美国数学建模比赛建议, i9 e, L3 i! J5 U+ R$ e' }$ y
一、选题(建议半天内确定): a# _" G. k+ J$ L5 s
" a. I K, Q6 a3 f7 e/ V
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。 5 |) X! s6 g- @ 4 `6 Z* V3 ?% ?( U+ T 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。+ n* s' I0 M: w% A1 n" V+ f
8 b7 E. S% C7 l# w+ w3 p e 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。 1 @+ g1 v# \# r# G5 d8 s5 k) Y- B& y- l! l8 X
二、题目理解和目标细分, ^0 e9 q. u- V4 U: }
4 }/ h3 t, `- n8 F0 s. Q4 q( 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。 6 t* \$ [6 h- F3 K; L X2 d2 ?8 }# k u" }( j- w* i* P @
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。 ! b/ u @- z: c1 t6 w* C- s7 ?1 u 5 u1 q5 v( R* a, t, R( I 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。 u1 d$ w G+ V0 f- C! T
9 ^& _+ B2 C' X Q& K
第四步:模型建立完成后,进行求解,然后根据题意给出建议。 - F' B7 R P% i2 H7 r5 z _3 N0 [0 b. m0 x9 d7 \1 B0 d/ a8 F
第五步:撰写论文。 / ^& B0 C/ T$ H; J3 d( ?" F0 n( t/ L8 ^+ R9 b% n
三、再次迭代,继续优化模型' T9 T* @- B% u
$ @9 B0 P; r; D4 b* `5 h 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。& {5 [# b3 y) h8 N* T7 s
9 F1 O) _, C4 y6 J3 H8 h四、模型评价 & Q$ B+ R z6 E7 L( R) m& \ + S2 ^7 x# L" _+ z% r9 H- Q( I 在论文中,要对自己模型的好坏进行评价。 0 E N) g. y6 ?; b/ ` ( h0 f1 P( ~8 A! n) u五、其他建议 E2 F3 d* z0 m% z' {) ]0 I/ _
) m, [: m- p4 L4 k
论文撰写建议:4 z& R* d9 Z. U& D) |- F6 m
p% w8 e# N; L$ i: _' q 1、 准备通用的论文模板。 ' g0 C) ?& J( } , c Q! ]5 [; a/ A; a+ D 2、 多采用图表进行表示。# p/ ]. p) ~8 |% h3 q' |
& _: Z' L6 Y& }1 M7 X4 Y8 E
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。 . ~+ K7 o7 g; e: S& r; X9 c8 c) y1 F2 `
4、 使用最顺手的工具。 $ a2 r% A8 {% a$ j7 o9 w* ]# i5 F6 ~6 z8 N
. P$ c( C) K4 d9 I9 m$ C6 e* d! n
' S% M9 m8 h+ y- r$ v: v& M
代码准备: , G) p! b4 k! H) d# P% p3 N' C " Z1 f6 |# ?# @% W; Z/ b7 x" c5 h 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。 : ]" H+ ?" C1 b6 x2 u5 L* L+ c' M, G2 Y- e5 V, K
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。 ' m$ P, [" K# M7 C7 C. c# u% ? " W$ `: }6 q7 E& @! w1 Q . e* G& Q7 f, w4 ` & E1 x9 p9 ]# R 其他建议: 7 S6 a7 K" E$ q- l" d$ f4 A7 C5 H: k3 e* L* n
1、 当题目过于抽象的时候,可以通过分类的方式来求解。 * H# X( @2 [. I n2 y5 J/ S* V# L& D3 c7 o- X0 Y
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 r8 `/ U ^ o- I % ]( T- @) Y& X 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。2 G# Y" a, X1 O9 D6 K' S
--------------------- . A P1 s2 [) T! L