我有一个苹果
1月5日19:30,小智和110位朋友共度了一个美好的晚上。
那个晚上,小智和大家探讨了一些关于美赛和数学建模方面的一些问题。因为人数限制,这次没有让所有朋友都能参加这次分享,在这里深表歉意。
因此,会后小智写了篇总结,希望可以帮助参加私享会的同学回顾内容,同时分享给更多没有参加到私享会的小伙伴。(文末有彩蛋)
先上几张截图让大家感受一下当时热烈的气氛。
好了,废话不多说,现附上分享会的总结。
参赛篇
董同学:1、美赛解不解得出来重要吗?2、中英翻译用什么软件好?3、找指导老师重要吗
1、美赛其实往往遇到解不出来的情况,这个时候不要着急,写好文章,表达好自己的模型,作好图表,修改好文章格式,把能做的部分做好,只要能够自圆其说,文章也有得奖的希望。
2、中英翻译,google翻译是挺不错的。一般把中文输入,英文自动出来,正确率能达到70%,当然经过google翻译以后,还需要亲自看一遍,因为翻译出来的结果往往是语序有点问题,需要调整的。
3、其实你可以经验丰富的指导老师,往往能给你一些方向性的指导,4天时间虽然比国赛的时间多1天,但写作难度也相应增加,有老师指导,减少走一些弯路,多节省一些时间对比赛有很大的帮助。
林同学:美赛评委更注重的是什么?
美赛评委看重的是你的思维,你的逻辑。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。
曹同学:对于无编程建模基础仅有高数线代概率论基础的商科学生怎样快速备战? 不会编程会影响到最终结果吗?
如果仅有数学知识,对于参赛来讲可能还不够。但是入门编程没有想象中那么难。掌握一门编程,你只需要学会用程序做以下几件事情:赋值,生成矩阵,进行变量间的加减乘除乘方,对数据进行切片、条件控制、循环、画线图。这样你算是入门了,可以进行编程,这几个技能的组合可以完成任意建模任务。如果你的队员中确实没有人会编程,也可以比赛,但那么到时比赛的时候你们能做的题目范围窄一点,解决手段局限在理论推导上。
子同学:美赛论文的语言规范化
希望有一位以上成员专门研读往年获奖论文的框架,多看几篇,自然就有感觉,无需特意讲解。美赛的英文,达到能表达自己的意思就好。
马同学:四天时间需要怎么安排才合理。怎么组织协调队友工作
分工必须明确,建议一人负责建模,一人负责编程,一人负责写作,明确各成员的角色。但是有一点要注意,最好各个成员在建模、编程和写作方面都是懂一点的,这样即使发生什么状况,也能够正常继续比赛。
和同学:美赛经常用到的仿真方法和仿真软件有哪些?
比赛软件,我们一般可以用matlab\python\java等等,仿真方法,一般是蒙特卡罗思想、元胞自动机或者多智能体的方法,模拟一个系统的运行。
郭同学:建模比赛中的最优控制问题如何求解。如何熟悉与建模题目相关的专业知识背景
参赛过程中,假如遇到专业知识背景不理解的情况,往往对于各位队员来说是陌生的,但是,对绝大部分的参赛选手来说,同样也是陌生的。所以,在参赛过程中,遇到这些情况,唯有多去翻看相关资料,快速理解领域知识。其实,问题背后要考察的数学知识都是类似的。
杨同学:虽然参加了几次数学建模的比赛,感觉每次看到题没有办法自己想出用什么模型,感觉不到题和模型的联系,还是不懂怎样建立模型,怎样与题目结合起来
李同学:拿到题目没有建模思路 下一步该怎么做完?难的题目不知道怎么用简单模型简单做一下?
一方面每年的数学建模比赛都是新问题,看起来无从下手。但事实上,它又从属于某一个类别问题,有一些常用的方法可以用的上。建议可以掌握针对不同类型问题的技术。比如,针对离散问题的元胞自动机模型,针对连续问题的微分方程模型,针对最优化问题的启发式算法。掌握对各种经典问题的解法,这样才能做到面对题目心中有数。
伯牙绝弦:O奖经验
可以观看超级数学建模的美赛教程,邀请了O奖参赛者过来分享参赛经验,适合大家进行学习。点击链接即可查看:https://shurui.ke.qq.com
马同学:各种类型的题目有哪些常用的算法,以及如何改进。如何在比赛的时候快速打开思路?
1、常用建模算法:蒙特卡罗算法、数值拟合与插值、规划算法(包括线性规划、整数规划、二次规划)、图论算法、动态规划算法、启发式算法(模拟退火、遗传算法、神经网络)、元胞自动机(连续离散化方法)、图像处理算法。这些算法的过程甚至代码都是有的,可以拿过来随时备用。首先你要知道有这些算法,你才能了解它能够解决什么问题,你才能进行对比。
2、对问题进行分析以后,发现可能自己准备的算法库当中,有一些是合适的,可以用的上,只要做一定的改进,就可以解决问题,这样是非常好的。但另一方面,你要知道,你要在短短几天做出极大的创新是不可能的。比如:TSP问题你不可能找到多项式时间内的确定性算法,这是一个世界难题,遇到他你只能用启发式算法。唯一要做的是已掌握模型的融会贯通。
3、在比赛当中,尽快确定自己的题目,这样为你节省时间。
刘同学:在美赛中word排版可以吗
用word是可以的,也曾经有获得特等奖的选手使用word。当然目前主流是使用latex,latex的排版相对word而言,还是好看一些,latex的排版学习的难度事实上也不高,可以提前下载好latex的参赛模板,另外平时多练习,这样到了比赛的时候就可以柔韧有余了。
和同学:对建模结果一般应该如何分析和检验?正态分布在建模中有哪些应用?怎么做敏感性和稳定性检验?
建模结果是否检验,可以视情况而定。有些结果需要检验的时候,可以做灵敏度分析,考虑数据发生变化时最优解的稳定性。灵敏度分析,首先重新得到含变量变动量的最优解,然后根据这个最优解当中的变动量来确定每一个变量对最优解的影响。
正态分布,包括泊松分布这些分布,都是建模当中合理的假定,在进行模拟仿真的时候可以运用。
沈同学:离散型问题如何分析
离散型问题,要看看问题本身能否归类到某个经典的数学模型,比如元胞自动机模型,或者规划问题等。然后再确定具体的解法。如果是元胞自动机模型,那么要建立元胞的运行规则,如果是规划模型,那么就要确定使用精确解解法,还是启发式解法,如果是启发式解法,那么使用遗传算法,还是粒子群算法,还是模拟退火算法。思路清晰以后,才可以真正执行求解。
学习篇
何同学:想学习数学建模应该看一些什么书?数学建模有什么用?
董同学:大一新生,建模小白,现在手里只有一本姜启源的《数学模型》,请问假期看这一本可以吗。建模需要的数学基础有多少?目前只学了高数的上册和线性代数。
Can:初学建模需要储备哪些数学知识以及建模入门从哪开始
可以看司守奎的《数学建模算法与应用》,这本书的算法比较全面,看完能对数学建模有个整体的了解。
谢金星《数学模型》,这本书对数学模型有更多的数学理论的证明,看完能进一步了解数学建模内部的原理。
吴军《数学之美》这本书讲得比较泛,文字比较多,但是认真看完能对里面提到的一些重要的模型有深入的了解,而且也能让你明白数学建模的实际用途。当然,想要快速入门的话,考虑一下我们的课程也无妨。
杜同学:对于一个一元函数,如果我们想要验证它对于所有正整数的函数值是否都是正数,用matlab是否有相应的命令或者方法来处理?谢谢!
Matlab无法验证所有正整数,但它可以帮助你演算100万个正整数。如果要验证所有正整数,请用数学分析手段来证明。
林同学:约束条件不等式或等式中含有参数的线性规划和非线性规划用MATLAB怎么求解?
分成两类,一类是可以算精确解的,matlab提供符号运算,可以解决。另外一类是算不出精确解的,可以用matlab编启发式算法。
Bigbigdan:想要MATLAB和python相关资料
关于Maltab和Python的学习资料,小天这里也有整理,可以提供给大家
郭同学:想学习数学建模相关内容,请问下有什么比较好的相关的教程?
建议观看一些内容全面,并且有实际案例分析的课程。可以观看我们的MATLAB建模课程,适合大家学习。
黄同学:大数据类问题如何创新?
数据的量增加,迫使我们使用的算法要更多考虑资源的有限性,提升资源的利用率。数据的维度增加,迫使我们考虑更多的维度。因此,做大数据类的问题,要求你在更多的限制下做出更好的结果,要求改进你的算法,这就是创新之处。
周辰琛:针对评价类问题,有啥常用的
评价类模型,可以帮助我们对事物进行评价,比如主成分分析、层次分析法。但是,层次分析法需要构造准则层的判断矩阵,但构造这些矩阵需要有专家,问题是哪里来这么多专家,所以这个方法用的场景不多。建议使用主成分分析法,得到多个变量中贡献度比较大的关键变量,按照贡献度将这几个关键变量加在一起,进行评价。
鹿同学:启发式算法实战中到底如何使用?
启发式算法在实战当中用处非常明显,尤其是解决一些复杂的规划类问题。比如,TSP类问题、job-shop类问题,这些问题往往不能用求精确解的方法来解答,此时可以用启发式算法来进行解决。
恒星酱:算法掌握到什么程度才算足够?
算法掌握到,你有足够的底气去面对实际问题进行思考的程度。
Flora小橘酱:如何快速有效引用前人的文章
引用文章,直接在google学术上面复制引用信息即可
google学术论文引用指引
看到这么多干货,各位小伙伴是不是心里痒痒的?别担心,本周仍将继续举办免费分享会。
1月11日19:30,限额200人,小智老师将会在群里继续与大家分享关于数模、算法等学习干货。
只要你在学习上有任何疑问,都可以加入到我们的行列,一起风雨兼程!名额有限,再犹豫,福利就溜走了!
参与方式
联系客服