A2 Q) g: X提升：
' ]- Y+ U: m! T7 \
: j; S& q% }. d; g( N! z5 C1 P数学建模与应用：司守奎 （囊括了各类建模的知识，还附有代码，很难得，工具书性质的）
* G% A0 h, e$ ]8 r0 _
Matlab智能算法30个案例分析 史峰,王辉等
8 _3 Y0 u" f' l  O( u4 r" `$ E
《MATLAB统计分析与应用：40个案例分析》
: j( \0 t4 |! e' [
数字图像处理(MATLAB版) 冈萨雷斯 (13国赛碎纸片复原居然涉及了图像处理,所以列在这里了.可看可不看,太专业化了)
2 g+ m. f- z( r$ z$ B) m! R/ |2 U% j
书很多的.总之,要达到熟练运用matlab进行运筹优化,数据处理,微分方程的地步. 数理统计可以交给SPSS,R ,其中SPSS无脑操作上手快.
* r( ?" d" P' p8 c4 G  P9 ^2 O9 b
3 L4 U8 z3 B9 Z1 g' G5、格式规范：看国赛一等奖，美赛国内人得特等奖的论文，格式规范方面绝对很到位，大家可以参考。国外人的特等奖论文，大都不重视格式，人家的优势在于模型实力与创意、母语写作。所以在美赛格式规范方面，参考国内特奖的论文。
) p/ e' p5 {( t. G! }8 `
5 Y' O8 g9 |/ X9 h9 tPS：有时间的队伍可以学习以下Latex，用Latex写出来的论文，比word不知道好了多少倍。Latex书目推荐：

& E& ?2 L5 ]% |; p" q0 S( U' OLaTeX插图指南
$ p; J" ^+ O0 e4 E9 E
一份不太简短的Latex介绍
9 _9 ~' K) u: U9 V7 s( V5 R
LaTeX-表格的制作 汤银才

参考文献常见问题集

" s7 A" G' i* flatex学习日记 Alpha Huang
5 V& X' O. R( u8 o' P/ U
论坛：Ctex BBS
; Q$ v. w0 r0 d' o* \
结束语：
- d; g9 E# J1 O
4 F/ L5 M$ x3 M# E7 s什么是数学的思维方式？观察客观世界的现象，抓住其主要特征，抽象出概念或者建立模型；进行探索，通过直觉判断或者归纳推理，类比推理以及联想等作出猜测；然后进行深入分析和逻辑推理以及计算，揭示事物的内在规律，从而使纷繁复杂的现象变得井然有序。这就是数学的思维方式。



" t3 O% a, p6 t; ~  j
$ q; ?' t: P- o( d: |$ ]8 p

brown

这是在知乎上看过的，请注明出处