一年一度的美賽即將來臨(lin) ，為(wei) 了幫助同學們(men) 更好地備戰，邀請了一位曾獲得美賽F獎的學長向大家講解一些熱點問題，學長作為(wei) 建模隊員會(hui) 向告訴大家數學建模中的常見誤區和備戰建議等，希望能幫助到參賽的同學們(men) 。
01
常見誤區
模型要新 模型是為(wei) 了解決(jue) 具體(ti) 問題而服務的，不是炫技巧。BP神經網絡、蟻群算法、模擬退火算法這些名字聽上去挺厲害的方法早已不是“版本之子”，在前幾年很流行的時候基本上套個(ge) 模板就可以獲獎，但當大家都學會(hui) 劃水後，評委老師也摒棄了這些假大空的論文，翻閱近兩(liang) 年的論文可以發現，那些獲獎的普遍是對於(yu) 問題分析條理清晰，模型切題的文章。再看看數學建模相關(guan) 的教程目錄，沒有花裏胡哨，都是經典方法。
算法要多 算法並不是越多越好，甚至可以說，一篇論文中都不一定要有算法！不要套模板，在使用算法時要說明為(wei) 什麽(me) 用這個(ge) 算法，它解決(jue) 了什麽(me) 問題，用它的好處在哪裏？
在使用算法時，要注意算法的實用性和簡潔性。比如預測問題，用大多數數據擬合出預測方程，再用少量數據檢驗方程，把誤差控製在一定範圍內(nei) 就可以使用了，沒必要追求高大上而建立一個(ge) 神經網絡。再比如蒙特卡羅算法，大家都知道可以用它求積分，但發現一些論文裏對於(yu) 某個(ge) 特別簡單的積分，也有人強行用蒙特卡洛算法，這就顯得多此一舉(ju) 。大道至簡，第一原則是正確簡潔地解決(jue) 問題。
美賽=美術大賽 2019年美賽A題“養(yang) 龍”的一篇論文火了，因為(wei) O獎（Outstanding winners）+精美的繪圖讓不少人感歎：美賽=美術大賽。
論文是最終提交給評委老師的作品，因此好的插圖確實會(hui) 起到錦上添花的作業(ye) 。但一定要分清楚“錦”和“花”的關(guan) 係，如果模型沒有很好的解決(jue) 問題，那麽(me) 插圖再精美也無濟於(yu) 事。能夠幫助論文更清晰的向讀者展示結果和你們(men) 的思路的插圖才是有意義(yi) 的。最常見的問題是某些論文在摘要裏麵或者問題分析後插入一張流程圖，以展示解題思路，首先摘要裏不能插圖，這是格式問題。其次，問題分析板塊就是為(wei) 了向讀者闡述你的問題的分析，完全沒必要再插入流程圖。如果是為(wei) 了簡潔明了地展示思路，為(wei) 何不隻保留流程圖呢？
綜合以上的誤區分析，建議大家要練好基本功，熟練掌握幾個(ge) 經典的方法。你可能會(hui) 問：如果大家都使用經典方法，比賽中怎麽(me) 和別人拉開差距？請看以下建議。
02
建議
一、 組隊
數學建模每個(ge) 隊伍最多3名隊員，一般來說，三人的分工是建模、編程和寫(xie) 作，當然可以交叉工作。建議組隊的小夥(huo) 伴來自不同專(zhuan) 業(ye) ，因為(wei) 美賽的題目靈活度和綜合性較高，需要多專(zhuan) 業(ye) 知識的融合。
二、讀論文
讀論文可以分兩(liang) 種方式。1. 按照題型讀論文，根據美賽的6種題型選擇論文閱讀。2. 按照模型或算法讀論文。前者可以快速掌握每種題型的特點，學到專(zhuan) 題專(zhuan) 用的解決(jue) 方法，積累套路。後者可以深入地學習(xi) 一種模型或者算法的具體(ti) 使用方法。
以往大家讀論文時都挑著O獎論文，其實我們(men) 不僅(jin) 讀好的，也要讀爛的，要知道一篇論文好在哪裏，爛在哪裏？可以閱讀同一個(ge) 題的從(cong) S獎到O獎的各種論文，再參照美賽的評分標準體(ti) 會(hui) 一下這些論文的區別。學習(xi) 好論文的優(you) 點，別踩差論文的坑。
三、積累模型
隨著你閱讀的論文越來越多，見識到的模型也越來越多，那我們(men) 該如何積累？
1.理清模型的數學原理，畢竟是“數學”建模競賽，建議把數學原理和推導過程寫(xie) 下來，這樣在寫(xie) 論文時直接Ctrl+C/V，可以節省很多時間！
2.對模型分類，要知道哪些模型可以解決(jue) 哪些問題。比如預測問題可以用擬合、灰度預測、微分方程；最短距離問題可以用迪傑斯特拉算法、Prime算法…
3.學習(xi) 如何使用模型。舉(ju) 個(ge) 例子，很多論文裏都用了層次分析法，為(wei) 什麽(me) 有些論文的評分更高呢？因為(wei) 要針對具體(ti) 問題優(you) 化模型，層次分析法的缺點是給出的成對比較矩陣具有主觀性，那麽(me) 如何減少這種主觀性就是優(you) 化的內(nei) 容。比如涉及到距離、時間、費用等，這些變量就可以量化地給出成對比較矩陣，減少主觀性。
另外大家最容易忽視的一點就是認為(wei) 建立模型，算出結果就結束了，那麽(me) 你憑什麽(me) 讓評委相信你的模型可以解決(jue) 問題？你的答案是正確的？這就需要對結果進行檢驗。一般有這幾種方法：誤差分析、魯棒性分析和敏感性分析。對結果的分析和評價(jia) 既可以提高文章的完善度，又可以增強模型的可信度。
四、真題訓練
經過前三步的積累，隊員們(men) 對美賽都有了一定的認識，這時就需要見見“真題”——練習(xi) 曆年真題。這個(ge) 階段分兩(liang) 輪，一輪篩選，二輪強化。
第一輪：根據題型，選擇最近一年的真題訓練，要把6種題型都練習(xi) 到。再做題的時候嚴(yan) 格按照比賽時的要求，模擬真實的做題流程。MCMICMA連續性D運籌學/網絡科學B離散型E環境科學C大數據F政策寫(xie) 完論文後，參照去年的優(you) 秀論文，對比一下結果，學習(xi) 優(you) 點。
經過一輪訓練後，挑出做的最熟練的3類題，這3類題是你們(men) 小組擅長的，在正式比賽中應揚長避短，盡可能地選擇該類題目。選3類是為(wei) 了避免到時候某類題目過難或者出現數據搜集困難等問題。
第二輪：強化訓練小組擅長的題目。根據第一輪篩選出的3類題目，按照時間由近到遠的順序練習(xi) 曆年同類型真題，積累經驗。
數學建模競賽並沒有多難，希望同學們(men) 不要迷信技巧，要多積累、多思考、多總結，逐步構建一套自己的解題策略，勤加練習(xi) ，一定可以取得佳績！
【競賽報名/項目谘詢+微信：mollywei007】
評論已經被關(guan) 閉。