美国数学建模比赛建议-实战分享

杨利霞

9 z! }( p! C! p- n( B4 M美国数学建模比赛建议-实战分享
* n+ j  {( F/ b7 X3 L
一、选题（建议半天内确定）
0 Q; s% q, l6 b! F7 j1 {
      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。
4 \) }) B3 F$ ]4 t; i$ `
$ u0 f( H$ r9 J8 N      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 g. Y% ?- l, H" y      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。
9 M  n3 ^9 y4 g( H6 G3 p
6 j' H; b8 a9 I( D6 [% f: c' j$ U. Z! P二、题目理解和目标细分
7 a6 A0 y0 ^0 d! ~/ N1 m
' X2 C0 u% b( m" O$ o& o2 Q      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。

      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。

      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。
$ T/ |$ \! _; M/ m
      第四步：模型建立完成后，进行求解，然后根据题意给出建议。
& y: H% w/ l  u$ [: H4 O) F
# W- q+ }& L, H" [, |6 j      第五步：撰写论文。
6 }7 R3 g8 e* c2 z$ g" k
三、再次迭代，继续优化模型

       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。

- I# ]8 L. N# p. I8 ?2 ^四、模型评价

) M& m& J" [0 T4 S2 F/ E9 m     在论文中，要对自己模型的好坏进行评价。

五、其他建议
  I  t9 q1 M" Y& w* O6 A& n/ ~$ z
      论文撰写建议：
# }5 C, w5 C$ ]& d
4 }; j# H  ~6 F/ n/ J1 [, K      1、  准备通用的论文模板。
( [" x/ M; W4 z1 @2 L0 Q0 n
  Z7 d3 r/ X" Q1 R( k! i4 Y2 n$ K* m      2、  多采用图表进行表示。
0 O) ?7 s' X+ j" w. b
0 k# a( {) B5 n      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。

      4、  使用最顺手的工具。
8 x9 w! Y1 q9 R9 O7 y; ?
  j; [+ H. Q7 j

5 {  O, P# y& Z  U      代码准备：

      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。

$ p  C4 V' c* O" O; H
( B$ h! _# R5 f( N' o
2 L( F/ v9 E0 w2 D3 b- t! ?9 z2 \      其他建议：
+ z/ D7 E: M7 y% ?
. o2 `6 D) G+ c1 ^% n, S# U      1、    当题目过于抽象的时候，可以通过分类的方式来求解。
1 t2 e# M9 Y3 O) w4 d0 r. T1 G
      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。
. p  v% T. Q1 F) {
) c$ p9 A) a6 b      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

  e. m3 m: W( Z
% Z/ f% i, ^0 y4 b