- 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
- 566956 点
- 威望
- 12 点
- 阅读权限
- 255
- 积分
- 175310
- 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 |
" P1 P: H$ V# R& V- |美国数学建模比赛建议-实战分享
0 E; i: g% Y# v2 I7 ? A8 [
9 v" X! A: R% n9 y# T* }. f: G一、选题(建议半天内确定)
2 s/ O1 O i* n* ?6 l( A! A1 b1 Z0 G# B1 X5 o
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。
* z1 p8 G9 x5 W( s! u0 l/ O' Y5 W* ?' X Q( T* }5 r1 B+ `) i( r
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。
. G* b# M, l- }' c3 V6 B. {' R$ j; G; b/ r8 m! `( D7 F9 c
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。; M4 z. y+ i4 c1 W: O& X
% a; r: F6 x7 M4 D/ P5 x9 [二、题目理解和目标细分
( K( D) ?1 R3 G. j% i- R- |$ e8 ]- A! e. s6 x% P' R/ D( B
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。
5 k7 C h, w8 B6 L0 O( O* l$ x+ z& t6 o1 f
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。; L# d4 V5 s5 R8 {4 K
( \* u5 d8 A5 j- u6 K3 d7 N 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。; m, f5 `: g. ?' I/ s% Q8 L
2 j7 x1 [- N/ \
第四步:模型建立完成后,进行求解,然后根据题意给出建议。1 E1 V4 h: B7 f( @: }
: f7 }( g* c8 Y* M# T w( I. r2 }8 c
第五步:撰写论文。2 U/ F# i6 V. q) W
" L" `+ \# L# X
三、再次迭代,继续优化模型0 V2 y" g( h7 Q7 B3 J8 h
p _/ H# |5 f
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。% [* I! k7 H! ]! l! k
[- o. j7 G+ n+ Q6 L/ t四、模型评价
) k+ f( a0 p- ^, |. t# @& a0 z, ^ o A8 H# ^; ]
在论文中,要对自己模型的好坏进行评价。! l6 _& B: z6 ^# g: @. j$ r" n" V
. J( ?3 i; _# l% R五、其他建议
* \& s$ k$ \- e8 m; K# A" D9 \( `
- {& ]. {* U: \* W 论文撰写建议:
5 @5 L$ `# p/ c. G" [; M, O. p( ]* r5 W5 {( f" K8 E l: U# \
1、 准备通用的论文模板。1 M4 s9 A+ c. c" ^# {
3 y4 Q' l# F7 T+ D L
2、 多采用图表进行表示。
+ J1 a/ B2 X; C8 y4 M& o
4 Y6 U6 t) a/ G# R 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。3 j9 ]1 R- S9 ?, J9 v+ G
6 {+ S2 y5 g" { p6 s* c 4、 使用最顺手的工具。: `6 ?5 b/ l) Z/ T1 F; R
& C* C' l0 ]4 g: W7 @- X) j
* W& o4 V" K: y1 K( D T
5 ?2 o& q$ v: l# i; Z. j7 B% n9 H2 h 代码准备:
- U4 g) j3 E9 U- c% j# W, z8 E( A5 K+ {# Y# `6 S0 m2 U+ n
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。: Y7 ^7 W& Z: }! w% M7 T/ {0 ?) z; p
; l8 C3 B# S, m' K4 Z
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。/ H8 g& p f/ B( C
6 Q- `- h$ ^" H& w! ^# v
& W9 F( r2 k* _7 ]" b1 j
4 w/ {/ e$ z& q' g. T* y
其他建议:/ G- E4 d- B7 S" c/ V0 I& o
4 E2 h- y2 J" |
1、 当题目过于抽象的时候,可以通过分类的方式来求解。- I4 @. ?0 i% K1 I9 T& R6 n5 P% K
* z, o/ J: k/ [8 S) m 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。+ ~5 T+ j7 s, Y$ m+ v: j* N
' F. u/ B+ L# x4 @$ I; M1 ? 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。
, C h/ x1 T: U7 u& I原文链接:https://blog.csdn.net/LieQueov/article/details/792618853 G s9 i( o; a4 h2 [3 x( l
4 M! t) V6 _* G, a: E% j- |2 q3 \6 k
|
zan
|