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 563299 点 威望 12 点 阅读权限 255 积分 174213 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
9 @( h: X$ l& p" v( U 一、选题(建议半天内确定)4 T+ _0 b8 A$ D
3 w c2 P1 L! ] r. e! j 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。1 m5 d5 R- ^3 ~/ U
& @( k2 e; j' _0 x5 {2 ^; u3 R 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。; R" k+ [8 D4 z
" }7 _$ g! X# j2 Y# }5 ?* D9 \1 m 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。9 G( ?0 R5 }- L$ Q
4 w! f3 C: P: n0 Y, f* g& W 二、题目理解和目标细分
8 v% N5 w1 F1 h1 u2 N
& @1 N, @1 ~& Q' _: b x# V 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。; h* G8 m3 m' a, g
5 {/ I& g% X5 C& f0 _% Y 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。7 F3 c. U0 @/ x- ]' c y( K
1 J, ?1 L$ a7 U 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。
, U! E+ s# r; R! O1 C 4 f( W( e9 N" N4 G* l; n8 _
第四步:模型建立完成后,进行求解,然后根据题意给出建议。
1 T* _$ F& |9 Z5 s) X 3 {- g0 V; u' P3 ~4 f8 f
第五步:撰写论文。
: J$ U2 J6 C& e ! a) h5 ~# }, B8 [$ R& ~. @& }, X
三、再次迭代,继续优化模型, ]/ J3 g8 @: W& I6 p
5 H/ B* I+ X" ~1 ?' } 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。6 C- J8 K4 b! R% Q( L
. v6 |$ ~8 w% l1 l& Q9 U! p+ n
四、模型评价7 p- Y8 E* {( W1 v) ^
0 _2 t3 [1 F6 N; S& w* n
在论文中,要对自己模型的好坏进行评价。
& w2 B3 e! ~. Y; C: K o3 t, t
# _/ Y y: N9 w& C! R; N, z4 y, ~ 五、其他建议
& X- X a2 U' p2 H4 ~( Z3 R " @$ D/ b% A8 ?* e6 w7 I* [
论文撰写建议:
+ ~% b/ o2 E& {4 g9 B/ k- h6 C
! a# v h& d+ [* e 1、 准备通用的论文模板。
/ y% i( I d' T( B ( i. M3 r: G/ N6 c5 M4 n. @6 H
2、 多采用图表进行表示。
0 H$ H4 S/ M! X" H # F, K c1 X, p1 o' `
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。
$ Y! ]7 U$ r+ u L; V! U9 h, q
! Z6 w3 i8 Q1 x3 ]7 Z$ X 4、 使用最顺手的工具。
6 T" } A1 r# `: g 9 V7 F6 X% D9 B: C: [9 i; W
# V+ r4 @2 k$ q& J
9 y2 a& A+ n, t' B
代码准备:0 s1 q5 W0 p4 d5 g" w/ K
& c; _& H s- h 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。2 H* H( }; S, J3 S4 R) L; u
; p* O( P2 a" }, W 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。
) |- ]$ Q4 e" z3 {7 S d" N' N
3 E, t6 ?- g _! U
: @. t: x! }( F3 Z4 ?: r" k1 @
2 H$ [! V7 P- d* o" T- _2 f 其他建议:$ E% n4 f# X/ A8 t- t$ O# j8 m
' N/ j) s, e/ h5 i% J' K$ {9 j 1、 当题目过于抽象的时候,可以通过分类的方式来求解。
} q+ I z1 B# ~( N2 E6 \7 z
0 x0 Z" ?- l1 N" w 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。 |1 R. r2 ]& y7 w2 o
5 O5 b/ j, n3 N2 b1 D
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。1 n% o6 h( p* c) m3 _
---------------------
4 @" X+ s" U4 \0 d3 i4 s
6 U- v. {+ ?3 c1 l) c, x/ Q0 m ( T7 }7 N; N" x; E* {# S
4 N; Z1 m) p, e) M
zan