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。
若有收获，就点个赞吧
0 人点赞
