- 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
- 563404 点
- 威望
- 12 点
- 阅读权限
- 255
- 积分
- 174244
- 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 |
% Z) y# V2 D4 a9 `美国数学建模比赛建议-实战分享4 K. X! D+ H7 l) y
+ |; V8 G E8 u5 J' I* e; K
一、选题(建议半天内确定)
1 s* t( k" E( W; M/ A2 r
9 F" d, J9 D" O4 l+ X; x3 o 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。
8 S$ X4 |5 ]5 w, O4 t0 C6 f/ } i) 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。
7 B! ^% v9 \9 P% {! H u9 F9 q
6 |) \- V9 a9 R/ g. 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。# Y) T% U+ g$ @. h
, u( A% i& m |- L
二、题目理解和目标细分
- n9 Q! i. _1 H3 E
! u8 ?- f D0 I; d: A+ 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。
1 I; _( F* r5 ~# i+ @( v& P0 b+ o5 h3 {: E/ ^" 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。2 b* ?) l* [2 M9 P6 h' T/ Q
* A" I/ Y6 E- A/ X9 } 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。
9 j; L& M3 e# _3 S" ^0 L: i: ]6 ~5 U, w
第四步:模型建立完成后,进行求解,然后根据题意给出建议。8 E* C i: n2 R* @* x( E
, L; d3 f9 J, W, d* g* t 第五步:撰写论文。& s1 H1 r7 W' h2 H* g5 j) Y6 i
+ R- b& o( O6 S0 P) \三、再次迭代,继续优化模型
/ e) F9 A7 X' K! u* i+ p: V2 K2 h1 h A4 C; X* h& D. Y# d! j
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。" Z% Z u2 @% q6 ]& O5 C6 e
" g! w# q! z4 d/ I8 z
四、模型评价- G% }2 ~4 q1 k/ u
! O4 l, [8 n$ B( M( h0 u
在论文中,要对自己模型的好坏进行评价。
- c' r* C: ^9 {) |/ P/ [
' ?6 Y# H) o' W, n6 @五、其他建议
% k+ ?; R' J! v
7 Z0 K5 L7 q5 L 论文撰写建议:& l6 r$ P* y, W2 a* i l# V+ ?
- ?2 q6 y( D- I5 g( ^ 1、 准备通用的论文模板。
% k( u6 u% w1 D* w# X1 j9 D$ S
. m, e3 a& l Y1 X 2、 多采用图表进行表示。7 L+ ^, ^* ?9 G% ]3 N' _
* m( Z/ b1 |* T/ e 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。
% q3 b9 s4 g1 t% c. f; J/ _/ i# I1 c# c- r( f. M8 ^
4、 使用最顺手的工具。! h [: {& @; c4 s1 k u& I
' ^+ D1 L" x; c- O* k0 D) ~: ]+ Q0 t" a* n6 r9 U/ V
8 }- c/ D$ t1 ]; E( u1 @
代码准备:
p/ u- U( E# C1 c0 k4 E8 f4 ]* y3 C6 S7 w+ `1 @
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。" n2 E8 ^0 ~6 R- `
2 G K; A$ p- k* }. x$ H3 r
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。
. O$ a. N* M' Z! f+ j5 M5 R4 V3 ]% N8 C5 X0 L1 d3 a2 ?1 K
2 f) s! `; H( K7 O6 Z) c6 ]) D
0 f+ r# n1 @: z
其他建议:% m/ t. m' L& m( |' y
6 N5 B ~. F& m: S7 `/ a4 @/ b 1、 当题目过于抽象的时候,可以通过分类的方式来求解。1 d' r( ~' C! V( x/ ?+ e
3 X$ n" N5 M [* f' w+ u 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。
. b' l* H# o; x- V7 R$ k& N! F, j" H+ S- `& w$ I9 e d& ]1 a
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。& C- ?6 {- ^6 @- l) E2 m
原文链接:https://blog.csdn.net/LieQueov/article/details/79261885
% z2 k6 O2 {2 k/ O% u3 A: m/ k0 N" r# A) ^7 [
& j4 f9 @/ Q9 i) K6 n" v+ ], N' ]6 m |
zan
|