数学建模论文写作

  论文写作前言：论文一定要表达清楚，因为写给评委看，如果评委没看懂，分数应该不会高。在数学建模国赛中，除了论文以外，支撑材料：程序代码，中间结果，支撑数据。也非常重要。
一篇论文评分很快，不会看的特别细，出现个别小错误，也不要太担心。
  数学建模论文（中文）构成：
首页：论文题目，摘要，关键词。
论文正文：
  1.问题重述
  2.问题分析
  3.模型假设
  4.符号说明
  5.模型建立与求解
  6.模型检验/模型改进与推广
  7.模型优缺点评价
  参考文献
  附录
英文版有些部分稍有不同（等待补充）。格式如下：
行距：依据文章内容而定，可以采取单倍，1.5倍等。
  

论文题目：

写作要求，涵盖研究内容以及研究方法。
一般有两种：
  第一种：基于×××模型/方法/的×××问题的研究。
  第二种：对问题进行简化作为题目。
  关键词：写作要求，一般为3-5个。尽可能包括5部分：研究对象或研究内容，研究目的，主要模型（尽量要包括），求解算法，验证方法。
  

摘要

写作要求：（1）独立性：摘要是全文的浓缩。（2）代表性：摘要要包含该论文的研究成果。
  因为评审需要，摘要较长，和学术论文有些差异。
主要包括：
  背景和问题：简要叙述研究对象和研究内容，研究目的。
  问题分析：
  关键假设：对所研究的问题做了哪些机理分析或数据观察，据此做出了什么样的关键假设。
  模型结构：采用了何种建模方法，建立了何种数学模型。
  求解算法：对模型采用了什么样的方法，算法或软件。
  结果，检验，结论：主要结果或结论是什么或对模型，假设做了什么样的检验。
  具体地说:首先写研究的是什么问题，采用了什么方法，建立了什么样的求解问题的数学模型。利用什么方法进行求解，得到了什么样的结果。（模型特色，例如思考了一个特殊的点，结果提高）。

一般将摘要分成三个部分。
  开头部分,主要包含：研究问题的背景或意义，主要的研究思路或方法（一般必须包括），取得的成果或解决的主要问题。
摘要开头第一段，所写的内容。

  摘要正文
一般用
  针对问题一：
  针对问题二：
  针对问题三：
如果问题较少的话，一般采用首先，然后，最后。

1. 简述问题：指的是要解决的问题是什么，让阅卷老师判断是否准确解读了题意。
   第一种：直接归纳型。
   第二种：将其分类。例如：这是一道动态规划赛题，或者是可将其定性为评价类问题等等。
   

2. 建模思路：主要包括对问题的分析或数据处理与获取，采用了什么数学方法或进行了哪些分析，建立了什么样的数学模型等。
   例子中，第一句属于简述问题。
   其余部分属于建模思路。因为是优化类问题，因此一定要写出:决策变量，目标函数以及约束条件。

3. 模型求解：基于×××数据，采用×××方法/软件等对模型进行求解。
   

4. 结果分析：根据模型结果，回答问题。
   对于计算类，结果的正确性影响论文质量，需要准确的计算。对计算结果字体进行加深并注明单位。
   

   对于开放类，将关键性的结果进行或结论进行阐述，有数据支撑最好。如果，进行了灵敏度分析，也可以简要概述。
   

  摘要收尾：对模型总结升华。模型创新型评价，优缺点评价，模型的推广等等。

  模板如下：最后，本文对模型进行了灵敏度分析，发现模型具有很好的可推广型，同时我们也对模型的优缺点进行了评价。

论文正文写作部分：

问题重述

写作要求，要让评委知道你读懂了赛题。不要照抄原题，避免查重，不要超过一页。
一般包括两部分：背景描述和问题阐述。

问题分析

要求给出建模的思路。一般包括：
(1)题目中的已知条件，参数等。
(2)确定要解决问题的关键。
(3)对该问题给出大致的求解思路。
(4)给出该问题，已经得到求解的相关描述。不需要出现结论或具体的求解结果。可结合流程图描述。
  问题分析，一般有两种放置形式，第一种直接放置在问题重述后面。第二种，放置在每一小问的模型建立与求解中。
  注意要结合流程图，问题分析和摘要是不同的。只描述思路即可，不涉及具体的模型。


流程图模板如下：

模型假设

会影响灵敏度分析，作用是将模型部分参数，进行限制使模型进行简化。要以严格的数学语言来表示，一般包括5种情况：
  (1)对题目中已知条件或参数做出保真性假设。
  (2)仅考虑题目中涉及的主要条件，对其他情况不考虑或强制规定。
  (3)对题目中涉及的主要条件进行平稳性规定。
  (4)从常识性角度做出的假设。
  (5)对模型中相关参数进行规定（可用于灵敏度分析）。
  符号说明：一般包括：符号，含义以及单位！将全局变量写出即可，临时变量一般不写，尽量用希腊字母，而不是英文字母。虽然，在论文符号说明部分，符号含义已经出现，但下文提及时仍需再次提及。

模型建立与求解：

  (1)建立模型要有根据，能阐述建模的逻辑。
  (2)实用有效，不要轻视简单的模型。
  (3)不要过分追求难度。
模型建立的形式：
  1.以统计分析为主，无需建立模型。一般是基于相关的数据或现象进行分析，常见于建模赛题第一问。
加分项：数据的检测或处理，

1. 异常值的检测（小波分析）

2. 插值拟合

3. 标准化

4. 降维(避免冗余)或结合图表说明等。

2.结合相关物理和数学知识：
3.结合已有的模型和方法：一般将赛题划分为评价类，预测类和优化类等。
  评价类赛题：题目给出一定的数据和条件，建立客观的评价体系，选择合适的模型进行评价。思路是：
(1)建立指标体系。
(2)指标无量纲化处理
(3)确定指标权重，包含主观和客观。
(4)线性加权和非线性加权。
(5)给出结果。
  预测类赛题：在现有资料的基础上，预测事物的一些未知属性或已知属性的未来发展趋势。思路是：
(1)数据预处理。
(2)选择预测模型，根据样本数量，分为大小样本预测。根据预测时间：中短期和长期预测。
(3)对误差进行分析（一般分为0.01,0.05,0.1三级）。
(4)给出结果。
  优化类赛题：在一定限制条件下，选择某种方法达到最优，比如：时间最短，成本最小等等。目标函数，决策变量，约束条件必不可少。一般求解如下：
  思路是：
(1)建立指标体系。
(2)指标无量纲化处理
(3)确定指标权重，包含主观和客观。
(4)线性加权和非线性加权。（根据各个指标之间是否完全独立）
(5)给出结果
4：对已有的模型或者方法进行改进，然后对问题进行求解。
(1)基于层次分析-熵权法评价模型。
(2)基于灰色-BP神经网络预测模型。（小样本预测）
(3)基于遗传算法-BP神经网络预测模型。（评价，预测）
(4)基于小波变换-BP神经网络预测模型。（大样本，预测）
模型求解部分：要和赛题相对应。
  

模型检验:

一般分为三种
1.稳定性和敏感性分析：检验模型中某些参数变化，是否会引起模型输出产生大的变化。一般适用于模型中存在某些固定性参数。
2.统计检验与误差分析：统计检验主要包括t检验和f检验，一般用于回归分析。误差分析是对测试集进行验证一般写在模型求解部分，没有真实数据一般在文末分析误差来源，一般用于预测类题目。
  模型优缺点评价:
模型常见的优点描述：
模型常见的缺点描述：

参考文献：

要遵循格式

附录：程序，中间结果等等。
公式：一般独占一行，居中排版。对关键公式编号即可。导出为pdf后要检验下公式格式是否完好。
图形表格：图形表格要有标题，不要出现如上图，如下表等等。要以文件形式存储，图的制作要重点关注坐标轴和图例。
支撑材料：使用rar压缩格式，论文和支撑材料不允许出现参赛队信息。

关于选题：1.背景看不懂可以排除。2.优先考虑资料多的。
A：专业性太强，一般有标准答案，非专业不建议选。
C：一般没有最优解，合理即可。方法恰当，多种方法对比，得到合理的结果，论文写的比较漂亮。