五步建模法

洛桑曲旦

  S5 O$ h% f: w# j

, p& k" t  @7 x" P3 i( ^+ ~; N* g' H

五步建模法：

' G$ H- S8 P3 ^$ a+ K" P第一步:提出问题.
  o4 ]. Q8 q4 ?4 ?
9 l2 h6 E. L, P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。

: Y0 I! Q5 K1 j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。
% k1 S( l% ^2 Y. b( G1 ~. ~: w
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。
& S2 @1 R$ f: f
: K, W; a2 ^& T/ |  o. X第二步:选择建模方法.

2 z8 l, P( H) n, O/ X6 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。
/ l2 X) `. g& K' p* i
( {: Q; U3 f4 d: c+ S第三步:推导模型的公式.
! @2 y0 J! e* o3 I, f+ B( l  L
% }" t3 Q6 |  c0 W  \) a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。

2 ?: _2 B  o) Q* v. X8 V第四步:求解模型.
0 A& L, p$ o' V( i. `
这里是编程的队友登场的时刻了。
+ y* L6 W3 Q) L* H1 B) L( o
) C: G: h; F9 N4 X统计模型：SPSS,Eviews，Stata ，都是菜单式操作，easy的。
/ w* }" W0 ^3 ^+ E
数据分析：R，数据库SQL Server，IBM DB2

微分方程：Maple,Mathematic,MATLAB

' t2 U6 e+ i5 X, Y  y6 c1 y% y6 v运筹规划：Matlab，Lingo

0 \3 h. W6 n1 ?* o9 @8 s, y智能算法：Matlab，R
3 g+ h! e0 R8 y5 J' O
3 O, @1 P! \4 H4 ]/ K时间序列：统计模型中的那些软件，或者R，Matlab

图像处理：Matlab，C++

  |. k5 J9 ~  R; X1 k( F) M总结： Matlab是必须的，再来个SPSS，一般情况下够用了。

+ p# g# f4 s3 k; a* R. T第五步:回答问题.
, ~" ?; }* z$ u2 D8 a* M8 \
: M6 R) L0 A2 ]" g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。
" C" P9 L4 `4 K. t0 O: \
关于比赛的一些个人体会

* Y$ l8 s: @% K9 t' Y$ ^1、国赛和美赛是有区别的
: d; k* m& f3 i7 z+ p( R0 d
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。
# S  z: {! V2 L2 t: Q0 {
& x* p/ {7 ?1 Y) [6 g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。
) P9 P7 x% |; o8 u1 D+ H. N7 {
2、文献为王
; t) H; F0 Q* L+ v7 c
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。
/ @. q, Y/ U. e2 C
6 e& n8 g- e, R- Z2 l! d2 Q& N0 N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。
9 H/ l" @+ e; F$ e* _/ u
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）
+ y& B% r2 K- i
0 ]+ M9 b# L6 _; \: Q1 |. vPS：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。
4 O6 R$ w/ m9 p8 f
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”。
! _. u) m. q6 \" J' s$ F* j
% ]9 d% C7 v$ V0 d- k0 ^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。

, s6 l7 O) [0 c% d8 z3、掌握一点数据处理的技巧
9 H" O" x- M5 k: t4 h: U/ s
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.
. R, F- }; V+ n, I" 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。
/ M6 V, D4 Y+ y0 J' {
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.
! r; o; Y( h6 T# E1 n2 U& D
( L9 Q- B9 K0 N5 E3 F" M: W0 S, b1 iMATLAB推荐书目
: |; C  \% Y+ y
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）
* F- Z/ \" t3 x! v% L, u+ Q( o& K8 |
4 L: F+ |  S7 C) v精通matlab2011a 张志涌

提升：
! S; [( M1 m! T) y4 @5 A2 q
1 S' `3 I( u5 |5 X+ 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
# R1 S" {4 q8 G4 |! B" o. R/ V
《MATLAB统计分析与应用：40个案例分析》
$ I. V4 @* }- F0 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)

4 q, ?# D- N; ^0 Z1 ~% }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.

& u4 i$ E- a3 F) j5、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 Y/ Q: t' ?! }& w# a
1 \) X6 r$ b& q3 gPS：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：
" ]+ E5 x/ ?$ P7 y
# A; C, ^( k: D) p$ z  VLaTeX插图指南
5 o2 x) Y* S! c0 ^! _4 v
一份不太简短的Latex介绍

LaTeX-表格的制作 汤银才
# @! F. \2 V+ O0 I; e: F
参考文献常见问题集
, ]& J1 y* \; L) M
+ [$ B/ l& \- ?, {' O" R0 `latex学习日记 Alpha Huang

: J+ F; c4 Q5 d2 o论坛：Ctex BBS
1 U1 @0 {1 x' [1 o; h# ?! `: B
) v) [& f3 F/ h$ p, A结束语：
4 M/ W* u- H, F- E9 Y3 T
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。
0 Y! D, o; Z( i# D


" p% ^- U/ c4 y% d  p# Y

brown

这是在知乎上看过的，请注明出处
: S, C! X+ o: [+ j