您的点赞收藏是我继续更新的最大动力！
一定要点击如下的蓝色字体链接，那是获取资料的入口！
一、队伍组建
1
组队建议
交叉专业组队
由于我们三个都是数学系下面不同的二级学科，所以专业所学还是有所不同。强烈建议大家交叉专业进行组队，不一样的解题思路可能会碰撞出神奇的火花。
如果跟我一样负责建模和论文的同学，最好去找计算机类专业的学生负责编程和建模，毕竟术业有专攻。如果是建模小白找人组队的确有困难，但是一定要学会争取机会，介绍下自己前几个学期的成绩，曾经的比赛经历等，表达出自己坚定的想法（说不定就被你打动了呢）！没打动也不要紧，反正是小白参赛，第一次不获奖也不会有心理压力，权当为以后的比赛铺路啦！
团队目标一致
这里的目标主要是指对于获奖的期望。根据博主的经验，对于获奖的期望一致是减少团队矛盾的关键。获奖期望决定了在数模比赛中的精力付出、投入程度，如果不一致的话，在备赛、以及比赛过程中很容易产生矛盾
2
团队分工
一般来说队伍里的三人各自负责一个方向，分别是建模、编程和写作。但是在比赛中，团队的交流沟通是必不可少的，这就要求我们对于其他成员负责范围内的知识也有一定的了解。
建模手
建模是解决问题的第一步，为后续工作定下“做什么”与“怎样做”的基调，这就需要建模手对于题目所求有着自己的理解与思考，针对不同的问题选择契合的模型进行解答，通常对于建模手有以下几点要求：
学习并储备模型（★★★★★），即整理模型的相关内容，便于比赛的时候能够直接使用。包括但不限于以下四点：
模型的适用范围（★★），了解模型适用于哪种类型题目
模型的优化方向（★★★★），根据历年优秀论文的优化思路，融会贯通形成自己的优化方向
模型的分类汇总（★★★★★），将之前学到的模型进行归纳整理，为比赛打下坚实的基础
模型的内化转述（★★★★★），面对不同的数据，不同的题目，更加细致地划分模型的使用场景，一般面对同一问题，会列举多种模型并加以注释，在此基础上要向其他队员阐释清楚自己模型的实现思路
学习论文写作（重要程度★★★★★），即负责一定比例的论文 需要对模型有着自己的理解，能够很好的表述出来，协助论文手将模型贴近题目，做到准确，清晰，流畅。尤其要注意准确、贴近题目的使用模型是基础，想要拿到F、O奖需要对模型做一定的创新、改进，仅仅是记住模型是没有意义的。
编程手
编程是模型实现的重要环节，再好的思路如果不能实现也只是纸上谈兵，一个基本功过硬的写作手可以将建模手的天马行空化为脚踏实地，是团队里的中流砥柱。这里对编程手的主要任务进行了几点说明：
1. 学习并储备代码（★★★★★） 要求：拿来主义不是不可取，但是最终都要内化成自己的代码，此外除了对症下药编写代码外，还要能根据实际情况对代码进行细微调整，以适应不同的题目
2. 学习Python和MATLAB的基础应用（★★★★）**要求：快捷键、状态栏、不同的IDE，只是了解代码容易在比赛过程中手忙脚乱
3. 能用Excel等软件处理数据（★★★）**要求：数据预处理往往是开题的一步，简明扼要的数据是构建优秀模型的重要基石
4. 学习一些模型知识（★★★） 要求：实践是设想的反馈，能够在建模的时候对模型有所补充和改进 学习论文写作（★★★★★） 要求：代码的设计思路有助于梳理清楚论文编排思路，平时也需要对论文多留心，练习如何将思路表述清楚。
写作手
人们往往会忽视掉写作的重要性，也有不少人抱着想混个奖项的念头选择当一名写作手。不妨想想，我们在比赛中提交的最终结果就是一篇论文，纵使再天才的思路，如果写得平平无奇甚至味同嚼蜡，也难以取得不错的成绩。换而言之，不要让写作成为了团队的短板，而是要用逻辑严谨的论述和秉要执本的图表来拔高你们所做的工作，从而征服评审，夺得奖项。以下是对于写作手的要求：
1. 学写论文、排版（★★★★★） 要求：要将论文塑造得条理清晰，一目了然。无论是LaTeX或是Word都要准备模板，套用模板可以很方便的排版，最好可以自己试着根据往年的格式要求作出自己的模板，在模板的基础上多看多写，对于每篇文章都要提出自己的见解，“择其善者而从之，其不善者而改之”。对于博览群书的评委老师来说，寥寥几眼就能看出你的论文质量如何，从而定下评价区间。所以说论文的写作水平很重要，在很大程度上决定了能不能拿到F及以上的奖项。具体的训练方法，可以自己找网课，找教程。但是最重要的还是自己动手。
2. 学习使用写作软件（★★★） 要求：LaTeX和Word或者是其他什么编辑器都可以，只要论文结果令人满意就行 ，使用时大家可以在B站搜索word+排版/公式/编号等关键字自行查看
3. 学会画出清晰直观的图（★★★★★） 要求：基础的折线、柱状、扇形等图要求美观得体。一些特殊的图，比如三维地图，零件结构图等，最好能储备画图的方法，找到网站或者其他可以实现的资源，一些偏门或偶尔用到的图，不用过于在意，稍作练习即可。如果有Python语言基础可以使用matplotlib模块绘图，参考 Matplotlib - Visualization with Python ，没有的话用其他绘图软件代替也可。
4. 学习模型（★★★） 要求：写作是模型实践的最终体现，需要对模型有一定的理解，进而在论文中合理阐述，这一点是需要三人通力合作的
5. 学会纠错改正（★★★）**要求：在论文完成后检查语句是否通顺，格式是否正确，建议用用Adobe Acrobat这类专业的PDF编辑器查看，最好不要直接在编辑软件内预览，容易造成MD5码更改的麻烦
二、赛前准备与干货分享
1
模型学习
这里整理了高频常用的数学模型，关于以下模型，会在专栏进行讲解
2
排版练习
需要熟练掌握Word、LaTeX等软件，以便在最后的高压强度下进行翻译、排版和绘图。很多队伍对论文不重视，试图压缩写作时间，但这是大错特错的。在美赛中，色彩统一、清晰美观的流程图、地图和图表（使用三线图）以及逻辑清晰、重点突出的摘要和关键词在某种程度上比其他方面更加重要。我们推荐使用Python中的Plotly作为绘图工具，Google翻译结合Checker进行翻译和校对。
三、学习方法【重点内容】
对于一篇数模论文而言，不同部分的得分点、侧重点不一样。此处先列写各部分注意事项：
（1）摘要的作用有哪些，它是由几部分构成的，如何评判一个摘要是否优秀。
（2）标题要涵盖全文，全面细致但不啰嗦，要仔细琢磨。
（3）建模过程要反复雕琢，计算过程要详尽可靠，敏感性分析一定要全面完整，包含参数设置，对比图，对比表、结论等要素。
（4）各种图表一定要完整美观；各图之间协调统一、前后照应；总体布局一目了然，。
（5）结果一定要可视化，用言简意赅的语言和图表进行说明。
（6）引言的写作一定要结构清楚，图文并茂。特别是相关研究部分要逻辑清楚，阐明模型或数据的来源，演进与优化。
（7）假设性语言的格式要清晰，合理性说明要有理有据，包含数据论证，图表，参考文献等。
（8）参考文献一定要标注清楚。
（9）翻译一定要简洁、规范，译成专业性术语。
在学习模型的过程中，需要明白到底需要掌握哪些内容。许多团队经常遇到的问题是，赛前准备用不上+学了也不知道怎么用。
第一步：明确学习内容：博主经常被提问：学长，我应该学习哪些模型？
对于这个问题，博主心里其实是有明确答案的。不过各类赛事加上题目众多，这里给大家提供一个方法：统计历年美赛（比如E题）各模型在优秀论文出现的次数。
可以很清楚的看出，熵权法、TOPSIS出现了多次，此外还涉及一些聚类等模型。
第二步：明确学习深度：掌握某个算法往往需要经历三个阶段：
1. 看视频课程2h+电子书基本原理2h。这个阶段其实是花时间最少的，建模比赛部分模型原理并不复杂，理解透彻后就需要做以下两步。
2. 总结笔记（语雀、csdn）：完全弄懂原理及代码、比赛能够直接用。这个部分成本较大，因此强烈建议3人一起总结。
3. 看相关优秀论文，提高审美。优秀论文切不可走马观花，学完一个模型后，一定要多找几篇使用了相同的方法的优秀论文，并且以批判性眼光看待，比如如何创新，论文写作能否优化等。只有形成了正确的审美，才能在大赛上斩获很高的奖次。
四、赛中策略
1、注意事项：要杜绝查重率、雷同和抄袭问题。
2.如何选题：选题其实没有大家想象中的那么简单，选对题就是成功的一半。建议在选题之前，争取把每一道题目都讨论一遍，最终定下题目。一般这个过程需要半天甚至一天。
3.如何查找英文文献：
a.谷歌学术（科学上网）
b.SCI-HUB 与 X-mol 二者结合：可以先利用 X-mol 搜索论文关键字，得到目标论文的 DOI 号，将 DOI 号输入到 SCI-HUB 中进行下载
c.如果利用中文论文可以利用知网
4.结论归纳：每一小问尽可能都有一个总结性的答案，别让评委自己翻来覆去找答案
5.提交时间：注意最好提前 2-4 小时提交论文，避免网络拥堵，每年总有队伍压线提交，结果因为网络原因白费功夫
6.千万不要完全机翻，一定要有人核对一遍，尤其是摘要部
五、模拟复盘
1
模拟
模拟是拿奖的关键所在！尤其是想冲击较高奖项的队伍
博主认识的一些队伍，也参加过很多数模比赛，亚太、美赛、国赛…，算是有比较丰富的参赛经验，但是仍然拿不到很好的奖项。原因是什么？其实这些队伍对知识的掌握基本没有问题，问题就出在没有仔细研究每个比赛不同的风格、以及提出相对应的应对策略。
部分院校以及参赛个人很注重这个环节，博主也建议大家在时间充足的情况下，进行真题模拟演练，对于整个队伍各方面的提升是非常有帮助的。
2
复盘
在复盘论文得分点时，从评委角度出发看问题是很关键的。此处为美赛评阅标准的解读。
评委们寻找证据，看一个团队是否真的自己做了一些建模，而不是简单地查找几个方程，然后试图把它们塞进问题中。如果合适的话，实验也很值得一看。
开发你的模型——不要只是提供一长串可能的模型。从一个简单的模型开始，然后完善它。而且，彻底地制定一个模型要比提出几个不成熟的方法好得多。评审们绝对不会对你的失败的详细历史叙述感兴趣的。（美赛的页数有严格的限制，在论文中一定要放最成熟最完善的模型）
具有清晰的假设，避免做出从未使用过或根本不需要的假设，解释每个假设的影响，说明为什么他们认为有必要将它包含在他们的模型开发中。
我们应当注意，即使是一篇非常好的论文，有时也会错误地将关键信息放在附录中，而不是放在迫切需要支持证据的部分。
Crucial Elements in an Outstanding Entry（优秀参赛作品关键要素）
a. thorough, informative summary is essential.（全面的摘要）
b. Develop a model that people can understand（开发一个令人理解的模型）
我们通常厌恶一堆无法理解的变量和方程。精心挑选的例子可以增强文章的可读性。（所以请不要陷入采用过于复杂模型的困境，而不能清楚地解释它的开发、它的使用和限制，以及它对当前模型的影响。）
扫一扫
3904
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
