- 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
- 566760 点
- 威望
- 12 点
- 阅读权限
- 255
- 积分
- 175251
- 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 |
9 E* U9 I0 N& T- @
美国数学建模比赛建议-实战分享. T# D4 S" Q. W" ~2 M. g
8 v0 `! S: s9 a4 i3 `一、选题(建议半天内确定)
7 z, v' F' n) X" S! N R6 ^# Q: \. C) {; z+ |
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。" O2 q7 E; X4 `7 m& A6 T1 I0 }0 E
) D' p4 o# a 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。/ x. e$ @1 N" i; f7 U5 u; ^
, S' ~$ e6 M W
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。, V# J9 E4 \. Q; h
* q0 N, O3 p9 `5 a二、题目理解和目标细分
0 v0 I) r: S' {
, x! ]: x5 Z: y 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。' @: | ^; ?9 ]7 u% C$ y7 z
. }+ m( s# e1 e2 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。
9 q6 r, V' S: r: d, h
5 t0 f: k# n$ Z7 z$ c 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。
( u: O. a9 Y! f7 I" F/ g" @) m( M- P) o$ g% v' q7 |8 O
第四步:模型建立完成后,进行求解,然后根据题意给出建议。+ C4 a L2 S' V: Z
# E% m& g( Y; T
第五步:撰写论文。$ U: D7 B& n7 @) X; S: s1 }6 d# l
8 b$ K# E/ I+ @三、再次迭代,继续优化模型
$ N: g8 E& w {, ~" q" d1 w$ a" L5 d* x3 b/ U7 q
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。
! @. C4 @8 _1 k" _- ^# I$ V. w9 {0 \0 z% I$ \. [! Q
四、模型评价
# G: m- T3 ^! X9 _$ G; c# Q! e7 z, _$ x. q6 V
在论文中,要对自己模型的好坏进行评价。) @# K% v$ s+ ^- i' m6 Y
8 e6 ~- i3 d2 k! i) Q# `. A# B( s
五、其他建议
0 ^9 h. w3 ]6 B. u; C' P+ d& J" s/ j5 Y, ?) j9 ^
论文撰写建议: |% i( A( ^, [4 I
5 j& B* [/ R7 R+ ^
1、 准备通用的论文模板。# T, i# O- R) L
+ v9 `" R* Y8 T( G' X, X8 S* ~
2、 多采用图表进行表示。
( F# E4 p: O+ y% F) b: m( N" z; K: ?, [
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 @( X- w1 ?. H2 ] z' r, R+ w0 w1 z: [# |
4、 使用最顺手的工具。" n: Z9 j5 L( m6 D
# f. F1 \% A6 E( ]: Q4 J* K" d0 y2 [% B* X- R, _* n
+ q' \ b% @! S+ c2 k9 _; s* g' [/ F# Y
代码准备:0 _1 l; X9 }2 O/ a. ^6 y. ~
# S- A8 j/ `6 x3 O( C 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。3 M+ N) N$ c) K8 d, U% G
4 y% j9 p: w: 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。
R6 `. f" G1 y r$ g" @' _+ F$ n1 a" f+ P; j! J6 ~: l- k
! D( I4 \6 u8 k% r. i
% ]2 b" u/ `( J" F
其他建议:1 K d: o0 G6 _; p' L
& g5 w1 z" E- w y 1、 当题目过于抽象的时候,可以通过分类的方式来求解。
0 |+ l# g7 Q, \' G/ D& V* ~! t# `( C- z( ?+ F8 l: r9 u# f- 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。 T7 [: Q6 F, m8 P. v
1 f$ H, R. y+ V3 C' d& @
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。) `! p9 F$ t K- ]
原文链接:https://blog.csdn.net/LieQueov/article/details/79261885
; N7 ^$ @! O( t5 J4 U' G% B. _* m) o4 c) w4 C
- `8 ~: i- @% R4 m' W" T |
zan
|