赛题预测？近五年美赛赛题都有什么特点？

写在前面

美赛的报名已经开始了，也许有些小伙伴们对美赛的题目和ABC题目的区别感到疑惑。别着急，今天岛主为大家整理了近五年的美赛MCM题目攻略，让你快速了解MCM的题目规律，帮助你更好地准备比赛。 

1.  美赛题目有哪些
美国大学生数学建模竞赛（MCM 和 ICM）分为两种类型，各有三道题目。

1、MCM（Mathematical Contest In Modeling）

A题：连续型（Continuous）。A题要求建立连续函数模型，通常涉及微分方程和数值分析，需要熟练掌握偏微分方程以及将连续方程进行离散求解的编程能力。

B题：离散型（Discrete）。B题需要熟悉算法与数据结构，涉及到离散型问题的解决，需要较强的计算机算法基础。

C题：数据分析型（Data Insights）。C题通常涉及统计学、数理金融、量化分析等背景知识。除了MATLAB和Python，也可能会用到无需编程的SPSS，以及R、STATS、SAS等统计软件。

2、 ICM（Interdisciplinary Contest In Modeling）

D题：运筹学或网络科学（Operations Research/Network Science）。涉及算法、网络科学、可视化软件等领域，近年来网络科学成为热门研究领域。

E题：环境科学题（Sustainability）。主题集中在环境污染、资源短缺、可持续发展、生态保护等方面。

F题：政策研究题（Policy）。F题的数据通常需要自行搜集，涉及政策研究领域。

这些题目涉及到了不同领域的数学建模，要求选手运用各种数学知识和工具，解决实际问题。每一类题目都涉及不同的数学背景和技能，参赛的同学需要根据题目类型，拥有相应的专业知识和技能。六道题目代表的类型汇总在下面的表格里啦~

近5年MCM选题比例

选题过程受官方给出的六个问题描述所启发，但这些问题并未明确划分具体的模型或方法。因此，每道题的解答领域十分广泛，没有严格的模型界限。选手们在比赛前应该熟悉各题型常用的模型、算法，以及写作套路和题目特点。在比赛时，应根据团队的专长和优势慎重选择题目。

2.  近五年美赛A题特点

在这六道题目中，A题对学生的数学建模素养和建模能力提出了最高的要求。它也是相对最具专业性的问题，这可能让非相关专业背景的同学难以完全理解题目的内涵还有意思。

以2023年的A题“Drought-Stricken Plant Communities”（干旱植物群落）为例，题目要求建立一个数学模型来预测植物群落在不同天气周期下的变化情况，特别是在干旱条件下。这个模型需要考虑不同植物物种之间的相互作用，并探索植物数量与干旱适应性之间的关系。具体问题包括：群落需要多少种植物物种才能从中获益？增加植物种类会如何影响群落的稳定性？不同种类植物对群落的长期存续有何影响？另外，该模型还需要考虑未来天气周期中干旱发生频率和变化对植物种群的影响。这个问题还牵涉到植物类型对结果的影响，以及在不同干旱频率下物种数量对总体种群的影响。

在解题过程中还需要考虑到包括根系分布、生长速度以及对不同土壤条件的耐受能力等因素。

A题并非仅仅晦涩难懂，有时也充满了富有想象力的特色，符合美赛的独特风格。

19年的A题“A Game of Ecology”（生态游戏），题目背景设定在虚构的电视剧《权力的游戏》中，根据史诗奇幻小说《冰与火之歌》改编。它描述了由“龙之母”丹妮莉丝·坦格利安抚养长大的三条龙，设定了龙的生长情况等特征，选手需要对龙做出其他属性方面的假设，完成对龙的特性以及与环境的相互作用等分析，并向《冰与火之歌》的作者提出关于如何保持故事的真实生态基础等的建议。

这个题目看起来像要我们给作者出建议，告诉他如何“科学地养龙”。但理解后不难发现，这实际上是一个生态学问题。建模需要考虑气候、地理环境和生物特征等因素，以分析龙生存的机理。

A题的开放性激发了许多队伍的想象力。一些获奖队伍甚至展示了精湛的绘画技巧，“漫画沉浸式”答题，在论文中画了“龙”。

图：2019年A题O奖队伍#1910246

图：2019年A题O奖队伍#1919022

图：权力的游戏

 近3年来，美赛A题更偏向于机理分析和预测。

2020年A题“Moving North”（向北迁徙），要求预测两种鱼类未来五十年内最可能出现的位置，并运用模型来预测最佳、最差和最有可能的情况。2021年的A题“Funji”则提出了描述不同真菌间相互作用的模型。2022年A题探讨的是“不同车手的动力曲线，以及车手在个人计时赛中如何分配他们的动力以获得更好的表现”。

针对美赛A题的备战，我们可以着重准备与原理分析和预测相关的模型算法和解题思路，如时间序列模型、遗传算法、神经网络、微分方程求解等。一般来说，微分方程可以通过常见软件Python求解分析，并以一般函数形式表达。微分方程的建模还需要进行数值模拟，而Python则是绘制方程变量间关系图形的理想工具。

每一年的A题都呈现出令人比较期待的有趣的题目，对于原理分析、预测模型和算法都有丰富的运用，期待同学们在这次美赛中继续探索这个充满创新和发展的领域！

3.  近五年美赛B题特点
在六道题目中，相对而言，B题常常喜欢出优化类问题、图论问题以及规划类预测类问题。特别是对比2019年和2021年的B题，让人有一种“新瓶换旧酒”的错觉，不过仔细做起题来又有很多的差别。

2019年B题为派遣无人机空难救援，是标准的优化、图论问题。第一问为整数规划问题；第二问为动态规划问题；第三问为调度方案。
 其中O奖获奖队伍#1915782的解题思路是：建立单目标规划模型，以ISO集装箱的空间利用率最大为目标，并定义了在装载过程中的约束条件。并采用改进的3D-RSO算法进行求解。针对选址问题，以运输时间最短和总侦察路程最长为目标，建立了确定ISO集装箱数量和位置的双目标规划模型。

2021年B题“Fighting Wildfires”（扑灭野火），无人机澳大利亚大火救灾，它是典型的优化、NP类问题，可能用到图论类的模型、规划模型、遗传算法等。第一问要求选手为“CFA的新部门——山火应急响应部门”建立一个模型，用于购买最优数量比例的SSA无人机和无线电中继器无人机。第二问要求说明你的模型如何适应“未来十年极端山火事件”可能发生的变化？第三问要求设计一个模型，以优化不同地形上的不同火情大小的VHF/UHF无线电中继器无人机的位置。
2021年优秀论文队伍#2105363的思路是：任务1中，论文建立了维多利亚州区域安全评估模型，利用火灾频率、规模和最近的火灾情况对各地区进行危险分类。确认无人机需为高风险和危险地区提供不同服务，优化无人机容量和成本。在能力方面，缩短无人机对高风险地区的平均响应时间，尽量分配更多无人机到危险地区。成本方面，以火灾面积量化无人机需求，并考虑轮次和损耗率。考虑SSA无人机和无线中继器无人机的混合，使用贪心算法计算中继器无人机数量。总结需要200架SSA和32架中继器无人机。

任务2涉及预测极端火灾和增加装备对策。论文建立了三元火灾预测模型估计极端火灾概率和规模。计算极端火灾预期值，估算增加到EOC的设备数量。据火灾和消防装备数量确定极端火灾成功概率，根据80%的成功率计算额外设备成本为4,952.25澳元。

任务3中优化了中继器无人机分布。使用改进的信号损失模型定位信号强度低于20 dB的位置。利用动态火灾蔓延模型排除无人机距火灾边缘小于50m的区域。模拟发现无人机在风向下分布于理想范围边缘。

2022年的题目“Water and Hydroelectric Power Sharing”（水和水电共享）要求是“假设美国美德湖（Lake Mead）的水位为，鲍威尔湖（Lake Powell）的水位为，并且部分水流从鲍威尔湖注入美德湖。

任务1首先要求安排从每个湖泊取水以满足需求。然后，估计在不提供额外水源并且需求量固定的情况下，需求不满足需要多长时间。之后，在考虑墨西哥利益的前提下，需要讨论额外供水量的问题。最后，需要提出模型需要重新运行以适应条件变化的时间点；

任务2要求找出平衡水的不同用途的最佳方法，并明确陈述标准。需要注意，发电有一个最低边界；

任务3要求提出应对水资源短缺的方法，这些方法不能满足所有的发电和一般用途（包括农业、工业和居民用途）的需求；最后，需要进行敏感性分析。当农业、工业和人口用水的波动以及电力使用的变化出现时，需要展示模型的响应。”
而2023年的B题则是一个关于重新构想马赛马拉岛的优化与分析问题。这需要跨学科的综合方法，涉及生态学、经济学、社会科学和数学等多个领域的专业知识。同时需要采用线性回归、逻辑回归、决策树、随机森林、支持向量机、神经网络等多种算法。

明显地，在准备美赛B题时，有必要对规划、优化、图论等问题进行更多的实践与训练。这意味着需要积累并熟练掌握多元分析法、遗传算法、贪婪算法、神经网络以及元胞自动机等多种算法。在模型构建过程中，灵活运用这些算法，并善于通过改变约束条件来实现优化效果。

另外，对于涉及离散型变量和离散模型的建立，可以使用多元统计分析方法，例如聚类分析、主成分分析和因子分析等，充分准备并熟悉这些方法和技巧对于有效解决B题提出的问题至关重要。

4.  近五年美赛C题特点
美赛的C题是专门考验队伍对数据的处理和统计识别的一道题目，偏重于数据挖掘和编程能力。相对而言，C题的数据量在六道赛题中是最多的，并且一般数据是由题目给定的。

2022年美赛C题“Predicting Wordle Results”（预测《世界》结果），这个题目要求对《纽约时报》Wordle游戏的分析结果进行研究和解释。主要任务包括开发模型来解释每天报告结果数量的变化趋势，并根据这个模型预测未来某个日期的结果数量范围；探讨词属性是否会影响困难模式下报告分数的百分比，并解释影响的原因；针对给定未来日期和解答单词，建立模型以预测报告结果的分布，并探讨模型的不确定性；开发分类模型对解答单词进行分类，分析单词属性与难度的关系；并总结数据集的其他有趣特征。最后，要撰写一份信件，向《纽约时报》谜题编辑总结研究结果。

这个问题要求对《纽约时报》每日Wordle游戏结果进行分析和建模。

首先，需要建立一个模型来解释每天报告结果数量的变化，并预测未来结果数量。可能需要考虑单词属性对困难模式报告分数百分比的影响，并探究这些属性对结果的影响程度。

其次，需要开发一个模型，能够预测未来日期内报告结果分布，以便对特定日期的单词预测分布情况。模型预测可能伴随一定的不确定性，需要给出具体例子，如针对2023年3月1日的“EERIE”一词的预测。

另外，需要开发一个模型对解决方案单词进行分类，并探讨不同属性对单词难度的影响。

最后，要列举和描述数据集的其他有趣特征，并撰写一份信件向《纽约时报》的谜题编辑总结研究结果。可能的建模方法可能包括时间序列模型、回归分析、分类算法等，去解释结果数量的变化趋势和预测未来结果分布。

2022年美赛C题“Trading Strategies”（交易策略），题目需要开发一个模型，仅利用迄今为止的每日价格流，来确定每一天交易员是否应该购买、持有或出售其投资组合中的资产。交易员的投资组合仅包含黄金和比特币。

第一问为制定一个仅基于截止到当天价格数据的最佳日常交易策略的模型。并使用我们的模型来计算2021年9月10日的初始1000美元投资价值是多少。第二问是提供证据证明模型提供了最佳策略。第三问是确定该策略对交易成本的敏感性。交易成本如何影响策略和结果。

我们看一下获O奖队伍#2201883的思路：

图源：2022年C题优秀论文#2204883

在任务一中，经过数据预处理，使用LSTM模型对黄金和比特币价格进行预测，同时利用MLP模型制定投资策略，黄金MAPE值为0.007261，比特币为0.041630。基于投资策略模型，确定了最佳的日常交易策略，使得9/10/2021的$1000投资增值至$14,325.13，净利润超过13倍。

在任务二中，通过设定10个评估指标，对比简单、理想和市场常用投资策略与研究团队的策略。结果表明，团队的模型在利润和风险间取得良好平衡。

任务三分析了策略对黄金和比特币交易成本的敏感性。当黄金佣金增加时，净利润保持稳定，胜率上升；比特币佣金增加时，净利润显著下降，胜率降低。因此，投资策略对比特币交易成本更为敏感。

其他队伍也有不同的策略，下图是其他队伍的论文节选。

图源：2022年C题优秀论文#2200688

2021年的C题题目是“ Confirming the Buzz about Hornets”（确认关于大黄蜂的传言），是希望解决和讨论是否可以预测这种害虫的传播随着时间的推移，以及以何种精度水平，它是一种评价预测的类型，所用到的算法为：对应算法及模型：分类预测模型，蒙特卡洛模拟元胞自动机；

2020年的C题题目为“数据的财富”，问题类型是优化、评价、预测这一类别，应该用的对应算法及模型：主成分分析，层次聚类、因子分析、时间序列分析等方法。

总的来看，美赛的C题要求熟练掌握数据挖掘处理方法，涵盖预处理、后处理等方面技巧。在模型和方法上，主要集中在统计学和模式识别等领域。数据预处理包括处理异常值和缺失值，而数据分析和建模通常需要参数合并、数据归一化等。处理这些问题可能会用到Python、SPSS、SAS等软件。

BAOYANDAO

写在最后

A题侧重于优化和控制或者策略分析，需要微积分和目标优化能力；B题则是离散型赛题，涉及回归、聚类分析、协同规划等；C题涉及大数据，强调数据处理、模式识别和信息挖掘等。虽然每种题型都有自己的特点，但获得好成绩的关键通常在于扎实的模型基础、优秀的编程技能、创新性强的论文呈现和团队协作默契。期待大家都能取得优异的比赛成绩！

距离比赛还有不到一个月

为了帮助同学们更好备赛

岛主特意准备了

2024年新版《美赛一本通》！

170+页 7w+字  2024年全新升级

美赛基本信息+备赛攻略+必备技能+往年真题&优秀论文解析+经验分享

美赛全流程梳理，解答关于美赛的所有疑问！

点击卡片关注公众号【计算机保研岛】