五步建模法

洛桑曲旦

' K& u; X4 J) O) ?

五步建模法：

1 p2 d; V0 R$ y
! M  |2 Z: U8 v- b* u1 [2 Q第一步:提出问题.
9 [6 {6 }9 Q! m
) J5 h: R! Y. ?8 S9 H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。
( V3 }! ]" [4 ^/ U) C5 X2 S
9 Z% s( }  U- P* |4 ]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。

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。
6 R8 U7 t7 @/ R* D1 ~# ^/ M5 P6 N7 U
第二步:选择建模方法.

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。

% t, H+ Z9 X! X第三步:推导模型的公式.

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。
2 N) Y: X8 W& p* c& Q+ T, H& ^
第四步:求解模型.
6 R7 ?2 s! R& @$ R
这里是编程的队友登场的时刻了。

+ R" z* y! h- V% ~/ r统计模型：SPSS,Eviews，Stata ，都是菜单式操作，easy的。

数据分析：R，数据库SQL Server，IBM DB2

微分方程：Maple,Mathematic,MATLAB
- W1 q, y; r9 Z, L( r
8 I) H$ n! D: a运筹规划：Matlab，Lingo
9 @3 Y5 U! V& F* b# i# [/ t
智能算法：Matlab，R
& o" s5 ^; s5 v8 L
时间序列：统计模型中的那些软件，或者R，Matlab

图像处理：Matlab，C++
6 R, E  Z/ B& v* m
总结： Matlab是必须的，再来个SPSS，一般情况下够用了。
( S% ^- I: n2 H, _8 U; r8 G
第五步:回答问题.
$ `5 ^) ]) |# h
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
2 D7 Q1 Q7 d0 d/ r3 m  M
4 z# J' H  Z( \$ S: S& T1、国赛和美赛是有区别的

4 h$ j, F- i0 S* ~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。
# X- G; k- p7 X: Z! h+ r# ^: Z
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。

' v8 q' j8 L) H1 T6 s2 V# |5 X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。

& D7 e( l0 y2 V" v2 p2、文献为王
) C. X4 v' d+ t$ k! j
# w# s% ]' }; [. Q7 F  {$ f. t4 ]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。
4 o0 I) t0 p$ e7 ?9 Y
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。
; [3 j# s& p8 v
# }& o: r1 j# m  g6 y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）
  e9 @2 Q' B9 T' m; D* ^  j
) j. ^2 m: P& Q4 ^, o+ z/ x1 DPS：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。
) W( B% I# T5 |0 p3 G. Y* A7 G! O' K; J
# T4 P  o* z9 G& N! E3 C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”。
4 e8 ]. b+ {, n* L1 j
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。
" n& S+ y2 v' f/ V6 W2 V
/ h' w' B1 E9 `/ a# X1 N& m3、掌握一点数据处理的技巧

8 V: p: l8 t; `% Y" X: H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.

0 A) I; v& c4 k. R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.
, G% o" b$ ~" g9 W4 H' M6 Z  k* q! h8 ]
MATLAB推荐书目

基础：

) f! Z) |. E& [' d! L! z* iMATLAB揭秘 郑碧波 译 （本书讲的极其通俗易懂，适合无编程经验的）

. Y& e6 O# I& E" m精通matlab2011a 张志涌

提升：
; T+ r- C. @. m- ]0 B5 J  l; u' _
' I- y$ J+ l. m7 C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）
7 b" Z7 Q) d/ s! |4 J
Matlab智能算法30个案例分析 史峰,王辉等

《MATLAB统计分析与应用：40个案例分析》

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)
$ Z* [2 p  k/ h' Z6 b
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。
; L+ f0 a8 e, b  s1 H
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：
* _! W* N; C4 y* E, ~3 j/ ?9 G
# `, b# U% X. `' r, ~% BLaTeX插图指南
$ o; a2 J0 \" ?
! O  \7 ]: R* V  [; @* r: }9 @一份不太简短的Latex介绍
3 [; C9 f1 f$ {- J4 I$ u
LaTeX-表格的制作 汤银才

; b# H2 J2 C- m5 o+ n* F: {6 i) Q参考文献常见问题集

$ X3 U/ O* }, l6 glatex学习日记 Alpha Huang

论坛：Ctex BBS

结束语：
+ ?! P) R" v7 V% T% U  _0 {" b
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。


! J8 i% T: K# p1 O- a" l8 n$ T& O

3 Q& R6 j6 A, O, p& y3 {

brown

这是在知乎上看过的，请注明出处