3 W$ M2 u3 x! x5 E美国数学建模比赛建议-实战分享 # g- l, T7 m' U, y5 d. D 2 L& W) ]4 U: X一、选题(建议半天内确定)! Z' I& g+ w1 \5 ]1 c0 d E, a
7 f9 I i [8 n; C
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( A& @7 X# p- Q* D, r
) K0 a4 z( y& Y& s
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。3 ^/ h- o9 ~ f/ R# F" n0 T
6 H' i* g! s4 K. }
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。& |/ I+ f. p& [9 D d E
. q6 S" i+ F8 x- |3 m& d- a& Y二、题目理解和目标细分 6 J' [* ?; e" o. B: y; P1 A- T7 x5 Q5 A0 R/ T" j3 f5 j
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 ]3 X) K n4 M4 G' t. U* b: z" s. \
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。& ]. @( t9 ^5 q: M, ~
/ O$ y" W/ m# A, D
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。 : E2 ], k" @+ {% y% S , Q. c& O* Q7 x( {; e 第四步:模型建立完成后,进行求解,然后根据题意给出建议。. {0 P1 K- G0 @& j0 M$ g
: h; [! o' z" o) W `9 O; |
第五步:撰写论文。3 B: z6 H' X) A
8 ~6 b( z& A1 F" \9 x
三、再次迭代,继续优化模型 ) t) @- X2 S$ a: P% h/ G/ j5 H( b) c5 z
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。 % K: i, h r1 Q9 f 9 s2 E& u% A" ?. B四、模型评价% h' H6 C+ n! K4 X5 N3 P
1 | c" G$ m; _, K
在论文中,要对自己模型的好坏进行评价。7 \8 _8 _1 f8 U5 h
. ~3 l% O6 `8 ?- m, ~" X, L" r! X五、其他建议! a4 Z/ h, D2 o. ~/ \4 n8 l! g
) b g& n, d3 q# n# Z/ n
论文撰写建议: * m7 c5 f. `3 Q' h1 z2 q- X- B; ?) q4 F- W3 x* d# \0 q
1、 准备通用的论文模板。9 f1 O& M0 r1 T3 p3 B! y5 [
7 K9 @1 |7 ?7 U1 i3 w0 g1 K+ N# d
2、 多采用图表进行表示。" G/ u1 B3 e+ D2 }) P
' v" w. O9 F2 _& w
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。( ]1 W I1 {0 i5 j. I0 R
) u0 [ _3 I: s 4、 使用最顺手的工具。 , _7 H8 K8 F9 `2 M4 O; L% b6 f ^' r; G6 O- K3 h
. j& P p. k. v1 y$ D* j( ~$ ]) s% w! b# X; }! R; |+ Q5 I
代码准备: 2 X8 q x. ~6 T! f 0 q; U3 J4 O% S( }* X 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。( L+ w1 ]; Q1 t$ M! l+ A1 Y
8 C: x* X. ?. U8 J7 d0 E
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。9 T5 R, d% E" e& j* j) w% X
" B6 X( g9 i' w* ~1 x0 \ 4 f/ a# ?% n1 M) l9 |9 u, u! c! y* C
其他建议:: w: z% [2 c# m3 q0 T! D& Q
. i$ b( b5 \7 {6 a7 K2 W
1、 当题目过于抽象的时候,可以通过分类的方式来求解。 . i4 J) }5 A. L* J d2 J8 D2 A $ c9 j: q; ?" `3 A. | 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。% E8 e+ p- O3 [7 P
$ V& ^$ A2 k6 a8 S1 D* f7 t
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。1 T! t/ c. ~$ O& ]: G/ V) m- f! O8 a
原文链接:https://blog.csdn.net/LieQueov/article/details/79261885; g8 L1 V$ Z& b& K) m: u2 z