国赛想要拿到好成绩,最直接的方法就是赛前多复现优秀论文,实践是检验认识的唯一真理。 多复现优秀论文,这个过程可以帮助你查漏补缺,但不建议一开始就复现论文,因为万丈高楼平地起,大跃进,大概率会寸步难行。
遇到问题想方法
当我们拿到一篇赛题的时候,脑袋很蒙不知道如何下手,最直接的方法就是搜相关的问题找到解决问题的答案。在实际比赛中我们也是这样做的,遇到一个陌生的赛题首先到知网上查找相应的论文,再到B站、github、csdn上看能不能找到相应的代码,如果找不到就得自己手敲了。
数学建模最重要的应该是对模型的理解,对具体问题对象的应用,要分析的出模型哪好哪不好,如何优化?模型的敏感性如何?说白了,我们必须从逻辑上和从结果上对模型进行验证,我们发现优秀的论文中总会有它独特的思想,建模过程总是严谨而条理清晰的,这也是一个理工科类学生必须掌握的能力。
在实践过程中,我们会发现很多理论知识是相通的,学习过程中更应该去追寻底层知识,做到融会贯通、如鱼得水,对于经典的模型,一定要能背的下来,代码要写得出来,数据结果要用图表展示的出来。
提示:以下是本篇文章正文内容
一、如何学习建模?
首推看视频:
python建模:https://www.bilibili.com/video/BV1uT4y1L7za?spm_id_from=333.337
matlab建模:https://www.bilibili.com/video/BV1DW411s7wi?spm_id_from=333.337
看完视频,再看书:
推荐司守奎老师的《数学建模算法与应用(第2版)》这本书是面向matlab编程的
其次推荐CSDN:
数学模型一般都会带有代码。
看了并不代表理解了,理解了不代表就会用了,会用不代表就能用的好。所以,我非常建议,学完一个模型去总结,怎么证明你会了呢?很简单,自己不看书,把模型复述下来,最好写一篇博客,真正装在脑子里的东西是很难忘记的,这个过程会比较耗时,但不积跬步无以至千里,你只管努力,剩下交给天意。
二、编程
其实编写数学建模公式的过程,也是锻炼自己算法能力的过程。对于求解模型来说用python和matlab都可以,不过我推荐用python,因为python有很多工具包画出来的图形非常美观,并且它能做很多事情。
如果你要学习python,我建议你学习python的基础语法之后,可以直接学习numpy,pandas,matlabplot,sklearn,scipy甚至深度学习tensorflow。对于常见的模型sklearn机器学习库都有包含,直接调用函数非常方便。对于画图结果展示来说,除了matlabplot我们还会使用seaborn,pyecharts。
学习python三剑客的过程会比较繁琐,建议小白直接看书吧,这样遇到不会问题方便翻阅。画图这一块一定要实践总结,后面比赛可以直接照搬代码。
学习sklearn应该带着案例去做,这样可以加深对模型的理解,比赛的时候遇到相应的问题能反应过来应该用什么模型。
三、写作
写作的同学一定要会使用Latex,实在是太漂亮了,这个东西学会了真的是百用无一害。讲个糗事,前段时间去面试,四天做一个量化策略,四天后路演,8人一人15分钟汇报时间,比较了自己的研报和大佬的,内容不说,光门面样式就全给我丑完了,血泪的教训。所以啊,参加数学建模比赛,这个准备的过程一定要认真对待,真正要学到些东西,不要到来不及的时候后悔。
还是多看优秀论文,看别人是做写作的,排版、构图、符号、格式,引用等等等等。做的好不好,一对比就出来了,非常明显。网上也有很多教程,我这边也不多说了,希望每一支参赛队伍的结果都能对得起自己的付出。