美国数学建模比赛建议

杨利霞

美国数学建模比赛建议
, G$ I  G( C. `  n! f, T一、选题（建议半天内确定）

' I7 f  [, g6 F+ `2 Y& E1 W; \      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。
" ?7 W: y  W! Z2 V1 Z' L
/ b8 b, p7 m4 D6 `4 ?+ z5 S. k      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。
0 m' |6 n$ S, p. B% l! J. q, n( s
3 `6 Z6 l" B  j, d* k: Y2 V" ^: A      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。

二、题目理解和目标细分

" N' d3 |( i) j* U4 L      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。

      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 ~' Q0 L0 J( u! I8 g      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。
% d# R0 D: b. Q! S1 ~& ?
/ ]5 d+ F6 q! E, B" L/ F5 ]2 ]      第四步：模型建立完成后，进行求解，然后根据题意给出建议。

  \' M0 a! a: J. m2 Q7 a+ H      第五步：撰写论文。

三、再次迭代，继续优化模型

/ }- A. b: f6 l, t/ W8 F4 ?       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。

. `; h3 m( W. }' t' P! z8 ~四、模型评价
6 k- W4 ~# D9 A) ~- |
     在论文中，要对自己模型的好坏进行评价。
& Q' A8 _# m1 y4 {7 M$ |4 _
五、其他建议
  j! q9 x5 h: h0 e
" N0 V  Q7 }/ w      论文撰写建议：
( J8 t# R, S- m, ~6 R
      1、  准备通用的论文模板。
  k6 {9 ^) D( ]9 Y* P) K, d9 v% M
! ~- b5 a2 m7 C7 }8 ?4 h7 Z      2、  多采用图表进行表示。

% |0 \8 A4 J0 H& w9 U; }0 ?      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。

      4、  使用最顺手的工具。

. W7 K  ]6 h; ~8 G0 b3 j  j" B
$ k: {/ z! h! [6 h
$ q2 u; i: Z: q+ ~# ]6 k' n      代码准备：

% C& W. s4 k4 ^5 s; n+ @( ~# }9 o3 ?      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。

      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。
0 D  J. y# C! Y' n; \0 t! n$ _0 N

9 Q- j5 j7 E% J! W2 v/ N
      其他建议：

+ x" i* D( o+ J/ n' c8 F4 H/ o" x      1、    当题目过于抽象的时候，可以通过分类的方式来求解。
2 ^& h0 v' I% w  d
0 `  }: m7 \. A; A3 U/ V/ ?/ ?      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。
3 H4 ~8 u( p* L9 Q  g# h
      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。
---------------------

( z7 Q. U  Z0 }# k( G. i
% W, f* L3 ^# _. |