数学建模与统计建模论坛(Mathematical Modelling and Statistical Modelling Forum)

 找回密码
 注册
搜索
查看: 42106|回复: 4

参加美国大学生数学建模竞赛经验分享?知乎

[复制链接]
发表于 2014-10-1 13:43:57 | 显示全部楼层 |阅读模式
趁年前这点时间,写个带队刷美国赛的攻略吧~

一、组队篇
团队水平基本决定了最终结果的上限——在美国赛,差团队是无可能做出好结果的(这点与国赛不同) 无论队员还是导师,猎取的优先级都应该是这样:
  • 没过得奖但有经验的:这种动力最足
  • 得过奖的:如果后来参赛成绩还不如之前,对人对己都交代不过去
  • 没经验但想得奖的:大多数
  • 没经验、想打酱油:不光说队员,还要留意导师,你懂的^_^
这跟创业组队一样,别在乎现在神马光环,关键看的是将来能够付出多少。
必须保证团队里每个人都有共同的愿景和强大的动力,否则内耗是迟早的事。

高手和好导师都是稀缺资源,下手越早收获可能越大,想找高手:
  • 你必须也是个高手,至少某方面特长能给人信心;
  • 必须保证团队间能衷诚合作,互相鼓励/配合——这点与谈恋爱一样,要经一定时间的磨合和考验,才能看得清;
  • 保证每个人的弱点能有效弥补,即便是高手全才也不多,对其弱点如果没有合适的人弥补,结果可能还不如实力平均的队伍;
  • 要能顶得住本校其他队的竞争,比如挖人、争导师、抢机房等等——人才太多没办法,哎~
总之,除了主动出击、笨鸟先飞之外,还要求一定的口碑、人脉和组织能力、观察精准、明决善断,敢于取舍。

二、装备篇
  • 数值工具:各种软件和代码操弄熟练是基本要求,软件不必求多,但每款特色部分一定要尽可能熟。长的代码尽量拆成短的,而且要调通测试过,关键地方注释好,比赛时,宝贵的时间用来debug是不值的;
  • 信息检索: 搜索引擎技巧是根本,其他信息含量都不太高,国内各种数理论坛算是基础,国外各种资源尽量积累 (免费论文库、wiki、各大数值软件官网、专业论坛、大牛的blog/twitter、stackoverflow、quora……不会翻墙的要尽量先弄清楚,不然有的资源打不开或者下不到哦),图书馆的国外学术资源也别忽视;
  • 写作软件:有时间精力的同学学一下LaTeX,实在没时间的将就用word转pdf吧;
  • 资料积累: 钱少的同学可以下outstanding论文,仔细研究(新浪爱问和madio上能下到2011年前的);钱多的可以买comap的UMAP杂志,不只为看论文,主要看每题的综述,了解那一题当年的答题情况和阅卷人的思路(我那几年国内有卖的,之后几年没关注了,不清楚现在哪能弄到)。
赛前准备程度基本决定了比赛的时间充裕度,赛前准备不足往往要靠比赛时不眠不休、争分夺秒拼命抢时间来弥补,这种情况下能做出多少创造性工作就难说了。

三、练级篇
  • 练习:练习的时候要根据队伍的特点有针对性的训练提高——模型方面,多积累实际问题产生背景,注意培养思考的深度,善用发散和逆向思维;实现方面,注意提升各种算法求解效率的方法,多积累算法调试、测试、参数调整、有效性检验等方面的经验;
  • 比赛:最理想是国赛前定下美国赛队伍,拿国赛练级攒经验比较恰当。其他如教工杯之类的比赛,鉴于真实比赛环境和练习的机会不多,建议当成美赛认真练。只要认真练,几次真赛历练之后,建模和配合方面问题就不应该太大了。
  • 学术论文写作:难点不是专业词汇或格式排版的问题,这些问题阅卷人可能会对外国参赛者宽容些,真正困难是表达如何逻辑清晰严密、符合学术规范了。有条件的最好找英语国家教授或学术期刊编辑帮忙不断改,找不到就只能是找海归教授、理工专业外国留学生将就了,再没条件的只能研读outstanding和英文经典论文了。
最难练的是英语学术写作这关(这个问题当年我也没处理太好),这块短板往往决定最终成绩的下限,文章写得好,多普通的工作至少人家明白——可要是看不懂,悲剧的可能性很高。
四、打boss篇:
终于写到真正比赛了,然而,到这阶段,最终成绩范围已经决定了,能改变的东西也不太多了,这里能写的也不多了,主要是一些细节:
  • 比赛报名:提前准备好visa或master card,名字和地址不要写错;
  • 作息:要看各队情况了,原则是保证效率、不打乱节奏。前期都很亢奋,但如果打乱节奏可能导致后面疲劳期时效率过低,其实美国赛截止时间并不是很严格,前期利用好亢奋期和每天的高效率时间的话,到了疲劳期还能继续坚持下去,否则就是给你再多时间都无法持续下去。对那些想尝试达芬奇睡眠法的同学,建议先在之前比赛和练习时充分适应,避免临时改变作息方式,打乱节奏,降低效率;
  • 引用:如果copy了整段的原始论文,一定要注明来源——07年就出过outstanding奖因为引用的问题被收回的事。这是原则问题,千万注意!
  • 邮寄论文:提前联系邮局/快递,确认好邮局每天邮寄时间,以倒推截止时间,事实上这么多时间,很少有人能用满——这给了慢热队伍一个优势,之前练习也应先关注深度和质量,再考虑速度和效率;之前比赛的时候,交完论文的几天别闲着,继续魔鬼训练——对做到极致的模型再完善深化,对论文结论再推广演绎,甚至还要演练英文写作。
最后,希望大家对成败看淡些,把得什么奖励当成游戏杀boss的掉落——在默认得奖范围内进行一次随机取样:
所以得了O奖也别浮躁,只是说明你队伍水平确实好,
没得奖倒是要好好检讨,至少要明白失误的地方。
然而,在过程中锻炼出的能力、结下的友谊却是终身受益的。
-----------------------------------------------说几个小的tips

1. 论文写作非常重要!MCM的奖项分配是很不均的,Outstanding+Finalist一共就十几支队伍,而Meritorious就有几百支队伍,而拿Meritorious的论文有时候和O或者F的质量其实是差不多的,这个时候论文写得好格式好就成为了明显的优势。可以去看一下历年Outstanding的论文,有一些也没有特别出彩的地方,但是条理很清晰语言也写得很明白。

2. 基础模型没有太大的参考价值。我指的是类似《数学建模》这类基础书籍中的模型。不是说它完全没有用,但是真正的题目出来了会比书中的题目复杂许多,需要考虑的因素也多了许多,而且在看到题目之前你根本不会想到用什么模型比较好,所以如果投入太多时间研究最基础的建模,就会发生题目出来以后不知道用什么模型的问题。

3. Research是最有用的!正是因为等题目出来以后才能确定建模方向,所以在确定好题目以后做research的帮助很大。多多参考一些相关学科的论文,可能会有之前想不到的思路或者专业性比较强的模型。比如2013年的MCMB题水资源那道,我们在做的时候查了许多篇相关论文,除了最基本的回归、线规、图论模型以外,像水资源价值模型中的模糊分析、生态圈水循环模型、去盐碱化成本估计这些东西都是我们现查资料现学的。

4. 一定要分工明确。最好的组合就是一个建模+一个编程+一个写论文。编程强烈推荐matlab。其实到头来最轻松的应该还是建模的人,因为模型建的过程中很多还是需要运行程序,这部分就跟建模关系不大了……建模的人最需要干的就是research,然后想办法把这些现有模型适当修改套到题目里去。事实上凭我们现在的水平很难自己建一个比专业人士更好的模型的,所以套现有模型最靠谱。早期编程和论文的人主要应该负责数据的查找,这项工作量是很大的。写论文的人开始几天要休息好(可以先把introduction什么的先写掉),因为他肯定会在后期很忙很忙。最好是三个人配合好,建完一段写一段,就不会发生当中某一个人暂时没事情做的情况了。

5. 千万不要拖延。虽然deadline之前的生产力是最大的,但是也因为时间紧很多东西都容易仓促掉。像身边很多人在比赛头两天都会打游戏聊天什么水掉,但是其实这个是很浪费时间的。我们组当时非常配合,提前一整天就把整篇论文写完了,直接提交了。这一点我们非常后悔,因为提交以后才想起来我们漏做了水库蓄水的模型。如果利用了这24个小时也许奖项会更好。由此可见时间还是非常重要的。

我现在是高中生,13年MCM拿了Meritorious,以上这些都是经验之谈,绝对有用的~

--------------------------------------------------
作为2013美赛一等奖获得者 我很负责任地说 差队也是很可能出好成绩的 前提是 你们要肯想 肯找资料。那些传说中的SAS LINGO 什么的我们都不会。但是matlab 和 latex是必须的。不需要很熟练,都是可以现学的。还有模拟退火 神经网络 我都不知道是什么玩意= =

1.组队

我们队 一个应用数学的学渣(就是我) 一个化学院的女森 加上一个 计算机院物联网的男生
一般组队都是 数院 电气 电信 经管 这样
我们一次模拟都没有做过,但是分析过大概10多篇08年一等奖的文章,当时觉得 他们的模型都看不懂= =

2.场地
因为学校机房有限,都给了参加过过赛的同学的队,比赛的时候 出去开了两间房,白天就在一起做题。酒店没有桌子,就坐在地上然后把电脑放床上= =

3. 找资料
谷歌高级搜索是神器,比知网什么的强一万倍。输入关键字,找PDF,完事。
我还找了沙特阿拉伯统计年鉴
世界什么自来水公司的官方网站 还发邮件索要了试用账号= =
维基百科也可以参考

4.正式比赛
当时选做了B题,水资源的那个,什么制定水计划 2025年还有水可以用啊blabla.
那么我就介绍一下我们的思路
首先我们从实际的角度一起分析了一下, 要水够用,那么就要知道每年要用多少水。用水则分为生活用水 工业用水 农业用水等。生活用水总量 我们用了总量=估计人数*人均用水量,工业 农业都可以通过论文找出来。
其次找到新的水源。我们第一天一直在搞美国,当天晚上醒悟了,换了沙特。沙特是多么有钱的地方!人家可以拖冰川!!!于是 姜启源老师的《数学建模》拖冰川模型连距离都不用改直接就能用。
其次 海水淡化,这个也是找论文,有现成的。再其次,污水处理,也有现成的。
再其次,管道会有漏水吧,地下水会造成地表下沉吧,这些都可以写
最后,帮助做决策:三种方法的优先顺序是怎样的呢?层次分析法。这个是相当好用并且容易的模型。
至于排版,latex上网找个模版绝逼胜过word。不需要熟练,因为我们是比赛前两天才下下来这个软件的。碰到小bug,百度去,绝对能解决。

5.制胜点
纵观整篇论文,没完成的模型(论文引用)不少,编程总共就两个,一个人口增长,一个层次分析。但是我们有条理的解决了这个问题,并且排版相当美观,图表制作的非常好看。

我觉得美赛并不是考你有多少数学知识,或者编程多么牛逼,或者队员背景多么生猛。而是你们是否能够好好合作,理清解决问题的思路,并有条理的写出来。你不一定要数学好编程好,也不需要有庞大的知识储备,而是要会尽可能的找到你要的资料和数据,尽可能全面的思考问题,在可选范围内,挑你能做好的去做。网上资料那么多,只是看你会不会发掘利用。

大家要有信心 一等奖不难 加油噢~
-------------------------------------------
首先说一下自己的参赛经历:2013年S奖,2014年M奖,两次参赛是不同的队伍。
没有参加过国赛,平时基本也没有练习过。

概述

参赛首先必须把大部分的参赛攻略先给看完了。那些攻略都对我有很大帮助,它们提到的部分我就不再赘述了。

除了本问题下面的答案外,推荐一些对我很有帮助的攻略,其他一些质量较低或者帮助不大的攻略我就不贴了。
给2013年参加MCM同学的一些建议——如何在短时间内争取最大可能性拿奖
教大家怎样在一个月内准备美赛建模
数学建模美赛经验
美赛经验及常用搜索网址[转]
认真把故事讲好——美赛一等奖小结 (文/孙术乔)
美国 MCM/ICM 竞赛论文评审你知道多少?美国大学生数学建模竞赛(MCM/ICM) -

本问题下面的 @Lynda Gu的回答就给我很大启发。他们团队其实不怎么会编程,也对高等数学世界缺乏了解,可以说的确是高中生水平。但是只要他们解题思路清晰、论文写作高水平,可以说就拥有了极大的优势,最终也获得了M奖。我记得前两年甚至还有一个高中的组得了MCM的O奖,也是他们上外附中,相信也是具有类似的特点。

因而我认为在整个建模过程中
  • 写作为王
  • 专注于对模型的讨论
  • 编程只是为求解模型服务,可有可无

要知道整个团队四天的工作成果将以且仅以一篇论文的形式来展现,那么不能体现到论文上的工作可以说就成了无效工作(这也是当前学术界存在的一个无奈现实)。因此在做每一步操作的时候都要思考我们做的这些事情到底对我们最终的论文成果有什么帮助。
没有直接帮助的工作,能舍掉的都尽量舍掉,还不如拿来改进论文,调整排版。


团队工作

美赛是团队合作的比赛,选择合适的队友非常重要。我认为不一定需要在学校参赛,我两次都是在家里参赛,反而做起来更顺手,因为能够随时得到补给、随时休息,不用担心机房关门等等。队友之间就用QQ传送资料,还可以用Evernote共享笔记本以及Dropbox实时同步搜集到的资料,并且可以在里面随时更新团队工作的进展、已经想到的思路方法。必要的时候还可以用YY\QQ语音直接讲话沟通(不过一般不建议使用,容易造成互相干扰,事实上在家工作的最大好处就是队友之间不容易互相干扰)。

要和能通力合作的队友在一起,不能全力合作的队友,哪怕编程能力再强对团队都是一枚定时炸弹。要保证三个人在这四天里都能全勤工作。参赛之前要互相搞清楚每个队友都会哪些东西,对哪些领域的知识方法比较熟悉,这样在选题的时候就可以快速作出决定,避免浪费时间。而且需要让队友都认识到以上几点,编程都是为求解模型服务的,而所有工作说到底都是为论文服务的。

团队中的人最好各有所长,各司其职,要做好任务的切割,还要做好各个任务之间的接口。哪怕团队中没有特别擅长编程的人也不是特别要紧的事情,很多团队仅仅依靠EXCEL等基础软件就能完成建模工作。但是一位有一定英语写作能力的写手是十分必要的。试想从阅卷者的角度出发(可搜索美赛阅卷流程),倘若写作或者排版的问题很大,恐怕答卷就会直接被分入S奖范围中了,而美观的排版与专业流畅的文字一定能为工作加分许多。可以说如果团队中缺乏这样一个人,那恐怕不太可能取得理想的成绩。

最好让写手来做全局的统领工作,因为建模中的所有思想方法以及成果都要经由此人之手表达出来,论文中还有很多与求解模型没有直接关系的部分,比如对模型的讨论、模型的优劣势、模型检验、适用范围的讨论、灵敏度分析、结论等等等,都是由写手来直接完成,其他人纵然有很好的思想如果没有被表达出来也是徒劳的,因此其他人务必要保证和写手沟通好模型的要点,或者这些部分最好由写手自己来构想。可以说写手的工作一般要占整个团队工作量的50%。


写作

我是写手,简单说一下写作中的一些要点。关于写作的细节我不再赘述了,很多经验帖都有非常详细的指导,也有很多的写作模板。
比如
MCM写作模版(摘要、假设、图、表、公式、优缺点、总结)
但是建议除了这些写作模板之外,还要去看一下真正的优秀论文,看看这些语句到底是怎样实际应用的,否则写出的文章模板痕迹会很严重,看起来很生硬,必得S无疑。

首先要在开赛之前阅读5篇以上的不同类型的O奖论文,要观察思考论文的推进思路和行文结构,并且试图去模仿,归纳出适用于自己的行文方法。还要注意其表达特色,特别是摘要部分。摘要部分务必简洁明了,本来在论文中需要用三句话讲完的事情能用一句话提炼出要点就尽量精简(我相信一篇成功的论文最初开始写摘要的时候都会觉得一页无法概括自己的工作,不太可能出现摘要无话可写的情况)。要表现出自己已经最大程度的试图在短短的摘要中展现出自己的思路方法、创新点和成果(哪怕其实论文中实际关于这点的内容并不多,也可以给读者造成这篇论文内容非常有料的错觉)。写任何一句废话都是大忌,这点可以看看O奖论文和一般的数学论文来了解什么是废话,了解数学论文的语言特色。如果不能在摘要部分就很好地把自己模型的优点向读者convey出来,恐怕就会被直接扔到S奖堆中了,没有人会再去注意你精彩的正文。

整篇论文必须体现出团队数学建模的流程方法,必须在一些简单模型上不断的进行改进最终推至高级模型,也可以提出多种不同的模型并将它们进行比较。合理的假设、综合的分析比较、模型优劣势的讨论、模型检验、建模正确性的分析、灵敏性分析、适用条件的分析、考虑还能做哪些改进等都是十分重要的部分,哪怕不知道怎么写也要尽量作讨论,绝对不能忽略了这些部分。我认为甚至都要比模型本身更加重要。美赛很大程度上也是在考察参赛者对数学建模流程和一般方法的把握程度,数学建模本质上是对客观世界的一种量化描述,选用了合适的模型、采用了合理的假设要远远重要于采用了复杂的模型和高大上的算法。


时间安排

前几天不建议熬夜,对身体伤害很大不说,也很有可能影响后面几天的效率。建模的工作多半是高强度的智力活动,一味的拖长工作时间很有可能收获的是更低的产出。

最晚一定要在第二天开始的时候就开始写论文,因为模型如果没有被书面表达出来的话,很多想法事实上会有许多意想不到的缺陷,表达出来之后拿出来审阅就会发现之前考虑的许多不足。另一方面想法都是在表达的过程中外化从而清晰完善的,在脑中往往只有一个模糊的idea。在写作的过程中也会不断迸发出新的灵感从而不断改进模型。


写作所花的时间往往远远比一般人想象的多。在确立好题目后就要抓紧时间,论文大部分必须第三天搞定,在写到最后的部分往往都会来不及,这也是为什么大多数组都会在最后一天半夜通宵。最后务必保证4个小时的摘要写作时间,摘要是论文中最重要的部分,绝对不能以一种赶工的心态来完成。而且要对其中的语句字斟句酌,要反复思考每句话是否最好的传达了模型中的要点。即使模型建得一塌糊涂,也要努力在摘要中吸引读者,营造fancy、professional、innovative的感觉。


参赛过程

参赛之前至少有一个人务必将参赛规则全文读透,倘若参赛过程中遗漏了要点是非常可惜的。参赛的三人都务必自己读懂题目并且要进行充分的讨论,尽快就每个细节达成共识。否则在之后的建模过程中后患无穷。

在参赛过程中对搜索引擎的利用是十分关键的,对讨论相似问题的文献也要重点研究。不过不能太拘泥于前人的方法,否则很难在美赛中使读者眼前一亮。

强调步步为营的重要性,在团队工作中最好能随时记录讨论结果和工作进度,系统化整理收集到的资料。

不建议去加QQ群,本身这个行为在官方的定义中是作弊行为不说,里面大部分的讨论都是没有价值的,反而会干扰自己的思路,还容易造成撞车,很难拿到令人满意的成绩。


排版

我认为排版也是极其重要的部分。一个fancy的排版不仅能够让读者赏心悦目,甚至也能帮你更好的组织思路,有时候甚至能帮助你节省时间。一个长达20多页的结构复杂的论文,如果要用WORD排版,可能是一件比较痛苦的事情。改用LaTex其实并不是特别难的事情。

熟练的话,用LaTeX排版在某些方面比Word省事高效很多,比如自动生成文章结构、参考文献等,而且很好学。不需要学的很彻底不用花大时间看完整教程,特别是TeXbook,甚至连Ishort也不必要。
事实上,要用LaTeX参加美赛,并不需要用到它的大部分功能。本质上LaTeX是易学难精的,参加美赛只需要会用模板就好了。
所以在时间并不充足的情况下,最应当优先做的事情就是去下载一个MCM模板然后熟悉里面所包含的部件的各种功能。最新版本的模板可以说已经十分完善了,没有什么BUG。
我用的是美国数学建模LaTeX模板5.02版本发布,连control sheet和summary sheet都做好了。

但如果要用LaTeX的话一定要做好充足准备,因为比赛的时候不比往常,会没有心思再去尝试不熟悉的latex功能,而且人在时间很紧的状况下会趋向于使用最接近自己本能的、最简单熟悉的工具,而这时候相比起来word就很直观了。而且latex的一大缺点就是没有拼写检查,很容易就搞错东西。
平时一定要先熟悉好常用命令,罕见命令比赛的时候再查也可以。

除了练习给文字加格式、插图、打公式、制作参考文献、制作目录和标题等以外,你还需要两个插件:MathType2LaTeX和Excel2LaTeX(将Excel表格转化为Latex表格——采用Excel2LaTeX).前者就是使得在MathType中打出的公式能够直接复制出LaTeX代码(比较复杂的公式,例如矩阵、diagram什么的我都是在MathType中画好再复制过去的,效果不错)。而后者也是可以使Excel表格直接转换成LaTeX代码(这个功能非常关键,我无法想象真正去手打表格;自动生成的代码也相当可靠)。

另外还有一点需要注意:插入的图片、表格等式样都要尽量fancy(比如表格式样可以模仿O奖论文),更不要显得制作粗劣,一定要保持整篇论文视觉上的美感!

我个人认为这个系列是适合MCM的LaTeX教程
【LaTeX】E喵的LaTeX新手入门教程(1)准备篇
进阶参考
我整理的 LaTeX 好资源

我用的LaTeX套件CTEX: 下载中心

记得有一位大牛说过
LaTeX不需要学,只需要用就好了
我深以为然。它不需要太多刻意的学习,只需要一开始熟悉一下基本命令,然后在实践中不断的尝试、充分利用google,才是LaTeX的最佳用法。毕竟,它说到底也只是个排版工具而已,并不比其他的工具,无论是Word还是Markdown,来得优越。能提高效率的工具就是好工具。


后话

其实一支队伍要想拿到M奖远远不需要做到完美。我们的团队是临时组建的,甚至都没有合练过,每个组员之前的准备工作也都很有限,编程技术都不太强,甚至还对好多领域的知识一无所知。但最后的工作只要在各个部分工作都做到位了,最好又有一方面突出,就可以拿到比较好的成绩。

转载务必注明原作者。

------------------------------------------------------

2014年美赛参与者。

本文就是一锅大杂烩,想到重要的东西就都写出来,希望知友能从中获益。


1、比赛报名

-----------------

美赛比赛的官方说明: http://www.comap.com/undergraduate/contests/mcm/instructions.php

按照说明进行参赛注册。 比赛最多三人,必须是在同一学校。


一般在大学里有专门的数模组会帮忙缴费、通讯和分配参赛小组的数模指导老师。

如果是自己指定的指导老师,那么就要自己去缴费(MASTER或VISA卡),并且比赛后需要自己联系快件员邮寄论文到美国。


2、队友挑选

-----------------

我们队三个都是软件工程专业。

一开始也在犹豫是不是应该找一些数理知识强劲的理科生,但从我后面的参赛经验看来,最重要的是清晰活跃的思维、编程能力和英文能力,另外坚韧、合作的品质也很重要,你最好对他本人有相当的了解,如果关键时刻缴械投降坑队友我简直不敢想象。


队员最好经常有写作的习惯和算法上广阔的见识。因为常于写作的人思维清晰、思辨能力强,表达也必定很到位,跟这样的人讨论才能有收获。 并且最好在算法上有比较开阔的眼界,知道算法的大致分类和典型应用,有学术实验室经验的同学优先,这样在确定模型时有很大的帮助。

编程能力非常重要。你的队友最好有过编写算法、ACM和文本I/O处理的经验,特别是JAVA框架下的WEB应用的编程经历对于比赛没有帮助,只有在算法和数据结构上折腾过的程序员才能很好地处理比赛的数据和算法。

英文能力差的队友真心伤不起,就像常人失去了双臂,即不能查阅资料、也无法进行写作。


3、赛前准备

-----------------

我们是从比赛前20天开始准备,我们花了几天时间阅读往年的美赛Outstanding论文,再几天是看基础的数模书籍,还尝试了一次学校培训的赛题练习,但由于队员过年各自回家交流不方便最后培训不了了之。

有的学matlab编程、画图,有的看数模书,有的学Latex论文排版,有的看数模书籍掌握数学建模的大体方向和分类及一些典型应用案例。


赛前准备是非常有必要的。

虽然大部分比赛中的模型都是现查现学的,但对数学和模型有个大致的了解能帮助你做出明智、有根据的决策,并且遇到典型的模型处理时也能有方向有对策。

必要的工具的熟悉程度会让你在比赛过程中节省大量的时间,试想你在比赛中才来花时间对latex进行调试……


4、最后的提交

-----------------

注意论文最后提交的细节,一定要提前做功课,不然最后疲累又仓促出错的机会很大。

  • 排版的格式。页眉、页脚和首页的要求,summary sheet怎么转印出来跟论文合并成同一PDF,control sheet的内容填写
  • 发邮件时内容里千万不能出现个人身份信息,关闭邮件签名档

5、英文文献

-----------------


请务必先认识参考文献的标准格式,认清文献作者、刊物和时间,不要胡乱地查找文献。

参考文献标准格式


Chrome的插件Remove Google Redirects

通过它可以返回美国本土Google的搜索结果,而不是自动切换为谷歌中国,这在搜索英文文献的时候无比重要。


查找文献是比赛前两天最主要的工作,英文文献远远比中文要多,如何快速查找、阅读英文论文是比赛的一大关键,即使你再如何天赋异禀,也要学会站在巨人的肩膀上。

@孙尉翔 的一篇关于“如何查找文献”的经典文章

我阅读科研文献的一些做法 : Πάντα ῥεῖ

知乎链接:写论文找参考文献有什么技巧和经验?


6、论文写作

-----------------

当你阅读到可能有帮助的文献,一定要把有用的字词句标记、摘录下来,并注明论文的来源, 否则你就可能需要再一次从头阅读论文了。


用latex写作!

我强烈建议使用latex作用论文排版工具,更准确的说,作为论文的逻辑和内容组织工具。 WORD编辑工具的确是可以转成PDF来提交,但它WYSIWYG(所见即所得)的特性让它完全无法跟latex这种标记文本相比。

写论文的时候重要的是不要害怕下笔,把框架搭起来,想到什么就写上去,最后再经过不断补充、修改来完善。

但一开始下笔时的文字混乱、无条理,如果用WYSIWYG工具你要么改了一堆你回头看不懂的东西,要么多写很多与正文无关的注释,但你很难确定什么时候应该定稿,从而把它们删去,因为删去之后你就失去了你在写论文时最重要的线索和组织了。

Latex这种标记语言(markdown如此受欢迎也是这个原因),它让你在写作的时候可以用上多余的标记信息来组织文本,而不影响最终的显示文本,比如添加注释、分节分段、列表、加粗等,并且在latex里的换行转成PDF后相当于一个空格,只有空行才代表真正的换行,这样你可以通过换行来表示内容上的区分和转变,非常有益于写作。


很好的Latex教程,不要害怕英文:

LaTeX - Wikibooks, open books for an open world

LaTeX新人教程,30分钟从完全陌生到基本入门_A_zting_新浪博客

7、熟悉Linux操作

-----------------


队内最好有一个人熟悉LINUX操作。

最好他平时使用Linux作为桌面系统,因为很多现成可用的算法程序(短时间内自己把算法写出来我无法想象)都只能在Linux下运行,Windows用户只能通过虚拟机。 你最起码要能看懂Linux程序的Man文档和懂得基本的命令行操作。


8、建模要“假设先行”

-----------------

假设先行不管是对建模还是写作都有莫大的好处。

我们一开始便是先建模,再根据模型反推必要的假设,结果假设之间或者假设与模型会自相矛盾,完全不可行,最后只能推倒重来,浪费了我们很多的时间。

如果先把假设定下来,这样写作的人就可以开始下笔了,同时建模的一致性也通过最初的假设可以得到充分的检验。


9、熬夜的注意事项

-----------------

我们当时是最后2天都没睡,最后真是要站都站不稳了,非常的难受。


比赛是冬天时节,凌晨4、5点开始是最冷的时候,双腿会不自觉开始发抖,请注意保暖。

并且最好准备食物充饥,又冷又饿又困真害怕会晕倒。

在天明的时候人的疲惫感最重,黑眼圈也特别得明显,去睡个把小时吧,不睡的话整个人就像处于飘忽麻木的状态,即使坚持工作下去也没办法做出好的工作。


10、总结篇

-----------------

四天时间里要完成一篇条理清晰、工作详实、有微创新的论文实在是一件非常困难的事情,单单把论文写正确写明白就已经要花费巨大的努力了。

但收获也是巨大的!


  • 英文文献查找、英文写作的经历
  • 假设与建模完整的思考的经历
  • 百分之分专注的奋斗的经历
  • 与队友在艰难时刻建立的可贵情谊

你怎么能说数模比赛没有意义呢?如果真的是那样那只能说明一件事——你没有认真地去完成它。

获奖真是只是锦上添花了,在巨大的困难和未知的结局面前没有退路,带着恐惧与队友一起坚持向前,不分昼夜地专注于一件事情上面,这种体验人生里又能有多少回呢?

-----------------------------------------------------------

非牛人,贴篇我写给学校学弟学妹的建模感想好了,希望能有帮助
数学建模感想

纪念逝去的大学数学建模:两次校赛,两次国赛,两次美赛,一次电工杯。从大一下学期组队到现在,大三下学期,时间飞逝,我的大学建模生涯也告一段落。感谢建模路上帮助过我的学长和学姐们,滴水之恩当涌泉相报,写下这篇感想,希望可以给学弟学妹们一丝启发,也就完成我的想法了。拙劣的文笔,也不知道写些啥,按顺序随便写写吧。

我是怎么选择建模的:

大一上,第一次听到数学建模其实是大一上学期,not大一下学期。某次浏览网页偶然发现的,源于从小对数学,哲学以及历史的崇敬吧(虽然大学没敢选择其中任何一个专业,尤其是数学和哲学,怕太难了,学不好),我就坚定了学习数学建模的想法。通过翻阅学校发的学生手册还是神马的资料,发现我们学校有数学建模竞赛的。鉴于大一上啥数学知识都没有,也就没开始准备,把侧重点放在找队友上。 一次打乒乓球,认识了两位信电帅哥,以后也会一起打球。其中一位(M)很有学霸潜质,后来期末考试后,我打听了他的高数成绩,果然的杠杠滴,就试探性的问了下,要不要一起参加建模,嗯,成功!

第二位队友是在大一上学期认识的(向她请教了很多关于转专业的事情),但是是第二学期找她组队的。老样子,打听成绩,一打听吓一跳,是英语超好,微积分接近满分的女生F(鄙人第二学期转入了其所在专业)。果断发送邀请,是否愿意一起组队,嗯,成功。

关于找队友:在信息不对称的情况下,优先考虑三人的专业搭配,比如或信电的小伙伴负责编程和理工科题建模,经济金融统计负责论文和统计建模,数学计算专业的全方位建模以及帮忙论文,个人感觉这样子比较好。由于建模粗略地可以分为建模,编程,论文,三块,整体上是一人负责一块的,但是绝对不能走极端,每个人就单单的负责一块,这样子的组合缺乏沟通和互动。应该要在培训中磨合,结合每个人的个人特点。主要负责哪几块,辅助哪几块。

接下来就到了第一次校赛了:第一次还是挺激动的,因为之前问了几个学长学姐说,建模都是要通宵的,于是我们也做好了通宵的准备。第一次拿到的题目是关于一个单位不同工作部门不同饮食习惯的人,健康水平的关系。 后来回顾过来,这其实是一个比较简单的统计分析题。但是想当年可没有这等觉悟,做题全靠office,对着题目想半天也不知道该怎么做。做的过程很痛苦,但是也很兴奋,校赛三等奖的结果证明了光有一股热情是不行的,需要恶补大量知识。

推荐新手入门书目

数学模型(姜启源、谢金星)

数学建模方法与分析.(新西兰)Mark.M.Meerschaert.

第一本是姜老先生写的,很适合新手,在内容编排上也是国产风格,按模型知识点分类,一块一块讲,面面俱到。第二本是新西兰的,我是大二的时候看这本书的,只看了前面一部分。发现这本书挺适合新手,它是典型的外国教材风格,从一个模型例子开始,娓娓道来,跟你讲述数学建模的方方面面,其中反复强调的一个数学建模五步法,后来细细体会起来的确很有道理,看完大部分这本书的内容,就可以体会并应用这个方法了。(第一次校赛,就是因为五步法的第一步,都没有做到)。对了,还有老丁推荐的一本,美利坚合众国数学建模竞赛委员会主席Giordano写的A first course in mathematic modeling,有姜启源等翻译的中文版,but我没能在图书馆借到,所以没看过,大家有机会可以看看。

怎么建模

第一次国赛前的放假开始学校培训,我提前借了一大堆书,把卡都借满了。第一次国赛前的那次培训,对我而言,这段时期是收获最大的时期,比其他任何时间段都来得大。

这段时间内,我们三个人都很辛苦。白天培训要学习很多知识,完了只能休息半天,然后开始比赛,周而复始。 之前我的打算是,白天上课学习,晚上回去复习当天的内容,再看些其他东西。But 我太高估自己了,晚上基本是玩玩三国杀之类的小游戏放松,然后第二天再去上课。嗯,心态放好,身体最重要。^_^

通过这几次培训,基本上队伍形成了F专业写论文,我和M负责建模和编程。其中我偏重建模和全队调度。

大家在培训的时候,要慢慢养成五步建模法:


五步法说明:

第一步:提出问题.

大家可能会想,题目不是已经给出问题了吗? 是的,但是这里的提出问题是指:用数学语言去表达。首先,题目一定要通读若干遍,“看不懂,读题目;看不懂,读题目”,如此反复循环的同时查阅相关资料。这通常需要大量的工作,而且要根据题目的特点做一些假设。

看的差不多了,就开始用数学形式提出问题,当然,在这之前,先引用或者定义一些专业术语。 接下来进行符号说明,统一符号(这点很重要,三个人之间便于沟通,论文便于展现),并列出整个问题涉及的变量,包括恰当的单位,列出我们已知或者作出的假设(用数学语言描述,比如等式,不等式)。 做完这些准备工作后,就开始正式提出问题啦。用明确的数学语言写出这个问题的表达式,加上之前的准备工作,就构成了完整的问题。

这部分的内容反映到论文结构上,相当于前言,问题提出,模型建立部分。注意,刚开始建立的模型很挫没关系,我们随时可以返回来进行修改的。

第二步:选择建模方法.

在有了用数学语言表述的问题后,我们需要选择一个或者多个数学方法来获得解。 许多问题,尤其是运筹优化,微分方程的题目,一般都可以表述成一个已有有效的标准求解形式。这里可以通过查阅相关领域的文献,获得具体的方法。为什么不是查阅教材呢?基本上教材讲的都是基础的,针对特定问题的,教材上一般找不到现成的方法,但是教材依然是很重要的基础工具,有时候想不出思路,教材(比如姜启源那本)翻来翻去,会产生灵感,可以用什么模型。

第三步:推导模型的公式.

我们要把第二步的方法实现出来,也就是论文的模型建立部分。我们要对建立的问题进行变形,推导,转化为可以运行标准方法解答的形式。这部分通常是借鉴参考文献的过程,做一些修改,以适应本题的情况。

第四步:求解模型.

这里是编程的队友登场的时刻了。

统计模型:SPSS,Eviews,Stata ,都是菜单式操作,easy的。

数据分析:R,数据库SQL Server,IBM DB2

微分方程:Maple,Mathematic,MATLAB

运筹规划:Matlab,Lingo

智能算法:Matlab,R

时间序列:统计模型中的那些软件,或者R,Matlab

图像处理:Matlab,C++

总结: Matlab是必须的,再来个SPSS,一般情况下够用了。

第五步:回答问题.

也就是论文的讨论部分。这部分是对你整篇论文成果的总结,一定要写的有深度。除此之外,通常还要写上一些灵敏度分析,如果是统计模型的话,要有模型检验。

关于比赛的一些个人体会

1、国赛和美赛是有区别的

国赛讲究实力,美赛讲究创新。 美赛不一定要多高级的方法,但是一定要有创意。而国赛,组委会往往是有一个模糊的“标准答案”在的,按部就班做下来就好了。

注意不要一次性就建立复杂模型了,老外看重的是你的思维,你的逻辑,不像国赛,看重的是你的建模编程实力,要使用各种高大上的方法。

拿到一个问题,可以先建立一个初等模型,讨论下结果;再逐渐放宽条件,把模型做的复杂一点。 即 Basic model -> Normal model -> Extended model的思路。这个思维在美赛中很好,这么做下来基本都能得金奖的,鄙人这次也是按照这样的流程,拿了个金奖。

2、文献为王

文献为王。建模的题目,基本上是某个教授的研究课题,凭我们本科生的水平,基本上做不到对题目的深刻理解。所以要多看文献。

看文献也有技巧:刚拿到题目,先查一下相关背景资料,了解题目是哪方面的。接下来看文献,找一下硕士论文,博士论文以及综述性质的文章,硕博论文一般都会详细介绍下整个课题的国内外研究情况,综述就更不用说了,它就是对大量原始研究论文中的数据数据_百度百科资料和主要点进行归纳整理、分析提炼而写成的论文。看完这些,就可以比较有深度地把握题目,也知道如果我们要进行创新的话,往哪方面走。

接下来,可以根据小组三人讨论的结果,有针对性的看一下有深度的文献,文献看得多了,就可以考虑开始创新了,像爱因斯坦那样开辟相对论等新领域的创新,是很有难度的,但是我们可以退而取其次,不是有句话叫做“他山之石,可以攻玉”吗? 我们要做的就是组合创新! 领域内组合创新,把一个学者的方法嫁接到另一个学者的模型上。 以及交叉领域创新,把把自然科学的知识用到社会科学上,或者用社会科学解释自然科学的结果等等。(这里就可以体现,跨专业建模队伍的先天优势了:不同专业对同一个问题的思维是不同的,可以擦出创意的火花)

PS:图书馆有买很多数据库,可以免费看论文。免费的话google学术是无敌的,国内文献貌似没有良好的分享平台,实在找不到论文也可以百度文库死马当活马医。

平时可以多注册一些网站,数学中国,校苑数模,数学建模与统计建模论坛,stackoverflow等。

上传些资料,攒积分要从娃娃抓起,不要等到比赛了看到好资料还“诶呀,积分不够”。

想法很重要。建模思维是一种很难学习到的东西,站在巨人的肩膀上,多看文献,负责建模的同学辛苦了。

3、掌握一点数据处理的技巧

建模的题目,A.B两道题。基本上是一题连续,一题离散;一题自然科学(理工科),另一题社会科学(经济管理)。这样的分布的,大家平常做题的时候就可以有所侧重,曾经有一支美帝的队伍,专攻离散题,貌似拿了连续两届的outstanding.

掌握一点数据处理的技巧是很有必要的。比如数据缺失值的处理,插值与拟合等。尤其是数据缺失值的处理,基本上A,B题都有可能涉及,建议熟练掌握。

4、关于编程水平。More generally,软件操作水平几乎决定了一个队伍的结果上限。MATLAB是必备的,必须要熟练掌握各种模型的实现。此外,SPSS(或者R)也是要掌握的。Mathematic和MATLAB的替代性很强,不掌握也没关系(仅在建模方面,mathematic 当然也是很强大的)。What’s more建模比赛举办这么多年,用到lingo的情况几乎很少了,也可以不学lingo. And 现在的题目动不动就要粒子群等智能算法,强烈建议大家至少熟练掌握一种智能算法.

MATLAB推荐书目

基础:

MATLAB揭秘 郑碧波 译 (本书讲的极其通俗易懂,适合无编程经验的)

精通matlab2011a 张志涌

提升:

数学建模与应用:司守奎 (囊括了各类建模的知识,还附有代码,很难得,工具书性质的)

Matlab智能算法30个案例分析 史峰,王辉等

MATLAB统计分析与应用:40个案例分析

数字图像处理(MATLAB版) 冈萨雷斯 (13国赛碎纸片复原居然涉及了图像处理,所以列在这里了.可看可不看,太专业化了)

书很多的.总之,要达到熟练运用matlab进行运筹优化,数据处理,微分方程的地步. 数理统计可以交给SPSS,R ,其中SPSS无脑操作上手快.

5、格式规范:看国赛一等奖,美赛国内人得特等奖的论文,格式规范方面绝对很到位,大家可以参考。国外人的特等奖论文,大都不重视格式,人家的优势在于模型实力与创意、母语写作。所以在美赛格式规范方面,参考国内特奖的论文。

PS:有时间的队伍可以学习以下Latex,用Latex写出来的论文,比word不知道好了多少倍。Latex书目推荐:

LaTeX插图指南

一份不太简短的Latex介绍

LaTeX-表格的制作 汤银才

参考文献常见问题集

latex学习日记 Alpha Huang

论坛:Ctex BBS

结束语:

什么是数学的思维方式?观察客观世界的现象,抓住其主要特征,抽象出概念或者建立模型;进行探索,通过直觉判断或者归纳推理,类比推理以及联想等作出猜测;然后进行深入分析和逻辑推理以及计算,揭示事物的内在规律,从而使纷繁复杂的现象变得井然有序。这就是数学的思维方式。

-----------丘维声《抽象代数基础》前言

---------------------------------------------------------------

更多经验见知乎http://www.zhihu.com/question/20020434



回复

使用道具 举报

发表于 2017-1-18 12:47:01 | 显示全部楼层
非常好!对我帮助很大,谢谢。
回复 支持 反对

使用道具 举报

发表于 2018-2-2 01:54:02 | 显示全部楼层
谢谢,帮助太大了
回复 支持 反对

使用道具 举报

发表于 2018-2-5 17:42:02 | 显示全部楼层
感谢分享!!!受益了!!!
回复 支持 反对

使用道具 举报

发表于 2020-12-2 17:11:05 | 显示全部楼层
写的针布戳,收获很多
回复 支持 反对

使用道具 举报

您需要登录后才可以回帖 登录 | 注册

本版积分规则

回访本论坛只需百度/谷歌搜"统计建模论坛"或“数学建模论坛”. 广告位出租,请联系at352693585@mails.ccnu.edu.cn
涵盖数学专业所有课程(共46门各大名校老师视频)百度网盘
打开支付宝搜索715285741领红包注册论坛

数学建模与统计建模论坛微信群

Archiver|手机版|小黑屋|鄂ICP备16007464号-1|数学建模与统计建模论坛(Mathematical Modelling and Statistical Modelling Forum)

GMT+8, 2021-11-29 01:11 , Processed in 0.152498 second(s), 40 queries .

Powered by Discuz! X3.4 Licensed

Copyright © 2001-2021, Tencent Cloud.

快速回复 返回顶部 返回列表