五步建模法

洛桑曲旦

1 N+ w2 G$ F5 ^& [

五步建模法：

- z( C: Y4 k/ l1 [2 U" h* E
  Q2 l7 I6 s  p, l8 S( v第一步:提出问题.
* h! z5 [/ u$ V6 B0 s5 d4 ^) a7 _7 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。

  _- i* Y( e! o# P/ w7 I8 v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 q: O& s" Q: q0 m* 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。
5 j& o; w) b1 e3 l9 i0 q5 B
& M( e5 J8 F% ?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。

( v5 x4 p2 Z( H, z9 Y! j1 O第三步:推导模型的公式.

+ H, }% \+ J0 C) T+ x! ?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。
; g1 O- A) g+ O2 X8 ~
第四步:求解模型.
8 m/ A- {) B8 @0 w# h0 x. n( E) g) l
这里是编程的队友登场的时刻了。
, _' E# x& d5 @2 V* m: ]/ I
统计模型：SPSS,Eviews，Stata ，都是菜单式操作，easy的。
: ^4 G. j# b- |# }( X; l& f* `
数据分析：R，数据库SQL Server，IBM DB2
7 F" O: L, K9 x6 E! o! h
- x! ~7 D; u2 M$ O( k6 ^* q微分方程：Maple,Mathematic,MATLAB
3 _8 [1 R$ X- ?, l; d( I# O  z. J
运筹规划：Matlab，Lingo
  F4 }, o9 L% E- V7 r
' ?" M7 O8 g: u智能算法：Matlab，R

0 S, I2 V, |) c2 v时间序列：统计模型中的那些软件，或者R，Matlab
7 X( N! V7 j( v- p( e" A
图像处理：Matlab，C++

总结： Matlab是必须的，再来个SPSS，一般情况下够用了。
, x9 T4 p6 q# b% p( o; O# O
- |7 ^& Z) Q" y) E" M! V1 w# ^5 Q第五步:回答问题.
6 o% d; F8 _3 A4 _/ D) E1 k$ \# X
5 Z! V/ \' k2 ?' A+ G7 N5 V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
5 J! V$ W9 U3 ?+ ~1 U
1、国赛和美赛是有区别的

" y, [# q5 W; g5 h+ a4 Y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。
& {/ ^% W' |2 m8 R! g1 C6 I
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。

8 L( D0 M7 M0 u% f- h0 ]. ]2、文献为王

' |& V8 L. Y& }0 D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。
- K; t2 H! h9 D1 [1 c* m2 n
9 c& H* A) H+ T  x4 I0 a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）

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。
; R5 |$ d6 P8 ]- M* c8 b  z
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”。
6 o) v: R) Q, ^, V
# T/ Z# R. S: d  e* t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。
' n  r$ M2 T% c3 `& S( X  z( I. N
& w% ~$ v( ~8 v: I- f  ?  |3、掌握一点数据处理的技巧
1 v4 s5 G  [8 f' @: ]$ K
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 U8 f5 R/ I: B+ x$ P: [9 L6 k! a2 h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。
% \# Y5 ^8 N5 A% j5 }
8 L0 _4 h# q9 i4、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.

1 _4 T4 m. j1 s) IMATLAB推荐书目
" f8 L' Y+ @1 W7 H/ ?2 T
8 M& s) A7 L7 x# @4 ?基础：
6 C0 E0 L3 M, W. u+ j1 W
% R: g& E! i5 @* @9 x: IMATLAB揭秘 郑碧波 译 （本书讲的极其通俗易懂，适合无编程经验的）

, ]) k# o0 M7 ^& X) R精通matlab2011a 张志涌

1 I( C- l* H8 H3 Y8 R" q; U提升：

1 P" E6 v: w7 j) \. o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
) D0 I) {' V! y$ I: q, ]- V
2 K  q% ?% T2 ~  v( A: `1 q$ t《MATLAB统计分析与应用：40个案例分析》
  b9 A7 d' e( l- c- V
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)

' o: _' G. H( ]( E6 ^. z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.
$ ^; N% g9 Q* K1 \5 O' |
' P* }$ J  B7 Y# E3 H2 L5、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。
4 X. P/ [9 `$ \6 u, \# f' Q6 a
4 }5 n- t0 n/ P; w& d6 O/ U0 D- l) nPS：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
6 y. M) H6 q1 |) e& B3 V
4 T. r9 a9 }( ?, ^: i! G% x3 w一份不太简短的Latex介绍
( v5 B: Q  L* x2 i" X$ k
LaTeX-表格的制作 汤银才

参考文献常见问题集
  X" z4 G7 y$ p* M$ w1 y1 I. t' r
- y* ?& a! l; {$ y  S1 P- _latex学习日记 Alpha Huang

' m  ]& {  b, A% ?" b, A; H论坛：Ctex BBS
& F( q, Y- ~# ]$ V/ V, n
- X1 |4 s( n9 q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。
9 o7 C3 U7 B0 ]8 q" Q


  P: i4 Y3 |  V/ @1 C% A! c, @! G1 _$ p

brown

这是在知乎上看过的，请注明出处