- 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
- 564679 点
- 威望
- 12 点
- 阅读权限
- 255
- 积分
- 174627
- 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( i- ~( t$ t: X
一、选题(建议半天内确定)
& h, b+ M8 v6 a1 p7 @+ C
9 H1 L$ Z; a1 @! H; D. q9 @ 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 o" Y; [3 C# N' ^) O0 d
' k) k7 ^2 d4 ~4 g) e- B) G 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。
4 k n' a v" N0 J8 n' j
) f0 H0 X, W3 |1 m0 T 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。* F" t* S. q( _+ {0 |
$ A* `( }4 E% p2 i$ P二、题目理解和目标细分
. U; V6 S# h7 Y$ a5 a8 L
% e; `; `0 b2 Z+ D4 c$ n 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。
4 s4 c" J2 `0 v7 k+ G9 [
$ `7 H/ J# @ K/ @( o$ u 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。7 l+ `; O' O4 A) e* o& d6 L
: S% p7 n6 K1 R C$ m, g
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。
# |& m$ {6 `+ @& B7 D' e8 n9 x1 r6 U) U4 ^$ G) @; Z
第四步:模型建立完成后,进行求解,然后根据题意给出建议。8 P/ o) U# }7 S9 z2 ^1 Z
/ \3 L d0 T; d2 a$ L 第五步:撰写论文。 j# O/ h, S2 G9 Z* ]7 H4 \
6 x* E% p- f2 Q+ f5 K; \7 w" r9 c1 J
三、再次迭代,继续优化模型/ T: s* Y* G- r8 k
. {! M3 ~ r+ A. Q4 `; Z0 {* 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。- X1 v& J R( s& { w8 L
7 q& W) Z2 R1 g& E- b k
四、模型评价
- m# v1 W" E& {! D$ M1 x
: c1 T$ ~! u P' ^# D3 f$ `' I 在论文中,要对自己模型的好坏进行评价。5 h# Q' y& S" C# m+ W5 ]
$ h5 |& n$ c1 W/ c5 q% T五、其他建议
7 l4 d" n4 R* u6 J3 F% z# v( O7 ?5 ~6 A8 X( x: u: p% Z! A$ l
论文撰写建议:
4 i1 Z) s( I2 P0 `+ _. R
9 w# P& ], Q- X1 w/ ^ 1、 准备通用的论文模板。
0 W/ n. s! B- G( [0 Z, U: ~/ w s( i+ T# \
2、 多采用图表进行表示。
. C4 K9 E" h9 s0 _: C1 H, l9 a( l
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。! v: V5 J/ s5 {' p. A' h/ X2 E" D
. ~/ h V$ ~; w3 t, | 4、 使用最顺手的工具。7 k F5 g1 j$ x7 l; C2 n. j
# L: w2 K: W- {6 K- z1 p, o, W- {
0 _! a4 R: k$ Q" j& \7 b
, q8 E! h+ L7 l3 e$ V
代码准备:- @1 Q+ [- [3 T9 _" Z
1 o/ t9 Z: m3 E, y2 H+ y 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。% e& x ^4 p+ e1 k* \5 \
% N) U6 z, u! H1 S 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。
. q! R6 y, ]( \; R/ \! a
2 v' N/ S$ {( }3 |
7 ~+ E6 M7 U2 ?/ t5 |7 i! r4 _, P: h9 R3 ~
其他建议:+ j1 C6 \) V# s% T- F* G f
6 t5 k. B* I9 N' q8 ]2 X7 H 1、 当题目过于抽象的时候,可以通过分类的方式来求解。& W x( W: H! z) u6 o1 H$ a
5 P- L4 ?3 ^9 |9 H" q0 R% F5 V2 t 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。- |+ \7 ~" A& Y+ j3 d- G) Y1 s
5 l7 h% C8 F& H4 | w" o! L
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。
j, V; ^5 }4 w/ ?2 p" a---------------------
7 i0 f8 ?0 d$ N* ?/ @5 `2 ^ P% n; q" W' Q$ v
0 L4 L: }& d3 O) h* `3 j" N0 u! V' Y
1 _7 a5 y$ M9 L0 B- P, Y+ D |
zan
|