ACMer数学建模Python编程起步

杨利霞

) U. @8 }0 x( ?! W/ a- YACMer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。
9 ]0 Z% y: h1 n% E& {7 F6 J$ n2 h  V
! r( x: Y- `4 o9 Y3 v% v& L( N数学建模和ACM的区别
4 O+ @2 r2 K4 w6 n% W$ q7 |
相比于ACM，数学建模编程主要有以下几点区别：

1.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。

% B5 ?, N( b; {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。
' E" n. B. `# I# n5 C* L2 |/ |
6 G/ `& Z" X' K- @1 g6 V3.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。
# Z5 h8 ^3 X/ Z6 l1 J
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。
" q- _; C" A$ i+ G: e% U2 @1 e: T
7 J6 n) N# C. I, Q3 C( P语言的选择
/ v; X7 a+ m5 v# f" b* e. z
6 w' G/ h5 r( T6 \: T5 \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 L. C4 O+ i  }8 F- r6 WMatlab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。
' \) P) `! V# k; K5 Z: g" @
2 O7 ^; {$ S: [5 u+ c* Q! P这里推荐一个Matlab语言的学习网站：https://www.w3cschool.cn/matlab/

  M) {7 Q, Z" B9 S* P; MPython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。

这里也推荐一个Python3语言的学习网站：https://www.runoob.com/python3/python3-tutorial.html

: F7 R! R8 y! N( _/ M4 k( c2 K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
! T) {9 M. X5 J5 @1 y. T
+ O" d( Z6 h- m* y3 }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
- g( a" ]7 b$ t: I, [9 ~
! m% J; t# ?  q- L* ^" ihttps://www.runoob.com/python3/python3-examples.html
( [% T: F3 `1 [
9 B6 r" {! }# ^: @) p! P$ N' m9 y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


+ Q3 G$ y& i' p/ r8 b, }* Y
一些需要进一步学习的包

, m; c1 e; ]& z4 g& WPython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：
1 l( c. E" e; v2 R, Y' ?) M; r
numpy
中文 https://www.runoob.com/numpy/numpy-tutorial.html
英文 https://numpy.org/doc/
# l. F  _" `; E  n, ]# u" t
matplotlib
5 G1 F) h4 v( l  o+ l中文 https://www.matplotlib.org.cn
% ]) z& h0 a9 ~# I英文 https://matplotlib.org/contents.html
* L, c# _; g9 O7 W! P. v7 C# B
pandas
中文 https://www.pypandas.cn
. l& l. V/ \* y. N7 I1 U英文 https://pandas.pydata.org/docs/

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

/ @$ ~' G  N' K- J" n2 r. h数学计算：sympy numpy pandas
数据分析：statsmodels
/ d3 }7 e: X  V5 M  C图像处理：opencv pillow
遗传和进化算法：geaty
) O8 k- |3 e7 e3 a9 H; {0 D数据可视化：pyecharts seaborn matplotlib
机器学习：sklearn scipy
数学规划优化：gurobi
原文链接：https://blog.csdn.net/STL_CC/article/details/104740689
9 u. j( t+ n% e: _
4 X: O/ E) U3 J! a8 N4 J

柠檬草lll

发表回复不错的资源
+ I! r! O' h% Y) U* T- r4 ?1 S+ B) W