- 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
- 564647 点
- 威望
- 12 点
- 阅读权限
- 255
- 积分
- 174617
- 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 |
. @8 F( c1 l! ?; g& R
美国数学建模比赛建议-实战分享
8 M2 y0 M( F5 |! T2 f+ x
" A0 j1 ~4 K+ s一、选题(建议半天内确定)' u- ?/ @; x& _. H# W% u$ i
3 o2 X& D; m0 f; n# f' z* ? 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。( r$ \- D3 [4 z9 |
. F; Y: Q0 T- N& k, x 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。
! X# P5 I2 S$ p# A
* l* G4 `& M7 O- n6 h 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。5 O# q- z4 G' |/ \; [ v
' h9 U7 b& |5 g; C- w- l: x, g4 w二、题目理解和目标细分" e8 ~$ m9 P6 u/ W
* z1 U( S0 e0 O
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。. z" h- W2 \0 w
$ h: C( D; d9 J4 R
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 Z/ l0 E+ b' X( G: X
5 a9 m7 ~# y2 b2 ?+ Y! M; r 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。5 k; m" |5 m8 u( Q
' h0 C/ D, g4 {! ~ 第四步:模型建立完成后,进行求解,然后根据题意给出建议。
) S5 O( S# p5 t$ `! u% D* C- d. d5 M' D- G
第五步:撰写论文。! Q- t/ O# K0 K7 y! n. h
! N! U6 f6 g; v. T e
三、再次迭代,继续优化模型 V9 D6 r( ^8 }, Q% K* b# G, D
/ ?. M5 l/ E6 I) y2 H E
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。' T8 |9 J0 F* W0 o' j
, g3 j/ n* M# h, P4 v" E5 E四、模型评价
4 e" K4 o" q) e0 B
- w2 r1 B/ M: B: W2 U 在论文中,要对自己模型的好坏进行评价。6 z$ G0 X4 A! x D" \
" R/ g1 y5 D9 ^. X3 c( M! n$ o% ?
五、其他建议
0 a, ]9 P! i! ?% O! L/ z6 ~7 u2 }
/ s7 {6 {2 \3 u: R4 d6 \# t 论文撰写建议:
# \5 Y" G3 {* n2 G- `' Y
& w4 n# ~" F" ?) ` 1、 准备通用的论文模板。$ _+ Z! o2 m0 R$ O
+ V3 q9 m+ [, h
2、 多采用图表进行表示。. l# g9 ?, u- N* q
* a8 g& x& F z9 `0 d, S/ s
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。/ u6 Z: d: T% {( S& n$ _! ^0 q0 D
; {& l$ A, ?. V) ~& x 4、 使用最顺手的工具。
6 {: t8 I1 W; Z# y) `
8 b* k3 n& ^* @& C8 o- h. k
) F w) }% J4 y- Y( G' t# L; Y$ v# A( f6 `$ q& ]$ v( O2 x- j
代码准备:
( R N: r: Y* Z1 k+ |! K
" Q0 _! o P+ M9 X" Y+ I, H 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 u' x3 q3 I5 ^2 D& m
; }! u0 n, s4 ?% S5 F9 ^ 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。
3 z: U& i! B b9 K( ~! o0 B
) Q: u, Z7 `) T; D4 r
2 m, _7 a5 {" Z: i1 k
" |0 Y! c5 q7 a7 o' w/ c 其他建议:& y2 c' N [. }- b; E
1 E8 T& M$ P; u0 l$ b
1、 当题目过于抽象的时候,可以通过分类的方式来求解。3 R: }6 D' H% H. y( k
' x% K& S+ w9 Q' O 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。% v2 K* x4 H2 b
, W' k3 S. ~4 u4 ?- |% i5 g
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。! ~( g9 q! i* M3 \, u4 s
原文链接:https://blog.csdn.net/LieQueov/article/details/792618858 Q& ?# `; B9 k2 z& h
7 F' R+ B( `7 |: K
; D" Q) _; W6 f! h) T3 E1 I" q3 c2 q* ^
|
zan
|