五步建模法

洛桑曲旦

五步建模法：

! {$ g$ h* h- w' N0 ?+ M/ I" s第一步:提出问题.
5 v2 L" n& ]4 |& V) x+ Q
大家可能会想,题目不是已经给出问题了吗? 是的,但是这里的提出问题是指：用数学语言去表达。首先，题目一定要通读若干遍，“看不懂，读题目；看不懂，读题目”，如此反复循环的同时查阅相关资料。这通常需要大量的工作，而且要根据题目的特点做一些假设。

$ X/ g, y; B9 i6 k' d+ Q6 y看的差不多了，就开始用数学形式提出问题，当然，在这之前，先引用或者定义一些专业术语。 接下来进行符号说明，统一符号（这点很重要，三个人之间便于沟通，论文便于展现），并列出整个问题涉及的变量，包括恰当的单位，列出我们已知或者作出的假设（用数学语言描述，比如等式，不等式）。 做完这些准备工作后，就开始正式提出问题啦。用明确的数学语言写出这个问题的表达式，加上之前的准备工作，就构成了完整的问题。

7 D% g' @2 Y* b2 f7 s这部分的内容反映到论文结构上，相当于前言，问题提出，模型建立部分。注意，刚开始建立的模型很挫没关系，我们随时可以返回来进行修改的。

! ~/ W6 v1 ~) B2 J* Q) _第二步:选择建模方法.
  A6 y0 d* ?# D" N
在有了用数学语言表述的问题后，我们需要选择一个或者多个数学方法来获得解。 许多问题，尤其是运筹优化，微分方程的题目，一般都可以表述成一个已有有效的标准求解形式。这里可以通过查阅相关领域的文献，获得具体的方法。为什么不是查阅教材呢？基本上教材讲的都是基础的，针对特定问题的，教材上一般找不到现成的方法，但是教材依然是很重要的基础工具，有时候想不出思路，教材（比如姜启源那本）翻来翻去，会产生灵感，可以用什么模型。
3 {3 Y6 w; G+ E  b8 l( Y! ~) v
第三步:推导模型的公式.
/ c# e/ ^$ x( I7 E# R
. c0 N7 @- g1 X; X9 z我们要把第二步的方法实现出来，也就是论文的模型建立部分。我们要对建立的问题进行变形，推导，转化为可以运行标准方法解答的形式。这部分通常是借鉴参考文献的过程，做一些修改，以适应本题的情况。
' n- x; }5 C7 f3 v% w% G. E
: m: @% K9 t7 }* J9 T, D6 J8 c2 `第四步:求解模型.

这里是编程的队友登场的时刻了。

# F2 j* i' b- t统计模型：SPSS,Eviews，Stata ，都是菜单式操作，easy的。
5 r# T% Y8 h: U- s9 L
5 g2 K8 a! s, x9 ^- S' G3 ~数据分析：R，数据库SQL Server，IBM DB2

5 e7 f* L3 j* g" A( A9 L! M微分方程：Maple,Mathematic,MATLAB

运筹规划：Matlab，Lingo
" Y0 g1 i- a/ f/ l+ r
" X6 o3 Y' j8 Q, @/ d) D1 \智能算法：Matlab，R

时间序列：统计模型中的那些软件，或者R，Matlab
! w! J4 X( s6 X# J
. X% x' m: [9 F! H5 ~/ @. v# J图像处理：Matlab，C++

. L5 @2 A/ h5 `- i& f- F( n: |总结： Matlab是必须的，再来个SPSS，一般情况下够用了。
. W$ I( e* Y  q4 |
第五步:回答问题.

6 c* V) v' E: A$ G+ F  Z也就是论文的讨论部分。这部分是对你整篇论文成果的总结，一定要写的有深度。除此之外，通常还要写上一些灵敏度分析，如果是统计模型的话，要有模型检验。
4 p& u* ?& `9 f( N
$ g3 }) \$ P. C( a: t! `关于比赛的一些个人体会
3 D$ i: b2 P' a2 |# V4 @- |/ q
  Z6 |2 f' ?- b9 G1、国赛和美赛是有区别的

( q. v) k" ^1 z  [国赛讲究实力，美赛讲究创新。 美赛不一定要多高级的方法，但是一定要有创意。而国赛，组委会往往是有一个模糊的“标准答案”在的，按部就班做下来就好了。
5 c; a& Y6 \, ~8 W
$ t/ e. A' ^: d% w注意不要一次性就建立复杂模型了，老外看重的是你的思维，你的逻辑，不像国赛，看重的是你的建模编程实力，要使用各种高大上的方法。

! C. u  E- A- s7 e, Y, s$ s# V拿到一个问题，可以先建立一个初等模型，讨论下结果；再逐渐放宽条件，把模型做的复杂一点。 即 Basic model -> Normal model -> Extended model的思路。这个思维在美赛中很好，这么做下来基本都能得金奖的，鄙人这次也是按照这样的流程，拿了个金奖。
, V# C: p; u- Q
6 [7 s- s  d7 y# H2、文献为王
2 x* @' Z) u- K
文献为王。建模的题目，基本上是某个教授的研究课题，凭我们本科生的水平，基本上做不到对题目的深刻理解。所以要多看文献。
  w8 M& f9 B% O  }2 ]/ _
看文献也有技巧：刚拿到题目，先查一下相关背景资料，了解题目是哪方面的。接下来看文献，找一下硕士论文，博士论文以及综述性质的文章，硕博论文一般都会详细介绍下整个课题的国内外研究情况，综述就更不用说了，它就是对大量原始研究论文的数据、资料和主要观点进行归纳整理、分析提炼而写成的论文。看完这些，就可以比较有深度地把握题目，也知道如果我们要进行创新的话，往哪方面走。
& N& `  [) J) ]
接下来，可以根据小组三人讨论的结果，有针对性的看一下有深度的文献，文献看得多了，就可以考虑开始创新了，像爱因斯坦那样开辟相对论等新领域的创新，是很有难度的，但是我们可以退而取其次，不是有句话叫做“他山之石，可以攻玉”吗？ 我们要做的就是组合创新！ 领域内组合创新，把一个学者的方法嫁接到另一个学者的模型上。 以及交叉领域创新，把把自然科学的知识用到社会科学上，或者用社会科学解释自然科学的结果等等。（这里就可以体现，跨专业建模队伍的先天优势了：不同专业对同一个问题的思维是不同的，可以擦出创意的火花）

PS：图书馆有买很多数据库，可以免费看论文。免费的话google学术是无敌的，国内文献貌似没有良好的分享平台，实在找不到论文也可以百度文库死马当活马医。

. z% r: ^- _  \* v平时可以多注册一些网站，数学中国，校苑数模，matlab技术论坛，pudn程序员，研学论坛，stackoverflow等。上传些资料，攒积分要从娃娃抓起，不要等到比赛了看到好资料还“诶呀，积分不够”。
, p* [) U- j) v1 O3 _
想法很重要。建模思维是一种很难学习到的东西，站在巨人的肩膀上，多看文献，负责建模的同学辛苦了。

3、掌握一点数据处理的技巧
* K% L& i4 Z/ @7 E2 h) c6 a  G
8 b$ m- _: Y5 v( T建模的题目，A.B两道题。基本上是一题连续，一题离散；一题自然科学（理工科），另一题社会科学（经济管理）。这样的分布的，大家平常做题的时候就可以有所侧重，曾经有一支美帝的队伍，专攻离散题，貌似拿了连续两届的outstanding.
# _) {. u: d6 ^5 V- L6 P
掌握一点数据处理的技巧是很有必要的。比如数据缺失值的处理，插值与拟合等。尤其是数据缺失值的处理，基本上A,B题都有可能涉及，建议熟练掌握。
& G7 ]" J0 b! K$ i$ h
4、关于编程水平。More generally,软件操作水平几乎决定了一个队伍的结果上限。MATLAB是必备的，必须要熟练掌握各种模型的实现。此外，SPSS(或者R)也是要掌握的。Mathematic和MATLAB的替代性很强，不掌握也没关系（仅在建模方面，mathematic 当然也是很强大的）。What’s more建模比赛举办这么多年，用到lingo的情况几乎很少了，也可以不学lingo. And 现在的题目动不动就要粒子群等智能算法，强烈建议大家至少熟练掌握一种智能算法.

/ [/ [3 v) ]7 Z4 o8 ?1 RMATLAB推荐书目

基础：
8 R; O6 Q3 c$ i* c2 Y3 q
MATLAB揭秘 郑碧波 译 （本书讲的极其通俗易懂，适合无编程经验的）
6 b3 l4 o/ F5 e" p5 g8 v! T
: z' y8 x8 V) a' E2 I精通matlab2011a 张志涌

$ ?4 ^% Z/ {6 B2 `  R) t提升：

& s$ \/ V  S9 b数学建模与应用：司守奎 （囊括了各类建模的知识，还附有代码，很难得，工具书性质的）

Matlab智能算法30个案例分析 史峰,王辉等

《MATLAB统计分析与应用：40个案例分析》

数字图像处理(MATLAB版) 冈萨雷斯 (13国赛碎纸片复原居然涉及了图像处理,所以列在这里了.可看可不看,太专业化了)

书很多的.总之,要达到熟练运用matlab进行运筹优化,数据处理,微分方程的地步. 数理统计可以交给SPSS,R ,其中SPSS无脑操作上手快.
3 J9 B9 _0 ?# u9 q
5、格式规范：看国赛一等奖，美赛国内人得特等奖的论文，格式规范方面绝对很到位，大家可以参考。国外人的特等奖论文，大都不重视格式，人家的优势在于模型实力与创意、母语写作。所以在美赛格式规范方面，参考国内特奖的论文。
' [$ D% p- F2 u/ J0 {4 V8 }
PS：有时间的队伍可以学习以下Latex，用Latex写出来的论文，比word不知道好了多少倍。Latex书目推荐：
. n+ r$ a% u$ U6 [8 @
3 U2 f, U. Z5 R; L$ CLaTeX插图指南
1 C" F8 |+ Y, [9 D) Z( E
2 }6 m1 X2 M9 _6 V3 y一份不太简短的Latex介绍
  o/ N. C  G  e1 A
4 {( n9 ^+ d& E! v  I) @7 P' aLaTeX-表格的制作 汤银才
3 N, q. C% w# u$ ?
/ h1 `. M4 S+ J参考文献常见问题集
# h; x  l( \1 Z) X9 {
  U1 F) f0 c6 i* g! O3 H7 A! Clatex学习日记 Alpha Huang
  s5 @4 h& }  t  w
论坛：Ctex BBS
& J- U; j3 p0 m" V6 ^! v3 Z8 W/ }
结束语：

什么是数学的思维方式？观察客观世界的现象，抓住其主要特征，抽象出概念或者建立模型；进行探索，通过直觉判断或者归纳推理，类比推理以及联想等作出猜测；然后进行深入分析和逻辑推理以及计算，揭示事物的内在规律，从而使纷繁复杂的现象变得井然有序。这就是数学的思维方式。
- C/ q$ m% q0 i( d1 Q, S0 E1 H


/ b, n8 [/ e0 G  S6 E
0 n' y) K% @, d5 P. Z

brown

这是在知乎上看过的，请注明出处