- 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
- 564647 点
- 威望
- 12 点
- 阅读权限
- 255
- 积分
- 174617
- 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 |
3 h% c$ u4 m6 G! k1 t% k美国数学建模比赛建议-实战分享8 G. Y0 c1 M9 B4 c) ~: O; s
$ D' ~. y# v6 O$ O
一、选题(建议半天内确定)
2 ?! j7 w' J+ F: l4 G' k! L' T/ c1 k' W! w0 ]: g
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。4 F2 R$ B7 ?: x5 N6 c; k2 l h
" I( q# \# C+ j, O$ D) ^ 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。
U% d, m, H" |. Q7 e# ^. r4 Z- z
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。
. c4 Z$ x5 W% [2 J6 _. k: A5 m5 V& c; T) f1 v; Q5 b; n
二、题目理解和目标细分
; c/ s* e! a. |$ {+ l P. a
! o+ ~+ t& x: y$ r4 v8 P. C8 }, f 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。
g0 m" u1 V4 K: P) W T7 r* D4 y% N3 ]
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。
0 d! V! X( O! M* q5 L' [: J! v* u# R% Z7 I) 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。
1 G4 _5 A6 M/ ] K) b T, R+ O3 `6 ~/ H0 j5 u
第四步:模型建立完成后,进行求解,然后根据题意给出建议。( l! @# p/ r2 ~) \) F
' Q6 K! E; P9 H' E 第五步:撰写论文。
* l5 Z( Y& P' W4 v, L% e* Y+ X. e8 |( b. ^' H& y9 {9 q: L
三、再次迭代,继续优化模型( E% `, O5 a6 o, _6 N
9 S: ?4 Y- ?/ e, e; C 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。
) p1 {1 w" M0 w, i( k5 _4 g* [) g
' T) A' v8 Z" b7 ?8 i6 D四、模型评价& }4 z* L+ c$ L+ m: Y; j
0 Q! T9 E/ Q$ r4 n* c: e 在论文中,要对自己模型的好坏进行评价。( A/ e) n3 W, p; C
# M2 m7 R; o& @# Z) x4 g; ?6 v/ y五、其他建议+ D* }( ~ X0 s& G+ a
; e$ X, O W3 K U 论文撰写建议:$ n: K5 Q/ ^. V- U1 ^ k
6 A4 t1 y" |7 n5 }, @) C9 C
1、 准备通用的论文模板。
4 F) Y# J0 X9 c9 o& m& Z5 S' n- T# } A+ Q, U
2、 多采用图表进行表示。% z9 t% O7 Y2 j6 t" t
* \$ z# O. t" {4 Y% D, Y2 H1 r- T0 s
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。, [" V% ^4 o" U5 S% H$ O7 g
8 Q0 e2 N' t& l& G 4、 使用最顺手的工具。! P' }. ~ u& x5 e8 ~& ~- C
! ^0 _1 z, z$ T: v) S3 r
2 Q2 U* y0 M+ q
5 ^. ? k& F+ k. C# ^* ]) ~ 代码准备:, x. L7 A7 P7 M6 {5 X& }4 u
; A/ E7 v" i3 T) a, 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。
8 T3 h! R/ g3 }' ~9 T' ?4 Z( C) {+ F; p5 z" r( x- {. {( g
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。$ }# ?( U$ F, z' m& [
/ v- H7 E# ?4 B0 \" n6 I, F1 [4 J- m" k2 R
. n1 r/ m4 Y: }% V' j8 u1 a, k
其他建议:7 I1 d4 z7 [ H4 S8 j' B/ k
3 L, o2 _2 }+ w/ l! e+ p 1、 当题目过于抽象的时候,可以通过分类的方式来求解。
- U$ A) X+ u8 S5 j$ w% E( L0 A2 }' ?) ^/ U" l( B( |7 m4 h
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。$ s+ F, M0 k6 J- U! v% Q% }# A
( o" ?1 h1 {. |4 `1 t
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。; q& v( V* ^9 U* l M3 A& Y
原文链接:https://blog.csdn.net/LieQueov/article/details/79261885! m3 W0 B; y# U; v
1 Z" ~- J. x: }" _" M8 N) C8 e) J1 G: V8 p% N9 r
|
zan
|