美国数学建模比赛建议

杨利霞

美国数学建模比赛建议
0 D3 V  C( k, n2 M一、选题（建议半天内确定）
- j: H7 e7 `; k0 s! T
* t( h* O% u3 M% |+ T3 b4 A% w      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。
6 d8 }- _9 {  ~. C5 U( X7 K: u
      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。
3 a2 G2 W9 m1 U% Z  x& w! Q; r* L
  z% O5 m* |/ s- M! V      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。
0 V$ K9 D; n) c/ d# v0 L
8 O$ c$ s1 S; r) A# I# E- {二、题目理解和目标细分

      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。
* |; T3 }. A/ F  z2 d( t
      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。
! W; v/ n9 _& a5 ]- f: }
: j5 P! C0 o" e/ L# v& Y% ~1 h4 x      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。

      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+ ]! V! ]; e" p  T      第五步：撰写论文。
: D8 \+ o- O4 e' ?/ J" h! ?4 _
6 w+ c8 O+ _+ _- N0 `三、再次迭代，继续优化模型

# i+ n: ~+ R6 f" `2 ^/ l0 L       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。

四、模型评价

     在论文中，要对自己模型的好坏进行评价。
+ U( h5 n. X4 T
: J- {. I7 ?7 a  D8 V2 ?五、其他建议
+ B5 ]) c5 W% T4 ^" N+ f; M$ u
9 ]  Q: P( b$ S' P1 h      论文撰写建议：

      1、  准备通用的论文模板。
* _2 L& q6 c0 f- u( a; r
' ^  T& M; ~& A) Z7 P      2、  多采用图表进行表示。
# h/ ^& c, X, r1 t5 ]2 ^8 ?$ k. o* b
+ h) Q3 \/ Q& v  [( ^1 t      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、  使用最顺手的工具。

+ k" N6 o: N, K$ M% y

      代码准备：
1 n0 p$ K/ ?+ i$ g* u
) t2 x! Q0 U( y! f* w1 u1 M      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 ^5 o/ O( U2 }2 Q# Z% ^8 z      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。
$ s) O* y3 G# E/ r1 O* H

( ?; b2 J$ y3 \. e. ?
      其他建议：
, b& ~9 p2 t8 [6 ~% p( X
      1、    当题目过于抽象的时候，可以通过分类的方式来求解。
" ]+ r0 C1 _  p  L/ o$ I+ F- _' n& O
7 ~# @" q/ q7 y7 Q' `      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。

5 H# V! k- A7 q+ U% p      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。
: y$ z4 f" [8 l/ W+ C---------------------
/ P; w6 R3 _7 ^: g
  l- a( P" O. i6 K3 |. S  P