- 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
- 563412 点
- 威望
- 12 点
- 阅读权限
- 255
- 积分
- 174246
- 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 |
美国数学建模比赛建议1 M, ~$ J4 c% c
一、选题(建议半天内确定)1 m" n; k* J4 k
& e, v& T/ |# P! n, Z$ @5 G% B# w6 E) f- 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。
/ K7 P2 H' s/ A. p- T
0 F$ Q2 G) b4 I4 U) b6 X* W 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。
7 l6 U, X5 f2 ?: i# P8 X( i+ a, C$ F5 R+ u* H7 a4 U
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。
i \; h) i$ |; H
' P1 O9 A3 ~6 u/ j8 a. A二、题目理解和目标细分
! H! `8 R9 g% D6 ~' B. ] k
7 g ^+ `+ u' I 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。
7 [* B O# [; D* M& C1 D! ]# S4 g
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。( a/ \$ N- ]2 p7 x
' v( i) M4 ?3 W7 c: 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 ]% A6 b" `) X2 B
2 u1 I" I- \; M8 s8 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。
) ?0 Y: c# @ h
3 j6 o, a5 c, B 第五步:撰写论文。
3 B. ?5 n, x/ W# U7 E3 H$ t% B: H' s" q. V4 @! ^
三、再次迭代,继续优化模型
) z! t# j/ u9 z8 V0 A8 q* @8 F0 X% m1 h* X0 d
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。
: `; f' `& j j4 l" f
) M3 A0 j" A8 _. i四、模型评价. |/ v, u0 d5 F8 {0 A9 u
0 e* |# g1 _! s 在论文中,要对自己模型的好坏进行评价。
\$ Y; u' i& F' C4 D
! H2 o: d0 j) D, K( e# g五、其他建议6 B! [& f; I5 {/ f9 B+ N# i( m- T
" U" X8 i( s& w7 r 论文撰写建议:
% @0 F4 t& M* l7 ~9 Y; m( ~, Y0 c4 }) n& A
1、 准备通用的论文模板。/ _% P2 s9 d% G4 T
5 t( }2 V9 {: f$ B9 t
2、 多采用图表进行表示。
q. d: D8 I; f1 f! r) n% `/ ^( p
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。
' L7 d n6 ?: m4 f' V, a5 `( f: E9 K% q
4、 使用最顺手的工具。
8 }% Q/ g" A6 b: `2 G+ }* Z4 ~! N! k1 S" C4 ?* e
! x) V, F, a8 x/ z. G* j l& u* r0 Z8 N- Z: R
代码准备:+ g' A! V; }; S( @0 `4 m
# R0 {% C7 K: L# V. Z5 n4 u
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。
, h; I( w1 l& ^% q! m, k7 I9 b; v2 N3 O; ]
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。' }/ P: |% L$ R2 J
& t; `4 J8 Z% T% g+ A( X) Y
m# w0 x8 m& O8 o( g
& m! @! H2 U' ^! _ 其他建议:
3 P# @/ C/ `( [9 I7 }8 r
4 ]& g- k7 P- H, O 1、 当题目过于抽象的时候,可以通过分类的方式来求解。, _/ e7 x ~2 a6 G- u
1 o. R; x- y4 ~7 ~
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。
* Z# u. s/ @" L/ r0 r" I2 {" y1 M1 x! r2 m- R) ~
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。
8 c/ V" l7 S5 u9 h- q8 V6 f7 Z--------------------- ' f3 g: `, I- B3 y- C% ^
& `8 d, q$ e* @ i; \4 f! n/ Y
& n- f( o8 M7 @$ q
3 P1 t- L7 L7 p& V( n |
zan
|