零基础学习数学建模——(五)美赛写作指导

本篇博客将详细讲解美赛论文写作。

文章目录

  • 标题
  • 摘要
  • 目录
  • 引言
    • 问题背景
    • 问题重述
    • 前人研究
    • 我们的工作
  • 模型假设及符号说明
  • 正文
    • 问题分析
    • 模型建立
    • 模型求解
    • 结果分析
    • 模型检验
  • 模型优缺点及展望
    • 模型优缺点
    • 模型展望
  • 参考文献及附录
    • 参考文献
    • 附录
  • 2024年美赛论文新要求

标题

标题要简洁精炼,尽量不要直接引用赛题的题目。

**常规标题写法:基于XXX模型/方法/理论的XXX问题研究。**这种格式通常涉及到模型方法,核心算法或者是解决了什么具体问题。而美赛标题是可以进行创新的。

题目 标题 中文翻译
2021B Build an Army of Drones to Fight Wildfires 组建无人机大军扑灭野火
2021B Drone System VS Wildfire 无人机系统 VS 野火
2021B Rapid Bushfire Response System 丛林火灾快速反应系统
2022A Optimal Power Allocation − Ride to The Future 优化功率分配–驰骋未来
2022A Power Curve Make Cyclists Faster and Faster 动力曲线让自行车手越骑越快
2022A Optimal Cycling Solution Based on Physiology,Newtonian Mechanics and Dynamic Programming 基于生理学、牛顿力学和动态编程的最佳自行车解决方案

像前五个例子,他们的标题都是非常生动形象的,尤其是第二个例子——Drone System VS Wildfire。那么我们在写美赛论文的时候,也是可以对标题进行创新的。

注:标题单词首字母都是大写,介词连词这种首字母都是小写。

摘要

摘要是整篇论文的浓缩,是美赛论文的重中之重,一定要认真对待,反复修改。评委老师第一眼看你的论文,就是看你的摘要。如果改卷时长是十分钟的话,那么评委至少要在摘要上花六七分钟。大家可以设身处地地想想,如果让你在规定时间去看一篇论文,你是一个字一个字地看呢,还是重点看摘要,正文只看自己感兴趣的,或者大致扫一眼呢?

我们来看这样一篇O奖论文的摘要:

零基础学习数学建模——(五)美赛写作指导_第1张图片

摘要第一段介绍背景,引出本文需要完成的目标。

摘要主体部分,一般是从第二段开始,一定要讲清楚三件事:用了什么方法,解决什么问题,得到什么结论。

摘要主体段落尽可能的均匀。

零基础学习数学建模——(五)美赛写作指导_第2张图片

如果摘要中出现缩写,第一次出现要采用全拼,并用括号说明缩写,例如task 3里的第三行。

摘要一般是按问题进行分段,有时候也会按模型进行分段,在每一段中可以用一些连词或者从句让逻辑更清晰。

最后一段一般写模型的检验、优缺点与展望,如果是题目要求写建议信,也可以简单总结一下。

关键词一般涉及研究领域、模型名称、算法名称等,建议三到五个即可。

目录

摘要的下一页一般就是目录。例如我们来看一篇O奖论文的目录:

零基础学习数学建模——(五)美赛写作指导_第3张图片

目录第一行一般是content(s)居中。

每一级的标题不要太长,要短小精炼,首字母需要大写。

标题可以到二级标题,也可以到三级标题,最好不要到四级标题。

目录页如果按照正文的字体大小达不到一页,可以通过调整目录页字体使得目录尽可能接近一页,这样更美观。

引言

引言一般包括三个部分:问题背景,问题重述和前人研究。

问题背景

一般翻译为Problem Background。这部分主要是写问题的研究背景,例如当前问题所面临的现状。尽量不要抄赛题里的研究背景。

问题重述

一般翻译为Restatement of the Problem。这部分是对问题进行重新叙述,最好不要直接抄题,而是用自己的语言进行表达。有的O奖论文就是重复题目的原来的问题。我们要明白,O奖论文能拿奖,至少说明他们的思路是非常新颖的。有的O奖论文,仔细看的话,也能发现一些语法上的问题,但他们依然能拿O奖,这就说明美国人其实不太注重细节。所以问题重述怎么写,都行。这里是建议,建议大家论文如果没有非常新颖的东西,最好不要再去做一些额外的创新。

前人研究

这里也可以叫文献综述,一般翻译为Literature Review。这部分主要写前人做了什么研究,但本文又引进了什么,或者考虑了什么,或者使用了什么别人从未用过的模型或方法,因此本文的研究有意义的。

这部分是可以多写,如果篇幅不够,可以用这部分进行填充。如果篇幅超过了要求,那么可以对这部分进行删减。

我们的工作

有很多论文并没有在引言中写前人研究,而是写我们的工作,例如:

零基础学习数学建模——(五)美赛写作指导_第4张图片

这部分一般都会放一个流程图,介绍整篇论文每一个问题的建模过程,以及模型或算法之间的关联。

这一部分也可以放在引言的第四部分。具体视每个团队而定。O奖流程图一般都非常好看,可以好好学一学如何画出漂亮的流程图。尽量要有自己的创新点。

模型假设及符号说明

这部分一般是放在引言之后。

假设是必须要有的,最好在每一个假设下面表述假设的理由,例如:

零基础学习数学建模——(五)美赛写作指导_第5张图片

符号说明这部分里,如果模型符号比较多,不必要把模型里所有出现的符号都在这里进行解释,这部分尽量不要写太多,例如:

零基础学习数学建模——(五)美赛写作指导_第6张图片

正文

正文主要包括每一问的问题分析,模型建立,模型求解、结果分析和模型检验。

问题分析

这部分主要写自己的问题切入点以及解题思路,也就是如何将实际问题转化为数学问题。这方面可以多学习O奖论文的切入点。当真正参加美赛的时候,要想让自己的切入点有所创新,就一定要多看相关领域的文献。

模型建立

建立模型时不必一味追求高大上的模型,简单模型也能获得O奖,例如:层次分析法,熵权法,TOPSIS。

建立模型一定要具体,一定要把因素考虑全面,即使是最简单模型,O奖论文也能结合具体问题进行全面分析。即使是空洞、高级一点的模型,O奖也能很好地与问题进行结合。比如机器学习模型。

每一问的模型之间都是有关联的,上一问的模型一般都能在下一问进行应用。这里的应用不一定是整个模型,可能是模型里的变量,或者是模型的结果。

模型求解

模型求解不一定非得需要很高级的算法,有的模型是可以直接通过编程进行求解。部分O奖论文利用概括性的语言或者流程图展示求解步骤。优秀算法并不一定是高级算法,所用的算法一定要与题目想结合。很多人对高级、复杂的算法无比热衷,非得在论文中进行展示,但自己又无法理解,然后写了一堆理论东西,与问题毫无关系。

结果分析

一般是用图或者表进行分析,在每个图表下都要进行至少三行以上的内容分析,越详细越好。

模型检验

不同模型有不同的检验方法。很多O奖论文会把模型检验放到最后面,这种一般是对优化模型进行灵敏度分析。

模型优缺点及展望

模型优缺点

优点尽量要具体,多写文章里的创新部分,不到万不得已,不要写一些模型常见的优点。一般三个优点即可。

缺点可以稍微用一些不痛不痒的语言进行表述,缺点个数尽量不要超过优点个数。零基础学习数学建模——(五)美赛写作指导_第7张图片

模型展望

这部分可以针对不足,提出一些改进方法,改进之后会怎么样;也可以讲本模型除了用在该题领域,还可以用在其他领域。字数少的话,可以举个例子。部分O奖论文将这部分改成结论,例如:

零基础学习数学建模——(五)美赛写作指导_第8张图片

零基础学习数学建模——(五)美赛写作指导_第9张图片

参考文献及附录

参考文献

(1)参考文献建议十篇以上,二十篇以下。虽然这不是明确要求,但最好要有十篇以上。文献太少,可能会让评委认为你的模型是凭空建立的,没有参考前人的经验。但数学建模并不是科研,解决一道题目也不会让你读太多的参考文献。因此最好选择十五篇左右。

(2)如果引用中文文献,一定要翻译成英文。

(3)注意引用格式。参考文献不要自己敲,一般都是在论文官网上点击引用,即可粘贴过来。

附录

这部分可以放代码,但是所放的代码里一定不要出现中文。正文里放不下的图表,可以放在附录里,例如统计模型中可能出现的数据非常多的检验表格。如果超过页数,可以不用放附录。注意:虽然是附录,但排版一定要美观!

2024年美赛论文新要求

由于AI大模型的发展,今年美赛对AI的使用进行了规定。

零基础学习数学建模——(五)美赛写作指导_第10张图片

图片来源:https://www.contest.comap.com/undergraduate/contests/mcm/instructions.php

将上面文字翻译之后:

新的!比赛期间——在 COMAP 竞赛中使用大型语言模型和生成式 AI 工具

这一政策是由大型语言模型(llm)和生成式人工智能辅助技术的兴起推动的。该政策旨在为团队、顾问和评委提供更大的透明度和指导。这项政策适用于学生工作的所有方面,从模型的研究和开发(包括代码创建)到书面报告。由于这些新兴技术正在迅速发展,COMAP 将适当地完善这一政策。

团队必须公开和诚实地使用人工智能工具。团队及其提交的内容越透明,他们的工作就越有可能被其他人完全信任、赞赏和正确使用。这些披露有助于理解智力工作的发展和正确承认贡献。如果没有对人工智能工具作用的公开和清晰的引用和参考,有问题的段落和工作更有可能被认定为抄袭并被取消资格。

解决这些问题不需要使用人工智能工具,尽管允许负责任地使用它们。COMAP 认识到大型语言模型和生成式人工智能作为生产力工具的价值,可以帮助团队准备提交;为一个结构产生最初的想法,例如,在总结、释义、语言润色等。在模型开发的许多任务中,人类的创造力和团队合作是必不可少的,对人工智能工具的依赖会带来风险。因此,我们建议在将这些技术用于诸如模型选择和构建、协助创建代码、解释模型的数据和结果以及得出科学结论等任务时要谨慎。

参赛队伍须知:

1.在报告中明确指出大型语言模型或其他人工智能工具的使用情况,包括使用哪种模型以及用于什么目的。请使用内联引用和参考部分。在你的 25 页解决方案之后,还要附上人工智能使用报告(如下所述)。

2.验证内容的准确性、有效性和适当性以及由语言模型生成的任何引用,并纠正任何错误或不一致之处。

3.提供引用和参考,遵循这里提供的指导。仔细检查引用,确保它们是准确的,被正确引用。

4.要注意抄袭的可能性,因为大型语言模型可能会从其他来源复制大量文本。检查原始来源,以确保你没有抄袭别人的作品。

引文及参考指引

仔细考虑如何记录和引用团队可能选择使用的工具。各种风格指南开始纳入人工智能工具的引用和参考政策。在 25 页的解决方案的参考部分,使用内联引用并列出所有使用的 AI 工具。无论团队是否选择使用 AI 工具,主要解决方案报告仍然限制在 25 页。如果一个团队选择使用人工智能,在你的报告结束后,添加一个名为“使用人工智能报告”的新部分。这个新部分没有页数限制,不会被计算在 25 页的解决方案中。

人工智能报告这部分写法可以参考官方提供的例子:

零基础学习数学建模——(五)美赛写作指导_第11张图片

本篇博客到此结束!

你可能感兴趣的:(数学建模,学习,数学建模)