- 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
- 566877 点
- 威望
- 12 点
- 阅读权限
- 255
- 积分
- 175286
- 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 |
" v$ Q7 t) s; N4 t, Y) Z美国数学建模比赛建议-实战分享
6 K; T l' T( [3 G! t3 X: A8 S1 c; z, q7 a. y6 H `; D. D: D
一、选题(建议半天内确定). @ t q6 q4 g, `% r+ G
& R1 A9 G# h" p 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。! A6 y3 C6 j2 S" q( `& a
8 S" |, H$ {! Z" ~% E8 `: Q5 p4 r
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。) W5 |6 ~8 R% @
" E! b# R( r' X" x1 u9 ^6 R
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。1 e; m; S5 v0 g3 r
/ R9 y8 G' D; p8 e
二、题目理解和目标细分" \6 B9 `7 A y: A2 {2 }
" u+ ^( _, {& ] 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。
% u% l A7 }4 u% R& P& [
. x/ m, {# ?: p) \& X" Z 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。2 J+ `# B6 C: E/ ?+ ]
8 \9 b. C0 c" E& f
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。
9 X' T! u" m; p' z4 E6 Y( O0 G8 D; W. k; z/ }! r2 h
第四步:模型建立完成后,进行求解,然后根据题意给出建议。
0 j3 t ~. ], z* I
' M; O$ Y! c; r8 ~: h 第五步:撰写论文。
6 W- W' U, C& z# W* A+ F/ b! {* @# } ?
三、再次迭代,继续优化模型* X8 p/ k- I( f# J \
9 ^7 B& D/ u$ b. g; 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。
" k3 _" |% g9 _
5 j& f$ [6 ^7 a* G; K四、模型评价
! K# `" M' A n
1 g$ P. ^, [ Q 在论文中,要对自己模型的好坏进行评价。
+ j- v! i: G* q9 v3 }0 a& X
% _ {# R7 O; u, P五、其他建议
0 |' g8 m1 j) c% U0 N0 m2 h& r! d/ U4 x( I1 _; y' P$ R
论文撰写建议:" K8 y+ d0 s, e/ l& k0 {2 }
, ~" `% s3 O, ?7 P 1、 准备通用的论文模板。# _% b W) K% P
: E9 n9 z0 |4 X( d
2、 多采用图表进行表示。
0 v9 g$ W% g9 H2 h* |0 }
. H/ `3 x: f( Q- ?" 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。* B0 t C. S) T7 e+ N& F% X4 s: h/ D
# n& h! E, K8 m( g5 T
4、 使用最顺手的工具。7 ? Z6 v ?' O3 ?+ }
3 X& E9 Q! f' c8 e; p9 J5 N* @
0 t$ W6 f4 @1 ~; c" U& r3 C8 G
代码准备:) p9 i. l- S! I4 C; n4 E6 t
! v( g2 _/ k- P7 r 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。0 U0 G5 |" }. C+ q) Y
6 t/ C( l6 u! w; U 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。" c [( c2 {/ D8 i
2 z) Y+ k* Y0 }% t* P9 }8 ?
7 F2 W: t1 ~7 G5 D/ U$ [3 p \/ s) O$ z
其他建议:
+ s$ C; O5 M5 L8 A! @7 O9 D+ B
9 i. ]' F; E: i0 E. X8 u% ]( ` 1、 当题目过于抽象的时候,可以通过分类的方式来求解。7 W& Y7 i: S3 d# R7 }- Z
5 J$ q9 {# N1 n0 q+ g2 }- D
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。$ U' [. W0 ]: O. x, ^
! N+ ?, n' i o# z
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。
: q! p) ?: a9 J: ?( w1 p原文链接:https://blog.csdn.net/LieQueov/article/details/79261885* M% @4 I7 n; N! r* ` z
- ~ D) E: \% ] T/ O |
2 Q, D% K. |8 i, E u8 b |
zan
|