西安机械加工网站建设,公共场所建设网站,淘宝网首页登录注册,十大博物馆展陈设计公司数学建模中有三类团队#xff1a;
第一类#xff1a;拿到题目#xff0c;讨论#xff0c;然后建模手开始建模#xff0c;编程手开始处理数据#xff0c;写作手开始写作。
第二类#xff1a;拿到题目#xff0c;团内大佬#xff0c;开始建模#xff0c;然后编程#…数学建模中有三类团队
第一类拿到题目讨论然后建模手开始建模编程手开始处理数据写作手开始写作。
第二类拿到题目团内大佬开始建模然后编程然后写作。剩下两人负责探听别队的消息和带饭。
第三类拿到题目三个人一脸懵逼不求同年同月同日生但求同年同月同日死数学建模又称语文建模
作者二鸽
链接https://www.zhihu.com/question/356812206/answer/903064209推荐书单
先看姜启源的《数学建模》然后看卓金武的《matlab在数学建模中的应用》下个matlab边看边码如果对matlab不熟可以先看哔哩哔哩台大郭彦甫的matlab入门能把这两本书啃下来已经很不错了。姜启源老师的《模型与算法》整个数模生涯的心理变化有四个重要的时间点
私以为整个数模生涯的心理变化有四个重要的时间点 第一次参赛有可能是国赛、美赛
第一次国赛严谨地讲这个指已经有了比赛经验之后参加的第一次国赛
第一次美赛“国赛”改成“美赛”其余同上
以后的数模生涯这四个时间点有着不同的参赛心理状态也是一个循序渐进的过程。
作者匿名用户
链接https://www.zhihu.com/question/30813804/answer/86442152
来源知乎
著作权归作者所有。商业转载请联系作者获得授权非商业转载请注明出处。第一次参赛以后那些没有成功的人中有的人觉得这玩意不明所以、无从下手再加上专业不对口等原因就急流勇退了有的人感觉也是不明所以、无从下手但是还是被获奖的利益所诱惑继续参赛继续学习。这些人继续参加一两个小比赛接着学习相关的知识也就渐渐了解了国赛和美赛的含金量和难度基本上就知道了这两项竞赛就是数学建模界的全运会和奥林匹克啊于是接下来也基本就是为了这俩竞赛而继续准备学习。在这个学习的过程中你有可能会接触并深入学习Matlab、Lingo、Python、R、SPSS、Eviews、Mathematica甚至C、C、C#、Java这些语言或软件并选择其中的一门作为以后竞赛或者要深入了解并应用的语言这年头理工科不会用个一两种语言怎么混...→_→还可能会接触到概率论与数理统计、数据结构、离散数学、智能寻优算法、机器学习、偏微分方程等知识开拓自己的视野丰富自己的知识还可能会为了排版一篇论文而开始进入LaTeX这个大坑......知乎貌似不能用\LaTeX 这个代码啊→_→这个学习的过程是痛苦的甚至枯燥的而且极易受到专业课学习、考试以及休闲娱乐等因素的干扰而中断。相比于数学系、软件和计算机学院的同志们以后要选择一个方向并一直面对这些东西而不得不学其他专业的同志们一是以后用不到这些数学知识用到了也不用深入研究到时候再说二是这些编程语言、软件、算法和数据结构学起来枯燥乏味而且需要花费很长的时间而且大一大二时就不怎么会用到这些东西充其量是个C、C课设和Matlab、Mathematica选修课作业所以学起来有的人就会拖泥带水断断续续嘴上说着“我要学习Matlab了”两个月后发现什么也没做......三是写作和排版这个东西如果不是参加比赛或者和数模相关的课程很难得到锻炼而且LaTeX的学习周期长学习曲线陡峭因此很多人就浅尝辄止接着用Word了。作者匿名用户
链接https://www.zhihu.com/question/30813804/answer/86442152
来源知乎
著作权归作者所有。商业转载请联系作者获得授权非商业转载请注明出处。真正意义上的“第一次”国赛在国赛中获奖还是有难度的有的学校可以出几十个队伍参加国赛而且他们都是经历了残酷的校内选拔赛的高手很多像我这种随随便便就可以报名的参赛者想和他们竞争还是很吃力的不敢说学的一定比他们少但是精细度和经验上肯定差了太多了。国赛时的三天三夜真的是很难忘因为这是参加的第一个有公认含金量的比赛都很重视而且时间短因此“第一个”国赛时都很拼。但是拼归拼解决问题还是很难的。一开始你可能会觉得信心满满这东西这么弄不就行了么开整具体研究时发现这里有点问题那里有点问题然后开始发愁怎么解决这些问题再往后发现这么弄第三问解决不了啊这么弄第四问结局不了啊啊把它假设掉吧不行不行假设太离谱了丫的算了还是假设掉吧最后赶论文时就是怎么还弄不完啊日了狗了赶紧弄完赶紧拉倒啊 T_T真正意义上的“第一次”美赛 国赛过后筋疲力尽不管获奖没获奖短时间内基本不会想参加任何数模竞赛参加了也很有可能一水而过这是一个缓冲期。缓冲期过后就会考虑开始准备美赛了。获奖的队伍一般会选择参加美赛毕竟美赛更难、更有趣、含金量更大而没有获奖的队伍们就开始面临是否参加美赛的抉择以及队伍的重组了。一般来说大二“第一次”参加美赛是因为他们还有大三甚至大四可以用来冲击所以今年哪怕失败了也算是积累经验了但是对于大三才“第一次”参加美赛的同志们而言有的人就是想让自己的数模生涯完整一点毕竟玩了两三年数模了没参加过美赛不觉着亏么...在准备“第一次”美赛的过程中慢慢都了解到美赛题目的趣味性这个阶段是对数模认知上升的一个时期作为一个数学狗我深深地体会到了数学除了自身逻辑严谨、证明巧妙的美感之外的美感——解释世间万物的能力。这么说可能有点言过其实但是这是我的真实感受仿佛学了这些东西再加上计算机我就可以解决这世界上所有的问题所以学习的乐趣和动力又多了几分。到了比赛中我发现我的思维和国赛时有了很大的变化国赛时我更倾向于如何解决他给出的三四个问题很纠结于题目里给的要求而美赛时我很放松我不再纠结于具体的一些要求因为那些只是他们提供的一些思路如果我的东西可以很简单地描述并解决整个大问题那我就这么做。而且美赛时真的不再纠结是否获奖了写出一篇能完美展现自己“天才”想法并解决问题的论文或许才是美赛参赛时最想做的东西了。不过有点遗憾的是我的队友的思维方式可能还是和我不太一样当然我不是在说我比他厉害我比他强人家绩点可比我高了接近1.0而且他当时感冒发烧状态也不好所以最后交的论文在我看来是一篇思路混乱没有统一中心思想的论文。不过也正是如此我知道了有时候哪怕你和其他队友的思路完全接不上轨但是为了队伍着想还是应该作出妥协让步毕竟你们是三个人。漫漫数模路 “第一次”国赛和美赛之后基本就算是过了一轮了这个时候真的是有点做到恶心了尤其是对于大三的数模爱好者们而言。大二的同志们或许会为了拿个奖而再来一年大三的同志们再参加的话如果不是为了学点东西或许就是怀念那种奋斗三天三夜、四天四夜的激情、感觉、友情等等虚无缥缈而又真实存在在数模爱好者心里的那个东西吧。当然了作为老司机如果有精力带着新人们玩一玩做一做传承不也挺好么 (*︶*)国一佬的经验分享
培训对于三个参加比赛的同学可以不同侧重去掌握但是每个人至少是一门精通一门掌握一门了解。在培训后会对数学建模这个比赛有一定的了解在此了解之上可以开始正式做题目写论文了。
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-psXb2mmX-1678173638283)(2023-03-07-14-35-52.png)]
这些主要是用来练手的前几篇只要是去学习别人的写作方法建模方式和编程方法而后面几篇则是根据学习自主写论文基本不能参考别人的论文。写完自己的论文后整理一下自己的比赛资料。最后在比赛前2天不需要再去做题目了就好好放松一下好好睡睡觉提前为比赛补觉。或者说不想放松可以看看之前整理的资料。
对于建模的同学需要掌握多种算法或者说基本都要有些涉略但是至少有1-2种算法是能够详细的解释的。
对于编程的同学如果说是计算机专业的那么对MATLAB需要熟悉运用因为建模的同学完成后需要编程的同学来跑结果。对于写论文的同学可以根据自己的经验在比赛前就完成论文的模板。以下是我在比赛前写的论文模板。里面都写明了这一部分写什么怎么写
对于分工我建议三个同学每个人分别担任一项。然后建模的同学需要对论文的写作有所掌握编程的同学需要对建模有所掌握写论文的同学对全局都要有一个掌握。我们组是以论文的同学为主导的。
作者MathHub 链接https://zhuanlan.zhihu.com/p/34287798 来源知乎 著作权归作者所有。商业转载请联系作者获得授权非商业转载请注明出处。
编程经验分享
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-PY4dvMBC-1678173638284)(2023-03-07-14-58-38.png)] [外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-Kxvzga9p-1678173638284)(2023-03-07-14-58-59.png)] [外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-bAhcives-1678173638284)(2023-03-07-14-59-12.png)] 这时候大家就会发现规划类、评价类、预测类模型是最常考的出现频率极高。
其次物理类模型考的频率也很高。 而且近几年赛题有如下发展趋势
对计算机能力提出了更高的要求赛题的解决依赖计算机题目的数据较多手工计算不能完成如2007年B题乘公交、看奥运。2012年A题葡萄酒的评价问题。2013年A题车道被占用对城市道路通行能力的影响视频处理2013年B题碎纸片的拼接复原问题图象数据数字图象处理。赛题的开放性增大 解法的多样性一道赛题可用多种解法。开放性还表现在对模型假设和对数据处理上。试题向大规模数据处理方向发展。求解算法和各类现代算法的融合。以上是我对赛题考点做的一个分析以及赛题趋势做的一个分析。最后大家要是想要在国赛中拿奖好好看看我上面总结的数学建模常用算法争取对每一种算法都熟练于心并且知道相似算法的适用范围等等。 比如同样是预测类算法有微分方程预测、差分方程预测、灰色模型预测、回归方程预测这么多预测算法那我们在碰到实际问题时该用哪一种呢它们各自适用范围是什么呢它们之间有什么异同点呢这就是我们平时学习需要注意的问题。
作者CleverFrank 链接https://zhuanlan.zhihu.com/p/31132246 来源知乎 著作权归作者所有。商业转载请联系作者获得授权非商业转载请注明出处。
参加数学建模用 MATLAB还是 Python
慧航 2015 年度新知答主 有的时候不做选择比做出错误的选择还要糟糕。
我参加数学建模也是十几年前的事情了。当时Python还没那么火我掌握的语言里面C当时虽然有数值计算包但是心智负担太大了毕竟不是只写代码还要建模Java和Basic直接排除了。其他的语言Python当时还只是玩具Fortran还要重新学懒得学。
所以想来想去也就MATLAB可以用了。
其实不只是MATLAB当时还学了SPSS做统计分析还有Lingo偶尔做做优化问题。
现在的Python有了Numpy, Scipy, Pandas, PyTorch, Scikitlearn, Statstools之类的一系列包的加持可以说多数时间是可以替代MATLAB了只是要不要自己造轮子的问题。
重点不是这个重点在于如果你真的要做数学建模不是你只学会这些工具就够了的。为了做数学建模你必须做必要的积累。
当时为了做数学建模我们上半年专门开了一门课《数学建模》所有要参赛的必须选这门课然后好几位老师会从自己的专业领域优化、微分方程、统计等讲一些必要的方法。
然后暑假的时间集训。集训期间每周一个题目以小组的形式模拟比赛。
就是在这期间积累了大量的经验。比如如何解微分方程数值解如何求最优化如何做模拟如何做OLS\Logistic如何画图
此外还自己造了一些轮子比如模拟退火、遗传算法这些优化算法MATLAB里面没有现成的自己造轮子比赛的时候还真用上了。
所以不管你用什么语言只要有积累就好说。你必须在参赛前彻底熟悉一门语言才行。碰到问题可以立即找到工具包。所以我的建议是不要长时间纠结于用什么软件尽量早点做选择早点深入学习这们语言。
具体到数学建模在工具包方面MATLAB和Python各有所长。如果你不做数据科学、深度学习可以说从易用性上MATLAB碾压Python。
比如前段时间我为了解一个常微分方程实在不想用MATLAB的我打算用Python写然而MATLAB里面一个ode45就能解决的问题居然Python里面没找到合适的包所以我自己造了一个Runger-Kutta的轮子。
如果你学会了MATLAB做数值计算工作可以很快上手但是如果你学了Python你还要学NumPy、Pandas、Scipy才能勉强达到MATLAB的入门实用性。而且不同的工具散落在不同的包里手册是必须要翻烂的。
不过反过来Matlab的数据处理、数据分析功能还是差太远。Python有了Pandas、Scikit-learn、Pytorch的加持这方面完全可以媲美统计软件了当然在易用性上比Stata差一点不过也差不了太多。此外深度学习方面碾压统计软件。
Python的好处就是啥都能做但是啥都做不到最好虽然已经够好。
所以如果你偏向于传统的数学建模不想搞数据那就MATLAB。如果你都想做那就Python。
不管选什么尽快彻底熟悉其中的一门才是最重要的。
编程相关学习
4学习相关软件。好好学习Matlab就够了它可以实现所有数学建模需要的功能。对于某些问题Excel也可以胜任。C语言也能胜任大部分的程序设计问题。一般来说可以百度一下某个需要的功能Matlab便可以找到对应的Matlab函数一般来说也有相应的例子说明如何使用该函数。如果没有的话可以在Matlab命令窗口中输入help 该函数会返回关于该函数如何使用的说明。但是Matlab的基本语法比如循环、条件、判断语句的结构以及赋值等运算需要提前熟练掌握这个和C语言很相似。如果你学过C语言或者任何一门程序设计语言的话这个是很好上手的。当然如果你确实学有余力的话可以学习SPSS或者SAS等统计专用软件、Surfer等绘图软件。这些软件在统计或者绘图等方面用起来更为方便绘图更为精美。
作者CleverFrank 链接https://www.zhihu.com/question/268052818/answer/550589235 来源知乎 著作权归作者所有。商业转载请联系作者获得授权非商业转载请注明出处。
作者CleverFrank
链接https://www.zhihu.com/question/268052818/answer/550589235
来源知乎
著作权归作者所有。商业转载请联系作者获得授权非商业转载请注明出处。思想方法不太好说我想到了以下几点
1简单最美。有的同学或许会错误地认为复杂的模型体现自己的能力强也应该能够获得好的成绩但是实际上不是这样的。如果复杂的模型和简单的模型得到的结果精度差不多这时应该选择相对简单的模型。这是因为数学模型是为实际的生产生活服务的。相对简单的模型更容易实现也更容易为大家所接受何乐而不为呢2从简单到复杂。这和前面所说的“简单最美”好像有矛盾。但是这里“到复杂”的前提是结果得到改进。一般来“复杂”是指考虑了更多的因素。有一些捧得大奖的论文都是先建立一个简单的模型然后考虑更多的因素再建立一个相对复杂的模型这也是科学地研究问题的思路。3多模型对比。对于一个问题往往可以建立不同的模型各有千秋。对于有的题目两篇国一论文可能做法截然不同这是非常正常的。如果时间充裕可以建立不同的模型对不同模型的优缺做对比或者说明其不同的适用条件。这就是特等奖的水平了。例如2013年国赛交通那道题目我用了相对简单的一个方法做的做了比较多的检验结果也不错比较成功国一。我后来偶然看到那道题目的特等奖论文厦门大学的是用两个更为合适的相对复杂的方法做的。4模糊指标量化。指标只有量化才有可能建立数学模型才可能运用数学方法进行求解。没有量化的指标只能够运用文字进行定性的叙述无法进行数学上定量的分析。模糊数学就是解决模糊问题的数学方法。模糊指标当然可以采用模糊数学的方法进行定义也可以采用其他方法比如比值定义。5结果可视化。大片的文字叙述或者堆叠的数学公式给人的感觉都不够直观都需要一定的阅读时间、背景知识、数学功底才能够理解。可是一张图往往可以瞬间形象直观地反映所要表达的内容与数学功底也没有多大的关系。这与数学模型本身的好坏无关但是能够大大促进作者和读者之间的交流属于“写作水平”的范畴。6检验结果。建立模型并进行求解得到的结果可能是正确的也可能是错误的。如果不对结果进行检验严格意义上论文是不完整的。我听老师说对于模型没有检验的论文不可能获得国奖。对结果进行检验主要有以下几种方法
①敏感性分析。分析因变量随各个自变量的变化趋势。趋势合理符合常识起码证明模型很有可能是正确的没有大问题。
②实例检验。实际的数据最有说服力也可以检查结果的精度如何。但是有一个问题实际的数据可能不好找。
③仿真。这个需要学习使用该领域的仿真软件实际上算是充当了”实例“的作用。这也存在一个问题不一定有相关的仿真软件尤其是处理的问题属于新领域的话。
④算例分析。这个算是下下策了在找不到实际的数据以及相关的仿真软件的前提下只能这么做。与敏感性分析相比这个方法也显得较为片面。
⑤特殊情况分析。如果原模型比较复杂可以分析其特殊情况一般更容易分析。如果特殊情况被检验为正确的对于说明原模型是正确的也是比较有说服力的。竞赛心态也是很重要的1全力以赴。获得国一的论文只能说明他们做的“相对”很好但是不一定做的就真的很好。也有可能你确实做的很好但是没有捧得大奖。为什么呢评奖是根据评分排名而不是预先定好论文是什么质量对应什么奖。例如我参加过一次美赛题目是原题。大家都搜到了原题的特等奖论文。我的论文在这基础上做了一定的改进结果是H奖这个就很水了~我也参加过一次国赛2013年交通那个题目没有听说过这是陈题。时间只有几天极少有人能建立很完善的模型并解答。说句心里话我认为我们做的真的很水~没有太大实际价值。但是我们的论文是完整而且基本正确的。我从网上搜到了一篇那个题目的省一论文发现它的内容本身就是残缺的没做完~论文的质量更是不堪入目。从另一个角度如果你这次没有全力以赴会对结果抱有遗憾后悔当时为什么不再多努力一点。还有一个问题是以后的比赛参加么你可能还想参加一次争取更好的结果。也可能不想参加因为怕题目出的不合口味而白忙活或者等到下一年的时候你根本没有心思来搞这个比赛了留下几多遗憾。大多都是大三的队伍参赛大四的时候要么保研、考研、找工作。所以最好的做法就是这次全力以赴不留遗憾。2团队合作。目前我所发现的唯一高效的合作方式是相对独立而完整的内容主要由一个人来完成其他人起辅助的作用。因为交流是有成本的。论文需要一个人完成因为不同队员的风格是不一样的程序需要一个人完成因为程序的不同模块之间是有一定衔接的。大家可以参考软件工程所倡导的“极限编程”的组成成分——“结对编程”和这里所说的是一个道理。对于认真参赛的队伍来说很容易出现意见分歧。所以比赛前应该确定下来出现矛盾以后隔多长时间仍然无法统一意见无条件服从队长或者擅长这方面的同学的意见。这无疑会节省很多宝贵的时间。当然要根据这个矛盾的重点程度分配给它相应的讨论时间。实际上前面商量得再好用心比赛的选手之间也会产生矛盾这就需要大家之间互相体谅了。3分清主次。换一种说法就是不要恋战该收手时就收手。一般题目都有好几问。比较聪明的人能够看得出来哪个问是重点。对于重点问自然要投入更多的精力对于非重点问做个差不多就可以了。这就需要队长统筹兼顾提前估摸好每一问花多大精力去搞定它 。4学会表现。这一条看起来不是那么正经但是这是我对参赛选手的实在话。我一共弄过两次深圳杯。第一次深圳杯我们的论文感觉很乱我们都不明白我们在做什么但是显得很厉害。最终很意外我们被选中了~第二次深圳杯那次我可以说是全身心的投入了题目也很对我的胃口我甚至做好了可能因此无法保研的最坏的打算。我非常认真负责但是论文语气非常地谦虚。最终也很意外我们在山东省这关被涮掉了。后来我想明白了你都不夸自己做得好怎么能指望阅卷者欣赏你另外我也听老师说过实际上现在很多所谓的“好论文”不过是“会写论文”罢了~5参赛动机。比赛斩获大奖首先这是个荣誉。其次这可以证明自己的研究能力这对于大部分工科学生来说是重要的。再者可以通过这个平台认识很多志同道合的朋友拓展自己的交际圈。然后有的院校拿国奖可以保研或者是保研加分。一般来说在期末的奖学金评选中也会更有优势。美赛获得一等奖或者更高的奖项据说也有利于出国。如果被邀请办讲座也可以培养自己的粉丝。如果你志在科研工科数学是个很好的选择多学科融合会有更多科研的成果。如果你是个学霸但是感觉统一课程太枯燥了参加数学建模竞赛也是丰富课余生活的一个方法。6尽快落实。第一可能等到想写的时候时间已经不足了第二刚有想法的时候知道是怎么从现实问题一步步转化为数学模型的这时候思路最清晰、逻辑第三就算后来又做了新的模型之前的结果也可以作为检验或者借其说明新模型的优点。7正视竞赛缺点。数学建模竞赛本身确实存在很多不足之处但是它本身也存在很多积极的地方例如培养严谨科学的思维查阅文献的技巧论文撰写的技巧编写程序的能力迅速消化知识的能力团队合作的能力等等。例如作为选拔人才重要举措的高考也经常受到抨击很多抨击或多或少也都有合理的地方但是这并没有影响到它几十年来在人才选拔中发挥的重要作用。任何一个选拔制度一般多少都有不足之处因此不足之处不是摒弃选拔制度的理由。8正确理解题目。不要还没有充分地理解题目就急忙下手。有的题目如果不仔细读可能会理解错误或者弄错题目的重点那么后面的付出就会大打折扣了。应当好好分析题目各问之间的联系一般问题按照递进的关系后一问往往会利用到前一问的结果或者结论然后有的问或者小问会利用已建立的模型进行一定的计算。如果题目确实存在不同的理解那么任一种做法都是可以的这不会影响到评分。9不要卡壳。对于后面的问题可以先找个差不多的数据算着说不定过会会有人讨论这个问题该如何解决。重新计算一遍的时间往往小于干耗在目前问题所需的时间。另外可能后面的问和前面的问没有太大的联系这种情况下不必按照给定的问的顺序做。10过程重于奖项。无论结果好坏参赛过程本身培养了能力也有助于意识到自身能力的局限性实际上这是最实在的作用。奖项的作用无非使简历多了一行。在跨过求职这道门槛以后估计就没有多大的作用了唯一起作用的是获得的奖项所对应的处理实际问题的能力。我看知乎上有的IMO金牌当然是非常非常厉害的了提到在若干年后谁还会在意你这个国际奖项啊~但是实际上将注意力放在如何享受竞赛过程上这本身有助于取得更好的奖项因为忧虑的情绪会影响到水平的发挥。11见好就收。在你拿到很好的成绩之前和你合作的队友或许还可能会认真准备并参与竞赛因为谁也靠不住在这之后的话如果去寻找新的队友新队友可能是“抱大腿”的心态表面上说会好好准备实际上能偷懒就偷懒。这一点我有非常深刻的体会。在拿到很好的成绩之后一方面自己没有那么大的动力重新准备另一方面队友也不如以前努力自然也很难超越以前的成绩了。
实用攻略这是最直接的
1竞赛论文里面一定要突出显示自己的数学模型。因为这是数学建模竞赛最重要的当然是模型。模型一般的体现形式为公式或者算法步骤。要保证阅卷者花十几秒时间扫一下你的论文就能知道你做到了什么程度。
2关于参考文献里面不可以出现太多网址这只会体现你的业余如果参考文献太少可以随意找几篇相近的看似能用到的论文加上。最好引用比较权威的期刊上的文献。如何判断期刊的权威性一般来说中文核心期刊算是比较权威的影响因子越大期刊越权威。对于国赛仅仅参考中文期刊也已经足够了。3关于页数如果你自己做的东西还不到10页东拼西凑各种论文也要凑到将近20页页数也不可太长评委会感觉很累的。4关于数字、字母你要是时间多的话可以都用公式编辑器编辑麻烦但是美观~5关于作息最后一个晚上熬夜前面几个晚上好好睡觉。一般这样有利于发挥。6关于数据对于自己搜集到的数据如果得到的结果和理想的有一点差距这是非常正常的。索性手动改一点点让得到的结果更好看~另外有的数据根本搜不到怎么办呢自己弄一组看似合理的数据进行分析这叫做“算例分析”。7关于换队友直接说不太好。可以说我提前答应过某某同学可是跟你组队的时候忘了这事了。8关于指导老师虽然竞赛规律明令禁止比赛过程中老师参与但是老师或多或少会参与一些。对于实力不强的队伍可以找一个竞赛过程中参与比较多的老师。切忌找很厉害的老师教授对这个根本不感兴趣。讲师应该是个不错的选择副教授也可以。9关于外援比赛的过程中确实有的找外援。只是提示一下自己看着办吧。10关于选题最好选择一个能够把大家都调动起来的题目。如果其中某人确实很强也可以选择一个他擅长的题目这样可以将竞赛结果的期望最大化。要换题的话一定要早换否则换题的成本太高了。11关于结果听说有的队伍弄一个看起来比较正确的模型然后搜一下别人比较公认的结果再搜一下相关的程序虽然自己都不知道那是什么意思然后就这么凑到一块。很机智啊2678911不大正经不要说是我教的请谨慎考虑论文写作
1摘要第一段简述本文研究的价值所在和本文的特点。以后每一段分别针对每一问陈述该问的研究内容研究方法主要结果表述简洁扼要。采用首先、然后、最后等词使得文章结构清晰。摘要是全文的精华一定要好好写。摘要写不好评委根本没有继续阅读的愿望。2关键字4至6个为宜要能够体现本文的特点。3问题重述一般来说直接copy题目即可说明附件数据的部分一般去掉。4模型假设假设过多问题简单而没有意义假设过少问题复杂而无法研究。“套话”假设也需要说。简化假设后与实际问题不能有太大的出入。最后一条末尾为句号其他末尾为分号。5变量说明列举文中出现的所有符号并解释其含义。6问题分析注意与摘要的区别这里分析问题的重点、特点、难点不是陈述如何研究的。7模型的建立及求解要有承上启下的语句体现了逻辑性或者说清晰的思路。注意对异常数据的处理包括缺失数据、明显错误的数据。对于文中的任何一个图要说明采用什么软件并对图所反映的规律进行说明。注意结果的可视化。表格最好采用三线格。最好有语句体现论文不同问之间的联系。注意联系实际分析结果的合理性。文中最好不要出现主语比如“我们”。论文的同一部分尽量在一页上。突出显示最重要的公式、图表。注意区分引用的内容与自己做的内容如果是引用的内容需要标注参考文献。8模型评价及推广模型的优点本文最能拿得出手的地方模型的缺点不要避讳实事求是模型的推广体现还有工作可以做只是因为时间不足。9参考文献不要自己写找个可以自动生成格式的比如Google学术搜索。10附录可以是论文中用到的程序比较长而不重要的图表等。如何建立模型
1首先搜索相关的文献大多数问题都有相关的研究要”站在巨人的肩膀上“这样可以减少很多的自己摸索的时间。2如果没有相关的文献就需要自己建立模型。根据经验、分析甚至是一定的尝试决定采用哪个模型来做。竞赛与科研的关系竞赛本身可以在一定程度上培养科研能力但是与科研还是有很大不同的。竞赛是几天的投入所研究的问题也是经过很多简化处理的就是为了保证参赛者在这几天的时间里面能做个差不多。科研是针对实际需要解决的问题一般需要用长的多的时间来解决。一般也不能指望竞赛几天做出来真正有科研价值的东西来。关于数学类专业与非数学类专业对于数学类专业学生来说数学建模所可能用到的知识大部分都学过对于数学的理解也较为全面和深刻自然不需要在该竞赛准备上投入过多的精力很多数模大神也都出身于数学类专业对于非数学类专业学生来说数学上一般只学了点皮毛要取得好成绩甚至成为大神级别的就需要课余下很多工夫了也很难匹及出身于数学类专业的真正的高手。但是数学类专业的往往比较缺乏工科的分析实际问题的思维工科专业的这方面思维较强。我个人认为数学类与工科类专业的学生搭配组队是不错的选择。如何查找文献以及数据对于大部分本科生来说CNKI应该是最佳的选择。如果英语较好的话可以考虑使用Google学术搜索一般可以用Glgoo作为替代品按说这里可以搜索到所有相关的文献。如果想真正做出很好的成果的话建议将搜索重点放在相应学科的重要的数据库里面。国家统计局网站有很多统计数据可能会用到。一些数据库比如CNKI也提供了搜索统计数据的功能。如何选题一般比赛都会提供若干个题目。1对于新手建议选一个门槛不高、容易上手的题目。比如以前有过类似的赛题并能够搜到相关的优秀论文背景曾经在中学阶段熟知或者题目属于所学专业领域内的需要处理的数据关系复杂题目叙述繁杂或者其他没法体现经验丰富的竞赛选手优势的题目。第一次比赛最重要的是熟悉竞赛流程和时间分配不要期望也很难取得很好的成绩。2对于老手建议选一个能够体现自己优势的题目。一般来说阅读题目并简单搜搜文献能够大致了解每个题目用什么方法来做。选一个方法上自己最有优势的题目或者题干简单数据关系相对明了应该是明智的选择。老手有一定的选题经验在此不多说了。## 参加参加数学建模后有什么感想和经验可以分享 [外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-3PWrNuKb-1678173638284)(2023-03-07-15-02-49.png)] https://www.zhihu.com/question/359314560/answer/929861577
看看人家啊
1.4 燃起这部分算比较励志的吧大一上学期自学完了两本高数看了几眼线代只为了用Matlab做了点考研题刷了竞赛题也参加了三次数学竞赛因为学校的地理位置吧直辖市级一次一等奖省级一次一等奖全国预赛一次一等奖滑稽脸期间在b战疯狂学习matlab现在想想56小时的视频活生生地被我肝完了。期间膜拜各种知乎大佬看过无数有关内容的篇章。这部分很拼。。。大家还是选择性模仿吧。作者小糊涂
链接https://www.zhihu.com/question/359314560/answer/929861577
来源知乎
著作权归作者所有。商业转载请联系作者获得授权非商业转载请注明出处。二、如何准备数学建模
2.1 知识储备
讲道理这部分我不想去写的因为我自己还没准备的太好哈哈哈哈哈哈哈哈哈知乎大佬多又多同学们自己去搜搜哈保证你们看完更空虚哈哈哈哈哈哈哈哈
好了不闹了。同学们都有这种感觉——数学建模的东西太多了是的我承认。在这里我不推荐大家任何书籍因为我知道你很可能也会像我一样买一本姜启源放在书架上供佛或者买一本司守奎用来盖泡面。
数学建模的题材太广了一些问题甚至都不能用固有的模型去解决很需要咱们的现学现卖的能力。难道这就不需要我们学任何东西吗不不不虽然掌握基本的模型就好比新手村里几个破铜烂铁般的装备一样但总比没有强最起码心里面踏实而且在关键时候这些基本的模型还会给你提供闪闪发光的启示
多的知识储备我不给只给下面这19个接住 线性规划
整数规划
非线性规划
动态规划
图论
排队论
对策论
层次分析法
差值与拟合
数理统计与分析回归分析
微分方程建模
稳态模型
常微分方程
差分方程
神经网络 模拟退火 蚁群算法
灰色系统理论
时间序列模型
聚类分析
作者小糊涂 链接https://www.zhihu.com/question/359314560/answer/929861577 来源知乎 著作权归作者所有。商业转载请联系作者获得授权非商业转载请注明出处。
下面是软件方面
1.matlab我最喜欢首先这个东西很大我下载的那个版本大约12G越大越强你懂的。什么你说不会下载关注微信公众号软件安装管家自己去下什么你说让我现场教教你怎么使用别兄弟去b站别问问就是这东西功能太特么多了
2.lingo解决规划问题的昂matlab也能但是matlab让新手打代码会很恶心。这个软件就是很傻瓜很照顾不会编程的小白白总之解规划问题就找他
3.SPSS这东西用来做数据分析的就需要你啪啪啪地把数据打上去然后闭上眼睛按几个按钮分析结果就出来了。对没错matlab也能做但是没这个方便。
4.亿图求你们画流程图的时候别再用CAD了好吗亿图亿图国产好软件画图就找他姐妹们给我用它好吗用它李佳琦口吻
5.Latex我没用过不过我正在让我的队友在学主要是用来论文排版编程排版你们听说过吗很方便的嗷建议学一下如果没精力的话写论文用word也没问题。
掌握扎实数学基础、熟悉数学模型、学习优秀数模论文3个阶段
作者大黄蜂 链接https://www.zhihu.com/question/20074071/answer/37216872 来源知乎 著作权归作者所有。商业转载请联系作者获得授权非商业转载请注明出处。
从听说数模时的神圣到参加数模时的淡然从接触数模时的迷茫到对数模竞赛的熟知在摸索中一步一步成长。回首四年的参赛历程我认为学习数学建模知识应该具备的数学基础有高等数学、线性代数、概率论与数理统计在此基础上重点看一下运筹学的书籍。
当然数学建模不仅仅是要求数学知识扎实还需要参赛者广泛涉猎知识包括物理、生物、心理学等因为许多数学建模题目要求背景知识比较深比如说12年MCM A题要求画出一棵树这就需要参赛队员了解某类植物树叶生长具备的特点涉及生物学知识第二届MATHORCUP全球数学建模挑战赛A题也涉及到空气动力学知识。因此数学建模是以数学为基础综合各门学科涵盖自然科学和社会科学的一项赛事。 具备上述基础知识以后我就着重看一些建模方面的书籍主要看了以下4本书赵静和但琦的《数学建模与数学实验》、姜启源和谢金星的《数学模型》、《运筹学》、肖华勇的《实用数学建模与软件应用》。
每一本书都有自己的特色也没必要仔仔细细地把整本书都看完甚至你可以只知道模型的大致步骤真正用到的时候再翻书详细了解这个模型。因为数学建模本身就是一个学习的过程在短短3天时间里将陌生的知识转化成自己的知识是具有挑战的更何况还要对模型进行改进但是正是这样我们才能不断接触新知识不断培养自己的学习能力。
熟悉模型之后我就基本能够看懂大部分的优秀论文了。我个人认为看一些“高教杯”特等奖论文及美赛Outstanding对自己思路、知识、写作能力提升非常快这些论文一般逻辑性很强层次感出众。在欣赏优秀论文的过程中我十分注意模型的适用范围举个例子来说对于预测类的题目比较常用的预测模型有时间序列模型、灰色预测模型、贝叶斯预测模型、神经网络预测模型等这些模型并不是对所有的数据都是适用的有些模型需要先对数据进行剔除、平均等处理这些细节需要特别注意一旦不注意就会影响整篇论文的质量。
上述三步进行之后接下来就是实战演练了。我当时见到数学建模竞赛就参加参加完后主动找组委会要评语因为那些评语里记录着你的不足便于今后改正参加次数多了你对时间的把握、知识的积累、论文的写作等方面会掌握的比较到位。作为一名真正的数学建模爱好者上述竞赛我们都可以参加这些竞赛都可以锻炼我们的能力。
最后我想强调以下两点
数学建模竞赛不是一个人能够独自完成的它需要3个人相互合作往往团队合作能力决定你竞赛的成败。此外3个人最好都能都了解建模、编程和写作然后再发挥每个人的特长这样就不会出现建模人员所建模型不能求解的问题就不会出现写作队员时间比较紧以至于写不完的问题就不会出现编程队员不理解模型而无从下手的问题。做每一道数学建模题的时候我们一定要做到有根有据模型假设以及模型建立均是如此也就是说数模最忌讳弄虚作假因为那么做对我们能力一点好处都没有哪怕我们建立的模型简单。
