- 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
- 565537 点
- 威望
- 12 点
- 阅读权限
- 255
- 积分
- 174884
- 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 |
4 e2 @3 S8 x3 c1 A+ I& q( b& l
美国数学建模比赛建议-实战分享
8 Q1 ~4 _+ Q! L N9 m) b- I! r% \( X) _1 L1 l3 m1 L
一、选题(建议半天内确定)
4 f1 }& u* H a) T& Y5 x2 y! q. z1 i9 e7 e% ^# E8 u; 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。
. M+ V2 {- x/ B2 ~3 N/ J0 x
7 _1 h" S2 w, t; ?7 G 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。2 V) k- @. e' n) r
& u' G) L! F) g& s
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。
, V2 l# t' P8 k" _8 u8 q+ g" ?& W+ A$ a, u$ b6 r
二、题目理解和目标细分
$ \ ^3 Y" P3 U. T8 G8 J. y% m* I3 A3 n- b9 w
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。
, K! b) o+ i+ V! ^' W& F- F' q0 I
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。
& S% W U0 L) Z# }& G* C# j" C O; f: s0 X9 H8 ^! i) y
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。- c& t* c% B- Y, j: d/ D; s
$ m# b/ ~9 L- Q% } \# I- C7 c1 ]
第四步:模型建立完成后,进行求解,然后根据题意给出建议。4 z z5 z m% d3 G& [+ N+ A+ R
# N4 P/ Y4 R7 g; B( [% H
第五步:撰写论文。
5 Z3 H% R/ N( \# q& k% ?2 N6 ]+ \* |* A( J, W) S4 {
三、再次迭代,继续优化模型
% M5 k$ O1 g! l; ~
& Y+ Y" U1 i9 H% G- X" G 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。
/ u2 F/ {# d/ k3 q$ G0 y' R' f! ^
四、模型评价' _9 U, V& s$ U! |$ n
0 |3 q# a. d) b7 `9 H& _, e+ a
在论文中,要对自己模型的好坏进行评价。
( d4 s5 t# r3 f' ?& r! m1 |& E+ R4 f% T+ _* i6 B
五、其他建议8 C4 b: M$ Y5 ?6 g9 |
* W) h, C/ {" h, {0 F1 M4 P$ O
论文撰写建议:$ b) d% x5 ?9 B0 t
0 s7 `6 C7 Z7 o- Q 1、 准备通用的论文模板。
2 L% f4 D t {/ ?6 ~0 P( W7 F" i Y) x- r, O- ^% G0 O' ~: T% {9 k
2、 多采用图表进行表示。" k( @9 K8 }5 Y) g2 ^1 M0 ~
; f$ K3 z7 ^6 T* C8 D4 N 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。
6 g7 m0 j/ Z+ k I# w$ t! |) A6 O8 d4 M3 g
4、 使用最顺手的工具。- N& h$ w, `3 @( b; A7 b
8 \* J- O3 m( u8 a4 t
/ V& @7 P6 @ w
+ y( T4 f4 j) c4 s: V/ e
代码准备:, @ u3 {" K2 q. z( i
( e% o4 u$ J; s& j5 L# Y) ~
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。
6 m( N" V7 J s4 j; w8 v# b
" K5 E, d. J' P# j' k 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。& Q* S- T' ~- D# n5 C' p* D" H _! U
5 X3 b. P1 x( L! `: k$ Z% t( ^
+ M# h. t0 S/ p/ i3 G( w7 O
" \4 b* x0 \8 H9 I 其他建议:
5 a ^9 B. w8 x/ L: }9 f6 Z
3 Y8 ?7 e. }1 t0 S- I 1、 当题目过于抽象的时候,可以通过分类的方式来求解。' i4 i# `3 Q2 M, ]( J
+ t- U( R8 V5 J/ _) S' u% s 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。
- c3 Q4 H+ P: d! p) b. ^" D
# r, r7 X! m! ?- `! 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。
8 N. D# E/ O/ a0 @原文链接:https://blog.csdn.net/LieQueov/article/details/79261885
; s$ P0 K c2 } B8 w" q: C4 e
# I) N) K# n* E3 c2 i
* {' F. h% A; u9 [ [4 m |
zan
|