美国数学建模比赛建议-实战分享

杨利霞

+ N0 ^0 E/ O2 n, K3 }. ]$ G/ [美国数学建模比赛建议-实战分享
$ \: c& o: M! q2 [+ r
/ E5 J! A6 H: Y  t一、选题（建议半天内确定）

2 ~: H' B0 R2 ^      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。
# a. q" J4 Q2 d8 s; H9 G- R
      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。
  E) k9 @: P! w9 C4 e1 K
4 d4 Q$ b. k- B: X9 Z$ w3 W; i      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。
1 J' ^4 r* _) I
二、题目理解和目标细分
5 f9 z5 y, d- U5 E% G; L* ]* W
1 S9 f4 P* e2 R+ V' O# a; F4 A      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。

, S" }( C5 Z& P7 Z% V# ^6 T      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。
. q' S3 |9 {2 _+ D1 v
      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。

0 X7 T" t: ?/ h- g8 @: v& v      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 R% D' X' C; R; r% L
! n! H3 |( \0 i. C8 |' q* i" K! D      第五步：撰写论文。

三、再次迭代，继续优化模型

       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。
5 E1 x2 t  b4 m, o) }
% O* K; Y- Y$ {# e四、模型评价

1 _& L5 c' \0 M& f     在论文中，要对自己模型的好坏进行评价。

五、其他建议
. u5 Y, ~3 P; f! E7 s) k  t3 W! d
      论文撰写建议：

      1、  准备通用的论文模板。

6 n6 Y, L1 ^3 \& O2 q( C- F, m      2、  多采用图表进行表示。

      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。
' W9 ?) h; _' _2 {" n6 ~0 i' Q  M
      4、  使用最顺手的工具。
2 b3 x, d/ H- U  h

8 k' t) x+ w) G& y* m; v7 W
$ D# S0 d! J1 O& h+ R) s* [      代码准备：
; e% y( b" u- W* a, S- w6 {
      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。

# p( E8 N$ g9 C) o8 C! W: [, E      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。
7 [* z2 g8 h, [% a* I- x) ?

/ w; p# e: j/ [5 Q0 ?
      其他建议：
% Q$ [1 G$ w1 N8 k! g4 @
      1、    当题目过于抽象的时候，可以通过分类的方式来求解。
& L6 R. n- _2 a' L
' u5 l7 t$ y' U' t      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。

      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


, g# [, e3 s4 S3 j