- 在线时间
- 1630 小时
- 最后登录
- 2024-1-29
- 注册时间
- 2017-5-16
- 听众数
- 82
- 收听数
- 1
- 能力
- 120 分
- 体力
- 565551 点
- 威望
- 12 点
- 阅读权限
- 255
- 积分
- 174888
- 相册
- 1
- 日志
- 0
- 记录
- 0
- 帖子
- 5313
- 主题
- 5273
- 精华
- 3
- 分享
- 0
- 好友
- 163
TA的每日心情 | 开心 2021-8-11 17:59 |
|---|
签到天数: 17 天 [LV.4]偶尔看看III 网络挑战赛参赛者 网络挑战赛参赛者 - 自我介绍
- 本人女,毕业于内蒙古科技大学,担任文职专业,毕业专业英语。
 群组: 2018美赛大象算法课程 群组: 2018美赛护航培训课程 群组: 2019年 数学中国站长建 群组: 2019年数据分析师课程 群组: 2018年大象老师国赛优 |
& `; w0 f7 S+ y9 b
美国数学建模比赛建议-实战分享3 B" a0 W7 {9 B
8 N; w! Q) m9 F) H
一、选题(建议半天内确定)) _% H( j9 u, d: O" I* E) V$ G
( }7 D2 f& e: H) U" p1 b9 w
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。/ h& N/ {4 b% ^7 G/ ?) t
2 Y I0 r& U$ X0 K9 a* U/ | 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。% y( B, [: x: b2 v
& V3 O N0 W1 E! _ 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。" ?( y5 s/ H. w# w% `; M
2 o/ \" L% V- ~& p" U' F# P! V二、题目理解和目标细分- c: W1 B6 Z, _
: p6 f. A2 p% k& g( c9 ?
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。
$ R& y& t4 f( E* l
$ R3 ]$ p% F4 D- }3 w% R 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。1 h. b" S; y6 I0 Y' o1 b
, _ R1 I0 ?! i: e. E 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。& d+ ]6 R! H7 V. x& E4 b H
- G' |4 \ s) K7 f2 u& o i 第四步:模型建立完成后,进行求解,然后根据题意给出建议。
! ]- `* |& j ]3 v$ K2 F6 q( ] ?2 G
第五步:撰写论文。
, |5 q3 g7 _- Y7 P2 Q/ T
2 q1 [( o) R. V8 e1 ]0 X7 q三、再次迭代,继续优化模型# M; b; {0 f3 ?7 g9 E8 u' P2 ~
3 G/ h$ H4 ?" s' r 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。
3 s; r4 J7 S1 Y" i' @7 t! A7 N6 y# I! U6 Z) f) }
四、模型评价& B+ `/ g. r+ o
; `6 `2 h/ P: @" v2 Q1 M 在论文中,要对自己模型的好坏进行评价。
2 ?; {: B: F; k/ k7 u/ S, f
2 n* v2 l2 X. b, ^0 [- f6 Y五、其他建议
G2 c6 [4 Z' I. i5 c4 m! ?6 V( l+ Z- l/ }5 J- g
论文撰写建议:" O: r& _2 i0 [+ _, y4 d
3 N2 ~4 u5 b3 q4 ^7 s- h' |
1、 准备通用的论文模板。) C1 M' z, t1 p; A! R5 `) \& _
8 m8 g9 D; G7 {3 @4 k
2、 多采用图表进行表示。
7 H: r! H7 U# a( j9 l) c3 F! ^) x* C4 [8 }" m f; ^! L1 R+ \$ }
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。- L$ G* w4 ?$ B$ k i/ ^
7 e6 {/ l7 S& S1 i. K
4、 使用最顺手的工具。% G# Z2 Z+ n4 n/ D( E
5 Q7 z3 z. d0 d+ s/ e; @7 l( R5 v
3 F9 `( w, H8 O
7 Y0 s, A& q! l/ x( V! z 代码准备:8 ~7 h* |6 e" ^. c
4 T, U* B; S0 o6 J5 t 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。
- @: }4 m% M! Z# ^1 d A+ x3 _' c, \9 \# }) i$ S
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。
X: C a& A8 R F% K+ U. H* o& L" }
* L7 m% F w8 e6 l
* z' X6 j3 _: K; m 其他建议:
; L' C. G$ v# N
2 t0 J+ ] u# k: V 1、 当题目过于抽象的时候,可以通过分类的方式来求解。: \. Y2 W! Z* O- S0 w; }& d
5 l* T/ l5 _! R 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。7 x# `- c7 i: n# R- o
2 d; T. {' Y* T
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。& L7 U5 J0 E& b. x, r( B
原文链接:https://blog.csdn.net/LieQueov/article/details/79261885
# }1 O3 S) q# x/ L6 ~5 v' k0 O2 @1 M& s7 f% R
0 t: O5 @" J. Z7 Y- e; E# a3 E |
zan
|