五步建模法

洛桑曲旦

五步建模法：

0 r: h8 v7 v6 L- m$ a" B5 n+ y7 V
, B/ H4 R) Y: U第一步:提出问题.
3 G  Q4 }9 L' P' y% l/ l: y& E
9 \/ x$ v% K7 Q" X/ @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。

; W9 Y& }: @$ s3 b# N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。

& |2 T( [* Z" Q" K  W/ G7 f7 T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。
. p- U; g) R& O
/ H: H7 Y" n5 }( J第二步:选择建模方法.

/ u: {: ]) K, c4 E1 W: a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。
( ~- L& A9 ?7 i, q" E4 K9 J
第三步:推导模型的公式.
8 k4 V8 {! P% ?
- }% ~/ h2 ~2 ~% r; @- y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。
6 D7 _6 |. H1 o: [, ^' E% k) G
2 d2 ~* I8 ^4 U; P' V, h2 @第四步:求解模型.
- c8 V, k8 k: ^- s& {" P$ J1 p& Q
这里是编程的队友登场的时刻了。

# z& g/ ^; K  i$ S/ i' i统计模型：SPSS,Eviews，Stata ，都是菜单式操作，easy的。

数据分析：R，数据库SQL Server，IBM DB2
0 f( }3 S' a9 h3 N! f) t
" z* Q$ Y% K( P: d' b; w微分方程：Maple,Mathematic,MATLAB

运筹规划：Matlab，Lingo

3 E; G' G& t6 U9 D4 v1 I, w0 v智能算法：Matlab，R

8 I/ _# o: R# l0 W& V- C时间序列：统计模型中的那些软件，或者R，Matlab
# V/ x9 |: v. @# s
图像处理：Matlab，C++

$ Q" X7 b( V# n" K- \3 [' P) y9 S! Y总结： Matlab是必须的，再来个SPSS，一般情况下够用了。
) N  t! M- U+ m% I) [
第五步:回答问题.
1 u9 E8 X8 k' i. f# \, t
: u% y; s, F7 U; l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。
/ q+ }( `) p% P' B# ]5 U  X3 ~
) N* i! x6 T& I! d0 w关于比赛的一些个人体会
( {0 C. v" b  ]: b/ j# ^
1、国赛和美赛是有区别的
) E& {- A! \1 o4 O+ U# D
8 j3 T; j1 B6 D8 a7 g2 l; k7 ?, g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。
" z, ]+ }& E  S$ |! l2 e% M
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。
3 ], ?$ z: }% N3 l  v# s; `& n9 n
8 o  k/ _# X3 Y3 |) r. c8 K) W2、文献为王

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。

/ {0 ~5 ~; m. ~" E0 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。

* `* r5 `& H$ t( V- l0 B) B7 f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）
; y7 S/ M8 a( T5 T: V2 s
8 I; o# ?# b; s  N' A# \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。
8 F3 {4 o, ~( V$ P0 l
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”。
+ M: I8 B% J) \" e, \8 j: I
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。
: j/ Q$ K+ y2 @8 ^6 W
3、掌握一点数据处理的技巧

) ?- M! }, W' r6 X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.
5 n, C) f" Z& S: j6 v; E4 y
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。

- _# p3 Z' |' f0 W+ k- I4 Y) [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.
! G% a' E0 g$ E4 w. ^9 A
4 J0 ~% L* i! j$ j9 n/ g1 {7 AMATLAB推荐书目
' K3 c' M9 Q+ H# z( A0 f1 T
/ w* G& V/ y2 Q" k3 C! ^6 T基础：
& K- F0 j7 y  n! M) S) s
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）
9 I. T, h1 h9 u9 o
3 v/ }- J+ ?) C1 ?4 {- G精通matlab2011a 张志涌
  `* h+ q: n. }  r3 P; U" g0 ]
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）
; m: W9 q& Z" C$ Q' ^. j2 s
2 t- a3 v7 o' g0 z0 dMatlab智能算法30个案例分析 史峰,王辉等

4 j; B) u0 {0 H4 f* b《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)

0 \" Z5 O- p' O; m7 T/ j' e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.
0 ^* G/ u( H8 N, U, C1 ~" H
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。
1 Z3 v9 H" n& N; Q+ p- V$ {
# T* l* t7 H# Y, ]. x% j" F- \% aPS：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

3 c2 n+ v% w* \' I/ {; wLaTeX-表格的制作 汤银才

. B* k2 L  z9 J参考文献常见问题集

) B# D' P) y, N/ @, l8 wlatex学习日记 Alpha Huang
) G9 y2 r" }( Y% D
论坛：Ctex BBS
5 W/ b- l3 A# y6 I& G4 z, v
& s# f9 B5 R( e9 O$ w3 X& q( ]: u! j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。
7 f. q+ m8 [) a9 N$ o4 a
" O' L$ N: R& P3 C% C, G, c+ m
$ x& L6 q1 a# G2 c" ?5 I1 O2 r
$ T3 S2 I, k& z# `4 g
0 x) K( G4 G8 F# |

brown

这是在知乎上看过的，请注明出处