美国数学建模比赛建议-实战分享

杨利霞

0 Q/ m* S" \3 P& i美国数学建模比赛建议-实战分享

4 E9 U, r" `9 h* @' Q) v一、选题（建议半天内确定）
/ A' ?0 W, {8 [2 F2 o% R
& K: f2 }4 d$ u" j" C$ Y      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。

      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。
6 s% L" }, d! p% d9 M0 ^% }
      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。
# p5 t  ~% Q; g! A# O% i$ V; r
二、题目理解和目标细分
4 n2 Z7 I+ |1 q3 A0 Q( A. o. O- ^
6 W9 V! _, j4 E8 }, _- j6 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。

      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。
4 }4 q  h, E- m" h1 u
. S" m7 }* [+ N1 e! n1 h# o  \      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。
# o% q$ l6 o6 T- o7 y
      第四步：模型建立完成后，进行求解，然后根据题意给出建议。

, B( _! M$ R( a4 T$ D! P; v      第五步：撰写论文。
0 a$ I+ z6 m3 s( o; {( z
三、再次迭代，继续优化模型

       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。
5 v3 W% q2 j4 O" t. S+ W
9 k2 j$ B- C* x四、模型评价
5 e- _! T" C- P& y% A1 E
     在论文中，要对自己模型的好坏进行评价。
, t% P. ~( A, b; c
  q; h3 W) F& g( o% s1 I五、其他建议
- Q; n9 }; D% A- i' y$ j
2 \% N. P5 b  P; ?' z/ P# h( V, I      论文撰写建议：
. J0 A" _7 z( k- t$ r+ @4 J
      1、  准备通用的论文模板。

. D: V. o2 `2 f: n$ l      2、  多采用图表进行表示。
9 _$ |! a' [( K: a3 @; m& ^( @
0 L/ C: E4 I, Y/ 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。

* E7 Y! p  K+ B. v: x5 T8 I7 V$ ]      4、  使用最顺手的工具。
$ d% f  q# T2 b( B& ~0 _

+ ?% z7 N7 v9 b
      代码准备：
8 a4 X2 U" P3 _
      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。
$ A* S0 i! \% x7 h
0 R7 b% I2 O7 v( G: w) @6 }

; @& L8 A) M0 Y$ R& S' O6 Z      其他建议：

      1、    当题目过于抽象的时候，可以通过分类的方式来求解。

      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。
1 p2 x! O4 N& }6 h4 y" A
* \2 Q* o' g5 ]/ Q; b      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。
原文链接：https://blog.csdn.net/LieQueov/article/details/79261885


7 D' y' S8 E5 l0 r) p( Z