tvpvar模型的建模步骤_数学建模——获奖学生经验分享

数学建模获奖学生经验分享

    学习，若都是自己开荒则十分困难。走前人走过的道路，吸取前人经验则会轻松许多。这次，我们邀请了2017级在数学建模竞赛中取得优异成绩的学长学姐来分享经验，希望对你能有所帮助。

    这次与我们分享经验的是2017级信息与计算科学专业的吴潘婧。她所在的小组获得过美赛一等奖、小美赛二等奖和校赛一等奖。吴学姐现在也保研至南京大学。下面来看看她的经验分享吧！内容由笔者通过讲座整理。

01

数模简介

    在这里先介绍一下数模分工。数模分为建模、编程和论文。我是负责建模的。首先对于组队，我提供三个建议，一是跨院组队。因为不同学院之间学的知识不同，可以互补。第二是尽早组队，提早组队可以互相磨合，遇到不合适的队友可以尽早更换，而不是比赛中间更换。三是一个队伍从头做到尾。你们会经历校赛、国赛、小美赛、美赛等一系列比赛，希望能一直做下去，这样队伍可以建立深厚的友谊。

    然后介绍一下赛事。我们当时是从十一月的小美赛开始做。这个小美赛是美赛的练手赛，题型风格相近，但是比美赛简单很多，然后之后是一月的美赛，分为六个题型：A(连续类)、B(离散类)、C(优化类)、D(网络流问题)、E(环境科学)、F(政策)。它的特点是注重创新(结果可以有问题，但思路一定要新颖)、注重论文整体排版美观、一定要有灵敏度分析、侧重智能算法。我当时有个别的学校的队伍，就是因为图画的特别好，得了O奖，也就是特等奖。之后就是校赛，分为A、B两个题，时间是三天，比较简单。再然后是九月的国赛，时间是三天三夜，A、B题偏重于物理类模型、规划类模型，C题一般比较开放；总体来说评分看重结果的准确性和分析步骤的合理性，结果和标准答案越接近得奖概率越大。

02

建模准备

(1)知识基础

连续类：数分、微分方程(PDE、ODE)、运筹学

离散类：代数、运筹(提升：排队论、模糊数学、灰色系统、博弈论、时间序列分析)

优化类：运筹学、微分方程、(提升：智能算法：eg. 遗传、粒子群、神经网络)

网络流：图论

    在建模过程中，经常会综合运用各类知识，运筹学尤为重要(寻求模型的最优解策略)。大二所学课程已具备基本的建模能力，但还需对提升部分知识有一定的涉猎，最起码知道对应的基本模型，才能灵活解决各类问题、使模型不会过于单一。

(2)常用模型

(I)预测类模型：

模糊预测；

灰度预测；

概率预测(eg:时间序列分析、马尔可夫预测)

方程预测；

智能算法预测

(II)决策类模型：

模糊决策；

灰靶决策；

概率决策

(III)评价类模型：

层次分析、因子分析、主成分分析；

灰色综合评价；

模糊综合评价；

(IV)其他经典模型：

博弈论模型；

排队论模型；

图论模型；

微分/差分方程模型；

智能算法模型(eg:遗传算法(MTSP)、模拟退火、粒子群、神经网络等)

    所以我们需要学习灰色系统理论、模糊数学、图论、智能算法相关的知识。

03

竞赛经验

美赛：

A. 选题：“优先擅长，避免扎堆”。ICM(D、E、F)较MCM(A、B、C)易得奖。就拿2019年的例子。一般美赛获奖是H奖以上。也就是二等奖。每年ICM获奖概率都是比MCM大。就拿今年举例，我们当时选的是A题，选A题的人数是特别大的，所以获奖概率就很低，实际上我们的模型建的比19年好，老师也觉得我们可以冲特等，结果最后只拿了二等。所以选题还是很重要的。可以先在网上大概了解一下大家选什么题，避开大众选择，并且尽量选ICM的题，获奖概率会高一些。

B. 答题技巧：

· 建模思路尽可能创新，注重思路；

· 模型要有灵敏度分析，给人以说服力；

· 论文中的各类图很重要，整体做到简单大方，色彩鲜明；

· 摘要是重中之重，初步确定比赛等级，要做到言简意赅、条理清晰；

· 美赛注重智能算法(尤其ICM：交叉学科)，建模和编程都需要做好充分准备

国赛：

A.选题

A、B：物理、运筹类，C：开放类，也要注意不要和大家撞车。做国赛时是大家在一个大教室里做的，可以了解一下大家的选题，尽量避开。

B.答题技巧

注意分析问题的步骤，每一步在阅卷时会给步骤分；

答案的准确性，这个是重中之重！尤其A、B类题会有标准答案，结果越接近证明模型建立的越合理，越容易拿国奖；

论文排版的整体美观，格式的规范性；

数据来源一定要列表说明(若题目未给数据集)。 

    吴学姐的竞赛经验分享就到此结束啦！接下来我们还会继续分享优秀编程队员和论文队员的经验哦~敬请期待！