美国数学建模比赛建议" c- f8 Y0 ]7 p t S
一、选题(建议半天内确定)5 n4 `& Z5 s. k o# j% @" X
7 b7 N9 i6 V$ T2 ^ 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。, u, }& P# Z$ |' N5 k v
& E7 E. d+ O4 b$ o. d1 x
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。; G* t/ C$ p' m# O% t. W: ~1 h
. l9 F. G0 t9 Q 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。' P0 W* t0 v3 T! V: ~2 N
% S, S' `* |3 l% `+ Z0 F! I7 w二、题目理解和目标细分: V9 q% V3 U( `; C ~- L: ^: {
" H- t6 r3 n* `% g6 z p8 a
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。# q0 p/ w. G ~1 t
. }, R4 \; i n& V5 Z8 q& m& b
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。 9 q8 o3 h1 g% c0 e , n6 _! S7 U4 _ 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。: }1 R2 q1 d$ X% p
7 {9 X; c, O8 K: l 第四步:模型建立完成后,进行求解,然后根据题意给出建议。 ! t" k( Q5 @9 ]* r " j4 A* h: a" s+ Y @ 第五步:撰写论文。 - y! Y n: z, f1 [0 _) g; h* h2 \* f' D6 ?4 l
三、再次迭代,继续优化模型) C4 M6 G8 ]$ Z0 f: u- W$ J
: I7 q/ o0 c/ G% J5 e 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。8 Y9 P1 |9 ~. D$ Y
" Q% V' s2 S1 R A) n* Z( O. H( _
四、模型评价 9 r& n+ F4 t& m% e' |8 i4 d- M' p) d9 D) a6 I E x) ^
在论文中,要对自己模型的好坏进行评价。 : N; G8 Z8 V* l0 ^! B/ o' e) k6 P% s0 j* k( q% z$ O
五、其他建议0 n6 a: ]! j1 c; Q3 j
8 e1 N) k. \& S9 E) u1 K# m, H3 t 论文撰写建议:1 ]$ l+ U% k8 L1 f- ?4 k6 F* T; g% g ~
) o( z; H8 H. f 1、 准备通用的论文模板。2 a& R% O- b- D X0 d
+ k" ^8 ]6 B1 x2 V/ O 2、 多采用图表进行表示。* n8 {8 _, p# W# t
/ `8 b( X. d8 V# h/ y- n
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 }7 C% x8 D* ~5 U5 T! I1 T E0 g4 H2 d
4、 使用最顺手的工具。 7 {( ]6 t8 h7 B9 d# u, F# ?0 {; ]& \" l7 T, `. N
! Q; p8 q6 m# R 9 G/ h2 C1 Q/ @$ A# p 代码准备:+ G8 n5 e @3 e6 U! m- Q( R
/ E6 Y" m# ?3 o: k2 x6 Y5 Y
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 L( h/ y _5 s) K7 Y
) d9 w% v. ]& C, A. @, O& K 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。 ! [. U, h0 } D. k( g/ O: K7 h# R( l7 f% N3 |
, p7 J; d. O0 J/ k7 p( y
' m, a* W3 V8 g
其他建议:4 C( R! q' ]8 f3 Q( p0 L/ `
) s4 y$ p$ X6 e. Y6 V; _( p 1、 当题目过于抽象的时候,可以通过分类的方式来求解。 1 _7 d- A/ N* i% A ; s9 y, a* Q& E; `6 u7 u* X 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。 " w' @9 x2 o- @9 E8 A , ]/ g2 D1 r% t/ U/ q- |& H 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。 ( I( W( ]: b2 S8 {3 W--------------------- ; g) h6 l) Z0 O + D! X l9 s; g( M3 T3 G0 C$ D" G. b' _' `5 B3 @* \
# q+ F/ w9 @' ` W# d0 o" T1 K