xiaoshun007的专栏

美赛设有六个奖项，分别是Outstanding Winner中文译为“特等奖”，Finalist中文译为“特等奖提名”，Meritorious Winner中文译为“一等奖”，HonorableMention中文一般译为“二等奖”、Successful Participant成功参赛奖，UnsuccessfulParticipant不成功参与奖。其余学校总体获奖率为30%。美赛注重的是方法的创新性，即使结果是错误的，但是模型思路很新颖，也是可能获奖的，毕竟现实中的很多问题根本就没有标准的答案，方法很重要！

数学建模就是通过计算得到的结果来解释实际问题，并接受实际的检验，来建立数学模型的全过程。当需要从定量的角度分析和研究一个实际问题时，人们就要在深入调查研究、了解对象信息、作出简化假设、分析内在规律等工作的基础上，用数学的符号和语言作表述来建立数学模型。

主要有以下5种：1、规划模型；2、微分方程组模型；3、图论与网络优化问题；4、概率模型；5、现代优化算法。数学建模优化模型是指在一系列条件下，寻求合理分配有限资源使所关注的某个或多个指标达到最大（或最小）所建立的模型。

大学数模获奖成绩还可以，准备在备考考研前记录一下自己的数模经历。

然而，数学建模竞赛的论文一般篇幅很长，例如美赛，几乎都是长达20页左右的全英文论文，对于大多数小伙伴，尤其是刚开始接触比赛的小白来说，是一件非常头疼的事情。这个方法是根据往届的参赛经验和团队能力进行选题，具体做法是假设有备选题目ABC，队员全部在不交流情况下审这3道题，可以查咨询但不能互相讨论，半天为限，然后每人在纸上写下自己认为最有把握的两题 ，随后团队的三人再把各自的选题取交集，最后的交集就是队伍应该选做的题。自己写的论文，参考文献，数据，把目录建好、要分目录存放，这样到时候容易找。

有一句话叫做“一次数模，终身受益”，确实是这样的。抛开获得的荣誉不说，通过数模所学到的东西也让人受益匪浅。最重要的是，它使你明白原来自己有这样的能力去完成一个曾经认为不可能完成的任务。这段经历将激励你勇敢地面对生活中的种种挑战，不退缩、不畏惧。乔布斯说：“过程是最好的奖励。”数模就是这样的，尽管十分辛苦，但是坚持下来了，这个过程就是最好的奖励。最后祝所有在数模路上奋斗的朋友都取得好成绩！

小伙伴们，如果因为分歧而造成团队不和进而影响团队的作战能力，而错失O奖那可是得不偿失啊，所以在整个比赛过程中，一定要保持良好的团队关系，营造和谐友爱的团队氛围，不要在这个时候计较个人得失，在意谁做的多了谁做的少了。根据美赛官方的说法，所有题目的难度都是一样的，但！关于美赛，全学用了三篇来讲，希望大家能够通过这三篇，对啥是美赛、赛前如何准备以及参赛是如何最大化的发挥团队的优势，最后都能够取得好的成绩，能够让美赛成为自己保研途中的亮点，能够让参加美赛的这段经历成为自己往后成长道路上的美好回忆！

往往需要参赛选手自己去寻找和下载数据。但查找数据有时候甚至比建模还难！今天我们为大家整理了很多数据库，其中不乏很多专业性很强的数据库，但有一些数据库还是要权限或者费用。所以，提前收集数据，比赛时直接拿来用，将会节省大量找数据的时间，从而集中精力建模，将会事半功倍！一定要留意年报、年鉴、yearbook等数据！

2024年美国大学生数学竞赛即将来临，在比赛的官网上也可以看出一些，例如关于生成式人工智能的使用规范等，岛主今天就带大家来了解一下美赛的一些变化吧！首先来看一些美国大学生数学建模竞赛官网上给出的MCM偏自然、理工，对数学、计算机能力要求较高；共计3道题：Problem A是，常用的方法是使用微分方程来建立连续函数模型。这种模型常常涉及偏微分方程，是需要具备熟练的数学理论知识和编程技能的，以将连续性方程进行离散化求解。这种求解方法属于"数值分析"领域；Problem B是。

数学建模的过程，就是根据实际问题来建立对应的数学模型，从而根据条件来解决问题的过程。（这里的模型更多的是数理方面的抽象模型，比如方程的建立和求解等等，而不是大家摆在书架上的模型😋）数学建模比赛，就是参赛者在有限时间内根据所给定的题目条件建立、分析模型，最终评选出最优的呈现结果，也就是得奖者。一个数学建模比赛的考察面是多元的，你的模型归根到底是解决真正的实际问题，而你的最终呈现结果是你上交的论文，所以要想在数学建模比赛上发光，只有上佳的数学能力也是不够的。

首先肯定是简历上的荣誉，大学生数模竞赛主要有两个认可度比较高的比赛，一是每年9月的国赛(全国大学生数学建模竞赛)，二是美赛(国际大学生数学建模竞赛)。各有各的专攻方向，之后也会详细说这两个比赛的区别。摘要当真是重中之重。老师看论文3 min能看什么呢？看摘要，看图，看结果分析。其他什么问题重述，背景，优缺点，推广，参考文献是很少有人看的。摘要一定是重中之重，建议对照往年优秀论文来写摘要。优秀论文的模型算法学不来，摘要还是一定要学的。

首先，“小编”想告诉大家的是美国大学生数学建模学术活动作为一种国际的比赛，在国际上的认可度是非常高的，具有广泛的国际影响力，该学术活动的最高奖(Outstanding)每年不超过1%，可以在美国权威杂志上刊登获奖论文，含金量极高。举个例子，当拿到一篇之前O奖的论文，可以先跳过摘要，首先把所有的内容和题目看一次，理清文章思路和框架结构，然后把自己理解到的内容写出来，再与原文的摘要和得出的结论进行对比，找出差距和不足，再修改自己原来写的内容，逐渐学习和模仿。三是团队成员一定要有团队意识，不要互相抱怨。

模型型的数学归类（在数学上属于什么类型）；建模的思想（思路）；算法思想（求解思路）；建模特点（模型优点，算法特点，结果检验，灵敏度分析…….）；主要结果（数值结果，结论）；列出关键字（为检束论文所用，它指出论文所涉及问题的特征）。格式为：[摘要] … … … … … … … … … … …[关键字] XXXXX, XXXXX, XXXXX准确、简明，至少300字，不超过1000字，绝不超过一页纸；条理清晰，合乎语法, 字体符合论文格式要求。关键字必须有3到5个。

笔者曾于2020年参加数学建模国赛，通过大一暑假1个半月的备赛取得国二；目前大二寒假刚刚参加完美赛，结果尚未知。因接下来要参加别的竞赛，应该会彻底告别数模类竞赛，故写下这篇整理，既是对这一番数模之旅的告别，同时也希望用微薄浅见给后来者一点启发和帮助。

黄河是中华民族的母亲河。研究黄河水沙通量的变化规律对沿黄流域的环境治理、气候变化和人民生活的影响，以及对优化黄河流域水资源分配、协调人地关系、调水调沙、防洪减灾等方面都具有重要的理论指导意义。附件1给出了位于小浪底水库下游黄河某水文站近6年的水位、水流量与含沙量的实际监测数据，附件2给出了该水文站近6年黄河断面的测量数据，附件3给出了该水文站部分监测点的相关数据。研究该水文站黄河水的含沙量与时间、水位、水流量的关系，并估算近6年该水文站的年总水流量和年总排沙量。

数学建模的很多问题，单靠本科生的能力，基本上是不可能在短时间内完成的，而指导老师经验丰富，可以给你们一定的指导，而且很有可能你们所需要解决的问题正是指导老师研究的领域，递递想，这也就是为什要设置指导老师的原因。上面提到的这些问题，也是递递在一次次建模当中悟出来的，可能你不同意我的观点，但是这确实是递递的所思所想。另外，你们比赛获奖也会对指导老师的发展有一定的作用，因此这是互惠互利的比赛，所以不要害怕麻烦老师，你们找老师帮助，他们都会很高兴的，无形之中还能加深师生感情，何乐而不为？

我们先从题目的角度出发，一般情况下的题目大概可以分为评价类、规划类、计算类。每种类型的题目都有它不同的切入方式，并没有高下之分。评价类 > 评价类的题目通常不会有太高的计算要求，但是其实很考究选手的思维能力。此类题目常常是和一项政策联系在一起的，你可能需要评价一个方案将会带来什么样的影响，考量一个公司是否值得投资。你要尽可能避免各项评价方式过于主观，尽可能让你的评价方案更具有普适性，能够体现一项方案中的重点影响因素等。对于有些问题你仅仅做出评价还是不够的，还要有一定的预见能力，即在多个维度上进行观察。

现实世界中有很多问题，它的机理较简单，用静态,线性或逻辑的方法即可建立模型，使用初等的数学方法，即可求解，我们称之为初等数学模型。对一些较为复杂、较为模糊的问题作出决策的简易方法，它特别适用于那些难于完全定量分析的问题。有关自然数，比例关系，状态转移，及量刚分析等建模例子，这些问题的巧妙的分析处理方法。最短路、欧拉回路、以及著名的旅行商问题、运输问题、最大流、费用流等。当然，还有一节基本的实体物理模型的建模实例，如油桶、折叠椅等问题。如：最短路等，重在状态的描述，与状态转移方程的列举。

1.对于模型假设，所做的应是细致地分析实际问题，从大量的变量中筛选出最能表现问题本质的变量，并简化它们的关系。假设的合理性可以从分析问题过程中得出，例如从问题的性质出发作出合乎常识的假设，或者由观察所给数据的图象，得到变量的函数形式，也可以参考其他资料由类推得到。论文标题、摘要、问题重述、问题分析、符号说明、模型假设、模型建立、模型求解、模型检验、模型评价、模型推广、改进、参考文献、附录。图应有图名、图号，均为宋体五号字，居中，列在图的下方，图的上方和图标题的下方尽量和正文保持一点距离，好看一点。

本人在大学时期 待了两年的数学建模社团，也参加过国赛，最近有些许感性，想以此纪念一下。首先，既然是数学建模，就离不开模型，具体的模型有哪些呢？

摘要是论文的概况总结让评阅老师读完摘要，就知道本文解决的问题，建立的模型和求解结果放求解结果不要放结果图和表格，文字描述即可控制在3/4页到一页，字数大约800-1100可有可无摘要字数不够，可以加上不要累赘重复前面的内容写一些文本的特色、自夸的语句。

本文总结了常用的数学模型方法和它们的主要用途，主要包括，关于在数学建模中也挺常用的机器学习算法暂时不作补充，以后有时间就补。至于究竟哪个模型更好，需要用数据来验证，还有求解方法也不唯一，比如指派问题，你可以用线性规划OR动态规划OR整数规划OR图与网络方法来解。总的来说，常的方法有因子分析法、层次分析法、….，用来；还应掌握、参数估计、等数据处理，类问题的求解要根据已知信息常用于很难求出最优解的NP问题，还有一些连续离散化的技术通过【移动平均之类的】可以把，通过。

数学建模是运用数学方法和技巧解决实际问题的过程。它将现实世界的问题转化为数学模型，通过建立适当的假设和数学方程，来描述和分析实际问题的各种关系和规律。简单来说就是运用数学知识建立数学模型，然后利用编程语言进行求解去解决实际问题，最终完成一篇数学建模论文。

这里除了需要一些相关的专门知识外，还常常需要较为广阔的应用数学方面的知识，要善于发挥想象力，注意使用类比法，分析对象与熟悉的其他对象的共性，借用已有的数学模型。通过学习一个有意义的模型，由简单到复杂展现数学建模的逐步深入和发展的过程，才有可能真正学到数学建模的方法，真正领悟到数学建模的丰富内涵和无限的发展生机，感受到数学建模的威力和魅力。因此，答案结果只能是较优，不是唯一的。不在于面面俱到，学习越来越多的案例，而在于有选择的抓住适当的主题，向深处进军，从不同的层面上充分展示数学建模的风采。

总体来说，数学建模赛题类型主要分为：评价类、预测类和优化类三种，其中优化类是最常见的赛题类型，必须要掌握并且熟悉。如下图所示：主要分为评价类，预测类和优化类问题。

这需要学生具备良好的科技写作能力，包括准确使用数学符号和术语、清晰的逻辑结构、准确的表述除了将模型阐述清楚，HiMCM要求学生进行大量的数据处理和结果分析。同时，还需要深入学习数学和相关学科的核心理论和应用，提高对问题的理解和解决能力。在备考过程中，我们需要熟悉各个学科的基本概念和方法，如物理学、经济学、统计学等，并能够将其与数学建模相结合，解决综合性的问题。同时，HiMCM的真题往往涉及多个学科领域，例如数学、物理、经济等，需要我们能够将不同学科的知识进行整合和应用，解决综合性的问题。

2017，8中旬全国大学生电子设计大赛已结赛完，12号20：00结赛，13号送完作品，正等着测评。经历了疲累的4天4夜的苦战，还算有个好成果。这几天的睡眠累计不超过10h，完赛补了一觉，以为可以睡个一天，也就睡了12h就醒了。闲下来，写点东西记录下这次的经历，有点杂。电赛伊始国赛一开始就是犯贱 同学一手策划准备的，起初学校根本没有当回事，学校就不吐槽了我们自己心知肚晓的。还好在犯贱的坚持和努力下得到了系里的支持。只是缺乏老师指导，没老师就得靠自己，我们所谓的指导老师也就是挂名而已，帮我们去报名啥的，比

时间流转，酷暑逐渐过去，迎来了第一缕秋风，集训也迎来了收尾的第四轮。第二轮训练，深圳杯，我们做的是自动驾驶电物料车换电站选址与调度方案这个问题，这个题目可以说完全把我们队心态做炸了，三天练习时间中，我们花了几乎2天的时间研究第一、二问，最后用了网上的思路才做出来，而后面三、四问我们队伍没有思路，本着不能空着的原则，我硬着头皮去语文建模，结果竟然扯出了5页论文。赛题发布，拿到题目时我们是懵的，首先瞅一眼A题，是我们不擅长的题目，忽略，然后看到B、C两题，此时产生了纠结，到底做哪一道题？

【数学建模】经验分享：国赛美赛对比/选题参考/常用技巧。如果对我的参赛故事感兴趣，可以看我写的参赛流程记录。

😂我对准备数模国赛的一些看法，仅供参考。我参加过两届全国大学生数学建模竞赛，我在大一的时候经人推荐和两个学姐组队准备参加数学建模国赛，从此开启了数模之旅。这篇博文总结了我这两次准备国赛的过程和方法，希望能帮到准备参赛的学弟学妹们。

第一次参赛是在大一的暑假参加的国赛，当时和两个同学刚刚组队，我们也没有什么基础，结果可想而知：无奖。在准备建模比赛期间，要先了解常见的模型，比如： 层次分析法，微分方程模型，线性规划、非线性规划和整数规划等。如果感觉自己不能完全吃透，可以先进行了解，在实际竞赛的过程中会查阅大量的资料，在短时间内去了解一个未知的领域，借鉴经典模型并进行完善，做出适合本问题的模型。当然算法是少不了的，如果时间紧，可以了解大概，明白算法的框架，常用算法有： 常用的聚类算法、遗传算法、蚁群算法、粒子群算法、元胞自动机等。

纪念逝去的大学数学建模：两次校赛，两次国赛，两次美赛，一次电工杯，一次数维杯。从大一下学期组队到现在，大三下学期，时间飞逝，我的大学建模生涯也告一段落。感谢建模路上帮助过我的学长和学姐们，滴水之恩当涌泉相报，写下这篇感想，希望可以给学弟学妹们一丝启发，也就完成我的想法了。拙劣的文笔，也不知道写些啥，按顺序随便写写吧。我是怎么选择建模的：大一上，第一次听到数学建模其实是大一上学期，not大一下学期。某次浏览网页偶然发现的，源于从小对数学，哲学以及历史的崇敬吧（虽然大学没敢选择其中任何一个专业，尤其是数学和哲学

由于数学建模美赛是少见的高校学生能轻易接触到的国际级学术类竞赛，随着竞赛影响的扩大，近年来，来自世界各国的选手越来越多，每年参赛队伍有近万支之多，其中包括来自：哈佛大学、普林斯顿大学、麻省理工学院、清华大学、北京大学、中国科学技术大学、国防科技大学、浙江大学、复旦大学、上海交通大学、哈尔滨工业大学、中山大学、华中科技大学、武汉大学、中南大学等国际知名高校学生参与此项赛事角逐。此外，可以导出为bmp，jpg，png，gif，emf格式图片，便于在网络或其他场合发布，是你值得拥有的新一代神器。

因此，论文的重要性无须赘述。利用数学建模算法搭建出模型之后，还需要对其进行求解，而求解则需要使用到编程工具或者统计软件，而目前求解工具是很繁多的如：MATLAB、python、R、SPSS、STATA等，但是并不需要每个软件都掌握过去，不同的算法模型也是有最为适合它的工具的，如：需要进行多元线性回归分析，如果使用MATLAB进行编写则会花费很多时间而且所做的结果可能会存在一些统计漏洞，而使用SPSS、STATA这种统计软件，操作简单而且统计意义也是可靠的，所以不同的算法需要选择最为合适的工具进行求解。

回首这么多次数学建模，都没有拿到很好的奖，我准备从以下几个方面来分析一下原因队友：上面这么多次比赛的组队记录，通过控制变量法，不知道你有没有发现内鬼。hh，开玩笑的，也不能说一直一起参加的队友，就更有默契，获奖概率更大。也不能说和经验越多的人组队，获奖概率更大。毕竟从上面的组队记录你也能看出来，我国赛获奖的队友，既没有参赛经验，也没有默契。我仔细分析了下原因，还是专业构成比较重要。

传统的建模、编程、写作的分工还是有其合理性存在的，至少三个人不会在比赛期间分不清主次分工，但是也千万不要说建模完全一个人来建，写作完全一个人来写，会很影响整体进度以及团队氛围，很可能会造成第一天建模的人累死累活，其他俩人边休息边催促，模型还不一定能建立出来，第二天编程的人头很大，旁边两人只能眼巴巴看着，第三天就要到写作的人崩溃了，要只是这样还好，起码能把论文写的完整，关键就是在于很有可能编程的人不知道模型是怎么回事儿，写作的人不知道模型和编程是怎么回事儿，结果连论文都写不出来。第一天做的事决定了能走多远。

在2017年的数学建模竞赛历程中，我参加了大大小小的数学建模竞赛，个人参赛经历从美赛小白（sp）到东北三省数学建模（一）到国赛（二），再到小美赛（F），最后美赛（M），随着参赛经验的逐渐丰富，也逐渐学习到了常见的数学建模问题分析方式和解题套路。非常感谢数学建模让自己认识到了一群志同道合的伙伴，还有五湖四海的朋友，其实比较感谢的是春哥(春哥带你学建模)的资料、驰神(知乎ID@张浩驰) 的帮助和我本科学校大连海事大学的陈国艳老师、张运杰老师以及一些学长的帮助指导，正是因为他们给予的一点一滴的帮助自己才能让自己在