- 在线时间
- 218 小时
- 最后登录
- 2018-6-10
- 注册时间
- 2015-3-11
- 听众数
- 18
- 收听数
- 38
- 能力
- 0 分
- 体力
- 10936 点
- 威望
- 0 点
- 阅读权限
- 200
- 积分
- 3634
- 相册
- 1
- 日志
- 3
- 记录
- 4
- 帖子
- 680
- 主题
- 269
- 精华
- 0
- 分享
- 24
- 好友
- 92
TA的每日心情 | 奋斗 2017-7-10 11:05 |
|---|
签到天数: 215 天 [LV.7]常住居民III
TA的关系
 群组: 2015国赛冲刺 群组: 2015国赛护航 群组: 自然数狂想曲 群组: C 语言讨论组 群组: Linux推广 |
' K& u; X4 J) O) ?& u" j6 J& {6 q7 B! E
2 N9 R$ s; j6 H& c! @' C, Q" ~* c, H
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。 C0 d2 A6 ?0 b; \4 [
7 B+ f' ~: O# \6 O0 k6 O+ P& p
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) F* S+ g5 t; s K+ `
第二步:选择建模方法., h1 ]( }! d6 R0 |( p
/ U2 s% U; w W1 \! b
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。2 S# f, s1 }& O
% t, H+ Z9 X! X第三步:推导模型的公式.. E Y, ^4 g6 F$ f0 m
( V, F- Q, K1 M% l# g% }
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& ^" Q2 n' |' Y% s- a
第四步:求解模型.
6 R7 ?2 s! R& @$ R$ j* f, r. Y* k
这里是编程的队友登场的时刻了。8 H% Q- p1 U' g. ]; ?
+ R" z* y! h- V% ~/ r统计模型:SPSS,Eviews,Stata ,都是菜单式操作,easy的。: P2 O1 W, e4 A
2 H# y2 f/ I2 C5 t- A3 @: n
数据分析:R,数据库SQL Server,IBM DB2* o$ I" a) J$ B# m
& ?- V# j7 p- d) B' p" C
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, J$ J6 A9 ?1 k H7 W+ S$ ]2 Q7 x
智能算法:Matlab,R
& o" s5 ^; s5 v8 L) T k$ Q$ N8 s& H! H4 ]2 s6 {9 N P
时间序列:统计模型中的那些软件,或者R,Matlab 3 o4 Q; O" h8 ~1 q( [" n7 G
; q! c% n) e% y- V9 G
图像处理:Matlab,C++
6 R, E Z/ B& v* m; V: B: R8 z& y/ f2 a( W* T
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 G0 R2 V: p/ J. ~2 c/ U! W1 e
第五步:回答问题.
$ `5 ^) ]) |# h' `: ]! l/ r; G3 U+ r, t
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。' O7 q! Q# p8 ~: R
o; c4 ~0 K4 ^/ f8 T6 ~: o
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0 A" D. D- p. \" F' C6 J+ n" ^
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- n' @& W* w) n6 ^* E
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。 X- f+ C: b- v+ Y! w6 L# D0 G
' 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。3 J# ~ |. Q9 z, y Z
& 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 Y7 T" {6 p& m/ |! t' g
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- p. W H3 Q: Z
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! O% N2 c% ~/ `5 P/ F# _
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.* G2 ]) O3 g9 J k$ G4 I7 g
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。 |; E$ @( j8 T
# X6 J% K0 P; E
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 ]% j4 A8 S9 s, z& w R0 b
MATLAB推荐书目2 r6 o* D: q* K0 W; k3 i
) F! z/ U; J( E, f
基础: $ r% A( v" N/ |- _ f( b
) 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)- b, b$ p5 e; e& X; k7 j
. Y& e6 O# I& E" m精通matlab2011a 张志涌0 j4 A* G k- |
( A0 f$ A8 ~* s/ Q! Y
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$ C# v. W& w* [: h
Matlab智能算法30个案例分析 史峰,王辉等 : K" U" t. `9 p1 N
! l# z+ ]" K* T0 d
《MATLAB统计分析与应用:40个案例分析》3 N! o6 p% a/ P: `3 z& }
& [4 a7 [; c. X- N6 T
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* |( n/ C8 H3 p7 e/ Q! ~
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.( |3 u/ O& ?1 l6 m0 ]5 g
6 q" W y$ N5 }2 \5 k
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 H8 Y4 D- \7 U; t0 O
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$ u2 `5 `: o. Z: J0 h; g o$ K
LaTeX-表格的制作 汤银才# b3 t$ l6 X0 r; w& s- P
; b# H2 J2 C- m5 o+ n* F: {6 i) Q参考文献常见问题集- K% l6 i5 O' s2 H* x( G
$ X3 U/ O* }, l6 glatex学习日记 Alpha Huang* B' t! I% t) j- q+ S) ]2 \% `. o5 T! _
; s6 b e6 w# u# C3 w
论坛:Ctex BBS* {1 I5 h) F% }( Z. P# L
) R7 | `8 T* V( x7 }+ U& S6 c
结束语:
+ ?! P) R" v7 V% T% U _0 {" b7 d7 @( `' N; r8 [$ p( T1 M+ f
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。9 B" P/ c" d: }' a7 Q9 q
- M6 n4 w# `/ a: I1 b
! J8 i% T: K# p1 O- a" l8 n$ T& O& u* u% y) w$ r8 R
3 Q& R6 j6 A, O, p& y3 { |
zan
|