为了帮助大家第一天尽快得选题,本文将对本次美赛的六个题目进行简要的分析其在建模过程中可能遇到的问题、以及一些难点方便大家选题。
2022 MCM问题
问题A:骑自行车的人的功率分布(连续)
问题B:水力水力共享(离散)
问题C:交易策略 (数据见解)
2022 ICM问题
问题D:数据瘫痪?使用我们的分析! (运筹学/网络科学)
问题E:林业固碳 (环境科学)
问题F:一人为我,人人共享(空间)! (政策)
2022年美赛截止于2月22号上午十点,时间很长。我们应该给予充分的时间选题,尽量避免出现选完题目后再换题的情况,这样会造成对时间的很大浪费。
对于本次比赛的题目,给人的感觉就是很大,给了我们很大的展示舞台,但仔细读题会发现每个题目都有或多或少的限制,比喻一个森林,一家公司等等。而且除了C题明确要求只能使用C题给出的数据,其他题目均没有给出数据,这就很考验我们的数据收集能力。下面,我将对每个题目逐步的进行简要分析,方便大家的选题。
MCM A题 自行车运动员的力量曲线 (连续)
决策、优化类
A题要求我们开发一个可以应用于任何骑手的模型,制定整个赛程消耗的能量总量,进行种种限制。他还要求我们将模型应用于各种计时比赛,以及团体计时比赛。目前来看这就需要我们收集几份自行车比赛选手的相关数据,一两个作为模型开发过程中的讲解举例,一个作为模型最后的检验环节。因此,本题面临的第一个问题就是如何收集自行车比赛的详细数据。也正因为存在数据收集的不同,会导致该问题并没有一个很精确的答案,也就是说它本身是个开放式的答案,只要我们建模进行求解得出的答案合情合理就行,他并不会像国赛穿越沙漠那种题目对答案的准确度有很大要求。
我们为A题的难点不在于答案的求解,以及结果的正确与否。难点主要是数据的收集以及数据处理是否规范,更偏向于过程,而不是结果。
MCM B题 水和水电共享 (离散)
优化与控制、决策
B题要求我们建立模型、制定水资源的分配。我们建立的数学模型不是空中楼阁,而需要有真实的数据支持,脚踏实地才能建立出好的数学模型。所以对于B题,面临的首个问题还是相关数据的收集。人与人不同,收集的数据也会很不一样,因此这个题目本身就是一个较为开放式的问题,他的答案与A题一样,也是没有特别精确的答案,只要我们给出合理的结果即可。因此,这意味着我们会更加注重模型的建立与求解过程。
本题涉及到了美国的五个州以及格伦峡谷大坝(鲍威尔湖)和胡佛大坝(米德湖),因此在论文中进行描述时,难免的会存在一些地理位置的描述,这里我比较推荐大家了解一下ArcGIS,该软件应该会对大家有很大帮助。
MCM C题 交易策略 (数据见解)
数据处理类型
C题与A、B就有很大的差异,题目中明确要求我们要开发的模型只能使用提供的两个电子表格。目前看来改题目应该是个优化模型,需要我们对给出的数据进行求解,得出较为准确的答案。就我本人而言,我并不太喜欢这种答案比较固定的题目,答案固定这就意味着一旦模型得出的结果与固定的答案有很大差距,这会很影响我们论文的评分。甚至可以说,这种题目模型中一旦出现失误很可能就与奖失之交臂了。因此,我本人并不喜欢这种题目,这也是目前建模比赛中的通病,大家都不太喜欢这种答案固定的,有较为准确答案的题目。因此这种题目选择的人数也不会特别多。
个人评价,仅作参考。这种题目对新手并不是太友好,如果想要那一个特别好的成绩或者老手,我认为可以一博。虽然没有仔细研读,但是通读下来C题给我的感受就是并不是太难的优化模型问题。
ICM D题 数据瘫痪?使用我们的分析 (运筹学/网络科学)
评价与决策类
D题看题目会感觉这个研究方向很大,很宽泛。但是题目中给我们规定了研究的公司ICM Corporation,通过对该公司的研究建立模型,进而将模型应用于较大或较小的海港。该题的问题在于我们无法得到有关其人员、技术、流程或数据的详细信息。虽然题目中给出了ICM公司运营和数据的简要概述但是我感觉已经很宽泛,没有真实的数据我感觉建立出的模型就像空中楼阁一样摇摇欲坠。
D题是我认为这些题目中最没有头绪的一个题目,并不是说他多难,也有可能和我没有仔细研读问题有关。D题给我的感觉就是我可以做,但是建立出的模型很空,很虚。我可以建立的模型很好看,但是外强内干,真正深究起来很难经得起推敲。
ICM E题 森林固碳 (环境科学)
优化、评价、决策类
每年美赛E题都是最简单的一道,也是最适合新手小白的一道,这就导致E题会有很多很多人选择。今年来看,E题应该也是六个题目中最适合新手的题目。题目要求我们建立模型,试图找出如何利用和管理森林。因为世界各地的森林、气候、人口、兴趣和价值观各不相同,所以我们建立的模型要具有很好的普适性,不能存在一刀切的指导。因此,这就需要我们收集森林的各项数据(地点、气候、人口)进行全方位的分析。对于这种题目虽然感觉起来很难,但是他需要收集的数据在你自己。这种题目并不是根据我们的需求寻找数据(这虽然是正确的做法,但他并不适用于仅有四天时间的建模比赛),而是我们能够收集到各个森林的什么数据根据这些数据进行处理分析。
虽然听上去很难,但是数据是自己查找的,这就导致每个队伍都会有很大差距。那最后评比时,比的就是谁的数据处理方式更好,模型更能具有普适性。目前来看,我依旧认为E是比较简单的一道题目。该问题应该是一个优化模型和评价模型的复合模型。
ICM F题 人人为一,人人为一 (政策)
评价
问题中引入了全球公平这一词,要求我们制定全球公平的定义。根据我们制定的公平定义我们需要研究如何进行小行星采矿,以及需要预测未来采矿行业的变化对全球公平的定义。对于F题而言,或许是我本人不精通这方面,但是他给我的印象就是这个方面太大了,太宽泛。我愿称之为本次比赛最开放的一个比赛。虽然这个题目也需要收集数据,但是他给的方面,我认为很考验数据收集能力。但是正因为他的足够开放,只要我们做到过程合理,结果合情合理问题应该不会太大。
总结
对于本次美赛,给我的感受就是与去年完全不同,除了每个题都符合A(连续)、B(离散)、C(数据见解)、D(运筹学/网络科学)、E(环境科学)、F(政策)这种大类。其他的方面和去年的题目有很大的差距。
我认为今年的题目对数据收集要求很高。A、B、E、F都涉及到了数据的收集。对这种题目,其本身就是开放式的题目,这种题目对答案并没有较为准确的要求,这就导致我们会很大很大的展示空间。我个人比较偏向这种题目,因此这种题目比较容易获奖。这会导致这种题目选择的人数比较多,选择这种题目意味着获奖容易、得F、O奖可能有些困难。比较适合新手、小白、想拿奖的人参加
C题给定了数据集,对答案也有较高的准确度要求,这种题目比较适合想冲奖的人。但是本次的C题,目前看来应该也不会太难,所以如果专业对口,或者很有兴趣的小白、新手也可以尝试一下。
本次比赛,我应该会选做E题,稍后也收集一些数据分享给大家。
最后预祝大家都能在未来四天好好享受比赛!
预祝我们顶峰相见!!!1