2023美赛几大注意事项

先看看美赛有哪些题型：一定要选择自己擅长的题做！

你是如何在看优秀论文？

据我所知，大多数人在准备数学建模过程中，他们都会选择看优秀论文。特别是一些老师等人物，他们一定会让你们看优秀论文。

对于小白或者基础不扎实的同学，你们真的看得懂吗？老师他们用自己的标准啊来要求学生，这样肯定是不行的，特别是本科生。如果是研究生，那我也会让他研读优秀论文。但是本科生开始到底该干什么？就我目前教过的学生中，他们也没有全部都达到这种读论文就知道是怎么回事，别人找我复现一篇论文我也要收1500+，所以还是有难度的。

忌讳：不要用O奖优秀论文的标准来要求自己，就像不要用老师的标准来要求自己。当然少数人能看懂，这个就不说了。

如何绘制好看的图？

众所周知，美赛的论文一定要出一些图才是最好的，我仅推荐一些常见的绘图方法，达到M奖的标准即可，并不建议大家学习花里胡哨的图形（比如某年O奖论文是画了一条龙）。

1. 使用python/matlab绘制相关数据图。例如：折线图、散点图、直方图、饼图、箱线图等。
2. 使用一些在线工具或者亿图图示、PPT等，绘制出流程、概念图、思维导图等。

忌讳：不要拿国赛中的优秀论文标准要求自己队伍做美赛。

美赛获奖最重要的因素是什么？

前提队伍正常情况下，最重要如下两点：

1. 摘要
2. 图

忌讳： 重点没有放在摘要，只注意到图美！

你现在准备了哪些算法模型？

比如这些基本的方法会了吗？

1. 线性规划（Linear Programming）：是数学优化中最常见的一种，用于求解一类特殊的最优化问题。
2. 非线性规划（Nonlinear Programming）：是一类特殊的最优化问题，其目标函数和约束条件都是非线性的。
3. 数学规划（Mathematical Programming）：是一类最优化问题，包括线性规划、非线性规划、二次规划等。
4. 蒙特卡罗模拟（Monte Carlo simulation）：是一种数学模拟方法，用于对随机现象进行建模。
5. 概率图模型（Probabilistic Graphical Models）：是一类用图来表示概率关系的模型，例如贝叶斯网络和马尔可夫随机场。
6. 回归分析（Regression Analysis）：是数学统计学中的一种分析方法，用于研究一个或多个自变量与因变量之间的关系。
7. 决策树（Decision Tree）：是一种树形图模型，用于对分类和回归问题进行决策。
8. 神经网络（Neural Network）：是一种模拟人类神经

忌讳：只听过这些算法，让你写就不会。

最基本的准备好了吗？

• 需要用到的软件下载好了吗？
• 基本的算法代码是否有准备？

基本规则