美赛备赛介绍

美赛各题目概况

A：连续型题目（微分方程、预测和评价）

B：离散型题目（数学规划、统计学）

C：数据处理题（机器学习、分类、预测、评价）

D：网络科学题目（优化、分类、关联、一定量数据处理）

E：环境科学题目（综合评价、预测、指标评估）

F：政策题（优化、评价以及一定的人文）

备赛

• 粗略看《数学模型》，了解模型思想

• 重点《数学建模算法与应用》（起码知道什么算法能解决什么问题）

  重点看实例和代码（原理简单看–时间来不及）

  1. 这个模型叫什么名字？（要确定模型名字和使用的模型匹配）
  2. 这个模型属于什么类型，能够解决具有哪类特征的问题？
  3. 这个模型的具体操作步骤怎么实现？（学习的角度）

• 如何读优秀论文

  国一/美赛o奖论文（实战的角度）

  1. 如何预处理数据
  2. 为什么选取某某模型/方法来建模
  3. 用什么标准来判断某个方法比另一个方法要好（更有说服力）

• 数学模型常见类别

  优化类问题（最重要）

  评价类问题

  预测类问题（较少、根据数据量模型基本确定）

实际问题->数学模型->数学求解->问题回答

• 分工要好

  建模员+程序员+写作员

  （中文->英文：机翻+批改网查错+写作员查错）

比赛流程参考

第一天：定题+资料查找+问题一建模求解

第二天：模型框架+问题二+问题三求解

第三天：剩余问题求解+结果检验（包括灵敏度分析，重要）+论文初稿

第四天：摘要（重要，拿奖的第一步）+反复修改全文+翻译

赛前准备

多看一些论文

知识储备：比赛前准备好各类常用算法的模型代码+原理，并且要对上述模型的应用条件做好规划，否则容易张冠李戴

硬件软件：Matlab、Python、Word、Excel、VISIO等画图、做表、数据处理

排版、latex、word、英语