平时可以用研赛(GMCU)的题来练手。研赛比国赛难,考虑到如今国赛竞争越来越激烈,获奖率越来越低,拿难题练手是比较有益的。但是研赛本身获奖率是国赛的五倍,到研究生阶段还有兴趣的话可以去参加一下。
国赛本科组的题目:
- A题 连续性题目
- B题 离散型题目
- C题 数据科学题
第一次参加的话,强烈建议三个队员按照这三个角色来分工,并且划分好各自去掌握什么能力。到高年级,不是第一次参赛,此时队员们应该已经有多方面的能力了,分配角色可以适当灵活一些,互相帮助指导。
一、建模手学什么
建模手的任务是学习各种建模方法,查阅英文资料,从现实问题中抽象出一个模型,保证模型正确、创新、可计算。
1. 主题分类
数学建模绝大多数用于工程生产、交通运输、经济管理问题,这三者一共占数模题的 60%,这些问题就对标了我们对知识的需求。
解题方法可能与主题强相关的问题:经济学、天文学、环境科学、社会学、机械工程、矿山工程、电力学、农学、生物学。在有这些背景的题目中,使用这些学科的知识去建模,可以让答案增色不少。
解题方式可能与主题非强相关的问题:交通运输、医学、工业设计、管理学、土木工程、测绘科学、考古学、食品科学、水产学。这些题目中的数学性更强。
平稳出现的学科:经管、医学、交通运输、生物。
2. 建模方法
数学:运筹学、统计学、概率论(这三者比重很大)、几何学、模糊数学……
物理:力学、几何光学……
计算机:算法、蒙特卡洛模拟、网络科学、图像处理
平时要积累出自己的知识库,整理出来数学建模中有哪些主题,每一种主题都有哪些问题,每种问题都有哪些模型可用。
二、编程手学什么
1. 计算软件
大规模问题用启发式算法,而小规模问题最好用现成的求解器。
- Matlab
- 浙大有免费的。
- 常用功能:画图(Figure)、图形用户界面(GUI)、仿真(Simulation)、工具箱(Toolboxes)……
- 用来解决特定问题的工具箱:Simulink(可视化仿真)、Curve Fitting(曲线拟合)、Financial(金融工具箱)、Global Optimization(全局优化)、Neural Network(神经网络)、Optimization(优化)、Parallel Computing(并行计算)、PDE(偏微分方程)、Statistics(统计)……
- Python
- 开源,有丰富的库,而且易学易读易用。还没开始学 Matlab 的话,可以考虑只学 Python。
- Python 标准库:matplotlib(绘图)、tkinter(图形用户界面)、statistics(数理统计)、threading(基于线程的并行计算)……
R
- 专业的统计软件,统计计算与统计制图功能强大,简单易学,作图好看。
- 大文本处理能力差,数据管理能力弱。
2. 可视化
需要用 示意图 / 流程图 来解释模型、描述流程、分析机理。流程图可以用 PPT 等软件来画。其实语雀也有画流程图和思维导图的功能。数学绘图可以用 Geogebra、Desmos 等。
需要用数据图来直观地显示数据及其关系。数据可视化讲究的可太多了,浙大计院甚至专门为这个开了一门课。3. 编程
(这个没展开说,可能要修 FDS、ADS,刷 Leetcode)三、写手学什么
数模中对写手的数学要求是最低的,写手最需要培训的是科技论文写作。1. 写作工具
LaTeX 和 PDF 编辑器。LaTeX 组内所有人都需要熟练掌握!平时没事可以用 LaTeX 写作业或者做笔记。2. 科技论文写作
数模论文的骨架(需要在比赛前按照比赛规则准备好论文模板):
建模部分:模型背景、概述、假设、建立
- 求解部分:求解细节、模型分析
- 实验部分:实验目的、内容、方法
如何让数模论文看起来专业(多模仿优秀论文的文风):
- 一般模块:标题、摘要、正文
- 特殊模块:算法、表格、文献
- 可视化模块:示意图、数据图
3. 统筹管理
前四小时小组讨论,搜索文献,确定选题。
第一天,建模手完成核心建模过程,包括参数细节设定、主要流程、数学推导。不能往后拖,之后一定不会有时间回来完善的。写手同步开始,完成 Introduction、Related Work、Formalization、全文架构。
第二天,建模手完成程序实验、可视化图像、数值分析。写手同步完成建模、数学推导、实验框架、文献引用等已经可以填充进论文的部分。
第三天,写手完成全部写作任务,包括实验、灵敏性测试、结论、附录。完成摘要,所有人一起读写手的劳动成果,反复润色,尤其是摘要。
时间不够要果断取舍,国赛是很看重论文的完整性的,不能全部完成的后果更严重。