- 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
- 555718 点
- 威望
- 12 点
- 阅读权限
- 255
- 积分
- 172088
- 相册
- 1
- 日志
- 0
- 记录
- 0
- 帖子
- 5313
- 主题
- 5273
- 精华
- 18
- 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2 r* D d9 V5 T, _# E I9 B
一、选题(建议半天内确定), J- a% s% ^% l; ?( Y9 q# {
, p- S Q4 C' s6 w0 R 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。
^* B4 q8 W L8 S. i5 Q
, m7 T7 c- ~, j" A7 M- a* I 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。
1 L+ p% S0 |7 @' j( r
1 ~5 \- n/ o8 g( I: f4 n 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。
8 X) N: z& P2 L( H
& T6 t M( L7 f. M8 `- I: t: \' T二、题目理解和目标细分
( R6 \% C% j5 @- W1 v8 e* O! }# b" v' i! b) T
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。6 M: d7 K9 b3 f! u
# |/ z" W4 k1 G) n) `, s$ n
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。/ {- D0 i% o2 o& ^& Q
4 l" `: z& k( ~' C( C7 ~+ u' 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。$ X1 P. _) z; q7 }
2 z0 `7 g0 \: ~8 w 第四步:模型建立完成后,进行求解,然后根据题意给出建议。
/ i. X$ D* h0 U' Z q* s' e
8 J, \# ^ u3 M% [ 第五步:撰写论文。$ P: i5 }( X' E: ]/ e
$ H( Z5 m! D# _7 ~8 a6 o5 H) t, W
三、再次迭代,继续优化模型
7 C6 h: x$ t0 T! A7 z. H! q6 M+ E: I' y" u+ z
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。
0 W2 g5 d0 H3 q( G4 u* ~/ u: g# D ~7 Z( s+ d. a) l
四、模型评价6 ^4 n" p# X( c% y
) Q! N; Y& Q* m9 ? 在论文中,要对自己模型的好坏进行评价。2 e9 m" [- X# {
; j: O9 B& T8 t
五、其他建议
! d- l* ?2 ]: L2 t% e I( C- u
6 ~' U. O9 p7 x0 M4 d; ? 论文撰写建议:; L- t4 F# W ]1 u8 u
5 A2 U9 h/ @; g6 Q' {2 @8 M& Y
1、 准备通用的论文模板。
- E8 c. \8 u* j' r% |$ s1 H0 M5 P ?1 @# I
2、 多采用图表进行表示。$ u* ^. [! I* T/ Y6 ^
+ _5 s# S" `1 V
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。7 P' x1 y9 \" {, |, B* u/ [
5 y' N" U6 M2 s% O- Z, R 4、 使用最顺手的工具。' x9 |' G+ F' J: O1 ]; s
3 `: b0 Z- g# _
' {8 G W6 j3 {4 \3 i
}: t! L& h2 X+ ^6 L3 d 代码准备:" e0 R* U9 n3 T: w9 a
3 _, [9 w2 D+ p( @
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。
1 ^$ z: ^' x; F& D& }* ~
* h M& H, e! _! U 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。( y3 i% a5 U7 o1 G4 L
9 o4 l6 N7 H6 \: [* Q& A9 i' y) ?0 T4 ~
3 j- t- A% Y) C, W- H; J, M' u* G 其他建议:
f1 A( C! l+ O' C8 G! r" P: z/ H3 Z' k% G# j. K3 X* X# Q5 b. T+ O
1、 当题目过于抽象的时候,可以通过分类的方式来求解。1 ^0 R+ L; A: M( O+ `
. D; I. C/ |0 Q. Q/ `! d# F 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。
8 m: y8 |7 {, v( B$ S
: H4 m7 a- A+ F; `8 M; Z 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。
; U8 J2 P4 b6 n3 w7 y---------------------
, F# O/ U$ w1 G% Z4 I, I7 v
7 Y2 g( }6 q6 ?5 G
5 W9 n7 m$ z- H* b4 q; r5 B; G' x2 @4 N6 M* s
|
zan
|