美国数学建模比赛建议

杨利霞

美国数学建模比赛建议
一、选题（建议半天内确定）
3 q$ I6 V  S/ [- j- H
      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。

+ \: |: l) ?+ J6 Z, V! M8 O      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。
0 C/ d# }& V  S. G. D
; y% J8 t( _4 u; s) \* q      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。

  T0 ~2 q- l1 H" X3 o二、题目理解和目标细分
! @. }& F. R3 F3 E6 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。

! K3 W$ s; @' |* F* O- r" u      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。
% O- M% u$ X# G; l6 U( X) d, H' }
( @  n8 K: u% v7 U      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。

% s" [% Z2 S9 Y/ V$ b2 `      第四步：模型建立完成后，进行求解，然后根据题意给出建议。
" Z/ ~4 Q7 P! B/ B( \
. B1 Y5 p0 _% ~+ A  ?; \      第五步：撰写论文。
# z* X5 W- Q- P7 L  w
三、再次迭代，继续优化模型
" Y7 t! u" R% a2 g
       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。

6 g& M  Y4 A) G- G9 L/ e# q- c+ {' W四、模型评价

2 E7 q# b# R3 ?( E$ d( O     在论文中，要对自己模型的好坏进行评价。
: \" y7 V4 L1 ?5 P: h3 t% t3 Q
五、其他建议

% w7 m. L/ l1 S/ D' \3 Q9 Z! D7 n% T& l, J      论文撰写建议：
" f* B8 s" ~7 C- T) T; H
3 a+ o+ k! t% W7 X- ]2 G' m      1、  准备通用的论文模板。

      2、  多采用图表进行表示。

% @+ ]) |. a: ]5 N5 ?      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。

, ]4 |2 }, G6 D3 U% w      4、  使用最顺手的工具。

2 T3 O9 q* u9 B8 x
# I0 h2 O9 B3 j7 K4 Y! e5 `0 ~0 C8 T8 O
      代码准备：
( A8 x1 j2 |/ i, [8 ]
      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。
2 A* R: m5 G; ]0 C8 w
$ F5 l% ^* H, V' ]- b      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。
) B: m% W9 b% Q! t' K

3 D" a% E- O8 q" r# N! S
      其他建议：
: y# a" A8 S+ t3 ~4 j( `+ T
3 y: M# A7 i& {      1、    当题目过于抽象的时候，可以通过分类的方式来求解。

2 ^5 [  u9 v0 _2 i9 }/ v+ K0 l/ k) p% _      2、    题目中如果要给出建议，可以根据不同的情况，进行多个建议的提出。

) `5 E3 u1 j( i      3、    切记不要只提出一种建议，或者只出现一种答案。比如在A题中考虑到花费最小，那么安全性肯定就不能最优，此时就可以根据实际情况，在安全性达标的情况下，考虑花费最小。而安全性达标是考虑极端情况下达标，还是在平均的情况下达标。这就分类讨论了多种情况。
. R) E% r& D9 A# j4 p+ J1 S7 F0 h---------------------

9 F$ v: c/ d3 Q5 a& M
2 |4 r/ m3 \) B2 w( D/ [1 s
- {4 [1 W) W! K7 _" I% q/ p