我們(men) 知道美國大學生數學建模競賽一共6道賽題。合理的選題可以幫助團隊在解題前期快速上手，後期深度刨析問題。為(wei) 什麽(me) 強調前期和後期？首先，前期如果卡住，不僅(jin) 會(hui) 影響後期進度，更會(hui) 嚴(yan) 重影響參賽選手的心情，解題效率甚至是團隊合作，前期如果順利，選手們(men) 的信心也會(hui) 增強。而在後期，如果團隊具有充足的時間和豐(feng) 富的知識儲(chu) 備，便有時間和精力攻克賽題中的難點，而難點即得分點！
所以毫不誇張的說，正確的選題是成功的一半！選題原則如下：
原則1：集體(ti) 商議 考慮團隊各成員的專(zhuan) 業(ye) 背景，相互交流，選擇熟悉的領域。尤其是建模隊員和編程隊員應該討論賽題的前期處理思路，比如數據方麵，美賽的數據是出了名的坑！要麽(me) 是完全不給數據，全得靠自己找，而且找數據的難度特別大，選用數據的質量對結果影響非常大；要麽(me) 是給一大堆數據，前期要花費很多時間篩選。此外，選擇和團隊專(zhuan) 業(ye) 相關(guan) 的賽題，可以幫助你們(men) 把握賽題的本質，相比其它專(zhuan) 業(ye) 的“門外漢“，你們(men) 對於(yu) 賽題的理解更加深刻，問題的處理方法也更加專(zhuan) 業(ye) 。
原則2：揚長避短 首先要明確的一點是，所謂難易從(cong) 來都是相對實力而言的，某個(ge) 賽題對於(yu) 你們(men) 小組來說難度大，但對於(yu) 其它恰好有相關(guan) 專(zhuan) 業(ye) 成員的小組來說，就是“送分題”，可能你們(men) 是報著“選擇難題的隊伍少，獲獎率高”的心態，結果卻適得其反，和行家成了對手。要學會(hui) 揚長避短，利用好自己的優(you) 勢！
原則3：求穩求全，顧全大局 經常會(hui) 出現這樣一種情況：拿到選題後看到某個(ge) 小問題就在腦子出現了一個(ge) 絕妙的思路，或者發現了之前做過的類似問題，以為(wei) 用絕妙的方法解決(jue) 這個(ge) 問題就能成為(wei) 論文的亮點，和其它競爭(zheng) 隊伍拉開差距，但萬(wan) 一這個(ge) 賽題中隻有其中一個(ge) 問題對你們(men) 而言是簡單的，其它問題難度大或者用不了什麽(me) 特殊的方法呢？選題時務必把每個(ge) 小問題都關(guan) 注到，評估一下整體(ti) 難度和做出來的可能性，要顧全大局。
看到這裏，你們(men) 已經對如何選題有了大體(ti) 的認識，接下來我們(men) 細化到具體(ti) 的題型，幫助大家更加細致的篩選。
MCMICMA連續型D運籌學/網絡科學B離散型E環境科學C大數據F政策
如上表所示，美賽的6種題型特點不同。我們(men) 以最新的21年賽題為(wei) 例，分析一下每類題型（具體(ti) 題目請同學們(men) 仔細查閱）。並且推薦適合選擇的小組和建議先修課程。
問題A-3：“提供對模型的分析並描述不同類型真菌之間的相互作用。相互作用的動力學特性和描述應包括短期和長期趨勢。您的分析應檢查對環境快速波動的敏感性，並應確定不斷變化的大氣趨勢的總體(ti) 影響，以評估當地天氣模式變化的影響。“
從(cong) 加粗的關(guan) 鍵詞可以看出，這是典型的連續型問題。要描述變化趨勢，並且分析變量的敏感性，最恰當的方法就是建立微分方程。這類題目適合數學/物理能力強的小組。
建議先修課程：《常微分方程》、《偏微分方程》、《數理統計》。
問題B-1：“創建一個(ge) 模型，以確定 SSA 無人機和無線電中繼無人機的最佳數量和組合，以便為(wei) 維多利亞(ya) 州國家消防局（CFA）擬議的新部門“快速叢(cong) 林火反應”購買(mai) 。您的模型應該平衡能力和安全性與(yu) 經濟性，並考慮觀測和通信任務的需求和地形。您的模型還應將火災事件的大小和頻率作為(wei) 參數。“
從(cong) 加粗的關(guan) 鍵詞可以看出，這是一道約束優(you) 化問題，屬於(yu) 離散型問題。此外要注意，數學建模鍾愛無人機（UAV）問題，剛剛過去的2021年B題就是以無人機為(wei) 背景，而2019年美賽B題考的是無人機救災規劃問題，2017年中國研究生數學建模競賽A題也是考察無人機在搶險救災中的優(you) 化運用。這是因為(wei) 無人機相關(guan) 的問題綜合性高、考察方麵廣、求解難度大，比如無人機搜集的數據可以考察數據分析能力、無人機運送貨物可以考察裝箱問題、無人機的路徑可以考察路徑規劃算法、不同種無人機的搭配可以考察規劃模型…這類題目適合數學能力強的小組。
建議先修課程：《運籌學》、《隨機過程》。
問題C-2：“大多數報道的目擊事件都把其他黃蜂誤認為(wei) 是胡蜂。僅(jin) 使用提供的數據集文件和（可能）提供的圖像文件來創建、分析和討論一個(ge) 預測錯誤分類可能性的模型。”
從(cong) “數據集”這個(ge) 關(guan) 鍵詞可以看出這道題目和數據處理相關(guan) 性非常大，此外，出題方強調了“這是一個(ge) 統計建模練習(xi) ”、“定義(yi) 您使用的所有指標和成本函數”、“參數的任何估計應包括區間估計”、“任何結果應包括對結果擬合優(you) 度的估計”等。因此，這類賽題適合統計學、大數據相關(guan) 專(zhuan) 業(ye) 的小組。
建議先修課程：《數理統計》、《回歸分析》、《機器學習(xi) 》。
問題D-1：“使用 Influence_Data數據集或其中的一部分創建音樂(le) 影響力的(多個(ge) )定向網絡，其中影響者連接到追隨者。開發參數來捕捉這個(ge) 網絡中的‘music influence’。通過創建定向影響者網絡的子網絡來探索音樂(le) 影響力的子集。描述此子網。在這個(ge) 子網絡中，你的‘music influence’指標揭示了什麽(me) ？“
從(cong) 加粗的關(guan) 鍵詞可以看出，這是典型的網絡科學問題。
由於(yu) D、E、F屬於(yu) ICM賽題，主要涉及交叉學科問題，因此不再推薦適合的團隊和課程。請同學們(men) 根據團隊實際情況在選題時靈活選擇。
問題E-1：“如果食品係統為(wei) 了公平和可持續發展而優(you) 化，會(hui) 發生什麽(me) ？這一製度與(yu) 目前的製度有何不同？這樣的製度需要多長時間才能實施？”
從(cong) 加粗的關(guan) 鍵詞可以看出，這是典型的環境科學問題。
最後說一下最為(wei) 特殊的F題，F題素有“語文建模”之稱。
問題F-1、2、4、5：
“1、開發並驗證一個(ge) 模型或一套模型，使您能夠評估任何國家高等教育係統的健康狀況；
將你的模型應用到幾個(ge) 國家，然後根據你的分析選擇一個(ge) 高等教育係統有改進空間的國家；
2、為(wei) 你選擇的國家的係統提出一個(ge) 可實現的、合理的藍圖，以支持一個(ge) 健康和可持續的高等教育係統；
4、提出目標明確的政策和實施時間表，以支持從(cong) 當前狀態遷移到您建議的狀態；
5、使用您的模型來確定和/或評估您的政策的有效性；“
“藍圖”、“政策”、“時間表”，這些政策類問題不方便定量分析，一般需要大段的文字描述，因此F題被戲稱為(wei) “語文建模”，但大家想一下，如何在“語文建模”中用“數學建模”搶占優(you) 勢？那就是對於(yu) 問題的分析要建立在數學、數據的基礎上，比如題目中要求建立的評估模型可以用層次分析法，“藍圖”和“時間表”可以建立在預測的結果上，這個(ge) 預測結果可以來源於(yu) 預測模型。
總之，適合自己團隊的賽題才是最好的，在正式比賽開始前，同學們(men) 可以模擬演練幾套真題，嚐試一下不同賽題的風格，找到自己團隊的專(zhuan) 屬“上分題”！
【競賽報名/項目谘詢+微信：mollywei007】
評論已經被關(guan) 閉。