目录
参赛的经历叙述
????????初次接触数学建模是在我大一的时候。我是计算机科学与技术专业的,记得那节课高数老师在课堂上讲数学建模怎么怎么样,怎么怎么样的。时间有点就,我也忘了她具体是怎么说的。反正总结下来就是一句话:“一次建模,受益终生”
然后到了六月份我选择了数学建模的选修课,系统听了老师的讲课。嗯~具体过程懂得都懂。老师上课讲的东西,对于大一的我来说,简直了,就是天数,根本听不懂。很难很难。
选修课结课后我参加了校赛的选拔,初次校赛,我只能说,真的什么都不会,该干啥也不知道,我们三个队友,一个跑了,就剩我和另一个人,我俩都是大一的,一言难尽。
可以看看我第一次参加校赛写出的论文,献丑了👇👇👇
没错这就是我第一次写论文写出的东西,现在看来,确实很小白。
但是嘞,还是侥幸拿了校赛的三等奖,估计是老师看我们都是大一的在安慰我们。
这个培训经历真的让我印象深刻,刻骨铭心,有无数次想要放弃,但是不行,因为老师说这次培训算我们的实训成绩,放弃就等于挂科。简直就是上了贼船。
但也确实学到了很多,给大家分享一下。
1、学会了查阅各种文献,资料。这对我后期代码遇到BUG解决无形中带来了很多的帮助。
2、论文排版,无敌了,我写的论文那叫一个好看。
3、excel熟练运用常见的功能。本身我就报过班系统的学过office这次又让我的理解更加深刻。
4、团队协作能力,建模是一个团队赛,队友很重要,但是直到最后我都没感觉到,能做到的就是合理分工,能者多劳了。
5、答辩的能力,语言组织的能力都有所提升。
6、初次接触数据分析,能力略有提升。
......等等(我想不到了)
九月份开始比赛,很难忘的经历,这个时候还是疫情,一个队友直接被隔离到了家里,就剩我和另一个队友两个人参加比赛,我当时还不知道这意味着什么?直到最后我才知道,三个人的比赛,少一个人,那么难度就是直线上身,我选的是C题数据分析的类型,我本身就是培训时候只做过两道数据分析类型题的小白,时间到最后根本就不够用了。四道题,做了三道,最后一道题只能随便写写,而且俩个人能做的工作就会少很多,很多地方本来要做更加详细的处理和解释,但最终还是没有做到。最后成绩下来了,没有获奖,和队友的关系也闹崩了,很不好。
再次接触数学建模我已经是大二下班学期了,看了之前我2023年的经历,应该知道我基本上已经具备了一定的解决问题的能力,只是在那片文章中没说的就是,我数据分析的能力,也在一年的沉淀中随着我其他方面的提升也得到了突破。
这时候因为接受过系统的国赛培训,打校赛真的就是简简单单,我带着两个大一的学生,一天写完了题,我选的依旧是数据分析类的题目,驾轻就熟了。
最后成绩下来,校一等奖。但实际校奖对我没有什么用处了。我就直接解散了队伍,因为他俩给我说不参加国赛,我当时也没多想就这样了,因为我也知道参加国赛要培训两个月,很累,中途要写八篇论文改八篇论文,答辩八次,每天都要按时打卡签到,根本不想经历第二次了。
在暑假快结束的时候,老师在去年国赛群里面问有没有还想参加今年国赛的可以联系她,我想了想培训以及培训了大半个月了,我要是现在参见只需要再写三篇论文就可以参加这次国赛,觉得很划算就联系了老师,简单的介绍了一下自己。老师也为我找了两个队友,一男一女。
再次培训,就有种一带二的感觉了,新队友依旧是小白,我们需要磨合,才能在国赛中打出成绩。三篇论文刚好用来模磨合我们的团队。我将我的参赛经历以及学到的东西在练习中融入进去,赛前就分配好了任务,一切都在按部就班的进行。
依旧选C题数据分析,毫无悬念。参赛经历是残酷的,第一天我就通宵写题,成果显著,然后队友来了直接分配任务,我浅浅休息了,接着开始写第二问。三天时间转瞬即过,详细过程我就不描述了,我通宵了两夜,最终的成绩还算不错,国赛省一,算是没有遗憾了。
下面分享一下我这两次参赛中学到的数学建模的通用技巧。
工业、农业、工程设计、交通运输、经济管理、生物、医学和社会事业等七个大类
几何理论、组合概率、统计(回归)分析、优化方法(规划)、 图论与网络优化、层次分析、插值与拟合、差分方法、微分方程 、排队论、模糊数学、随机决策、多目标决策、随机模拟、灰色系统理论、神经网络、时间序列、综合评价、机理分析等方法。
1、赛前准备(从身体到心里)
2、选题
3、寻找思路(分析题目的过程)
4、建立模型
5、求解模型
6、形成论文
7、反复修改论文
8、定稿,提交论文
1)日常生活方面(竞赛期间,勿乱食)
2)基本知识(建模的常用方法及案例)
3)基本技能(写作技能、表达交流能力,搜索资料能力,创新能力,团队协作能力)
4)论文写作模板
5)常用程序
6)工具书
7)电脑,网络
8)数学建模官方网站或教练组提供的须知
常规选题步骤:
1)下载赛题并打印(A,B,C题各三份)。
2)各队员认真审读题目两遍(比如,统一先读A题),基本知道A题的大致内容,开始讨论。
3)同样,对B、C题进行讨论。
4)根据三人分析的结果,结合本队伍知识结构,按照少数服从多数原则选定题目。
5)对所选定题目,首先应把题目熟记于心;然后对题目初步分析,确认可以做的出来。
选题----特殊情况
有时某道题目正符合队员的知识结构,可以直接选择该题。
1)分析题目,明确建模目的
2)罗列有关因素及关系,分清主次因素
3)要先形成整体思路!
个人经历:明确题目(05A)就是要作评价,首先否定了拟合的方法,然后通过搜索资料(网上
搜索及去环化学院借书)发现了模糊综合评价法,并且进一步分析,确认可以用到本题中。
借助于一系列问题来展开思路
这个问题与什么问题相似?
如果将问题分解成两个或几个部分会怎样?
极限情形(或理想状态)如何?
综合问题的条件可得到什么结果?(和目标相差多少)
要实现问题的目标需要什么条件?
借助于下意识的联想(灵感)来展开思路
抓住问题的个别条件或关键词展开联想或猜想
综合所得到的联想和猜想,得到一些结论
进一步思考找出新思路和方法
竞赛答卷的文章结构
1、标题
2、摘要,关键字
3、问题重述、背景分析
4、模型的假设,符号说明(表)
5、模型建立
6、模型求解,结果分析与检验
7、模型评价、改进及推广
8、参考文献
9、附录
兴趣信心+知识能力+团队协作+坚持毅力+运气 =成功+奖励
下面分享一下我这两次参赛中学到的数学建模中对于数据分析题的通用技巧。?
插值拟合、主成分分析、小波分析。
单目标、多目标,线性、非线性、整数规划、动态规划、图论、网络流模型,最短路、最大流、最小生成树、背包、指派、抽屉、旅行商TSP、排队论模型、遗传算法、蚁群算法、粒子群算法、模拟退火算法等 。
微分方程预测、线性、非线性回归与拟合,统计回归预测、马尔科夫预测,神经网络预测,模糊预测,灰色预测。
K-means聚类、层次聚类、模糊聚类、神经网络分类。
模糊评价,层次分析法,Topsis综合评价模型、主成分分析、数据包络分析模型,神经网络模型。
对于数据分析的通用办法,这里我直接引用Chatgpt的答案,因为我觉得他的答案还是可以采取的,我自己就不加以写了,我自己的方法可能比他省略一点,或者部分地方需要加以详细处理,这块通用的办法只是一个大致的思路,具体的还需要大家在做题的时候灵活运用。
预祝大家在XXXX年竞赛中取得好成绩!我的经历分享完毕。