P3 P" ~: |6 e; _! n所以在组队中有两种人是必需的,一个是对建模很熟悉的,对各类算法理论熟悉,在了解背景后对此背景下的各类问题能建立模型,设计求解算法。一个是能将算法编制程序予以实现,求得解。当然有可能是一个人就将这两种都具备了,这样的话再找个任意具备上述两种能力的人就可以了,以减轻工作量,不然非累死不可。第三个就是专门需要写作的拉,从专业角度看是需要别的专业,比较适合的有生物、土木、机电、电信或机械等专业。在数学建模中各种背景的问题都会出现,所以有其他专业同学的话可以弥补专业知识方面的不足。 % _1 V% a6 s6 J. q, J( f3 `4 y, W * l) e( c7 N* ]7 r7 m综上所述,组队要根据分工而来的,三个人要具备一个数学功底深厚,理论扎实,一个擅长算法实践,另一个是写作(弥补专业知识不足),如果一个组能有这样的人员配置是比较合理的。但是往往事事不能如意,所以不能满足这种人员配置的时候就尽量往这样人员配置靠。6 X2 y! Z/ q8 n; R$ z
# s, y8 G; L$ \! V; U" i$ J# J
3 培 训+ F d2 l. z2 M' |
3 `/ k# u# e/ R' T3 D3 S T; ~- _很多刚接触数模的朋友都会碰到一个问题,那就是什么都不会做,看着题目不知道咱们下手,干着急,然后,一旦经过指导之后就知道该怎么做了,同时在做的过程中会碰到各种各样的问题,发现不是算法不了解就是软件不会使用。假使一个题目会做了,但是如果碰到另一个题目又不会了,又不知道该怎么办了。如何使新手尽快的成长是个大家很关心的问题,讨论的也很广泛。各个学校都又不同的方法,有的是开数学建模培训班,有的是以题带连,有的是通过协会普及教育...,各个学校都已形成自己的风格和方法。纵观这些方法,个人感觉有很多不是太科学的地方,有的学校投入很多但是出不了成绩,这时就需要调整下培训方法了。 " k1 s( e7 y; _* _8 @& E0 N* |) o, _- Q [9 w/ v
检验数模学的成果如何是每年的全国赛和美国赛,形式都一样是以通讯的方式完成给定的选题。而做课题的一般进程就是建模型,解模型,写论文这三步。所以从这三个方面去培训是最有效的,因此个人认为最有效提高自己的水平就是以题带练,在实践中提高自己。 - Y2 J" \9 h8 k4 z0 H" ^9 e9 }5 H* S2 u
& o- E) Q3 G4 C9 E+ M; N1 f; y# S$ b* M) r' N' g
1. 建模型:! Z5 w2 s4 N2 u: @
# a: z( n; }9 j" r建模型是最为关键的一步,新手往往是无从下手,这是因为知识面不光,缺乏背景知识, * t9 S) p- ^, \$ a; V+ e ! M% k! Q8 B _5 `* \背景知识对建模型来讲是很重要的,如果课题的背景刚好是本专业的,那就会知道问题的关键是什么,该怎么样去解决,而事实上往往不是这样,问题的背景是所不熟悉的领域,这个时候就需要查资料了解这个问题的背景和了解问题的发展,特点,关键所在以及前人是怎么解决的等等。因此需要训练查找资料和查找文献的能力。新手在知道该怎么做以后碰到的问题就是不会做,这个就是相关知识的缺乏了。% {6 \) r6 |: j, n i
% w+ B0 W, U. _6 S4 N. B5 \比如需要做聚类分析,需要用遗传算法,需要做相关性分析等等的时候不知道该怎么做?这个就是相关知识的缺乏,当然知道了解掌握全部的算法和知识是不现实的,但是常用的算法和知识是必备的,也是必须的,数模论坛的ducy前辈(董乘宇)曾总结过数模竞赛应当掌握的十类算法(具体可去数模论坛查找):蒙特卡罗算法,数据拟合、参数估计、插值等数据处理算法,线性规划、整数规划、多元规划、二次规划等规划类算法,图论算法,动态规划、回溯搜索、分支定界等计算机算法,最优化理论的三大经典算法:模拟退火算法、神经网络算法、遗传算法,网格算法和穷举法,一些连续数据离散化方法,数值分析算法,图像处理算法。基本上涵盖了数模中几乎所有的算法了,如果掌握了这些对于运筹优化类的问题就可以轻松解决了,但是随着近些年的发展看概率统计的手段在数模中的作用越来越大,所以除了上述十大算法之外还应当对统计方法有相当的了解和掌握。 ( @5 _* @7 t8 `* C) O# A P6 h6 X0 I9 S5 D9 A9 w
先前说过,要掌握所有的知识是不现实的,参加数模的其中一个能力就是现学现卖的能力,在最短的时间内掌握知识并将其应用,这个也是吸引很多同学为之着迷的原因,但这并不是说可以不去了解算法,什么都可以到竞赛的时候去学,那个时候就来不及了,因为只有了解的多,知识面宽广了,遇到问题时就知道该怎么办了,然后具体去解决问题。所以增广知识面,博览全书很重要。 ; l" B5 J. {, ^3 K 4 S' ]1 O: \0 o+ ?. J % V1 o- o# H/ g' H" S9 t3 g& |8 b! n3 ~+ I1 O7 s1 q
2. 解模型: ! K0 B7 a9 Z4 @0 k7 J, I4 g$ b* T8 D0 J8 D3 K8 N% M. C% N- Y
模型建好了,该怎么解是个常常令人头痛的问题,这个不仅时新手,而且一般是令绝大多数同学头痛的问题,辛辛苦苦把模型建了,但是解不出结果来,这个时候往往时间很紧了,常常另人无奈,所以培训的时候多做这些方面的训练是十分必要的。解模型实质上就是算法的实践。一般来讲是用matlab,mathematica,lingo,lindo,spss等等数学软件来求解,当然有的时候c/c++是很实用的工具。在这里推荐几本数学软件的书《精通matlab6.5》(北航张志涌所著)、飞思工作室出的那套matlab6.5的书、《数学运算大师mathematica4》、万保成老师所写的电子版的《lingo8 for windows》、《最优化模型与实验》,这几本书都是很好的,对掌握这些数学软件是十分合适的。而有些算法数学软件往往无能为力,需要用c/c++来编制程序来解决,对于c/c++个人掌握程度不同,不过如果多看些算法方面的书,多做些ACM类的练习是十分必要的。% ^( s, Z# U' n# A
* ]: A5 [" s8 h$ }6 `
8 l# O7 X0 }, x, Z7 y# S+ K, A, p* K6 V: ?
3. 写论文:" g3 ^+ F: I0 b9 B& h, w% l$ h
" w U J5 H7 A/ p) c
论文是很关键的一步,写到这里已经写了很多“关键”的词了,事实也如此,步步关键, ! Z) s' C# D# e& j6 I1 b: U0 H; e! N/ C4 E0 t0 q. k
其中一步做的不好都对结果有很大的影响,论文是所有工作的体现,如果论文写的不好就功亏于溃,在这里就吃过很大的亏的。因此多写写多练练绝对是有好处的,并且不是写完就算了,要不断的修改,修改到自己非常满意,修改到象所发表在数学期刊中的论文那样才可以。 " V1 v2 P9 e8 } 5 W: ~9 C: i: |. p3 k7 `5 v# R综上可得,最快最有效的提高水平的方法就是通过做题来发现自己的不足,通过学习弥补自己的不足,这样就查漏补缺,提高了自己的水平了,并且最大程度上取得了经验。 ! I8 p6 {% p) B4 ^) S' z, q' q% O7 Z& X3 B
7 L/ b2 f; p# O% G2 B
/ H! e: T* ^6 \1 g2 W8 L
4 选 题& q3 W% K; ?: y r" ~
5 d$ X& E. }+ a在序中提到过如何选题,现在就具体展开讲讲。# _+ o9 A& v- A) l* F$ |
* e6 H4 J1 J+ {1 B全国赛分为本科组和大专组,每组A,B两题,A为连续的,B为离散的。就我来讲只有运筹优化和非运筹优化两类,运筹优化的题目只要题意理解正确,模型正确,能正常求解,有参考答案,只要解在参考答案附近那基本就能得奖了。而对于非运筹优化类则要麻烦的多了,各式各样的问题都有,并且好些非常不好入手,并且一般来讲没有参考答案,只要有思想有方法就会得到好的结果。# H/ Q+ \- ?8 I9 O# a: v3 k M5 O
3 x$ j' N% v- P, q/ G; K: K$ M
所以一般来讲做优化问题简单的时候,做优化的比做非优化的人数要多。但是涉及到比较复杂的时候那就要颠倒下了。就得奖人数来说A,B两题的各级得奖人数是相仿的,这时如果做A的人数少则得奖率就高了多了,所以在选题人数比较悬殊的时候则要选选做的人数相对少的那个题做,而当选题人数比较平均的时候,就选自己拿手的做了。当然要知道这个选题比例那是不可能的,所以要实现小范围的互动了,由于一开始是赛区内评价所以在小范围内互动是有必要的,在自己的学校内尽量做到平均,不然就是自相惨杀了。 " \7 K, i [: O0 }5 P) ~) g# v3 x$ ^ # P- U4 J4 O4 Y9 d0 Y# z美国赛则为MCM和ICM两种,MCM为A,B两题,ICM为C题。每年参加美赛的对数都在逐步增长,增长的速度还相当的快。获奖比率却年年在变化,但是从总体上看ICM的获奖率则比MCM要高出不少,所以一般来讲,选C题获奖几率则比A,B两题要高出50%了。 + e. k( e4 b6 Y( I: \; m2 H# w, _6 p; _( H, S
这样讲功利了,不过既然是去参加比赛,则就是要去拿奖了,不是讲风格讲什么的时候了。刺到见红,见真章的时候了。并且这样也是符合优化原理的,成功率最优化嘛,呵呵。 / n, @4 J* l0 \ z7 }/ N+ F8 T0 s5 i* [* j但要注意的是所选的题一定要能保证做的出来,不然连个成功参赛奖都很难保证。6 Y& E2 `: @8 g' h# t8 W
& y& ~) G7 ]* `0 I. y, Z2 x* I: P, U
还有需要注意的是看起来入手容易的不一定好做,一般到一定地方后很难深入,运筹优化的很大一部分属于这类。而看起来无从下手的题目一旦找到突破口后那就是世外桃源了,就有很多东西可做。所以选题的时候一定要慎重,先把题目的意思搞懂搞透,然后根据自己的优势和能力在互动的情况下选择一个最有利于自己得奖的题做。# Y8 l, S) C K' F: g8 q# P
& O! `7 C! e$ Y& N
! h7 p3 C8 Y9 K# u" r
2 d( T e" |5 ~. `1 S0 [0 j, I5 文献资料查找 G+ F4 i+ d5 \: V2 o 8 w+ h0 k3 I( f- P& |. }在数学建模中文献资料的查找是十分关键,其实不仅是在数学建模中,在学习和做研究就是如此,不阅读文献资料就相当于闭门造车,什么都弄不出来,现在的工作几乎都可以说是站在前人的肩膀上,从出生开始就是站在前人的肩膀上了,所学的任何书本知识都是前人总结出来的。 # L2 n6 r$ ]. Y3 p$ k& U o$ T- K1 P3 Z+ Y通过文献资料的阅读可以知道别人在这个方面做了多少工作了,怎么做的工作,取得了哪些进展,还存在什么问题没解决,难点在哪里,热点在哪里,哪里是关键,哪些是有价值的,哪些是无意义的等等等等......,并且可以通过查找文献得到一些很有用的信息,比如某个教授的牛的程度,所擅长的领域等等,呵呵,翻教授老底了,比较好玩,选导师的时候强烈推荐。 7 D/ E% w y* W6 B+ q) e, X( s x. ^
8 A+ J; M% r* g$ n; Z, u
S7 z# R' Q- e. I% c文献查找主要有三个模式: $ A. S- k' Z' b0 h& l; y 8 y" o( G+ C! t( R# ^A. 书 7 j" ~- |6 k$ E2 g5 F+ Q5 G/ A+ ]" ~* R3 h& N+ k3 O( E( v( {
B. 书+中外文期刊数据库 # @ V: E- w! o3 {& M' {/ U$ b) Z; N: B$ v! b
C. 书+中外文期刊数据库+学位论文, q o3 b0 q2 p0 S
: o* P w/ A/ A. X7 `! @
D. 书+中外文期刊数据库+学位论文+搜索引擎1 d8 Y( f1 j& P! U; z6 f" u
1 f1 z, m) h, }3 P; z$ T9 t1 F0 F7 A5 G+ A J" p9 s* P
& y2 v9 m- p! D5 d- k对于全国赛推荐D模式,但要改为Dc模式:中外文期刊数据库+学位论文' e! _0 t- f$ a" L9 `7 l
6 ^5 E7 l$ O# b0 i8 r+ t
对于美赛则要改为Da模式:外文期刊数据库+搜索引擎。( q! H) \2 C' I" @$ `! t" Z! X
7 C9 Z1 i* {: f: K/ ]. j在此要解释下为何如此推荐,对于参加建模的来说一般书基本上是用不上了的,没必要去查了,直接查找数据库即可了,全国赛的题目大多是研究了很多年的东西了,这个也是和国内学术环境相关的,虽然近几年的赛题是体现最新形式的,但是相关的研究还是有的,还是可以参考的,要知道国内鲜有几个教授牛的站在国际前沿还给本科生出个数模题玩玩的,一般都是老东西新面孔的。也就是可以归类为学术研究类的新面孔老方法类。所以查数据库是最有效率的方法,并且查学位论文是尤其推荐的,要知道查找学位论文是最高效率得到信息的途径。4 F4 b* |8 a. N
! q9 K% c" K+ F& Q$ n0 ?虽然学位论文很长,很吓人,没有七八十页也有个一百多页,其实看多了学位论文就知道真正有用的东西页就那么个十多页最多二十多页,直接翻到那个部分看就可以了,为什么篇幅这么大就和中国的教育中的一些硬性指标相关了,每个级别的学位论文都有一个规定的字数范围,虽然大部分是垃圾。 / o6 W& k3 t( ^5 k# r0 H 8 E2 s0 v9 A6 j0 P' a8 z* b R * @+ b1 B- E0 h 6 V& H6 ^8 j, V% H美赛则有语言障碍,要在有限时间内完成课题研究和论文写作,则需直接查找外文文献了,要知道中国目前的总体科学水平和国外的差距是至少5年的,这个是保守估计,实际可能是2倍以上。所以一般国外的当前研究国内鲜有涉及,当国外搞的很成熟了,产业化了,咱们国内就有教授引进了,开始研究了,吃点人家的残羹冷炙,这样说是刻薄了点,但这种情况真的不少见。这个就是中文数据库在美赛中无用的原因了。 ! v8 c' u" w5 c! D$ b4 ^* ~" _$ |! ^3 ~0 T/ @# r# G
此外在美赛中用搜索引擎的实际效果好的往往出人意料,基本可以这么说,用搜索引擎比数据库来的更好,介绍一个n多人知道的技巧,怕还有人不知道就在此罗嗦下:搜索引擎用google足以,点击高级搜索,然后输入需要的key words,在格式中选pdf格式。很简单吧,但很实用,填句弱智的话,报选择中文搜索啊,碰到过一次朋友如此搜索的,当时巨汗!很多参加数模的同学对pdf格式了解很少,实在不应该吧,在下估计这帮人都是学习成绩好的不得了的,没怎么用过计算机和没怎么上网,并且是word的忠实铁杆用户。 . k, X, S7 Q0 M, q $ S4 H3 Y& m' G' ~/ U7 }pdf格式就是一种国外通用的标准便携电子文档格式,要知道外国人几乎不用ms word的,微软发财中国人民的贡献巨大啊(虽然盗版盛行)。顺便介绍下国内外主要数据库的文献格式:pdg是超星格式,caj和caa为清华同方数据库(cnki)(它有三个名头,中国学术期刊网什么什么的NB名字也是指它),vip为维普,最重头的就是pdf,都需要不同的阅读器才能打开,还好都是免费的。: M9 A. ^; E- k+ H5 g' i! B8 p
$ |" b7 V0 U8 ~在查找文献中很重要的一点是查找到的文献有效率,因为很多文献找到是没有用的,能有个3-4个有用的文献是很难得了的,通过数据库关键词查找到的文献的有效率是很低的,而通过查找已查找到的文献的参考文献是很有效的一种手段,其有效率则大大的提高了,通过这种连锁查找是强烈推荐的,尤其在美国赛中超级强烈推荐。. m) p! s* g' G6 e' Q: f
3 Q+ m( T/ ]* o7 J2 ~; x列下中外文数据库: ) s& z+ `3 k# J2 R: A* o, m$ q: O; ~- H5 k6 S3 E
中文:CNKI、VIP、万方 ; M7 \( b% w' E& B: L3 R( ]( S5 Y
外文:EBSCO、Elserive、ProQuest、Springerlink、EI、ISI Web of Knowledge \0 u7 \/ D& w; C- r* B. { / T) _& D7 n; o' D/ [% k5 P再列个电子图书站点,以备不时之需,中国数字图书馆,书生之家,超星数字图书馆% L- [, E) s( i4 I
E1 y% {- }3 i6 d; i. `
有个情况就是好些学校不一定这些数据库都买了,这样就需要违点法了,搞破解。这些技术很复杂,在此不展开了。找代理啊,破解超星阅读器啊,下载书生的书,搜索CNKI,VIP, 9 F3 `( E* C4 @7 l) o* c' z, v4 k
万方的帐户和密码,这些技术很有意思,很有挑战性和成就感,这也就是黑客盛行的原因吧。 , Q5 [: W/ A! c7 e- M 7 h6 B' h8 x# e0 g* @5 O5 `' ~说了这么多,综述下吧,查找文献是决定参赛论文起点高低的关键。三天中做的课题很少是重新起灶的,一般都是在文献的基础上做的,所以找到的文献如果离所做的课题越近则参赛成绩会好。所以在查找文献多下点功夫不会错的,砍柴不误磨柴功:0 X6 f! O5 L+ u# Y