美国数学建模比赛建议-实战分享

杨利霞

& x4 x2 Q# @4 S4 F美国数学建模比赛建议-实战分享
* q% H1 i, z" X/ k, m* N
一、选题（建议半天内确定）

      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。
3 O  x; _. x5 X9 N& e# B
+ n- j6 o8 r5 {$ E% {! k) v      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。
) I2 f- T5 K  T* c4 M
      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。
% q4 K1 {: u) c8 E0 j8 Y5 _
二、题目理解和目标细分
/ h; t- [) a" H* S) V4 d0 S0 s* l
      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。
/ e: A& v: ~* V4 o
* n7 `" L7 h& {0 U% b+ m& I! h      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。

4 T* M( e' w- t  N& ^" 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。
( W$ X# ~4 N6 }) e
      第四步：模型建立完成后，进行求解，然后根据题意给出建议。

      第五步：撰写论文。
' s( j) g0 |- r% f9 l* U
% P# r' P4 w6 ]0 {# }: E3 n三、再次迭代，继续优化模型

4 H4 D3 E$ `4 I. w$ H: u# O# h! N       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 i% N' M! k$ V. b" x4 M
# ]+ d2 Z0 n: e; [- v4 L四、模型评价

     在论文中，要对自己模型的好坏进行评价。

五、其他建议
+ D3 t* J# P8 T) e: m7 W* i5 e
1 h( C$ ^7 P8 j" y      论文撰写建议：

2 C0 P& E1 l# o% X      1、  准备通用的论文模板。
! m6 _! W8 }+ I  {. h. s. `
0 ], w0 g6 Z9 C8 S+ m3 d      2、  多采用图表进行表示。

  _% L: X+ W8 R      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。
: w& B7 @/ K6 E
. R8 ]5 P# y# k      4、  使用最顺手的工具。



* r) F8 [9 x$ w2 v$ |# u      代码准备：

- i7 T2 }5 U8 }      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。
- D2 ]' B4 K- n; b
      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。
; L" v7 L; b' _! y- O8 a. d7 s% h
* ^- j$ [4 u( j( f/ q4 T( g

) d0 r7 a; j9 D5 w      其他建议：

( t6 @+ V* i) `" `      1、    当题目过于抽象的时候，可以通过分类的方式来求解。

      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。
( z: c# |$ X' z* [
1 A# G6 s4 c+ p  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。
原文链接：https://blog.csdn.net/LieQueov/article/details/79261885