目录
奖状证书
赛事介绍
题型概况
获奖比例
比赛时间
官方网站
赛前准备
团队分工
建模
编程
写作
软件准备
知识体系
学习要点
资源推荐
bilibili
书籍
算法储备
赛事相关
比赛策略
评委解读
结语
我们团队在数学建模领域浸淫多年,积累了无数宝贵经验,这篇文章是我们智慧的集大成之作,希望能帮到每一位有志于数学建模的朋友。
不怕有质疑,实力来说话。
我们团队的每一支队伍都极其出色,在国赛、美赛、亚太赛以及Mathorcup等重大数学建模竞赛中多次斩获一等奖甚至是特等奖,其余二三等奖更是不计其数。
受篇幅所限,本文主要介绍美赛相关事宜,更多秘诀技巧请关注专栏内其他文章。
其中奖项设置及获奖比例分别为:特等奖(Outstanding Winner)0.14%, 特等奖提名奖(Finalist) 0.27%,一等奖(Meritorious Winner)7%, 二等奖(Honorable Mentioned) 15%,三等奖 (Successful Participant)67%。
由于国际性赛事存在时差现象,这里以北京时间为基准。
报名截止时间 | 2023 年 2 月 17 日 0:00 |
比赛开始时间 | 2023 年 2 月 17 日 6:00 |
比赛截止时间 | 2023 年 2 月 21 日 9:00 |
数学资源和竞赛 - 数学及其应用联盟 - COMAPhttps://www.comap.com/辅助报名可参考如下网站
首页 – 数维杯数学建模官网 (nmmcm.org.cn)http://www.nmmcm.org.cn/
一般来说队伍里的三人各自负责一个方向,分别是建模、编程和写作。但是在比赛中,团队的交流沟通是必不可少的,这就要求我们对于其他成员负责范围内的知识也有一定的了解。
建模是解决问题的第一步,为后续工作定下“做什么”与“怎样做”的基调,这就需要建模手对于题目所求有着自己的理解与思考,针对不同的问题选择契合的模型进行解答,通常对于建模手有以下几点要求:
学习并储备模型(重要程度★★★★★)即整理模型的相关内容,便于比赛的时候能够直接使用。 包括但不限于以下四点:
学习论文写作(重要程度★★★★★)即负责一定比例的论文 需要对模型有着自己的理解,能够很好的表述出来,协助论文手将模型贴近题目,做到准确,清晰,流畅。 尤其要注意准确、贴近题目的使用模型是基础,想要拿到F、O奖需要对模型做一定的创新、改进,仅仅是记住模型是没有意义的。
编程是模型实现的重要环节,再好的思路如果不能实现也只是纸上谈兵,一个基本功过硬的写作手可以将建模手的天马行空化为脚踏实地,是团队里的中流砥柱。这里对编程手的主要任务进行了几点说明:
学习并储备代码(★★★★★) 要求:拿来主义不是不可取,但是最终都要内化成自己的代码,此外除了对症下药编写代码外,还要能根据实际情况对代码进行细微调整,以适应不同的题目
学习Python和MATLAB的基础应用(★★★★)要求:快捷键、状态栏、不同的IDE,只是了解代码容易在比赛过程中手忙脚乱
能用Excel等软件处理数据(★★★)要求:数据预处理往往是开题的一步,简明扼要的数据是构建优秀模型的重要基石
学习一些模型知识(★★★) 要求:实践是设想的反馈,能够在建模的时候对模型有所补充和改进 学习论文写作(★★★★★) 要求:代码的设计思路有助于梳理清楚论文编排思路,平时也需要对论文多留心,练习如何将思路表述清楚。
人们往往会忽视掉写作的重要性,也有不少人抱着想混个奖项的念头选择当一名写作手。不妨想想,我们在比赛中提交的最终结果就是一篇论文,纵使再天才的思路,如果写得平平无奇甚至味同嚼蜡,也难以取得不错的成绩。换而言之,不要让写作成为了团队的短板,而是要用逻辑严谨的论述和秉要执本的图表来拔高你们所做的工作,从而征服评审,夺得奖项。以下是对于写作手的要求:
学写论文、排版(★★★★★) 要求:要将论文塑造得条理清晰,一目了然。无论是LaTeX或是Word都要准备模板,套用模板可以很方便的排版,最好可以自己试着根据往年的格式要求作出自己的模板,在模板的基础上多看多写,对于每篇文章都要提出自己的见解,“择其善者而从之,其不善者而改之”。对于博览群书的评委老师来说,寥寥几眼就能看出你的论文质量如何,从而定下评价区间。所以说论文的写作水平很重要,在很大程度上决定了能不能拿到F及以上的奖项。 具体的训练方法,可以自己找网课,找教程。但是最重要的还是自己动手。
学习使用写作软件(★★★) 要求:LaTeX和Word或者是其他什么编辑器都可以,只要论文结果令人满意就行 ,使用时大家可以在B站搜索word+排版/公式/编号等关键字自行查看
学会画出清晰直观的图(★★★★★) 要求:基础的折线、柱状、扇形等图要求美观得体。 一些特殊的图,比如三维地图,零件结构图等,最好能储备画图的方法,找到网站或者其他可以实现的资源,一些偏门或偶尔用到的图,不用过于在意,稍作练习即可。如果有Python语言基础可以使用matplotlib模块绘图,参考 Matplotlib — Visualization with Python ,没有的话用其他绘图软件代替也可。
学习模型(★★★) 要求:写作是模型实践的最终体现,需要对模型有一定的理解,进而在论文中合理阐述,这一点是需要三人通力合作的
学会纠错改正(★★★)要求:在论文完成后检查语句是否通顺,格式是否正确,建议用用Adobe Acrobat这类专业的PDF编辑器查看,最好不要直接在编辑软件内预览,容易造成MD5码更改的麻烦。
其实数学建模并不需要太多的软件,这里列出了几款常用的软件,相信大家掌握之后最少拿M奖是没有问题的。
写作:Word,WPS,LaTeX,当然不会LaTeX也没有关系,完全可以用Word来替代,熟练运用效果也不会差多少。
编程:MATLAB,其实掌握一个MATLAB是完全够用的,当然学习越多自然就越好,但是与此带来的问题是很难专精。其他编程语言推荐Python,lingo等等。
公式编辑器:Mathtype。这个必须要有!!!切勿拿Word里自带的公式编辑器去写。
画图:Visio,亿图图示,Xmind。
数据处理:Spss、SAS、Eviews、stata,这一部分会的多多益善。
这里给大家提供一张图片以便直观理解
无论我们学习什么知识,都要抓住what(是什么)、 why(为什么)、 how(怎么做)三个要素。这里将我们学习的目标细化为以下几点:
(1)摘要的作用有哪些,它是由几部分构成的,如何评判一个摘要是否优秀。
(2)标题要涵盖全文,全面细致但不啰嗦,要仔细琢磨。
(3)建模过程要反复雕琢,计算过程要详尽可靠,敏感性分析一定要全面完整,包含参数设置,对比图,对比表、结论等要素。
(4)各种图表一定要完整美观;各图之间协调统一、前后照应;总体布局一目了然。
(5)结果一定要可视化,用言简意赅的语言和图表进行说明。
(6)引言的写作一定要结构清楚,图文并茂。特别是相关研究部分要逻辑清楚,阐明模型或数据的来源,演进与优化。
(7)假设性语言的格式要清晰,合理性说明要有理有据,包含数据论证,图表,参考文献等。
(8)参考文献一定要标注清楚。
(9)翻译一定要简洁、规范,译成专业性术语。
可以说这里的学习过程是一个提高美育的过程,由于没有一个清晰的既定标准去划分优劣美丑,所以只有不断地去品鉴论文,重塑论文才能提升论文的最终品质。
根据自身实际推荐,没有恰饭哦
数学建模学习交流:也就是清风老师,会提供很实用的数模写作的小技巧,例如BV1qt411G7Bv
数模哥:某大学老师,会有内部的培训资料、视频等的
科研交流:体系比较完整,资料很多,和清风类似,互有优劣
吴一东:matlab数值分析必备
大象老师:BV1yp4y1S7Kp,很古老的视频,但是挺适合入门,貌似是因为在国赛的时候泄露思路,后面就被封了
小石老师:BV12W411X7aE,视频很短,有代码非常容易上手,新手提高成就感必备
姜启源《数学模型》:新手了解数模的第一步
司守奎《数学建模算法与应用》:结合matlab进行部分实践
此外不要忘记多看历年优秀论文,在官网或者一些公众号上就有很多
到这里就是比较专业化的知识了,大家可以先根据前面的资源推荐初步学习,再来看这一部分内容。
网上关于模型分类的文章很多,这里就不再赘述了,但是要注意每个模型都有其适用范围,并不是说它被划分在哪一类题型里就可以一直使用它,进一步的情景细分可以在各类网课中找到答案。
1、注意事项:比赛过程中,退出所有网上关于数学建模讨论的 QQ 群、微信群、论坛,更不能再网上发言。要杜绝查重率、雷同和抄袭问题。报名时使用的手机号,微信,qq,邮箱等信息一定要妥善保管,而且这些微信,qq 或者邮箱都不要用于与数学建模相关的活动,比如加一些数学建模群、通过邮箱发建模资料等,美赛查的比较严,但是只能通过你的报名信息来追踪你是否违规。
2.如何选题:选题其实没有大家想象中的那么简单,选对题就是成功的一半。建议在选题之前,争取把每一道题目都讨论一遍,最终定下题目。一般这个过程需要半天甚至一天。
3.如何查找英文文献:
a.谷歌学术(科学上网)
b.SCI-HUB 与 X-mol 二者结合:可以先利用 X-mol 搜索论文关键字,得到目标论文的 DOI 号,将 DOI 号输入到 SCI-HUB 中进行下载
c.如果利用中文论文可以利用知网
4.结论归纳:每一小问尽可能都有一个总结性的答案,别让评委自己翻来覆去找答案
5.提交时间:注意最好提前 2-4 小时提交论文,避免网络拥堵,每年总有队伍压线提交,结果因为网络原因白费功夫
6.千万不要完全机翻,一定要有人核对一遍,尤其是摘要部分
评委们寻找证据,看一个团队是否真的自己做了一些建模,而不是简单地查找几个方程,然后试图把它们塞进问题中。如果合适的话,实验也很值得一看。
开发你的模型——不要只是提供一长串可能的模型。从一个简单的模型开始,然后完善它。而且,彻底地制定一个模型要比提出几个不成熟的方法好得多。评审们绝对不会对你的失败的详细历史叙述感兴趣的。(美赛的页数有严格的限制,在论文中一定要放最成熟最完善的模型)
希望这篇文章能对屏幕前的你有所帮助,欢迎大家前来沟通交流,更多信息可以移步专栏内的其他文章,谢谢大家。