美国数学建模比赛建议-实战分享

杨利霞

美国数学建模比赛建议-实战分享
5 q, d/ p1 e4 A
$ |$ i9 g7 J7 y) e一、选题（建议半天内确定）

7 u; `* g0 Y0 [9 _% s      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。
6 S. M0 m8 Y; ]3 o- W( S
8 D( Y' F8 {9 o+ W      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。
1 n% b, g: \% ?0 ^7 A$ u4 O
      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。
2 {; y+ Y2 j! M! z& J8 ~, X
* S  J0 O* B% G5 @二、题目理解和目标细分

1 d5 g4 ~% ~' K$ q/ E      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。
0 ?( o0 [5 Q1 Q/ N: \( @) a: O( }
      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。

( e; o; P$ o+ U- A      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。
$ t& f. L4 B. G
7 p9 Y; m* m- q8 R8 W0 F0 \2 z1 [9 S      第四步：模型建立完成后，进行求解，然后根据题意给出建议。

      第五步：撰写论文。
" ^0 \7 O9 }# v% j0 S% g7 G
三、再次迭代，继续优化模型
5 ^9 N1 B1 Q; Z5 ?: t
       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。
8 Q3 x9 p2 e3 I  s. C+ F* C
四、模型评价
6 w2 q1 [- C& h7 J* Q
     在论文中，要对自己模型的好坏进行评价。

- Z  b  P5 y7 |' W五、其他建议
: l5 o3 a0 K" ^: s# Y
: t8 v0 [1 A- P. Y( f" x% }! f* f, \      论文撰写建议：

5 q! U' N" \; W, P1 R* D: p      1、  准备通用的论文模板。
4 F) e& p* z* V& G5 {
, _. s. R! t% t+ O, A      2、  多采用图表进行表示。
3 j0 c3 u4 n1 f9 R+ D5 N5 B
3 }* \+ L/ f4 j4 `      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。
2 W+ U) y6 m1 M+ i
      4、  使用最顺手的工具。
1 C4 ~* s' Q  c/ R2 @

1 M+ F+ r5 P7 v9 q, r" O; Z
      代码准备：
0 j& F/ c! _2 P' O! I
6 @! d$ s1 L1 z: w' I      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。

3 l% e1 k9 }7 H$ ^      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。

) V" k6 v; Z* m( K

# ~4 k. P) Y, L5 _4 B2 j      其他建议：

      1、    当题目过于抽象的时候，可以通过分类的方式来求解。

      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。

. Y7 q+ U$ h- F8 U* U" @) k      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。
$ r" |$ X: ~' k1 K原文链接：https://blog.csdn.net/LieQueov/article/details/79261885

# t/ j8 R, s6 X" [# {, N& I7 e. _