2022全国大学生数学建模竞赛获奖难么？国赛求解过程技巧及方案

2022全国大学生数学建模竞赛获奖难么？

  你只要会word打字和基本的东西，别消极态度，最次也能拿省奖的；但你如果尚未结束，第一天你就投降了，那就废了。说实话，不会的有不会的做法，非常简单国赛。你别放弃别空着，只要简模缺点不回避，图表公式要清晰，就不会什么成果都没有。

2022全国大学生数学建模竞赛高教杯解题文档技巧及方案

规则技巧一：

  解题算法及精度应由浅入深

历年来的高教杯出题套路一般都是由浅入深、循序渐进，规划类：从单因子限制条件到多因子限制条件；统计类：从双因素、单因素机器学习回归或分类预测到多因素回归、分类预测；下一问用上一问的结论作为其支撑该问的已知依据，如果你的后两问比第一问的内容要少，那么你这个论文写的就失败了，这就是头重脚轻的典范。

规则技巧二：

  数缺形时少直观，形少数时难入微

  数形结合百般好，隔离分家万事休

一个好的数学建模论文应具有题中所给数据中绘制的必要的图表及配套的文字描述及结论说明，即便你不会作图，你就是百度找图、去水印论文里也要放图。数据多维且处理时间复杂度大则必须做表，依据不同维度不同需求进行数据可视化，至于2维拟合曲线图还是3维拟合曲面图要看题中所给数据及题目要求。但千万不要作跟题中信息丝毫不挨着的数据作图，比如说爬虫数据的文本分类这种的就完全没有必要，因为题目考你的不是考你爬虫采集数据而是考察你对于该题三方效应前数据的大体掌握情况数据分析及少量的数据处理，并非是数据采集。你可以看任何一篇数学建模论文，论文中不会让你以爬取数据为内容考察你，因为爬取数据本就不符合正常的信息获取方式。优秀作品作图如下图所示：

规则技巧三：

  模型假设贴实际，问题背景多积极

好的开头是成功的一半，问题重述、问题背景应朝向积极的一面、切勿以批评、谴责消极的态度来撰写问题背景，模型假设应切合实际内容背景，不要说废话，如“假设题中所给数据是符合实际背景需求的” “假设不考虑人体体温对于泳池内水温的影响” “假设商品交易中不存在商品丢失意外事件” ，模型假设应以切实影响因变量因素角度考虑，如：“假设商品成本价为已将运输、人工、仓储等非进货价因素考虑在内”、“假设忽略天气因素对于外卖员收入的影响”

规则技巧四：

  结果分析须合理，模型检验要牢记

  简模缺点不回避，图表公式要清晰

  国奖纵使我无缘，绽放芳华稳省一

  尚未国赛，我们就已经有一个良好的开端；尚未交手，我们已笃定三天奋战；尚未金秋，我们已饱收知识的硕果；结果固然重要，但已张开双翅的我们，此刻我们已出发翱翔；为什么越来越卷是因为你的分享，为什么国奖越来越不好拿，是因为不同的老师辅导教学情况不同，你就算再厉害你也比不过已参加了多年已久的老师；为什么你觉得这个题你解出来了，但是结果却不尽人意，是因为你不会编写技巧。为什么我就只写了四条？是因为好东西来之不易，稍后也许我会删除博客，你看到要好好把握机遇。

上图截图为撰写干货，拿来就用。

S0=100
r=0.015
v0=0.001
kappa=1.5
theta=0.25
sigma=0.25
rho=0.05
T=1
corr_mat=np.zeros((2,2))
corr_mat[0,:]=[1,rho]
corr_mat[1,:]=[rho,1]
cho_mat=np.linalg.cholesky(corr_mat)
cho_mat


M=50
I=50000
def heston_mcs_dyna(K,T,S0,option='call'):
    dt=T/M
    ran_num=npr.standard_normal((2,M+1,I))
    v=np.zeros_like(ran_num[0])
    vh=np.zeros_like(v)
    v[0]=v0
    vh[0]=v0
    for t in range(1,M+1):
        ran=np.dot(cho_mat,ran_num[:,t,:])
        vh[t]=(vh[t-1]+kappa*(theta-np.maximum(vh[t-1],0))*dt+sigma*np.sqrt(np.maximum(vh[t-1],0))*np.sqrt(dt)*ran[1])
    v=np.maximum(vh,0)
    S=np.zeros_like(ran_num[0])
    S[0]=S0
    for t in range(1,M+1):
        ran=np.dot(cho_mat,ran_num[:,t,:])
        S[t]=S[t-1]*np.exp((r-0.5*v[t])*dt+np.sqrt(v[t])*ran[0]*np.sqrt(dt))
    if option=='call':
        hT=np.maximum(S[-1]-K,0)
    else:
        hT=np.maximum(K-S[-1],0)
    C0=math.exp(-r*T)*np.mean(hT)
    return C0