- 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
- 565663 点
- 威望
- 12 点
- 阅读权限
- 255
- 积分
- 174922
- 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7 ]* Z7 Y' u ~4 E5 Q
一、选题(建议半天内确定)- d: k0 j8 u! e4 j4 v/ d
3 r4 i7 U: Y" z( r# d2 a% `
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。
, p4 u! q+ r& i# \% F$ T1 b: r J& j- M; n( n6 s
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。# S% y1 J! p* g8 Z% l) }
; `+ x8 y; c9 q$ z8 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。
: o/ V6 p6 k( r# H# {( z6 Y$ U6 w; ] A {# s1 N5 y
二、题目理解和目标细分
4 \3 ~; Z; _& g# R0 V. B; B
9 g4 c9 j3 x1 f- E8 \ 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。9 Z) B" r f1 u' _" x. @
& @; @4 D) ~' r3 E+ d% Z7 q, R
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。" z" ~! [- w2 o$ N
1 X2 H+ t- }* c2 x( d4 P+ 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 ?* O) c* c! s; _* c- [
! f5 J7 w! S! } z$ Y1 | 第四步:模型建立完成后,进行求解,然后根据题意给出建议。) i: v& ^8 P3 w" }+ c7 P# E
6 e$ N% [7 z9 F: q$ _0 N; J: f 第五步:撰写论文。8 Z, I' a+ s( w5 i9 z$ I) m
1 x, W; F& O' ]
三、再次迭代,继续优化模型: W, l* L4 ]# p& }# W8 ~
# g: _2 v6 C8 h/ Y, 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。
( t$ S ?; `1 h/ e& T5 R: G4 C1 h9 G, [3 Y9 |0 C4 ^4 Q6 F
四、模型评价
2 a4 u. I, J# V: F4 g; s/ B! O0 r0 s
在论文中,要对自己模型的好坏进行评价。, g# S0 P3 E' \, D' [ r
# G- r* z, S9 @, Z; _9 e五、其他建议
, v) j9 M" X( N5 M: U% Z6 T. ^) N j, J: r2 }
论文撰写建议:
, A% i% Z. \/ r/ q; \9 P( g& y3 K" C0 U, \) k
1、 准备通用的论文模板。
/ Z. {6 O& ]5 Y' U5 S3 A! Y9 A
! {6 r% U# W/ t- _% O* p- k 2、 多采用图表进行表示。
; k5 M7 m+ V; M3 n' u
, ^- @2 R3 l0 R, `4 | 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。
, e! F2 h2 z g7 b" P' r2 [$ \2 i2 A
4、 使用最顺手的工具。
' g: ]# o. j& A. v8 W* i) Z* f4 {/ \- s7 K
t" K4 i) e; H( u) n
* `4 [$ P; \6 c3 F( L
代码准备:: d. q7 R% G1 e2 k. \3 [9 G& @
" f P' ]* j$ }7 e9 i1 R0 F4 d8 k
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。7 {7 u L) z I6 _8 ?
$ ]3 H3 W6 Z, I" 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。
3 [1 n1 p2 I6 r9 D& r _+ w9 @
7 Z; g; H% Y% a! g7 ~" G0 K s& V9 j& k
. |8 l; [& m5 p; O/ ~0 f 其他建议:( G ?+ ^; W1 W3 z
2 w% d; ~( Q/ {/ f
1、 当题目过于抽象的时候,可以通过分类的方式来求解。
9 b& U9 h1 s$ J+ F8 e6 D3 ]2 O& Q# P7 B% D/ P* ]+ p/ K/ I$ `6 F( 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。
" ~1 E5 f% O( B) K! Q: Z+ R+ f. _1 |
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。
6 x5 {1 U# w9 B. J- }---------------------
4 J, n, U) O7 q8 U1 n
# ?# L8 Z0 j/ T8 h5 x) q/ Z# {8 X! Y5 O& E2 [5 w( ~8 _
* a$ J4 t( {9 s0 d0 h2 ~
|
zan
|