- 在线时间
- 1630 小时
- 最后登录
- 2024-1-29
- 注册时间
- 2017-5-16
- 听众数
- 82
- 收听数
- 1
- 能力
- 120 分
- 体力
- 564661 点
- 威望
- 12 点
- 阅读权限
- 255
- 积分
- 174621
- 相册
- 1
- 日志
- 0
- 记录
- 0
- 帖子
- 5313
- 主题
- 5273
- 精华
- 3
- 分享
- 0
- 好友
- 163
TA的每日心情 | 开心 2021-8-11 17:59 |
|---|
签到天数: 17 天 [LV.4]偶尔看看III 网络挑战赛参赛者 网络挑战赛参赛者 - 自我介绍
- 本人女,毕业于内蒙古科技大学,担任文职专业,毕业专业英语。
 群组: 2018美赛大象算法课程 群组: 2018美赛护航培训课程 群组: 2019年 数学中国站长建 群组: 2019年数据分析师课程 群组: 2018年大象老师国赛优 |
美国数学建模比赛建议3 P9 x9 ?2 m- {0 b& i
一、选题(建议半天内确定)
, r; r- ^5 a3 p+ ?
4 a7 Q$ W# u% Q& P 美国数学建模大赛分为MCM和ICM,从2017年的题目来看,ICM的要求更加明确,题目描述更加详细。那么ICM在评奖的时候,就会有所谓的标准答案。并且ICM提供了大量的参考链接和数据。在国内的话,有无法访问的可能。ICM除非确实有这个方面专业的同学。否则慎选。
( R: n# z6 \# K( `% N9 R+ Q3 r# W" p& l8 w0 ` g% f/ B& P
MCM方面,有些题目容易理解,但是没有数据。有些题目因与美国的文化差异和地域差异,导致理解困难。这就需要在半天的时间内,快速查找资料对题目进行理解并且尝试寻找相关数据。在半天之后,根据情况,选择题目。比如A题易于理解,但是河水流量数据、水坝的具体数据是直接能够找到,还是要通过建模得到。这无疑增加了难度。而B题高速公路收费的题目,因中美差异,收费情况可能和我们理解的不一样,会造成审题的偏差。所以,需要根据资料的查找情况和大家讨论,以确定题目。* m, R: ^% b0 n# q9 H' C
% N3 A7 h4 q' v 注意:易于理解的题目并不见得简单,而且你易于理解也会导致其他参赛选手也利于理解,这样会造成某一个题目竞争成功的难度增大。; V! Q" ~0 d! [3 t
$ l6 c. H. V* ~% j二、题目理解和目标细分
; h9 V2 V" E- P& y t$ n" u
: N. B( o* w3 L; J. R 第一步:当题目确定后,首先将题目中表述任务的词语画出(一般为性能、花费、安全等),和要考虑的因素画出(比如A题中的流量、生态影响等)。将题目的目标具体分成几个部分。明确哪些是先要做的基础工作,哪些是在这些基础上进行的工作。比如A题中,要评价3种选项的优劣,那么在安全性评价上,要先得出水流量公式,此时水流量就为基础性工作,而评价位于之上。此时,可以画出一个先建模什么再建模什么的模块流程图。9 d1 l+ }; m5 S0 ~
( O) @) J; ]5 ~9 t- ]
第二步:进行头脑风暴,将这些基础工作进行细化,比如题目中表述为性能,那么就要讨论以什么参数来定义性能,比如吞吐率、延时等,都是性能的定义,可以采取多个性能参数,也可以只采取一个。同理,限制因素也能够通过同样的参数定义。进一步讨论哪些因素影响了任务的完成和目标优化。此时可以建立一个简易的模型。当然,也可以在网上或数据库中搜索相关论文,如果能找到更好的模型,那么就直接拿来使用。比如在A题目中要求解水坝的花费,可以简单建模成水坝一平方的造价,也可以建模成水坝是由发电机、闸门等部件构成,通过各个部分合成来确定水坝的花费。& C% ~7 R" p, X2 i, M
1 R# @4 L \9 D- w
第三步:定义好参数过后,来确定哪些参数能够通过互联网找到,哪些参数可以通过找到的数据进行计算,哪些参数需要假设得到。然后进一步细化各个参数。模型进一步变的复杂。& k. Z( B; g$ i
+ J# m" Z! d: J/ L' p8 m
第四步:模型建立完成后,进行求解,然后根据题意给出建议。" o( d. c$ f+ d0 o
3 C# Q" ~; u7 l1 P
第五步:撰写论文。1 N" F. x4 ?7 A( k4 [% v. S" }
( X* s- f% j# [# o: h# p$ r$ ^) u
三、再次迭代,继续优化模型
! C- l9 Q2 k- K+ r$ E6 A7 F" y7 M; F9 U( {
在建立和解决一个模型后,可能在此过程中,又收集到了更多的数据或有新的想法加入,不用推翻原模型,再次构建一个更加准确的模型就可。
% q' r* s8 P2 S! ~- L$ n! R2 p1 A1 j# z( r8 v' d0 p2 T
四、模型评价 T) u$ W$ |' x3 d& A
+ B( [: a. C" R0 n# U
在论文中,要对自己模型的好坏进行评价。
6 t3 m; ?* D/ n& @+ q$ [! q9 `; `& P. t
五、其他建议
' z0 `) Z+ M% n; ~- O
9 i; a. B( @5 ?1 [ {/ g0 C 论文撰写建议:9 C+ W' G$ z) L" U/ [8 q
+ t1 I0 U0 a L5 w" t- I/ i( W 1、 准备通用的论文模板。
" ]3 l, F6 D M# W3 x& c
7 M# J+ b' o' v* P2 D( B. @ 2、 多采用图表进行表示。
. C& u5 B& c6 {1 h# l. F
8 z6 Q: [& J& W0 B1 G% ~ 3、 提出重点,在自认为的模型重点部分使用斜体、增加标注等方式进行强调。
3 [( E. Q9 [( h$ n7 K8 |2 ?7 `" B4 s0 Z1 I) t! F, H3 F2 t" }3 ]
4、 使用最顺手的工具。$ v. ]' \- G, n
( r8 A; M6 p9 G7 D/ P3 K& O8 `
3 K$ K; y5 A3 S3 A1 ?* Q3 c. A* g0 p
. d* i3 o# y" J5 N$ M, O! G( y) | 代码准备:
% S& f' m& Q$ Y( q
/ O$ P( d7 ^- w& M0 i 1、 因MCM的题目一般都为优化问题,比如求最小值、最大值等,包括单目标和多目标,建议准备遗传算法备用。
* k) m( V% j6 g( g$ r% Y: R$ E3 Y W9 y/ t- c
2、 因为可能涉及到函数拟合部分(大数据的情况下),建议准备BP或者RBF神经网络代码。
# T/ B6 W. A6 A* ]" U+ q5 k! {; ]4 a/ [$ E$ f( |' n0 g
6 L* K$ A1 i* m8 ~9 B
, q W- `7 U* B8 X( p& n 其他建议:
# R" V3 W& m _" j: D
/ f' U+ D$ |' q 1、 当题目过于抽象的时候,可以通过分类的方式来求解。- F2 u% z) i/ Q& l
9 B8 ^' ~, b9 R 2、 题目中如果要给出建议,可以根据不同的情况,进行多个建议的提出。
. j4 H- f; w. v @" R% m; w- v. e; f- O1 h' l8 o+ q# G0 P: y9 T2 g3 V/ g
3、 切记不要只提出一种建议,或者只出现一种答案。比如在A题中考虑到花费最小,那么安全性肯定就不能最优,此时就可以根据实际情况,在安全性达标的情况下,考虑花费最小。而安全性达标是考虑极端情况下达标,还是在平均的情况下达标。这就分类讨论了多种情况。, O0 b# v; y' v, V0 C2 j- ^
--------------------- 6 V( Q0 K. J; @9 y
% ?8 O# s5 \: u" l, n$ T+ }( n! [ [5 w6 r# i3 h2 T% c% t
/ ]# {* s' C7 b( C4 m |
zan
|