关于数学建模方面的知识文档格式.docx

关于数学建模方面的知识文档格式.docx

《关于数学建模方面的知识文档格式.docx》由会员分享，可在线阅读，更多相关《关于数学建模方面的知识文档格式.docx（15页珍藏版）》请在冰豆网上搜索。

赛题题型结构形式有三个基本组成部分：

1.实际问题背景

涉及面宽——有社会，经济，管理，生活，环境，自然现象，工程技术，现代科学中出现的新问题等.一般都有一个比较确切的现实问题.

若干假设条件

有如下几种情况：

1）只有过程、规则等定性假设，无具体定量数据；

2）给出若干实测或统计数据；

3）给出若干参数或图形；

4）蕴涵着某些机动、可发挥的补充假设条件，或参赛者可以根据自己收集或模拟产生数据.

要求回答的问题

往往有几个问题，而且一般不是唯一答案。

一般包含以下两部分：

1）比较确定性的答案（基本答案）；

2）更细致或更高层次的讨论结果（往往是讨论最优方案的提法和结果）.

五、提交一篇论文，基本内容和格式是什么？

提交一篇论文，基本内容和格式大致分三大部分：

1.标题、摘要部分

题目——写出较确切的题目（不能只写A题、B题）.

摘要——200-300字，包括模型的主要特点、建模方法和主要结果.内容较多时最好有个目录.

2.中心部分

1）问题提出，问题分析.

2）模型建立：

①补充假设条件，明确概念，引进参数；

②模型形式（可有多个形式的模型）；

③模型求解；

④模型性质；

3）计算方法设计和计算机实现.

4）结果分析与检验。

5）讨论——模型的优缺点，改进方向，推广新思想.

6）参考文献——注意格式.

3.附录部分

计算程序，框图.

各种求解演算过程，计算中间结果.

各种图形、表格.

六、参加数学建模竞赛是不是需要学习很多知识？

没有必要很系统的学很多数学知识，这是时间和精力不允许的.很多优秀的论文，其高明之处并不是用了多少数学知识，而是思维比较全面、贴合实际、能解决问题或是有所创新.有时候，在论文中可能碰见一些没有学过的知识，怎么办？

现学现用，在优秀论文中用过的数学知识就是最有可能在数学建模竞赛中用到的，你当然有必要去翻一翻.

具体说来，大概有以下这三个方面：

第一方面：

数学知识的应用能力

归结起来大体上有以下几类：

1）概率与数理统计

2）统筹与线轴规划

3）微分方程；

还有与计算机知识交叉的知识：

计算机模拟.

上述的内容有些同学完全没有学过，也有些同学只学过一点概率与数理统计，微分方程的知识怎么办呢？

一个词“自学”，我曾听到过数模评卷的负责教师范毅说过“能用最简单浅易的数学方法解决了别人用高深理论才能解决的答卷是更优秀的答卷”.

第二方面：

计算机的运用能力

一般来说凡参加过数模竞赛的同学都能熟练地应用字处理软件“Word”，掌握电子表格“Excel”的使用；

“Mathematica”软件的使用，最好还具备语言能力.这些知识大部分都是学生自己利用课余时间学习的.

第三方面：

论文的写作能力

前面已经说过考卷的全文是论文式的，文章的书写有比较严格的格式。

要清楚地表达自己的想法并不容易，有时一个问题没说清楚就又说另一个问题了.评卷的教师们有一个共识，一篇文章用10来分钟阅读仍然没有引起兴趣的话，这一遍文章就很有可能被打入冷宫了.

七、小组中应该如何分工？

传统的标准答案是——数学，编程，写作.其实分工不用那么明确，但有个前提是大家关系很好.不然的话，很容易产生矛盾.分工太明确了，会让人产生依赖思想，不愿去动脑子.理想的分工是这样的：

数学建模竞赛小组中的每一个人，都能胜任其它人的工作，就算小组只剩下她（他）一个人，也照样能够搞定数学建模竞赛.在竞赛中的分工，只是为了提高工作的效率，做出更好的结果.

具体的建议如下：

一定要有一个人脑子比较活，善于思考问题，这个人勉强归于数学方面吧；

一定要有一个人会编程序，能够实现一些算法.另外需要有一个论文写的比较好，不过写不好也没关系，多看一看别人的优秀论文，多用几次word，Visio就成了。

1诚信是最重要的

数学建模竞赛是考查学生研究能力和实践能力的一场综合性比赛，有很多方面的知识和能力可以考查，但其中我觉得最重要的是诚信.我感到中国在这方面的教育还远远不够，我知道有很多同学写论文并不是实事求是地去做，而是编造数据、修改结论，明明自己没法编程实现却硬说自己做出来了，还编了一些数据.这些行为也许能够骗过评委，也许可以因“此”而获奖，但是这对他们将来是很不利的,希望能够引起足够的注意.

2团队合作是能否获奖的关键

在三天的比赛中，团队交流所占用的时间可能会超过一半。

在一个小组中，出现意见不一是非常正常的，如果一个队意见完全一致，我想他们肯定不会拿奖。

出现分歧的时候应当如何解决是很关键的，甚至直接决定你是否可以获奖，我的建议是“妥协”，这似乎是个贬义词，但我的意思是说不要总认为自己的观点是正确的，多听听别人的观点，在两者之间谋求共同点。

如果三个人都是自傲类型的人，也许每个人都非常强，但一旦合作，分歧就无法解决，做出来的就是一团糟，也就是说“三个诸葛亮顶不上一个臭皮匠”。

我奉劝这样的话最好别组成一队了。

合作在竞赛前就应当培养，比如一块儿做模拟题什么的，充分利用每个人的优点，也可以张三准备图论，李四准备最优化方法，然后几天后大家一块交流，这些都是可以磨合团队之间的关系的。

通常在比赛时，三个人的分工是明确的，一个是领军人物，主要是构建整个问题的框架并提出有创意的idea，自然其他部分比如论文写比如程序设计比如计算他也能参加，应该算是一名全能型的人物；

第二个是算手，顾名思义，主司计算方面的问题，比如编程计算一个微积分或者手工计算一条最优路径等。

优秀的团队算手一般会精通（是精通不是入门）一个软件的应用，比如C比如MATLAB比如LINGO；

最后一个是写手，主要工作在于论文的写作和润色上。

好的论文要让人一眼就明了其中的意思，所以写手的工作还是需要一定的技巧的。

当然，最重要的还是三个队员之间的讨论和交流，同心协力，在整个比赛过程中形成一种良好的交流氛围。

3时间和体力的问题

竞赛中时间分配也很重要，分配不好可能完不成论文，所以开始时要大致做一下安排.不必分的太细，比如第一天做第一小题，第二天做第二小题，这样反而会有压力，一切顺其自然.开始阶段不忙写作，可以将一些小组讨论的要点记录下来，不要太工整，随便写一下，到第三天再开始写论文也不迟的。

也不要到第三天晚上才开始.另外要说的就是体力要跟上，三天一般睡眠只有不到10个小时，所以没有体力是不行的，建议是赛前熬夜编程几次，既训练了自己的建模能力，也达到了训练体力的目的，赛前锻炼身体我觉得没什么用处，多熬夜就行了，但比赛前一天可不许熬.

4重视摘要

摘要是论文的门面，摘要写的不好评委后面就不会去看了，自然只能给个成功参赛奖.摘要首先不要写废话，也不要照抄题目的一些话，直奔主题，要写明自己怎样分析问题，用什么方法解决问题，最重要的是结论是什么要说清楚，在中国的竞赛中结论如果正确一般得奖是必然的，如果不正确的话评委可能会继续往下看，也可能会扔在一边，但不写结论的话就一定不会得奖了，这一点不比美国竞赛，所以要认真写.摘要至少需要琢磨两个小时，不要轻视了它的重要性.很有必要多看看优秀论文的摘要是如何写的，并要作为赛前准备的内容之一.

5论文写作要正规

论文一定要大致按照摘要、问题重述、模型假设、符号说明、问题分析、（建立、分析、求解模型）、模型检验、参考文献、附录等等的方式来写.一篇论文结构上如果失败的话，比赛也一定不会成功，一般初评会先淘汰一些结构失败的文章，如果论文没有好的结构，内容再好也没有用.论文前面的结构一般都不会变，后面可以按照实际情况来安排，省略的部分可以有结果说明、灵敏度分析、其他模型、模型扩展、优缺点分析等等，多看些优秀论文就知道还有哪些形式了.附录可以贴一些算法流程图或比较大的结果或图表等等.

6分析问题要认真

一般竞赛题目自己肯定没有见过，而且我发现近些年来的赛题都不是书上哪个模型可以直接套成功的，很多根本就没有固定的模型可以参考，所以分析问题不是一个去找书本的过程，依赖书本就意味着自己的思想被束缚起来.可以完全按照自己的分析去完成，平时练习的时候学习的是一种方法，通过以前学到的方法来解决，不是套用书本来解决，没有模型套怎么办，只有靠自己去实际分析.我估计在前面说的五点也许会有三分之一的队可以做到，而且可以做的很好，但是这一点上就需要真本事了，平时多努力，比赛发挥正常，这一点做好是没有问题的.

7编程求解是重要手段

数学建模竞赛特别强调计算机编程解决实际问题的能力，最近几年尤其强调，编程方面的能力不是一朝一夕可以练成的，需要长期刻苦的训练，常用的工具有MATLAB、Mathematica、C/C++等等，一个人只需要会一门语言就行了，但需要精通它。

比如要画柱状图该怎么做，要用Floyd算法怎么办，赛前不准备是没有办法在比赛中很好运用的，因此每个常用的算法都自己去编程实现一下.

8模型的假设与模型的建立

评委看完摘要后紧接着就是看模型假设了，有一个万能的方法就是可以抄题目中可以作为假设的几句话，这样会给人留下好的印象，毕竟说明你审题了.但不能全抄，要加上自己的一些假设.一般假设用文字描述就行了，最好不要太具体了，一些重要参数不要被定死只能取某些值，否则会让人感觉论文的局限性较强.模型的建立是根据你对问题分析而来的，提出的数学符号和建立模型最好要比较接近，在同一页最好，以便评委可以对照符号来看，数学公式要严谨，推导要严密，这些都反映了参赛者的数学素质和能力，即使你推导不对，别人看到你的阵势也首先会误以为你是对的。

那么多的试卷，评委不可能顺着你的公式一直推下去，但你要写得显得有数学修养才行.

9图文表并貌可以增色

我听说一个不确切的信息是评委老师喜欢用MATLAB编程的论文，不知道有没有这回事，但这说明了老师需要看一个具有图或表在其中的论文，一篇如果像政治书那样写的论文估计没有人会对它感兴趣的，尤其是科技论文.MATLAB编程之所以受到青睐是因为MATLAB提供的图形处理能力很强大.图表的说明性特别强，如果结论有很多数据的话，最好做成图表的形式加以说明，会令你的论文更有说服力，也更容易受到评委的好评.

10其他

其他内容还是有很多的，说也说不完，挑几个重要的讲.比如不要上网讨论，网上的人水平参差不齐，你不知道谁是对的，而且很多人想得奖，不会告诉你正确的，反而骗你说相反的，有时真理往往掌握在少数人手里.还有就是论文写作中灵敏度分析不要写太多，大致说明一下就可以了，不要喧宾夺主.最后想到的就是要使用数学公式编辑器来写论文，不要用什么上下标来表示，论文字体用小四，分标题用四号黑体等等.

数学建模竞赛中应当掌握的十类算法（上）

1 

十类常用算法

1.蒙特卡罗算法。

该算法又称随机性模拟算法，是通过计算机仿真来解决问题的算法，同时可以通过模拟来检验自己模型的正确性，几乎是比赛时必用的方法。

2.数据拟合、参数估计、插值等数据处理算法。

比赛中通常会遇到大量的数据需要处理，而处理数据的关键就在于这些算法，通常使用MATLAB作为工具。

3.线性规划、整数规划、多元规划、二次规划等规划类算法。

建模竞赛大多数问题属于最优化问题，很多时候这些问题可以用数学规划算法来描述，通常使用Lindo、Lingo软件求解。

4.图论算法。

这类算法可以分为很多种，包括最短路、网络流、二分图等算法，涉及到图论的问题可以用这些方法解决，需要认真准备。

5.动态规划、回溯搜索、分治算法、分支定界等计算机算法。

这些算法是算法设计中比较常用的方法，竞赛中很多场合会用到。

6.最优化理论的三大非经典算法：

模拟退火算法、神经网络算法、遗传算法。

这些问题是用来解决一些较困难的最优化问题的，对于有些问题非常有帮助，但是算法的实现比较困难，需慎重使用。

7.网格算法和穷举法。

两者都是暴力搜索最优点的算法，在很多竞赛题中有应用，当重点讨论模型本身而轻视算法的时候，可以使用这种暴力方案，最好使用一些高级语言作为编程工具。

8.一些连续数据离散化方法。

很多问题都是实际来的，数据可以是连续的，而计算机只能处理离散的数据，因此将其离散化后进行差分代替微分、求和代替积分等思想是非常重要的。

9.数值分析算法。

如果在比赛中采用高级语言进行编程的话，那些数值分析中常用的算法比如方程组求解、矩阵运算、函数积分等算法就需要额外编写库函数进行调用。

10.图象处理算法。

赛题中有一类问题与图形有关，即使问题与图形无关，论文中也会需要图片来说明问题，这些图形如何展示以及如何处理就是需要解决的问题，通常使用MATLAB进行处理。

2．以下将结合历年的竞赛题，对这十类算法进行详细地说明

2.1 

蒙特卡罗算法

大多数建模赛题中都离不开计算机仿真，随机性模拟是非常常见的算法之一。

举个例子就是97年的A题，每个零件都有自己的标定值，也都有自己的容差等级，而求解最优的组合方案将要面对着的是一个极其复杂的公式和108种容差选取方案，根本不可能去求解析解，那如何去找到最优的方案呢？

随机性模拟搜索最优方案就是其中的一种方法，在每个零件可行的区间中按照正态分布随机的选取一个标定值和选取一个容差值作为一种方案，然后通过蒙特卡罗算法仿真出大量的方案，从中选取一个最佳的。

另一个例子就是去年的彩票第二问，要求设计一种更好的方案，首先方案的优劣取决于很多复杂的因素，同样不可能刻画出一个模型进行求解，只能靠随机仿真模拟。

2.2 

数据拟合、参数估计、插值等算法

数据拟合在很多赛题中有应用，与图形处理有关的问题很多与拟合有关系，一个例子就是98年美国赛A题，生物组织切片的三维插值处理，94年A题逢山开路，山体海拔高度的插值计算，还有吵的沸沸扬扬可能会考的“非典”问题也要用到数据拟合算法，观察数据的走向进行处理。

此类问题在MATLAB中有很多现成的函数可以调用，熟悉MATLAB，这些方法都能游刃有余的用好。

2.3 

规划类问题算法

竞赛中很多问题都和数学规划有关，可以说不少的模型都可以归结为一组不等式作为约束条件、几个函数表达式作为目标函数的问题，遇到这类问题，求解就是关键了，比如98年B题，用很多不等式完全可以把问题刻画清楚，因此列举出规划后用Lindo、Lingo等软件来进行解决比较方便，所以还需要熟悉这两个软件。

2.4 

图论问题

98年B题、00年B题、95年锁具装箱等问题体现了图论问题的重要性，这类问题算法有很多，包括：

Dijkstra、Floyd、Prim、Bellman-Ford，最大流，二分匹配等问题。

每一个算法都应该实现一遍，否则到比赛时再写就晚了。

2.5 

计算机算法设计中的问题

计算机算法设计包括很多内容：

动态规划、回溯搜索、分治算法、分支定界。

比如92年B题用分枝定界法，97年B题是典型的动态规划问题，此外98年B题体现了分治算法。

这方面问题和ACM程序设计竞赛中的问题类似，推荐看一下《计算机算法设计与分析》（电子工业出版社）等与计算机算法有关的书。

2.6 

最优化理论的三大非经典算法

这十几年来最优化理论有了飞速发展，模拟退火法、神经网络、遗传算法这三类算法发展很快。

近几年的赛题越来越复杂，很多问题没有什么很好的模型可以借鉴，于是这三类算法很多时候可以派上用场，比如：

97年A题的模拟退火算法，00年B题的神经网络分类算法，象01年B题这种难题也可以使用神经网络，还有美国竞赛89年A题也和BP算法有关系，当时是86年刚提出BP算法，89年就考了，说明赛题可能是当今前沿科技的抽象体现。

03年B题伽马刀问题也是目前研究的课题，目前算法最佳的是遗传算法。

2.7 

网格算法和穷举算法

网格算法和穷举法一样，只是网格法是连续问题的穷举。

比如要求在N 

个变量情况下的最优化问题，那么对这些变量可取的空间进行采点，比如在[a,b]区间内取M+1个点，就是a,a+（b-a）/M,a+2*（b-a）/M,…,b那么这样循环就需要进行（M+1）N次运算，所以计算量很大。

比如97年A题、99年B题都可以用网格法搜索，这种方法最好在运算速度较快的计算机中进行，还有要用高级语言来做，最好不要用MATLAB做网格，否则会算很久的。

穷举法大家都熟悉，就不说了。

2.8 

一些连续数据离散化的方法

大部分物理问题的编程解决，都和这种方法有一定的联系。

物理问题是反映我们生活在一个连续的世界中，计算机只能处理离散的量，所以需要对连续量进行离散处理。

这种方法应用很广，而且和上面的很多算法有关。

事实上，网格算法、蒙特卡罗算法、模拟退火都用了这个思想。

2.9 

数值分析算法

这类算法是针对高级语言而专门设的，如果你用的是MATLAB、Mathematica，大可不必准备，因为象数值分析中有很多函数一般的数学软件是具备的。

2.10 

图象处理算法

01年A题中需要你会读BMP 

图象、美国赛98年A题需要你知道三维插值计算，03年B题要求更高，不但需要编程计算还要进行处理，而数模论文中也有很多图片需要展示，因此图象处理就是关键。

做好这类问题，重要的是把MATLAB学好，特别是图象处理的部分。

数学模型案例1

数学模型案例1——雨中行走问题

类比法是建立数学模型的一个常见而有力的方法.作法是把问题归结或转化为我们熟知的模型上去给以类似的解决：

这个问题与我们熟悉的什么问题类似?

如果有类似的问题曾被解决过，我们的建模工作便可省去许多麻烦.实际上，许多来自不同领域的问题在数学模型上看确实具有相类似的甚至相同的结构.

利用几何图示法建模.有不少实际问题的解决只要从几何上给予解释和说明就足以了，这时，我们只需建立其图模型即可，我们称这种建模方法为图示法.这种方法既简单又直观，且其应用面很宽.

1．雨中行走问题

雨中行走问题的结论是：

（1）如果雨是迎着你前进的方向落下，即

，那么全身被淋的雨水总量为

这时的最优行走策略是以尽可能大的速度向前跑.

（2）如果雨是从你的背后落下，即

.令

，则

.那么全身被淋的雨水总量为

这时你应该控制在雨中行走的速度，使得它恰好等于雨滴下落速度的水平分量.

从建模结果看，“为了少些淋雨，应该快跑”，这个一般的“常识”被基本上否定，那么根据何在？

由此提出了建模目的：

减少雨淋程度.而为减少雨淋程度，便自然提出“被淋在身上的雨水量”这个目标函数C，而C=C（v），于是问题便归结为确定速度v，使C（v）最小——本模型的关键建模步骤便得以确定.

有了确定的建模目的，自然引出与C（v）有关的量的设定与简化假设.一般地，开始时不要面面俱到地把所有相关量都涉及到，往往只需考虑几个主要量，甚至暂时舍弃某个主要量，以求尽快建立模型.尤其对初学者，这样做有助于建模信心的增强.自不必说建模过程往往如此，更有模型尚有的进一步修改和推广的主要步骤.而一旦建立起简单模型后，其进一步的改善也相对容易多了.这就是本模型只