五步建模法

洛桑曲旦

1 o7 c/ w+ u# B% X7 J0 f

五步建模法：

3 w' O1 O- ^; ^  H第一步:提出问题.
: m4 E; h/ U1 N* ?1 ^- i8 H. D
5 c" `8 o2 b) U/ |, L% l6 i+ Y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。

9 O( m7 L) l; u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。

3 z1 ]- a1 g9 L* l6 B' Y/ b& G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。

/ L- S  _  f* M第二步:选择建模方法.

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 g* E! [5 g; A+ H2 S1 d" t
第三步:推导模型的公式.
* l; H& V7 ~  E& h5 Z  R
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。

5 i7 p2 h' r7 m6 B8 o第四步:求解模型.
5 M1 u. f4 i; \
这里是编程的队友登场的时刻了。

3 P* {' `2 P3 q统计模型：SPSS,Eviews，Stata ，都是菜单式操作，easy的。
" T; y4 E% g  b' _8 b9 i
6 M, E3 Y2 h0 _! d- r; @0 o数据分析：R，数据库SQL Server，IBM DB2
" L: ?" n6 p0 K5 N: ~
微分方程：Maple,Mathematic,MATLAB

/ l. J+ P1 u0 n+ ]; j1 ?运筹规划：Matlab，Lingo

# I' h, p$ f  a% h9 {智能算法：Matlab，R

) g* n( K3 [! n8 `$ P$ a时间序列：统计模型中的那些软件，或者R，Matlab

0 M, g( Y: H$ Q9 b+ D3 S" r图像处理：Matlab，C++
2 l: [1 c4 ~0 |. L+ Z) {1 I# N2 ?  P
总结： Matlab是必须的，再来个SPSS，一般情况下够用了。

. \! y/ }+ \8 b' m( b+ @) O3 u第五步:回答问题.
# D- ]  K1 r8 _! u
, Y5 ]; K5 q0 {7 f) [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。

关于比赛的一些个人体会
- E( Y: O3 R: M5 g
1、国赛和美赛是有区别的
4 H" G: p! k! G! ?' C/ A) ]
9 w4 T2 o! P) O' `& L" t% @4 F, A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。

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。
0 p7 z- X! D0 v, ]- _3 s7 p3 L( m5 r' a
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。
* j3 `6 [. ~& _* U* }: Z
% N! y8 |* P1 g, H' f2、文献为王
4 T, U$ S* Y# j, X
+ r4 k; B2 g7 j  q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。

8 G, E' S5 y# G, E- Q/ L" P( ~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。

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）

* o$ y! t- b$ t: I/ yPS：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。
, q: n3 _6 S2 U: I/ Z* I
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”。
9 J' n; [, S/ ?, f
$ P: }- r. c/ z* a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。

6 g$ X1 [) q' l. B3、掌握一点数据处理的技巧
3 ]( L3 c  M% e+ m: |
+ N3 S+ {; H% a: D! a3 }( k  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.

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。

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.

MATLAB推荐书目

1 ^7 Z) W- C+ k4 K0 \$ x' m基础：

4 u6 I  `/ G  H% a; q# BMATLAB揭秘 郑碧波 译 （本书讲的极其通俗易懂，适合无编程经验的）

精通matlab2011a 张志涌
+ \- X  M0 v% K; o1 Q, n
提升：

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）
0 o6 Z) P: L: ~% L+ G
, n; r2 `, Y5 C8 U/ BMatlab智能算法30个案例分析 史峰,王辉等

3 L, Q& h" s+ n6 K4 j3 h$ ~8 F《MATLAB统计分析与应用：40个案例分析》
6 E  O8 C$ d4 P6 P
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)

: r" f6 o9 e1 Z* Z, y6 ^6 h: s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.

5 U, }9 Y/ y5 h5、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。
: J, u8 X- c0 A) q2 Z
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：

LaTeX插图指南

一份不太简短的Latex介绍
1 R# Q; h. f% g, @6 k0 J) c6 ]7 Q
7 M) R- R) A' f/ L% ~  G# m1 bLaTeX-表格的制作 汤银才
. f5 Q) C* u# t5 ]) O( h5 E
# W+ b" U  |* d4 ~参考文献常见问题集
$ x, M; X- {& Q
latex学习日记 Alpha Huang
% g8 f6 w$ F, @% K2 f( d
. k+ ]. J% t1 t+ \6 ^7 O论坛：Ctex BBS

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。
' s8 M6 a$ W1 s; \' h


' I. f" }, G9 X

brown

这是在知乎上看过的，请注明出处