五步建模法

洛桑曲旦

五步建模法：

/ s8 }& m) C9 {6 D6 x! E
第一步:提出问题.

8 x5 {& N' u9 V& p* P; L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。
0 L; k, x) e/ I5 H+ j
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。
# I# I: [; f* Q5 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 m5 `/ Z8 }8 A% M  ?. x4 B' d
: a" x! e. O; H6 S9 Z2 k2 m6 J第二步:选择建模方法.

* J! M2 [/ X7 s( G. b) @7 ]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。

第三步:推导模型的公式.
5 x% q3 }) I$ ~; v8 [0 I
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.
# }' H% b) }1 i- O3 K# C
这里是编程的队友登场的时刻了。

统计模型：SPSS,Eviews，Stata ，都是菜单式操作，easy的。
( v) c$ ~6 A( E$ g1 j
数据分析：R，数据库SQL Server，IBM DB2
9 ~% j2 b/ L2 z( j
0 U5 T: j. D: o3 N微分方程：Maple,Mathematic,MATLAB

3 f9 m5 y) J' q8 H运筹规划：Matlab，Lingo
+ f  d; e5 E& \2 x) Z0 U3 t
( u/ h! ^5 ^9 {- U9 q2 v6 I, \. q" p智能算法：Matlab，R
! C/ U+ P3 C0 }8 n8 M( Q. A4 G! ]
时间序列：统计模型中的那些软件，或者R，Matlab
7 A# c6 n  |1 X% d
图像处理：Matlab，C++
6 E- K( p. \5 w
总结： Matlab是必须的，再来个SPSS，一般情况下够用了。
0 Q1 e- t& J4 {- D4 X% N# O
- x* O/ |! n2 H  C" F第五步:回答问题.

, Y/ u  X4 ^' |) l) k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。

关于比赛的一些个人体会

0 M, X; X7 e  s  E+ M/ F. q1、国赛和美赛是有区别的
* S7 ^! v1 {$ x0 j
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。
2 |2 b+ [) i& L6 f
0 M7 q2 s# Q; C% t# G) a  h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。
& w: H' m! y9 p9 A/ `
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。

$ _+ ]9 A" o/ S9 W2、文献为王
* ~: z2 w2 |! c8 @0 X
' T7 O5 g( v; \! C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。
3 P9 z/ N# y2 I! W" ]
1 s; ~3 `4 H5 T  x: \* W$ ~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。

" Z! l) x+ i  X5 W3 T' K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）

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。

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”。
; }- L7 V. S5 {# K) Z  C
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。

3、掌握一点数据处理的技巧

8 X: [% U7 T3 \7 Q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.
6 \5 m# h- y9 [" j
, S: |4 b1 A) ?& i+ q0 {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。

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.
/ N. c% m, D& N/ s
! B6 Q3 h0 s# @* d& U9 [MATLAB推荐书目

基础：

$ K" N9 e" @: R4 H) r5 X- @5 wMATLAB揭秘 郑碧波 译 （本书讲的极其通俗易懂，适合无编程经验的）
1 h! D* l0 `/ x
精通matlab2011a 张志涌

$ l, |' S, m& H8 J; Z提升：
/ F+ R- {# Y7 m$ S6 d+ N+ A
3 V* F3 T0 N+ A" O0 `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）

% Y! X* f7 {5 j  m1 YMatlab智能算法30个案例分析 史峰,王辉等
# c$ |) n; ^$ d- X& }! N
) B* e5 `2 v* Z! g; {《MATLAB统计分析与应用：40个案例分析》
, A# ]6 r5 e' @$ q# x4 s+ `
& e. f0 j" y$ r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)

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.

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。

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：
6 V( y+ f  N+ a7 K6 A0 y
LaTeX插图指南

8 G! H5 I' x: C$ e* y) M" y8 Q一份不太简短的Latex介绍
1 A: Y0 v0 N; h3 O2 x7 s: \5 \
# z4 K, w9 ^8 I' g9 L2 fLaTeX-表格的制作 汤银才

参考文献常见问题集
1 h6 b$ @  \( P/ }
4 i3 d# i& k/ N8 slatex学习日记 Alpha Huang

1 x" _. a5 Z4 d6 ]& {6 L; H6 G论坛：Ctex BBS

结束语：

7 B3 q" `, t& ^5 o: a2 m9 ]" m! g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。

* {9 d9 {$ }4 S
9 F* u* L# V( M% `; M

brown

这是在知乎上看过的，请注明出处