- 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
- 565626 点
- 威望
- 12 点
- 阅读权限
- 255
- 积分
- 174911
- 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! _% R6 p9 X, g, r0 R9 R+ X& B: S( d
一、选题(建议半天内确定)
# {5 |( f N8 I9 Z/ V( u5 {
) n" W4 A7 ^ E 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。
: G9 a6 J/ |" a. f8 S( V- q( H; o0 I5 R) I( z" D) x0 S2 C
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。/ w* R0 M, M" B9 f
7 W b, y6 K$ Z. p! Y. E
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。2 a, u6 \5 r( E- K
L- c$ Q3 y# U1 P) o8 J4 w二、题目理解和目标细分
0 Z' O% f. w# d2 l8 }
5 O4 r. Q. z% v. x% N# 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。$ }4 s0 s8 j& o7 c3 c( W
0 o8 _% @8 u* b8 j; C8 W G
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。
( |& u6 Z, \! K2 M
! r# }/ B- D- ?2 { 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。' R* c/ f0 d# _+ V3 j
$ u+ R; c" F, U# S
第四步:模型建立完成后,进行求解,然后根据题意给出建议。
% S0 \3 T8 Q7 S1 }+ V/ q& Z& h U4 I9 x& \
第五步:撰写论文。
& _* E, }" B4 l- U- J
) A2 Q7 B! T, M, J9 U: L |; m: G三、再次迭代,继续优化模型% o2 u5 z3 I1 b5 G4 r. d: w
/ k- t% ^4 ?3 c1 }
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 f+ ^- U1 j) l8 r/ J
8 b; R: ?3 B4 |( k1 U$ {3 u5 j
四、模型评价# }$ o/ a4 h2 [- O: A
) X1 O' u# ]1 r! A7 a- B4 E; K% s 在论文中,要对自己模型的好坏进行评价。# ~$ `6 j9 ], t: }
0 h% z1 H: {2 p7 l$ T3 y五、其他建议
; F; _8 E5 E. ^; O- I S4 p2 y1 _' O( F0 L5 C6 {0 ]8 p; |
论文撰写建议:1 i H/ |/ ]5 T( W. X; Z9 W
6 I5 ]' p" D; f2 l 1、 准备通用的论文模板。$ S; h. } k: M0 @1 Q! d+ \4 Q
@/ d2 ~7 Z' h& h0 A' h9 _
2、 多采用图表进行表示。
( } I- W: f' z) S% {, y% i K1 F4 w* W
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。4 e! h% x; Z6 ]. l
& v0 b* ~' N8 x' c8 j: Q 4、 使用最顺手的工具。( E- p% s0 O+ J! j9 G: K4 E8 L) N
( i$ ^4 S4 w, V( v$ m0 \( m: T, U0 H8 H0 j, O7 m
7 [3 s% B- _- i( Z 代码准备:8 N8 A$ F- @; C6 n
* x" j% b- l' q 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。
4 s! N% g; `+ y! A5 L% R0 B- v
! Z5 @$ {/ z7 d* v4 ]/ T 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。3 j7 @+ f7 {; P' q% L5 M% O; G
# \- o+ w) u' I P/ Q, V
1 U/ f/ F7 w( q! @" J
" L4 w" ]% P9 D" L0 O) b 其他建议:8 Q6 q: k5 W7 C
# q# y) A V5 t5 y1 f2 Y) i- j
1、 当题目过于抽象的时候,可以通过分类的方式来求解。" v. Q( f# i( T6 Q6 K+ g H
# f1 y9 [8 r1 A' C- Q) N 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。: R: X8 }$ Z( Z$ A, i
3 d7 Q8 ?/ R9 D, y9 t& i$ I+ K& k 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。) P( B- Q8 c' E" a
--------------------- 8 t; z2 X* e3 `" H0 U/ w0 d, _9 l7 }
; {4 I1 M7 w y: W4 g, L
( @, a# {8 X0 n) c b! U
3 E- R5 Z& L$ P7 Q5 y* L |
zan
|