2023 年 “华为杯” 第二十届中国研究生数学建模竞赛一等奖总结和复盘

本文链接：https://blog.csdn.net/fyfugoyfa/article/details/127162908

文章目录

一、前言
二、主要内容
三、总结

🍉 CSDN 主页：https://yetingyun.blog.csdn.net/

一、前言

世间万事，风云变幻，苍黄翻覆。纵使波谲云诡，但制心一处，便无事不办。天定胜人，人定兮胜天。——袁天罡《画江湖之不良人》

我组的团队在 2023 年 “华为杯” 第二十届中国研究生数学建模竞赛中拿到了一等奖！（E 题 Top 0.5% 内，我们主要关注数据题。没办法，会的东西只能做数据分析题）

中国研究生数学建模官网：https://cpipc.acge.org.cn/cw/hp/4

在这里插入图片描述

队伍情况，三个人的数模团队（重思路和逻辑，深入理解问题的本质，深入理解方法的本质，最适合解决问题，做出一份高质量的数模论文），当时的招募如下：

我：主编程和算法实现，数据可视化，优化思路，方法和实验部分的写作。
队友 1：主建模和画图，头脑风暴，以及负责部分写作。
队友 2：主论文写作和润色，整体把控思路和逻辑，给其他两位队友反馈，以及最后合理分配论文完善任务。
我认为分工也不用太明确，各有侧重就好，共同目标都是把最后要提交的数模论文做好。分工太明确了，会让人产生依赖思想，不愿去做自己以外的事。理想情况：数模团队中的每一个人，都能胜任其它人的工作，就算小组只剩下她（他）一个人，也照样能够搞定数学建模竞赛。在竞赛中的分工是为了提高团队协作的效率，最大限度发挥团队的优势，做出最好的结果。
要求熟悉目前常用的 AI 工具。作为数学建模助手，知识 $/$ 思路的帮助，编程辅助和代码理解，创新思维，提高生产力，润色论文等。建模和编程本身应该是一件令人愉快的事。
要求动机足够强，善于总结和学习新知识。认真负责，能熬夜，全心全意做好一件事。团队协作，共同迭代优化，最终成功提交一份高质量的数模论文。
有数学建模 $/$ 产业界数据竞赛相关好的获奖经历更佳。

💻️ 心流 - 追求超越，成功会不期而至。享受过程，结果将水到渠成。 与诸君共勉。

二、主要内容

好的开始：熟悉研究生数学建模竞赛，寻找有用信息并降低信息差。

他山之石，可以攻玉。以下是我整理的优质分享，上岸之道，就在其中：

优质的信息检索渠道和工具：

[熊猫学术 - 让学术检索更高效]（https://panda321.com/)
[虫部落 - 学术搜索]（https://scholar.chongbuluo.com/)
[联合搜索 - 支持百度、谷歌、搜狗、360、必应等多种搜索引擎]（https://www.gobaidugle.com/)
[谷歌搜索]（https://www.google.com/)、[谷歌学术]（https://scholar.google.com/)
[天工 AI 搜索]（https://search.tiangong.cn/)
[SCMOR 全渠道搜索]（https://dir.scmor.com/)
[CNKI 中国知网]（https://www.cnki.net/)
微信 - 搜一搜
[ShowMeAI 知识社区]（https://www.showmeai.tech/）
[开发者搜索 - 让技术搜索更简单高效]（https://kaifa.baidu.com/)
[F 搜]（https://fsoufsou.com/)
[SearXNG] (https://searx.tiekoetter.com/)

优质的信息检索渠道和工具对数学建模比赛获奖有着重要的影响。以下是从理论上分析这一影响的几个主要方面：

知识获取：优质的信息检索渠道和工具可以帮助参赛者快速、有效地获取相关领域的知识和信息，包括理论知识、方法论、模型及解决策略等。这些信息将帮助参赛者构建强大的理论基础，从而提高模型建立的准确性和有效性。
问题理解：对于复杂的建模问题，需要广泛的背景知识和深入的理解。优质的信息检索工具可以帮助参赛者查找到相关的学术文章、技术报告、行业数据等，进一步理解和深化对问题背景的理解，这对于建立有效的数学模型至关重要。
创新思维：优质的信息检索渠道和工具可以帮助参赛者了解最新的科研进展和技术趋势，从而激发创新思维，有可能提出新的解决方案或者改进现有模型。
方案验证：在模型构建和优化过程中，参赛者需要不断验证和改进自己的方案。优质的信息检索渠道和工具可以提供大量的数据和资源，为方案验证提供便利。
论文写作：数学建模不仅仅是解决问题，还需要将解决方案以科学论文的形式呈现出来。优质的信息检索工具可以帮助参赛者查找到优秀的论文示例，提高论文写作质量。

总的来说，优质的信息检索渠道和工具能够为数学建模比赛的参赛者提供强大的支持，从理论获取、问题理解、创新思维、方案验证到论文写作的各个环节都有可能产生积极影响，从而提高获奖的可能性。

工欲善其事，必先利其器：

Anaconda + Python，我主要使用 Python 语言进行编程、建模和数据可视化。
SPSSPRO 全新在线数据分析平台 | 有现成的机器学习调用直接建模
SPSSAU 数据科学分析平台 | 里面能用的综合评价方法挺好
在线 LaTeX 编辑与识图转换
运筹优化求解器：Gurobi、OR-Tools、LINGO
好用的自动化探索性数据分析的工具库：Sweetviz、Autoviz
清华 Aminer - AI 帮你理解科学文献
附录贴代码排版，用 Md2All 高亮处理后好看一些 | github-gist、atelier-cave-light 风格

三、总结

在力所能及的范围寻找最适合自身情况的优质队友！这将在很大程度决定你参与整个数学建模竞赛的体验以及最终的结果。由于我们学校没有提供比赛场地，队友们无法一直在一起自由讨论。在我们团队的协作过程中，为了提高效率，我们使用了飞书和云文档。

在赛前，与队友一起仔细阅读官方提供的论文格式要求，包括字体、字号、段落、页眉和页脚，图注和表注等。我们提前准备好了三线表和表格的模板。在绘制建模流程图、模型结构和示意图，以及技术路线图时，我们选择使用 Draw.io。这款工具免费、简单易用，并且导出的图片可以设置高 dpi。

下载了近三年的优秀论文，好好学习和模仿优秀论文，思考和记录一些常用的假设（数据题的特点），好的想法随时记录和跟队友交流。更重要的是研究它们分析问题，建模的标准流程，更好地解决问题的思路和逻辑。准备一些典型和重要的模型，包括模型的提出背景、关键思路和基本原理、模型架构、优化方法、基于它的扩展模型、优缺点分析以及常见的实际应用。总结出好的数学建模论文的表述方式：

从 xx 问题出发 $/$ 针对 xx 的问题 $/$ 为弥补 xx 的不足 $/$ 为克服 xx 的局限性，拟提出 xx，结合 xx 进行系统研究，构建 xx 函数，建立 xx 模型，探索 xx 机制，并以此为基础，xx，实现 xx $/$ 完善xx，促进 xx，拓展 xx，对 xx 有重要意义。
针对什么问题，采取什么策略 $/$ 开发什么方法，实现或达到什么目标。在什么什么的基础上，进而用什么 xx 算法，达到什么效果。

在准备竞赛时，除了学习优秀论文之外，还需要针对相关的建模任务有针对性地学习算法并准备代码模板。

回归，分类，聚类，降维，关联规则分析，特征选择，时间序列分析与预测，异常检测，优化求解。
统计分析，机理分析，数据可视化，综合评价方法（熵权 Topsis 啥的），微分方程，灰色建模。
模型的鲁棒性、灵敏度。

在比赛期间，我们维护了一个资料文档，主要包括两大类内容：参考文献和网络资料。这些内容中英文结合，且信息量丰富。利用好相关的论文和互联网的优质资料很重要。每位团队成员在比赛过程中都应该进行总结和提炼（初稿），以确保论文写作有充分的信息基础并考虑全面。对于两位不主要负责编程的队友，我建议她们熟练使用 SPSSPRO 和 SPSSAU。成熟的软件有许多优点，例如在一些建模问题上无需编程即可进行分析和建模，但缺点是有时可能缺乏灵活性。

核心要点：在处理赛题时，首先需要理解上下文和明确定义问题；其次，要从根本上理解任务的本质，并采取分而治之的策略；接着，需要进行相关数据的深入分析与挖掘；在设计模型时，应根据任务和数据的特点进行相应的设计；模型评估阶段需要进行结果分析、对比实验以及制作可视化图表；最后，撰写论文并进行润色，以清晰准确地回答问题。

研究生数学建模竞赛一般是要解决现实的工程问题 $/$ 科学问题，不仅仅是单纯的数学建模。这相当于在短时间内高质量地完成所选定的科研任务。在撰写论文时，应参照过往优秀论文的题目框架和格式排版。每个问题的论述应包含多种方法的对比分析，专业而凝练，并配以丰富的图表，排版简洁美观。此外，应适度注重创新（慎用很普通、很常见的方法，争取比其他人更出色，并考虑更全面）。在审阅自己的论文写作时，应设身处地站在评审专家的角度，并展示自己的亮点（注意加粗显示）。

摘要很重要。以结果为导向，最适合解决问题和做出好的结果。

Word 中安装 LaTeX 风格的字体 Latin Modern Math，不用 LaTeX 软件写作和排版，也可以让符号和公式是 LaTeX 风格，如下所示：

在这里插入图片描述