五步建模法

洛桑曲旦

7 P, l4 `; c0 `. Y5 V( d- K% a

五步建模法：

第一步:提出问题.
# I1 y) k; p% \' q# f2 S$ R
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。

, E0 D: y  {8 n1 u+ `5 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。
  l/ w! K4 ]* N4 }: O5 S: R: z
3 O2 ]4 H/ Q1 A$ A4 s1 I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。

第二步:选择建模方法.
4 B3 ^" N/ B, _7 j3 i) [
+ m  ~. s5 P& ?, c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。

第三步:推导模型的公式.

8 Y5 u0 F2 M3 R# O8 \2 G1 x' d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。

第四步:求解模型.
4 r6 d0 c) F7 x# L: z5 A; l% }
这里是编程的队友登场的时刻了。

2 C$ w$ [- [" M) X0 U统计模型：SPSS,Eviews，Stata ，都是菜单式操作，easy的。
% v- G. q" a+ @/ Q6 K) k7 E
数据分析：R，数据库SQL Server，IBM DB2
8 g1 \; B, Z$ j) _& |6 `8 d+ f
微分方程：Maple,Mathematic,MATLAB
4 Z5 I: C1 D# s& b! z
/ \2 p5 d- q! W' b1 P1 e2 }3 q运筹规划：Matlab，Lingo
2 K/ {* [5 A5 l3 H& X, M, M: H
( `5 M, V, N8 K$ }( g+ V2 E智能算法：Matlab，R

, o4 R: f. E4 f0 T) j时间序列：统计模型中的那些软件，或者R，Matlab

9 ~/ Y# |( T. f" _# r+ S% r, M图像处理：Matlab，C++

! B: t  o& X* \5 N$ l  e总结： Matlab是必须的，再来个SPSS，一般情况下够用了。

. x, A# v  v+ h" h1 n* M3 `第五步:回答问题.

4 X( S; j& q1 c, _. M4 b. n  @4 T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。
6 j: E$ v% s& K$ F/ c# l& z
关于比赛的一些个人体会
! _- z! h- V+ a' O) {! }# W
% u% j8 u0 q9 _/ K. H0 P1、国赛和美赛是有区别的
# V, J) `# I: ]2 y  f; I
) _3 Q8 k- l7 q' c( Q- n1 T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。
0 j2 g& q" I7 v1 Q' O+ P+ ~6 s8 @" l
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。

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。
& y3 A: k- s' _
! m* K0 E; b) Y2、文献为王

/ j0 v3 z0 i7 i1 i1 C$ M4 b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。
, N+ q3 ]. g  ~) {' E3 x+ y
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。
+ X# v' K; \5 D# y* z" Z  @/ H
+ _" J% r' U  }0 Y' D8 _, K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。

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”。

4 h) P7 U# |" ~! Q& G$ s1 }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。

% ]( G; G) R+ `1 }! L0 ]% u5 n3、掌握一点数据处理的技巧

: c3 J' @/ v. `7 I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.

6 k' b- x3 o0 j# V) g; V8 W6 {: t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。

; F9 i7 R; T! N' w: x1 a+ c& W- b4、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.
% r9 ~( M$ r7 v4 o  T
3 V. w* X3 j! U3 S3 v/ dMATLAB推荐书目

基础：

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 _3 W8 b0 O4 y% F  q! Q精通matlab2011a 张志涌

提升：
. u5 B0 o$ z1 x& N: ^
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）
6 M: s1 {8 r  {
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》
5 z% u' N& s8 k8 l
$ ]' h4 y7 \8 c' m9 s9 `9 A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)

: f5 c9 e# v. \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.
2 s/ q$ h6 E8 M
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。
% X$ U% o$ z* }2 N& b& e0 p
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：

: y, a0 i) N  v% j: y3 dLaTeX插图指南

/ w- P  ^9 b# G9 T. V% ?" ]1 l一份不太简短的Latex介绍

LaTeX-表格的制作 汤银才
7 J$ u4 @  ]% v
参考文献常见问题集
2 K) ], v6 `* N4 J: `! B
9 m) Z" F( }% ^4 u8 n, n7 y: \latex学习日记 Alpha Huang
4 `* D$ A) u' S6 J- T
2 ^, p) }: {0 Z! n7 A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。
# O1 k0 _! w7 }# k
9 J$ Q1 y+ T! k6 E  V$ t5 V; }$ G
5 d) P7 x( v9 |: d
4 {, i- W- F. O) C- ?  E3 x; D
! {/ H- L% R2 `% y: x

brown

这是在知乎上看过的，请注明出处