数学建模论文六大获奖技巧！大赛必看

NO.1 摘要

摘要一定要认真写

●在数学建模论文评选中，一般会经历初审和终审两个环节，其中初审环节主要是评委通过查看参赛学员的摘要来判定其能否进入终审环节，一般这个流程所需要的时间在5-10分钟;进入终审环节的论文是有很大概率可以拿奖的，未进入终审的论文大概率要向优秀奖看齐了，所以摘要的撰写就显得尤为重要。

●一篇好的摘要应结构清晰，逻辑严谨、内容丰富、语言简练。摘要是以提供文献内容梗概为目的，不加评论和补充解释，简明、确切地记述文献重要内容的短文。规范的摘要是一篇论文的浓缩与精华，即使读者不阅读全文也能获得必要的基本信息，且便于文献检索机构对论文学术水平的评析，有利于论文的收录，增加论文被国际著名数据库检索的概率，使论文的学术价值得以体现。

●摘要千万不能超过一页，一般是占到2/3页即可

摘要写作建议及模板如下（仅供参考）：

（第1段）问题重述+简要思想：首先简要叙述所给问题的背景和动机，然后重述问题并分别分析每个小问题的特点（以下以三个问题为例）。根据这些特点说出自己的思想：针对于问题1，采用。。。。。的方法解决；针对问题2用。。。。。。的方法解决；针对问题3用。。。。。。的方法解决。

（第2段）模型建立及求解结果：介绍思想和模型： 对于问题1我们首先建立了。。。。。。。。模型I。首先利用。。。。。。，其次计算了。。。。。。，并借助。。。。。。数学算法和。。。。。。软件得出了。。。。。。结论。

（第3段）对于问题2我们用。。。。。。。。

（第4段）对于问题3我们用。。。。。。。。（模型的建立与求解结果的陈述中，思想、模型、软件和结果必须描述清晰，亮点详细说明需突出。针对不同问题可独立成段也可采用一段式仅用分号“；”分割，摘要只接受文字描述形式，不接受图表等其他方式）

（第5段）优化结果及总结：在。。。。。。条件下，针对。。。。。。模型进行适当修改与优化，这种条件的改变可能来自你的一种猜想或建议。要注意合理性。此推广模型可以不深入研究，也可以没有具体结果。

注：字数需控制在一页之内；摘要中必须将具体方法、模型和所得结果写出来；摘要要求“总分总”，段开头可用“针对问题1，针对问题2，针对问题3..”或者“首先，然后，其次，最后”等词语进行有逻辑的论述。摘要是重中之重，须严格执行。

NO.2 排版

论文的排版一定要美观

●论文是参赛队员呈现给评委的唯一材料，因此论文质量的好坏将直接影响到最终的获奖成绩。

●论文排版指的是将论文按照规定的标准格式进行美化的过程;一篇排版很好的论文会让评委眼前一亮，在批阅时也会更加直观，更容易获得好的成绩。一般英文类型的论文推荐使用LaTeX排版软件，非英文类写作则需要按照模板进行编辑即可。公式可以用mathtype，图表要美观。

NO.3模型假设

模型假设一定要认真对待

很多小伙伴在写作时并不重视模型的假设，但模型假设在论文评审标准中是直接提到的，也是评委比较看重的地方。模型假设是模型建立前必不可少的环节，在某种程度上模型假设将直接关系建模的成败与优劣;

模型假设的意义：

●针对问题的主要因素，忽略次要因素;

●使我们要解决的问题简化，使模型更合理化;

●模型假设也不要写太多，一般写5~ 10条均可

NO.4流程图

问题分析推荐使用流程图

●问题分析能够让评委直观的了解作者的建模意图和主要的解题思路，因此也是要认真对待;为了方便评委查看建议在问题分析部分添加流程图，流程图可以使用VISIO软件或WPS自带的流程图制作模块，同时也需要在流程图下方进行文字说明，切忌仅提供一张流程图而不进行对应的文字描述的情况。

NO.5优化模型

推荐使用改进或优化后的模型

模型的建立是论文评审最重要的模块之一，一般来说，各参赛选手主要是选择已有的模型来解答问题，极少学生能够在比赛三天的时间内创造出一个全新的模型。因此模型选择的好坏也将直接影响到评审的结果，组合或改进优化的模型能够最大程度的提高原算法的优势并补偿其劣势.在此建议大家在模型选择上优先倾向于组合模型或改进版的模型，如

●基于层次分析-熵权法的综合评价模型(评价类赛题，定权更准确)

●基于灰色-BP神经网络的综合预测模型(预测类赛题，小样本的预测)

●基于遗传算法的BP神经网络优化算法(评价类、预测类均可应用，精度更高)

●基于小波变换-神经网络的预测模型(预测类赛题，大样本的预测)

NO.6模型验收板块

建议增加模型检验模块

●模型检验不同于模型优缺点评价，模型检验主要包括误差分析和灵敏度分析两个模块，误差分析能够验证模型的正确性，灵敏度分析主要是验证模型的普适性。增加模型检验能够让评委对所建立模型的正确性有个更全面的认识，对建模取得的结果也更加认可。

●误差分析一般适用于预测类题目，判断或分析模型计算结果是否准确

●灵敏度分析一般适用于模型中存在某些固定性参数，主要是判定模型是否适用于更多场景