五步建模法

洛桑曲旦

5 C2 K0 ~/ M  @. q) V" n5 J  H9 U7 _

& G, F! b; r9 j* S  d
/ G9 n( v4 d" G$ w7 z1 t( q

五步建模法：

5 g# L" m& z0 {1 Z第一步:提出问题.
9 P% n. H9 Q0 X) b
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。
; }& x2 c- r4 c5 G: Q) R$ z
- u7 @: o3 u, m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。

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。
; K5 Z9 O/ o! [3 G4 v2 R7 r
$ t" T1 B5 j* _" i; V第二步:选择建模方法.
! A. j0 L; s1 f* V  c- }& x% ?
% l7 q1 h; b* r" j9 ~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。

( c7 b& |3 S7 s第三步:推导模型的公式.

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 T7 s* c! Q5 H! C* g# x
. N/ c& B/ f  P4 B  T第四步:求解模型.
+ y$ z0 d+ W& ~3 r8 t
) r' {9 a0 S; a% |% T这里是编程的队友登场的时刻了。
% J' M5 n' W& n9 C  L3 U* Q
; i6 E4 b: U3 J& x' w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

微分方程：Maple,Mathematic,MATLAB

. k# P, T% R0 A  r, l0 y运筹规划：Matlab，Lingo

智能算法：Matlab，R

5 P5 x9 Y% P6 F  N# 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++

总结： Matlab是必须的，再来个SPSS，一般情况下够用了。
5 b. [+ R# U: H( B2 H9 J% @% u
$ X; c  Q) j# G第五步:回答问题.
) I: i2 N$ V" ?; t
- K- C& r8 e$ \6 G& Q9 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。
8 m: L; K( L  J3 L( D9 e1 O
关于比赛的一些个人体会
& S: c( ~$ |, |; u+ w' T8 O
1、国赛和美赛是有区别的

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。

' i$ |; c1 \! S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 ?+ F9 Q# U/ g
2、文献为王

' K; _8 W6 ^0 x2 h& q2 \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。

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。
. L% s2 f8 b4 n4 u8 h" |0 j" 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）

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”。

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。

3、掌握一点数据处理的技巧
8 h4 o5 U. @4 r
$ _4 `$ e2 a$ e! X. f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.

" M4 u% ]- a7 w: o  |. Z5 ^/ r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。
. k# h) q: G3 V4 h) S
- H( q1 X5 S9 G9 ?. W! G4、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.
4 B% Q; x: R3 [5 z
4 U; B/ z0 y$ pMATLAB推荐书目

基础：
' U& i2 N9 ]# L# F2 V
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）

7 W/ `1 D, s4 A精通matlab2011a 张志涌
! u9 I) k7 V; m
提升：

3 M: z. S: q( l& n+ B9 Y! i- ^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）
, Z& g' P" u$ h4 P- m5 q# A5 s% K5 e
: m* A+ o1 c- [" bMatlab智能算法30个案例分析 史峰,王辉等
% o8 N+ Y: N% s
3 W6 u# G  f4 Z' d( z8 x《MATLAB统计分析与应用：40个案例分析》
0 W. U& ^# Y# s. s3 L' p  _( u
3 ~8 E6 ~4 p" F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)
* ^. d4 z( o6 G
. ?1 K# a3 \) v8 t8 T4 ]6 N. n! ~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.
! e  Q7 T+ W/ u$ N# e
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。
# d/ K. Q; V; s! P) d
) U# m: g8 z  c3 L& _, h$ LPS：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：
0 M" [; B" e1 i6 F2 ?. N% c
LaTeX插图指南

一份不太简短的Latex介绍
, H& h$ j+ o" [8 H- U5 Y6 L8 R2 M% Q
LaTeX-表格的制作 汤银才

2 H5 j8 e9 G: @1 s' {参考文献常见问题集
" D9 ~; C7 v7 |9 k7 u
latex学习日记 Alpha Huang
7 ?" R2 }" ]" D% d0 C
论坛：Ctex BBS

& T8 q& u2 j5 k- W* s( N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 c, v# T0 q3 ^& B7 t- ^+ o
" j4 R5 ?+ P1 q# O. k
5 q) z% t  q4 G% ~" r

brown

这是在知乎上看过的，请注明出处
1 M4 O8 y4 D& y$ J0 H