- 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
- 567244 点
- 威望
- 12 点
- 阅读权限
- 255
- 积分
- 175396
- 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 w3 @8 D$ c% r% M
一、选题(建议半天内确定)1 \2 S7 b& b0 w$ c$ C9 O+ z; @
8 ?7 M$ J1 d; \3 }; d' u& q 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。
$ k# m/ Q/ q0 Q4 q" V" c) }8 E
) M7 M4 S4 _8 L 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 ~* t. R! g; e4 U4 t, c- L8 W
5 T' W: a6 m4 u! {# S4 s& A
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。
" G; z* N0 i: P7 [5 d$ y0 B$ p' n6 }) w2 |7 Y y w0 r+ g8 F
二、题目理解和目标细分
1 t- S. A+ J `# l. v6 M/ M+ [. ]6 g$ w& s
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。8 ^5 e" q, |8 v6 G
9 Z8 V- E- O0 G/ v1 e; p* m
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。
; ]- V0 r: H4 i7 X! \2 v$ Q
3 n+ C! G9 w2 h# J 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。/ E1 F2 a- P! K2 o6 q
/ C* O2 Y% k% @- M5 C 第四步:模型建立完成后,进行求解,然后根据题意给出建议。* C) k& H% p' y* M
% D) U: }7 A1 }9 k
第五步:撰写论文。7 \8 U) `0 Y& l
& a$ |( H; f8 v" G三、再次迭代,继续优化模型
4 z% q" j' f4 R# c4 w: R' k4 j
B3 u# _% u9 o. ^3 M 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。# o* b) c% l: ~5 m) q
5 T6 @$ h: Y$ i: T四、模型评价+ a" B ?* M3 k1 t4 `7 P
; z/ D$ Q3 R( z6 l
在论文中,要对自己模型的好坏进行评价。
/ Q7 z! t/ j- f) S5 P
1 {) c7 ?' _( X2 o: B五、其他建议1 q* X* M0 b, M
9 T* x' X' ^9 J* m* N 论文撰写建议:
: u& ~( Y! j! W% y" Q+ r) o/ @( a/ p" c% c6 \" L+ [2 b. H, O
1、 准备通用的论文模板。1 ~8 }$ l8 T N- P
! b7 \2 N# Z/ N 2、 多采用图表进行表示。
9 i0 m4 O& P+ e$ O+ u# o
" L. ?# B) z- \! C( C 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。; P, \6 o+ k" H" l+ U, l9 @
) y! l; l4 `! [7 w, ?2 O 4、 使用最顺手的工具。: {0 q; D. O1 N4 F3 p
4 R" ^$ `" Z9 I; s) F
6 H& ~% P" F' S A% R6 A% L
! u/ d% e4 ^& P; r 代码准备:
5 e: G& s; V- j5 C" `. [5 e" a) M3 `; E2 {: z
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。
, u/ r! a% y9 p7 n1 @
9 Z) T; o( Q$ d8 l4 U* k8 U( n2 f 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。% I; e. u+ G: n- b4 K& n6 b
- r. m# I/ T; x( q" R
" U# C3 T( a( p H" ~
5 ?' Q- \' k$ U$ H
其他建议:8 O/ g$ w& h! _+ Q) `5 N
( f8 r" e V6 {( s
1、 当题目过于抽象的时候,可以通过分类的方式来求解。, \2 l! h; h' c( y$ v' A
% B) p2 F" @$ N3 z! P. l; E# z- J
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。
0 |# t a q0 N9 }: n! v1 u1 t$ Z" L
$ g v/ }1 I3 f: N6 S+ i" E 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+ R/ h' r. F ~, G6 X5 }---------------------
+ K( q: d/ Z' T( M8 r1 V; w3 M c$ ~4 a
2 r r+ v' g- d" ~6 I2 m6 V' q
$ a& d4 H2 \7 b1 Q |
zan
|