五步建模法

洛桑曲旦

: [7 @2 W( x( x

+ k' k) ~, B" R0 E5 }; Z6 t1 p+ s

五步建模法：

1 z8 \% h7 f+ h) ]第一步:提出问题.

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。

; _5 U- H+ |' d" H: c6 e! w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。

% G! k) z( ~0 f, T3 Q8 D3 U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。
5 G1 |* h0 w$ \9 e3 ~, G3 E
7 k) c5 Y8 S- h( D, v2 w第二步:选择建模方法.
! ?& a; J- O6 c) ?! _: y: N
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。
( n/ b3 Q) A5 M! H5 E3 R
第三步:推导模型的公式.

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。
* k- D' Z( e( C5 V
第四步:求解模型.

' j9 a: L" L& ]) `这里是编程的队友登场的时刻了。
& p3 v, c# p7 M# E7 ]0 V+ u- N
6 j2 A8 d+ I7 W4 _: S  D8 i9 R统计模型：SPSS,Eviews，Stata ，都是菜单式操作，easy的。

数据分析：R，数据库SQL Server，IBM DB2

& U& W# B0 s- Z* v: P微分方程：Maple,Mathematic,MATLAB
& h" i: g* N0 `6 H# D" [, ^
& D, O9 s# V8 A' u/ E运筹规划：Matlab，Lingo
# e/ z/ D+ _7 `: @5 D, O, @( W. t
5 Q1 }7 _* K; ?; e; V" p+ I智能算法：Matlab，R

时间序列：统计模型中的那些软件，或者R，Matlab
. t0 w, \$ f6 H( {5 n, v
$ X5 ]0 t2 R0 Y2 R% J( N图像处理：Matlab，C++
$ f, t; u6 z: K+ E
3 ]+ W. R  [4 y4 G  s2 F# u总结： Matlab是必须的，再来个SPSS，一般情况下够用了。
: v% O. G# m& y# g" M6 H
% X. \2 B/ P' l/ r' @第五步:回答问题.
9 l6 \7 v; O+ l& |# s+ s
3 ]; Z) v' h+ @+ N& O& U8 h3 m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。
- h8 c- m' z. `) u+ f1 I
  P4 o4 g! k( z4 P& v' Z3 e* o- e9 |关于比赛的一些个人体会
# e$ Z% X6 i5 F) @3 ]3 `
1、国赛和美赛是有区别的

7 u/ D/ F# e9 D- i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。

$ S1 W+ x- J* z4 G! F1 k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。

; n. a; W0 E0 ]2、文献为王
  v2 T1 @6 y5 Q  P
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。

, i0 r6 E# k" q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。

6 A& U6 D- V/ Q! R( z7 M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）
- o3 M1 L% \. p/ L1 _$ [. \: A
0 o) S* ?" y! NPS：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。
3 ~$ Q6 ^, r) a" W& D
0 w8 d9 n7 f' G3 q% x; P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”。
9 J/ Y0 r7 g3 K/ C; D
( c# U' J- r9 P4 X+ M- d3 e* ?! Y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。

2 f( q0 g5 B) d; C4 a5 B3、掌握一点数据处理的技巧

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.
2 ^7 p% f( h1 O( ?1 U
6 H3 d1 R5 u5 F& e/ v8 g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。
8 D% u% L( T6 _& O. w" ^$ O/ }
8 {3 f6 }  T- J3 q5 d7 M$ {/ a4、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.

/ Z8 W7 v: c, s8 m. y# BMATLAB推荐书目
+ l8 ?3 D5 x1 R* \8 H
基础：

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）
7 _" o  v7 S9 S
精通matlab2011a 张志涌
3 S7 X6 Q3 |8 u' d
4 U1 R( M; A: f" j! x" n/ R提升：
! [8 J6 V0 Q3 c& k+ z
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）
" d- F% z- A) ?) s
Matlab智能算法30个案例分析 史峰,王辉等

0 ?2 ~" f! Q3 t% ~7 E《MATLAB统计分析与应用：40个案例分析》

9 f+ p: O; J  |4 @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)
0 K$ g! J8 `- ^5 \6 F: R
/ b2 O+ S4 F% n: D) h# [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.
( Z( f5 o+ |0 p* z
5、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。
" E. j, L6 W) L8 l1 l! W' p6 W
' T/ E5 @, V/ \. ~PS：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：
  C2 v( F8 z' l. M  x% z1 t" I
LaTeX插图指南
! ^% ^" c. V5 f5 K' X
一份不太简短的Latex介绍

LaTeX-表格的制作 汤银才
5 C% r  ^( @/ c; D4 Y: g* D
参考文献常见问题集

latex学习日记 Alpha Huang

论坛：Ctex BBS

结束语：

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。

' c' H% T3 F9 x

( o* l* O( m& g1 K# i

brown

这是在知乎上看过的，请注明出处