从2016年开始,每年美赛MCM/ICM各出3题,即总共六题。
MCM俗称数学建模竞赛,有三道题:problem A , problem B 和problem C。A题是连续型的题,B题是离散型的题,C题是数据处理的题,大都是会给出大量的表格数据进行数据处理。
ICM俗称交叉学科竞赛,有三道题:problem D, problem E, problem F。与mcm不同的是,题目上会给你一些参考的数据,方便你尽快找到查数据的方向。problem D是运筹学和网络科学等类型的题目,problem E近往年都是关于环境方面的综合题目,现在改成了可持续性题目。problem F是政策的题目。
总的来说,MCM 偏自然、理工,而ICM偏社科、人文。更多的建模er更倾向于选择MCM的ABC题。MCM出的题目更偏向于运用数理知识建模解决,ICM则更偏重于运用跨学科知识,以下是自2016年起每年选题人数比例:
2016-2022年历年参赛队伍数如下图所示:
由上图可知除了2020年疫情原因,参赛人数整体为逐年增长趋势。
这个是美赛常用的模型代码,以及各题型常用的代码!
比赛时会分享各个赛题的思路代码模型以及讲解视频!
数学建模竞赛中应当掌握的十类算法:
1、蒙特卡罗算法
该算法又称随机性模拟算法,是通过计算机仿真来解决问题的算法,同时可以通过模拟
可以来检验自己模型的正确性,是比赛时必用的方法;
2、数据拟合、参数估计、插值等数据处理算法
比赛中通常会遇到大量的数据需要处理,而处理数据的关键就在于这些算法,通常使用
Matlab 作为工具;
3、线性规划、整数规划、多元规划、二次规划等规划类问题
建模竞赛大多数问题属于最优化问题,很多时候这些问题可以用数学规划算法来描述,
通常使用 Lindo、Lingo 软件实现;
4、图论算法
这类算法可以分为很多种,包括最短路、网络流、二分图等算法,涉及到图论的问题可
以用这些方法解决,需要认真准备;
5、动态规划、回溯搜索、分治算法、分支定界等计算机算法
这些算法是算法设计中比较常用的方法,很多场合可以用到竞赛中)
6、最优化理论的三大非经典算法
模拟退火法、神经网络、遗传算法(这些问题是用来解决一些较困难的最优化问题的算
法,对于有些问题非常有帮助,但是算法的实现比较困难,需慎重使用
7、网格算法和穷举法
网格算法和穷举法都是暴力搜索最优点的算法,在很多竞赛题中有应用,当重点讨论模
型本身而轻视算法的时候,可以使用这种暴力方案,最好使用一些高级语言作为编程工
具;
8、一些连续离散化方法
很多问题都是实际来的,数据可以是连续的,而计算机只认的是离散的数据,因此将其
离散化后进行差分代替微分、求和代替积分等思想是非常重要的;
9、数值分析算法
如果在比赛中采用高级语言进行编程的话,那一些数值分析中常用的算法比如方程组求
解、矩阵运算、函数积分等算法就需要额外编写库函数进行调用;
10、图象处理算法
赛题中有一类问题与图形有关,即使与图形无关,论文中也应该要不乏图片的,这些图
形如何展示以及如何处理就是需要解决的问题,通常使用 Matlab 进行处理;
各个算法对应的赛题载体:
1、蒙特卡罗算法:
在大多数建模赛题中都离不开计算机的仿真,随机性模拟是非常常见的算法之一。
举个例子就是 97 年的 A 题,每个零件都有自己的标定值,也都有自己的容差等级,而求解最优的组合方
案将要面对着的是一个极其复杂的公式和 108 种容差选取方案,根本不可能去解析求解的,那如何去找到
最优的方案呢?随机性模拟搜索最优方案就是其中的一种方法,在每个零件可行的区间中按照正态分布随
机的选取一个标定值和选取一个容差值作为一种方案,然后通过蒙特卡罗算法仿真出大量的方案,从中选
取一个最佳的。另一个例子就是去年的彩票第二问,要求设计一种更好的方案,首先方案的优劣决定于很多复杂的因素,同样不可能刻画出一个模型进行求解,只能靠随机仿真模拟。
2、数据拟合、参数估计、插值等算法:
数据拟合在很多赛题中有应用,与图形处理有关的问题很多与拟合有关系,一个例子就是 98 年美赛 A 题,
生物组织切片的三维插值处理,94 年 A 题逢山开路,山体海拔高度的插值计算,还有吵的沸沸扬扬可能会
考的非典问题也要用到数据拟合算法,观察数据的走向进行处理。此类问题在 Matlab 中有很多数据处理现
成的函数可以调用,熟悉 Matlab,这些方法都能游刃有余的做好。
3、规划类问题算法:
竞赛中很多问题都和数学规划有关,可以说不少的模型都可以归结为一组不等式组作为约束条件、几个
函数表达式作为目标函数的问题,遇到这类问题,求解就是关键了,比如 98B,用很多不等式完全可以把
问题刻画清楚,因此列举出规划后用 Lindo、Lingo 等软件来进行解决比较方便,所以还需要熟悉这两个软
件。
4、图论问题:
98B、00B、95 锁具装箱等问题体现了图论问题的重要性,这类问题算法有很多,包括:Dijkstra、Floyd、
Prim、Bellman-Ford,最大流,二分匹配等问题。每一个算法认真的话都应该写一遍,否则到比赛时再写就
晚了,
5、计算机算法设计中的问题:
计算机算法设计包括很多内容:动态规划、回溯搜索、分治算法、分支定界。比如 92B 用分支定界法,
97B 是典型的动态规划问题,此外 98B 体现了分治算法。这方面问题和 acm 中的问题类似,推荐的书籍有
《计算机算法设计与分析》电子工业出版社等与计算机算法有关的书。
6、最优化理论的三大非经典算法:
模拟退火法、神经网络、遗传算法。这十几年来最优化理论有了飞速发展,这三类算法发展很快,近几
年的赛题越来越复杂,很多问题没有什么很好的模型可以借鉴,于是这三类算法很多时候可以派上用场,
比如:97A 的模拟退火算法、00B 的神经网络分类算法、象 01B 这种难题也可以使用神经网络、还有美国
竞赛 89A 也和 BP 算法有关系,当时是 86 年刚提出 BP 算法,89 年就考了,说明赛题可能是当今前沿科技
的抽象体现。03B 伽马刀问题也是目前研究的课题,目前算法最佳的是遗传算法。
7、网格算法和穷举算法
网格算法和穷举法一样,只是网格法是连续问题的穷举。比如要求在 N 个变量情况下的最优化问题,那
么可以对这些变量可取的空间进行采点,比如在[a,b]区间内取 M+1 个点,就是在 a、a+(b-a)/M、
a+2*(b-a)/M、……、b 那么这样循环就需要进行(M+1)^N 次运算,所以计算量很大。
比如 97 年 A 题、99 年 B 题都可以用网格法搜索,这种方法最好在运算速度叫快的计算机中进行,还有要
用高级语言来做,最好不要用 Matlab 做网格,否则会算很久的。穷举法大家都熟悉,就不说了。
8、一些连续离散化方法
大部分物理问题的编程解决,都和这种方法有一定的联系,物理问题是反映我们生活在一个连续的世界
中,计算机求解只认离散的变量,所以需要将连续量进行离散处理,这种方法应用很广,大都和上面的很
多算法有关,事实上,网格算法、蒙特卡罗算法、模拟退火都用了这个思想。
9、数值分析算法
这类算法是针对高级语言而专门设的,如果你用的是 Matlab、Mathematica,大可不必准备,因为象数值
分析中有很多函数一般的数学工具是具备的。
10、图象处理算法
01A 题中需要你会读 bmp 图象、98 美赛 A 需要你知道三维插值计算,03B 要求更高,不但需要编程计算
还要进行处理,而数模论文中也有很多图片需要展示,因此图象处理就是关键,做好这类问题,重要的是
把 Matlab 学好,特别是图象处理的部分。
欢迎复制链接到浏览器中打开,
https://docs.qq.com/doc/DY2lYaE9RaVd2RUhs
比赛时会分享各个赛题的思路代码模型以及讲解视频!