- 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
- 564681 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
+ K$ i, ]/ E( ? K7 O一、选题(建议半天内确定)2 K/ k2 |- `( _1 c% h; ?* ~$ Y
* }4 ]. D/ W3 L" h3 q; R6 R7 ^. b
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。
+ O' {- D6 l7 F$ _
& ]' T- z) D* Z+ ?9 D5 W% z 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。
" m- W9 D- d$ M/ I. q) v% O6 T( I8 r+ y: P; S) z, `
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 U0 r# m% w$ {" c* J" r! x
1 r3 v( W- I* |0 K
二、题目理解和目标细分
" q, L/ w8 v5 V: u8 n1 N$ n
1 T- Y& G$ ?" x8 C 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。1 H: k& V! c' E: y. p6 l( M
: c( ]" L8 T; g$ e$ ^# n9 G5 H
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 g/ F% N! ]7 e! G
5 O6 G6 N/ D/ ]* S% H z 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。
' l) r( v, l+ R2 k5 y
5 M. U) ?2 P! A: X( X 第四步:模型建立完成后,进行求解,然后根据题意给出建议。% ]2 |) B3 A$ o- S
b/ F; _" `8 ?" s( U 第五步:撰写论文。 Y# i4 p G% O: ~7 C1 }! X# Q* X
( z* V, O4 u3 l) A# s" C8 w. w
三、再次迭代,继续优化模型. q. d7 h$ w' S) X0 T; i
' Z# c# J; d3 I1 R# N
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。
+ Z4 e* v+ ?. M: W- K
2 T) U8 d* U g四、模型评价" w& Q4 {6 D$ J& U# I/ N% z
3 F. k0 i& l% b) I9 m
在论文中,要对自己模型的好坏进行评价。7 u% h4 ~+ s- w p; o4 U
8 H( p; S5 X! W* r
五、其他建议
. ~% B5 ~. E s& ]* Q) V g
0 S7 w1 Q6 D! E 论文撰写建议:
6 o* Y" K; U- i9 W q' ?- O }- t& `
1、 准备通用的论文模板。
1 n' W- j: _/ ]) n2 [2 k+ O/ z! S, h8 a
2、 多采用图表进行表示。
% y4 L3 G- O/ n4 D0 Y* b$ ^) d; {( O
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。
H' n# H2 W9 V! N4 F. d7 N* Z1 l" a( b! M0 w3 V# |! M$ @
4、 使用最顺手的工具。, k6 V/ t0 g, M& q' ?8 M
" j+ |8 O3 I6 |2 }4 K
' }9 S( T' j7 s( @ s. n# h( b
1 I+ n6 C# d6 J. n 代码准备:
$ u. \6 L7 q1 G! Y0 N. u4 G2 z* d% c4 S& P, h. d6 R6 A( T
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。. f( q* v3 ]7 R% \
! T9 H' |1 J( f6 G: ~$ Q8 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。
' V" r3 [6 F2 J8 ^: \# I- e5 g
8 v6 F# y+ p" V! E3 e$ `4 k1 U, @+ [0 o6 p6 |: O
7 i2 \9 v1 `+ e5 O: V) w
其他建议:
4 T& w6 q+ O% L7 r8 v3 Z# r$ @: r8 G& `0 f0 j: v2 e( X9 w
1、 当题目过于抽象的时候,可以通过分类的方式来求解。
) Q; N) B3 Y; K) m6 k" C
( Q1 t o4 N7 j6 {/ d 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。
; J& b g4 `3 V% E. V" o% Q% D/ o* [, v* 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。) K' _. P) Q; w
---------------------
* |3 y- L2 K/ M& z$ E/ S" c: k0 R# ]/ W
' x4 f, w/ H3 u- h/ L- ]8 l- F9 w4 A6 a3 B q9 N" d6 P
|
zan
|