首先看美赛题型
- MCM问题A(连续)(偏数学、物理、3d作图)
- MCM问题B(离散)
- MCM问题C(数据分析)
- ICM问题D(运筹学/网络科学 一般根据地形 图设计分布 流水 线 个数等 可能会用到图论 排队论 遗传算法 对数据的处理)
- ICM问题E(环境科学)(偏要素处理、评价 多目标规划)
- ICM问题F(政策、一般会用到马儿可夫链)
选题:
自己手工翻译、对照翻译 快速选择擅长的
多目标规划-》单目标规划——》确定权重-》遗传算法求解模型
查文献:带具体问题去搜 搜相似、更换主体
模型要选实用、合理的,神经网络对线性拟合不好,线性关系用回归模型
优化、评价、聚类、预测
Matlab偏自主求解,lingo适合标准的规划问题(整数规划),matheMatica适合涉及符号运算
决策论:单目标、多目标(可先转至单目标 *系数)
目标规划较大时:分步求解、逐级优化
1,确定问题所属类别
2,确定目标,构建定量描述目标的数学表达式,如果目标不便于量化的效用函数,则利用心理、物理等方法加以确定
3.抽象问题的约束条件:明显存在的约束 隐含约束(搜索范围的限制)
可能会用到的:
解模型
绘图 :复杂函数(预测图)、思维导图解释组成、程序流程图
正则表达式
爬虫数据
写不断搜集参考资料 15.6篇参考
论文结构:
1.写摘要很重要(全队都看一遍,差不多就是每个问题的简要回答,用的模型、数据结果具体
2.问题类别相关要素 应该包含:建模思想或模型的归类
3.求解思路或主要算法
4.主要结果(数值结果)
5.模型检验(误差分析、稳定性分析等)
6.结论)
引言背景 问题重述 符号定义
假设(找出所有具有影响的不确定因素,是否还会有其他隐含因素要考虑,约束条件进行说明) 模型(确定解决问题类型 数据代入 检验) 分析 优点:根据xx构建模型,可以解决什么问题,作用 缺点:虽然try our best ,时间限制,数据限制,参数可能有误,未考虑到xx要素的影响) (可以加上future:获取数据,完善模型)时间够可以考虑模型检验(删除某个要素的影响\该模型是否使用其他物体) (敏感度分析)参考书目 附录(图,代码,中间处理数据)
明确要解决的问题
给出问题答案
重视图和表
清晰表明模型、数据 、那些是直接引用要标明
格式、结构规范
合理定义指标 考虑主要影响要素
(关键参数)进行敏感性分析 增强适用性