数学建模备赛:美赛基础入门及历年出题点分析


本文主要介绍了数学建模美赛并分析了数模美赛历年的出题点

2022美赛宣传海报

数学建模备赛:美赛基础入门及历年出题点分析

一、美赛基础入门

1. 数模美赛入门

对于零基础的人来说,还是先直观的认识一下数模美赛

A. 2020 MCM-A 题目

在到点(比赛开始)之后,美赛官方会在官网上公布题目,即下面的PDF文件

赛题-1

赛题-2

英文看起来不太方便,所以翻译成中文来看看

2020MCM A题:向北迁徙

全球海洋温度影响某些海洋生物的生境质量。当温度变化太大,无法继续繁衍时, 这些物种就会迁移到其他更适合它们现在和未来生活和繁殖的生境。这方面的一个例 子是美国缅因州的龙虾种群,它们正在慢慢向北迁移到加拿大,那里较低的海洋温度提 供了更合适的栖息地。这种地理种群的变化会严重扰乱那些依赖生物稳定性的种群的 生计。

你的团队已被苏格兰北大西洋渔业管理财团聘请为顾问。该财团希望更好地了解, 如果全球海洋温度上升,苏格兰鲱鱼和鲭鱼可能从苏格兰附近的现有栖息地迁移的相 关问题。这两个鱼种对苏格兰渔业的经济贡献很大。鲱鱼和鲭鱼种群位置的变化,可 能会使以苏格兰为基地的小型渔业公司在经济上无法生存。因为这些公司使用的渔船 上没有冷藏设备,而他们需要收获新鲜鱼并将其运往苏格兰渔港的市场。

要求:

  1. 建立一个数学模型,确定这两种鱼在未来50年内最可能迁徙到的位置,假设水温 会发生足够导致种群移动的变化。
  2. 根据海洋水温变化的速度,用你的模型预测最佳情况、最坏情况和最有可能的时 间:如果小型捕鱼公司继续在目前的地点作业,这些种群将太远,直到小型捕鱼公司 无法捕捞。

B. 最终解决方案

经过四天的比赛,美赛要求参赛队伍最终提交一个PDF文件作为最终解决方案,其中包括Summary、论文、附录等等内容

下面是上面这道题的O奖文章之一

最终论文

这是论文里的部分内容

部分论文内容

C. 美赛到底是什么?

在直观的认识了美赛之后,我们不禁想要问,什么是美赛?

美赛(美国大学生数学建模竞赛)是什么?

  • 美赛=微型的科研项目
  • 美赛=设计和策划方案
  • 美赛=模型思路+程序+论文

下面我们就开始正式的介绍美赛

2. 美赛的发展及规模

Mathematical Contest in Modeling(MCM)是一项由美国数学及其应用联合会(COMAP)发起组织的国际级竞赛项目,自1985年开始举办 ,每年一次。由美国自然基金协会和美国数学及其应用联合会共同主办 ,美国运筹学学会、工业与应用数学学会、数学学会等多家机构协办。

1999年起,美国数学及其应用联合会又同时推出交叉学科竞赛( Interdisciplinary Contest in Modeling ),简称 ICM(涉及数学、环境 科学、生物学、化学、资源管理等交叉学科)。

  • MCM是国际大学生各类竞赛中级别最高的一项赛事,每年吸引世界 著名高校参赛,很多国内外著名科研机构和企业将其作为衡量学生素 质和水平的重要依据
  • 美赛对国内大部分高校可以保研加分(虽然欲我无瓜😂
  • 美赛成绩国外的认可度要高一些(出国留学)
  • 国内高校对美赛的热情略低于国赛,大部分学校没有常规的的赛前集训

美赛历年参加的人数在不断的增加:

  • 2015年,MCM近8000队,ICM近2000队
  • 2016年,MCM近9000队,ICM近2000队
  • 2017年,MCM 11000队,ICM6000多队
  • 2018年,MCM 12000队,ICM7000多队
  • 2019年,MCM14000多队,ICM11000多队
  • 人数逐年增加,选择MCM的人数多于ICM。

和国内一等奖最高不一样,美赛最高的奖项是特等奖。各个奖项以及获奖比利如下:

  • 特等奖(O奖)每题18、19队,<1%
  • 特等奖提名(F奖)每题180,234队,3%
  • 一等奖(M奖) 5-6%,二等奖(H奖)22-26%
  • S奖(Successful Participant)

从2019年开始,严查违规问题(DQ),10%-20%被判违规,以前只有少量被判违规。

3. 美赛的比赛形式及流程

  • 题目:各领域简化的应用问题
    • MCM 3 题(A, B ,C,连续,离散,数据分析)
    • ICM 3 题(D,E,F,计算机网络,环境,政策措施)
  • 提交成果:一篇包含问题分析、模型假设、建立、求解(数学软件)、 结果分析等的全英文论文。
  • 形式:3名大学生组队,在4天内完成通讯比赛
  • 标准
    • 假设的合理性
    • 建模的创造性
    • 结果的正确性
    • 表述的清晰性

2022年美赛的流程如下:

  • 注册(报名)截至时间:比赛开始前两小时
    • 2022年2月18日早上4点前
  • 比赛时间:一般美赛都在每年2-3月(过年前后,开学前)

    • 2022年2月18日早上6点——2月22日早上9点
  • 3月完成评审,4月30日之前COMAP网站发布结果

  • 注册报名:
    • 美赛官网注册报名

COMAP官网:https://www.comap.com/,第二个就是数模美赛

COMAP官网以及美赛

4. 美赛的能力要求与准备

首先,美赛对能力的要求如下:

  • 良好的数理知识(高等数学、概率论、线性代数)
  • 编程及软件使用能力(Matlab、Python)
  • 英语写作能力
  • 资料搜集能力:一般除了C题其他的题目不会给数据,然而自己的模型是需要数据验证的,因此还要自己根据题目的暗示找数据
  • 文献阅读能力

接下来是美赛的准备方法:

  • 基础模型算法/编程
  • 实战真题(3-5年)
  • 阅读真题O奖论文:因为O奖论文是最接近评委心中的满分答案的论文

而为了准备美赛,推荐的资料如下:

  • 数理知识:
    • 《数学建模算法与应用》司守奎等
    • 历年美赛真题与O奖论文集合
  • 常用软件:
    • Matlab, SPSS, Excel, PPT制图,Latex(必备)
    • Lingo,ArcGIS, Python,Origin, SAS, R语言(推荐)
  • 英语:
    • 雅思、托福写作词组+句式

5. 美赛的特点

相对于国赛,美赛的特点如下:

  • 赛题灵活度高,内容广泛,开放性强
  • 对算法难度和准确度要求低于国赛,基本上合理即可
  • 注重方法的创新
  • 英文写作水平要求较高
  • 注重论文的完整度与丰富度

6. 美赛的组队与分工

大体来说,完成美赛需要团队具有下面三个模块的能力

美赛需要的三个能力

在细节上,建议:

  • 至少一位擅长英语写作
  • 至少一位擅长编程
  • 建模知识都需要入门
  • 根据你们的特长调整分工及选题
  • 最终决策权
  • 沟通、负责

二、美赛出题点分析

本文只是对美赛的出题点进行了简要的介绍,跟多内容请参考其他文字

1. 美赛出题领域

从10年开始,历年美赛出题的领域如下:

  • 工程
    • 2018A多跳HF无限电传播
    • 2016A浴缸的水温模型
  • 交通
    • 卢浮宫疏散
    • 2017B高速收费站合并
    • 2018D机场安检站优化
  • 生态环境
    • 2020A向北迁徙
    • 2019A饲养一条龙
    • 2019E环境恶化的代价 是什么?
  • 金融
    • 2016C优质基金挑战
  • 新能源
    • 2011C电动汽车
  • 犯罪
    • 毒品危机
  • 疾病医学
    • 2015A 根除埃博拉病毒
  • 人文社科
    • 2020F难民危机,2019B语言传播趋势, 2018F隐私成本问题

2. 美赛常见题型

其实不光是美赛,整个数学建模常见的题型如下:

  • 运筹优化类问题
    • 规划模型
    • 排队论
    • 神经网络
    • 启发式算法
  • 评价类问题
    • 层次分析法
    • 聚类分析法
    • 主成分分析评价法
  • 预测类问题
    • 灰色预测
    • 回归预测
    • 神经网络
    • 马尔科夫链
  • 机理分析类问题:其实涵盖的面更广
    • 回归
    • 拟合
    • 微分方程

3. 美赛必备算法模型

为了应对美赛,每一小问都能划归到上面的四类题型。因此我们需要掌握下面的算法模型:

  1. 蒙特卡罗/计算机仿真算法
    • 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, 同时可以通过模拟可以来检验自己模型的正确性,比较好用的算法
  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、二次规划等规划类问题
    • 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,使用Matlab或Lingo软件实现
  4. 网格算法和穷举法
    • 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
  5. 最优化理论的三大非经典算法:模拟退火法、神经网络、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算法,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
  6. 排队论
    • 对算法要求高,如元胞自动机
  7. 评价类算法
    1. 层次分析法(AHP)(必掌握)
      • 作决策,去哪旅游,通过指标,综合考虑作决策
    2. 主成分分析(必掌握)
      • 评价多个对象的水平并排序,指标间关联性很强
    3. 其他
      • 熵权法(客观)、模糊综合评判(简单)、秩和比综合评价 法、TOPSIS法)、数据包络(DEA)、投影寻踪综合评价法、或者揉 和多种算法,比如遗传算法、最优化理论
  8. 预测算法
    1. 灰色预测模型(灰箱模型)
      • 适合数据样本点个数少,数据呈现指数或曲线的形式
    2. 回归分析预测(必掌握)
      • 求一个因变量与若干自变量之间的关系,若自变量变化后,求因变量 如何变化; 对样本点的个数、分布有要求
    3. 其他
      • 微分方程预测、马尔科夫预测、时间序列预测、小波分析 预测、神经网络预测
  9. 多元分析与关联分析
    1. 聚类分析(必掌握,参考19)
    2. 主成分分析(必掌握)
    3. 因子分析(必掌握)
    4. 典型相关分析
    5. 灰色关联分析法
    6. 方差分析、协方差分析
    7. Person相关(样本点的个数比较多)

4. 美赛考察点

美赛的考察点,或者说评判时候裁判看中的点,有下面几个:

  1. 运筹优化、机理分析类问题(重难点):相对于预测类问题,这两类问题能够处理的问题、包含的算法很广,因此是考察的重点
  2. 评价类问题常规要突出新意:因为现在评价模型已经非常完备了,因此使用评价类算法进行评价的时候要突出新意
  3. 模型的完整性和叙述的逻辑性:论文要好好写
  4. 数据分析、挖掘
  5. 方法迁移:把其他学科的研究方法、算法迁移过来,比如Word Embedding
  6. 创新:有理有据,打破常规
  7. 画图美观很重要
  8. 使用专业的软件

文章作者: Jack Wang
版权声明: 本博客所有文章除特別声明外,均采用 CC BY 4.0 许可协议。转载请注明来源 Jack Wang !
  目录