重点、体会、问题、分析

老师的重点、自身的体会、自身的问题

1. 先说一下这两个月来的做题体会也可以说是原则，可能会有一些不对的地方，还请老师斧正，最后再说一些我们组遇到的问题。

无论是开放性的题目还是有答案的题目，做数模的本意，大抵是选出一些代表性强、移植性强的论文用以学习研究。代表性强的意思就是在题目所涉及的背景相关的专业领域，用以解决问题的模型权威并且饱满，有自己独特的创新和见解。移植性强就是可类比于同一类甚至于其他领域的问题。

看题目的时候，需要先对题目作定性的分析，是评价、优化、预测等等，有些题目可能隐藏的比较深，但是要有这样一个贴近题目还原考点的过程和思想。

自始至终都要有建立模型并完善的思想。如：今天上午一个同学从人口增长阻滞模型类比到了出租车供应数量增长的阻滞模型，是一个从无到有，从有到佳的一个模型的优化与完善，这不能说让我们的模型更准确，但是增加模型的可信度，体现我们思想的深度与广度。总而言之，我觉得这个思想我们是需要宏观把握的，常识性的经验性的一些结论，不能说一定准确，但是会在一定程度上辅助我们思考得到更为全面更为深刻的东西。

四个原则：

1. 有明显是非对错的题目，必须完全吻合，再开放的题目也不可能违背。
2. 简化问题的假设区别于简化问题的模型，注意模型的灵活性。如：船舶系统的受力分析
3. 不确定因素，在符合实际的条件下，应该全部考虑，这也是思维全面性与严谨性的一个体现。如：等间距和非等间距
4. 复杂区别于晦涩。如：神经网络、遗传算法一些艰深难懂又或者是难以简单说清楚的模型不需要考虑，这些模型都是老师长期研究的课题，对于我们来说会给人猪鼻子插葱的错觉。我们需要做的就是类似于将一些模型，像F（x）和G（x）一样复合成 F（G（x））。

1. 我是属于那种思维特别开阔活跃，也不怕错，不管对错也能讲出一堆道理来的，因为只要这样做，肯定是有一定道理的；而建模的同学属于那种比较严谨甚至于有些苛刻了，理论上来说两个人找到一个平衡点，会发挥的很好。但是就有些时候太过严谨导致，模型单薄而平平无奇，太放得放开了，模型的准确性反而不高。

第二个就是模型的纠错和改进能力，如R方检验问题。