ACMer数学建模Python编程起步

杨利霞

- z& p2 ?: d5 X2 L7 Y+ C  ?& }7 S* y: E! fACMer数学建模Python编程起步笔者一建模小白，同时也是一名ACMer。寒假期间学完了数学建模所需的一些编程知识，磕磕碰碰渐渐入门。在此为想要参加数学建模的ACMer分享一些经验。该文该帖系笔者原创，笔者刚入数学建模时，对于数学建模应该怎么样去编程也同样非常迷茫，在网上也没有找到相关的经验贴，故在此给大家分享几点经验。该文会长期更新，欢迎在评论区交流。

数学建模和ACM的区别
7 R! ^5 h, |( Y! ~+ N/ }& A
. s7 g/ ]+ q: `1 @9 l  K" O/ m/ ~相比于ACM，数学建模编程主要有以下几点区别：
0 H1 @* x1 @( v, c6 |# K$ a
* c$ {- h- i2 D% S1.ACM的编程多是用来直接处理一些算法问题，需要对算法进行创新应用，重点在于算法；而数学建模中的编程多是用来运行算法模型以获得所需的数据，或者是画图、画表格之类的，很多算法模型都是现成的，有很多ACM中的诸如Floyd的算法已经被封装成模块。有趣的是，他们可能是以伪码表示的，并不像ACM模板，都已经写好代码了，这时，就需要各位大佬根据伪码翻译成计算机所能理解的语言。ACM重在算法，数学建模编程虽然也需要对算法模型进行创新，但更多的，重在计算，重在选择最优的模型达到最优的效果。
) V) J) n1 t, q* a( z$ w7 l1 F
' }. u. J# k" N' Q/ \& \2.比赛方式不同，ACM是在指定地点进行比赛，时间通常只有紧张的5个小时，在这5个小时内，需要各个队员的精神高度集中的投入到算法问题的解决中来，而且程序必须是在一定效率的情况下运行（比如比赛时程序应该在1s结束，只能占用256mb的空间，如果在时空限制下没有完成算法问题的解决，是不能记分的）有的题目可能做不出。而数学建模则在3天甚至更长的时间比赛，比赛地点一般在学校提供的教室里，可以随便自由出行，甚至可以是在家（比如今天坑爹的新冠病毒疫情，想必许多美赛选手都是在家比赛）。一般数学模型的解法只有最优最劣与否，没有对错。

! i( ?0 n- r! z  t6 \% n3.可访问资料的范围不同，ACM允许携带纸质资料，选手们通常会把平时浏览过的一些有意义的博客打印下来，还会打印好相关资料，如ACM模板等，在比赛的时候还会有志愿者们巡逻考场，不允许携带电子设备和U盘等进入考场，考场也通常会打开电子屏蔽器，屏蔽相关信号，切断与外界的交流。而数学建模则多要靠自觉，在比赛期间不能通过QQ等通信工具与其他选手交流比赛，要上传给学校。但除了要保证是自己做的以外，其他的互联网资源都是可以访问的。这时，强大的信息检索能力就重要了起来，可以在网上搜索相关的有用的模型，用计算机的语言实现。也有一些学长只是准备了20几天，靠着强大的学习能力获得了省一。
/ e" R/ L5 G0 n# I
4.拿奖的难易不同。虽然数学建模和ACM在各自的领域都是属于家喻户晓的顶尖水平的竞赛。但是其实数学建模的水分还是总体上比ACM要高的。有的人也表达过相同的看法，通常一支队伍如果在ACM方面取得了某些奖项，一般情况下，这个队伍里的每个人总还是有两把刷子。但是如果是数学建模，可能就不一定了，输出的可能就是一个人，其他人只是用来给那个人加油助威的。从每年获奖的情况来看，从获奖总数和参加人数来说，ACM的奖项含金量更高。但这并不意味着数学建模没有用， 在数学建模的过程中，将学到很多平时学不到的科研的知识，比如论文的撰写和发表啊。而且数学建模相比于ACM，更加贴近科学。如果ACM和数学建模都能发展好，应该对时下大火的人工智能研究有好处，也能跟大概率获得算法相关的Offer。

$ o/ }3 Q' T7 X, J5 E/ }% }语言的选择
) B  Z( M" |% Y1 n
目前主流的应用于数学建模的编程语言主要有两种，他们分别是Matlab和Pyhton。

1 E. `- a8 {! b& FMatlab语言的历史比较早，美国MathWorks公司出品，和Mathematica、Maple并称为三大数学软件。在Pyhon还没有问世前，广泛应用于数学。优点是学起来方便，要学的东西相对较少，适合不喜欢折腾的小白玩家，缺点是闭源，扩展性低下，除了数学之外没有太多的用途。

+ h: k$ b4 C9 F' ]# @这里推荐一个Matlab语言的学习网站：https://www.w3cschool.cn/matlab/
0 d" Z4 S2 q& G, i/ ?' Z4 Y3 a8 L
% w$ `6 t9 f# i/ d, r0 [Python的大名相比大家都知道，他在深度学习，爬虫，机器学习等方面有很多应用，并且扩展性好，有丰富的功能和优质而成熟的社区，免费，开源，体积小，应用范围广，是未来的主流语言。我在这里向ACMer推荐这种语言，在以后的工作中，也可能经常用的到，并且以后要学习深度学习和机器学习的相关知识时，还会要用到它。但Python对于编程小白则不太友好，可能需要折腾很久。

% R0 {1 d% f& {" l这里也推荐一个Python3语言的学习网站：https://www.runoob.com/python3/python3-tutorial.html
, @  ~! u7 P, F8 x; w. D
注意，我们学的是Python 3.x，不是python2.x，他们两者的语法是有区别的，Python3.x更新

$ O' @- B1 I8 a& Q) X0 q这个网站上还有Python小实例，可以做一做，提高熟练度，一定要动手去做，如果不动手，到时候就会很生疏
1 g8 v, l1 ~- C- O& f' c
) ~0 z* L9 L& E' Ahttps://www.runoob.com/python3/python3-examples.html
: L0 l# \  }, y# ?( A7 g
, T- l$ [- `& U$ D0 g! a* a6 v下面是一本网红书籍，几乎是Python入门首选，大家也可以看看，不过个人觉得，还是上面的这个网站写的好，这本书漏了很多

$ P3 G8 J7 q0 T$ _6 \- h
4 ~9 _: z' O3 U/ ?) y
& Z7 A1 A( a# H+ v9 Y; P- l# Z一些需要进一步学习的包

2 c( M: X; p# v. ^2 e8 jPython的包在他们官网一般都有详细的教程，可惜的是，他们大部分是英语的。国内有些包的教程还没有人翻译成中文，或者相比英文版缺斤少两。推荐大家阅读英文原版，如果实在看不懂就看中文版

首先，需要学完数据分析三剑客Numpy，Matplotlib，Pandas。这三个包基本上在数学建模中经常用到，一定要掌握，下面分享的是他们的一些教程：

; _2 J- ~7 w( g" A! \numpy
中文 https://www.runoob.com/numpy/numpy-tutorial.html
英文 https://numpy.org/doc/

/ E5 Z4 E3 e6 N# |$ ~) ^$ V* Nmatplotlib
中文 https://www.matplotlib.org.cn
英文 https://matplotlib.org/contents.html
1 S8 M( y% i6 ^& p) K( S
pandas
中文 https://www.pypandas.cn
英文 https://pandas.pydata.org/docs/
1 d. C9 ~; }. _
9 g: R0 }/ W& g- W1 m' _" m下面列举需要学习的一些包及其用途，大家可以参考参考，搜索他们的官网找到教程学习

数学计算：sympy numpy pandas
( z) u" S; {( u& Z6 {! `数据分析：statsmodels
4 x- u. d: n* p( S* A; R, O8 G6 N图像处理：opencv pillow
遗传和进化算法：geaty
, Z/ V1 g7 {) Q数据可视化：pyecharts seaborn matplotlib
机器学习：sklearn scipy
9 Q. {% @8 w5 M0 K数学规划优化：gurobi
: Q+ m) A) c. C$ a) P原文链接：https://blog.csdn.net/STL_CC/article/details/104740689

柠檬草lll

发表回复不错的资源
0 D7 b; p2 ]5 Y( ]" G