美国数学建模比赛建议-实战分享

杨利霞

' _& Z4 g1 I) s% r) z7 h6 z% m( {美国数学建模比赛建议-实战分享
" X* |( h+ t8 }
一、选题（建议半天内确定）

, }  T% |# `" \9 C$ V4 P; r      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。

0 X* n5 r! P) q1 {      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。
3 \" p6 o1 V# e- N% G7 C
      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。

2 j) Y8 D. K5 n8 y; `' q# c, R- x二、题目理解和目标细分
; m. M1 f0 a9 c  B+ _+ _
3 F0 w0 B& A- i  ^6 z9 t      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。

3 e8 n- R1 k! L) V  _& D" A" l4 \      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。
) m/ m, ^% W5 `- x
      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。
/ ]7 _) p6 T  {! P
2 N" h0 ^9 i( V( @$ \$ [9 d      第四步：模型建立完成后，进行求解，然后根据题意给出建议。

, T+ M! M2 ]4 T5 l      第五步：撰写论文。

三、再次迭代，继续优化模型

: V; p, l, r" @5 @9 X* f       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。
% ?* K4 b/ N4 O' `0 k7 T
1 W7 i& M) C. A' n四、模型评价

     在论文中，要对自己模型的好坏进行评价。

五、其他建议
- m) }+ }, V/ D
0 l  f* Y  {, l, h  U! g' x7 s# h4 Y      论文撰写建议：

      1、  准备通用的论文模板。

5 F$ p, a! A" M& r0 g" s      2、  多采用图表进行表示。
7 P6 Y. k4 ~0 c2 m( D  T& o* I& W
      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。
5 I: B( e# P1 |  o8 i: B
7 _$ p& K7 {: t" I/ B      4、  使用最顺手的工具。
0 j! X$ }9 G, F0 P- R3 B; ~: i" a

+ x5 |5 ~: h; H$ f  f5 V
      代码准备：
1 ]: g& D2 P% v* G. H" U0 I, J
( x. I( m; z$ t1 Z+ |4 \/ B      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。

      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。

' [: Q7 B4 u. u# t  }' j: b; N; a6 V- O
" @& B4 |0 ~$ e0 M. v
7 j* ~' K. N: ~/ H) a) \# j4 f      其他建议：
/ G$ o! _7 e+ f
      1、    当题目过于抽象的时候，可以通过分类的方式来求解。
' L( }8 k: j3 ]% {1 U
      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。
: v. ^6 T; X) ?* M
      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。
原文链接：https://blog.csdn.net/LieQueov/article/details/79261885


/ z5 B+ x, n: u" n6 O6 f& j+ W: o; [8 y