ACMer数学建模Python编程起步

杨利霞

, q$ t" a" B! J( u; D. UACMACMer数学建模Python编程起步er数学建模Python编程起
$ S. M! k' U- g7 v8 ?* q3 a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。
1 @6 s2 N2 T. P2 K
数学建模和ACM的区别

/ o$ k3 V3 t  p* a  c9 C- L: M相比于ACM，数学建模编程主要有以下几点区别：
4 g( d* T$ ]' w" b
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。

# [8 l, b' a) u* W( U" x0 G0 e/ Q2.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。

3.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。

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。
7 }1 ~4 _2 v. p4 d7 G
语言的选择
. _5 E8 M" `9 Q5 ]: D
; }% w0 ], z+ Q! S/ J, E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。

, n" ^6 z- C' L6 ?Matlab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。

& Q0 L2 `2 U1 i这里推荐一个Matlab语言的学习网站：https://www.w3cschool.cn/matlab/
8 Z; C5 }* }8 y; ~
5 Q* D" o" W) K- z' I3 CPython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。
, h9 `- g9 [% g! y" {
这里也推荐一个Python3语言的学习网站：https://www.runoob.com/python3/python3-tutorial.html
5 N0 v% |, T0 A8 U0 l
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
$ [2 G" ~: |' g* N
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

https://www.runoob.com/python3/python3-examples.html

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
9 }& K& g& r, U1 o
6 [/ h, {. u9 o  F+ E- D
. Y' D0 V' e: t0 Y' c6 Z8 F; M4 M
一些需要进一步学习的包
6 Y6 O  c" f# [2 t% z2 }! l% i
Python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
& g4 T& f( |- v* z$ n
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：

numpy
- r2 f* D. g7 Y- o; {中文 https://www.runoob.com/numpy/numpy-tutorial.html
英文 https://numpy.org/doc/

matplotlib
( N; P5 C* I$ c" T+ q! N中文 https://www.matplotlib.org.cn
英文 https://matplotlib.org/contents.html
) H! R" i  `! b* Z! X! U2 k
: F; d* m9 D5 ~) tpandas
8 X7 Z, B* l- O7 l中文 https://www.pypandas.cn
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

5 s4 O; j& G* B# @0 i0 y- t数学计算：sympy numpy pandas
数据分析：statsmodels
& h/ v' _1 i5 ?" R图像处理：opencv pillow
& q) m. F2 s2 L: y遗传和进化算法：geaty
数据可视化：pyecharts seaborn matplotlib
机器学习：sklearn scipy
) O: _' z" |% d$ |5 v数学规划优化：gurobi
! g0 w1 z* T& A原文链接：https://blog.csdn.net/STL_CC/article/details/104740689
2 G5 _& [3 f6 y- ?" A/ E

! m$ E: i0 ^6 Q( A% w8 }

哈娃

有帮助顶顶顶顶