美赛准备

首先看美赛题型

1. MCM问题A（连续）（偏数学、物理、3d作图）
2. MCM问题B（离散）
3. MCM问题C（数据分析）
4. 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）
5. ICM问题E（环境科学）（偏要素处理、评价 多目标规划）
6. 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