经验 #导航¶
美赛经验贴¶
资料汇总¶
背景(ICM & MCM)¶
- 初评 主要是摘要部分
- 简要陈述问题
- 描述建模方法
- 叙述重要结论
- 提出问题的建议
- 评审原则
- 假设的合理性
- 文字表述的清晰程度
- 建模的创造性
- 问题的分析、模型的检验、结果的分析
- 选题
- C 大数据 可能没有数据(保留选项)
- E 可持续性
- A 连续性 B 离散性
- D 图论 运筹学(优化类)
经典模型
+ 规划模型
+ 启发式算法
+ 层次分析法
+ ARIMA算法
问题分类：
+ [[评价类问题]]
建模手三天速成¶
DAY 1¶
- 了解模型的用法和分类
- 运筹优化类
- 评价决策类
- 数理统计模型(预测类)
常见模型分类
+ 学完选题的所有设计模型
REMARK： 先了解一下用法不需要具体深入的了解
辅助网站¶
(1)SPSSPRO 可以快速入门各种模型
(2)ChatGPT
DAY 2¶
- 针对性补充相关模型具体知识
推荐教材： 司守奎 数学建模算法与应用
REMARK： 以应用为主 然后跳过原理部分
+ 找到案例的详细写作过程和代码部分
+ 学习需要用到的模型
DAY 3¶
- 算法真题练习
配合编程手完成模型建立和代码编写（MATLAB和Python的使用）
编程手三天速成¶
Day 1¶
- 准备Python和MATLAB
Day 2¶
- 准备代码包
- 绘图代码
- 写注释（扔给GPT）
Day 3¶
- 配合建模手进行编程实战
写作手三天速成¶
Day 1¶
准备论文模板 写一些引言
提高绘图能力
+ Visio/亿图 流程图
+ Excel 画统计类图形 数字热力图
+ AxGlyph
+ 亿图图示
+ 在线绘图
+ Echarts
+ Hiplot
+ Bioladder
数据网站收集
+ 大数据导航
+ CNKI
+ 万方
+ kaggle数据集
+ 天池数据集
+ ICPSR
+ 联合国数据
+ Github
Day 2¶
看按模型算法分类的优秀论文 学习其模型的写作方式
学习如何结合题目和模型
Day 3¶
配合团队完成真题练习
获奖技巧¶
H奖： 摘要和内容的组织 有真正的建模
团队分工合作：模型给编程手 传写作手
初步选题：扔给GPT 筛选一下 选择代码包
高分套路
+ 模仿O奖论文
+ 多模型对比
+ 增加比较参数即可
+ 不需要赘述使文章变得很长
+ 写作手 （优美的图片）？？？
+ 注意排版
+ 图文美化
时间安排¶
- 第一天先各自读题 理解题目 写下思路
- 集体没有思路的就跳过去
- 留下1~2个备选项
- 确定最终选题 结合所有的思路 算法 模型
- 确定方案 论文大纲 查阅资料 文献阅读
- 大概晚上六点左右完成建模第一问 开始收集类似的O奖论文 撰写引言
- 问题背景 问题重述 文献综述 建模思路 画通用的东西
- 第二天连麦做题（沟通设置）
- 主要任务是完成前三问的建模（尽量）
- 编程手完成前两问的求解
- 完成建模的完整性
- 熬夜
- 第三天完成题目
- 论文跟进写作
- 交叉检验（推敲论文）
REMARK： 推进不足（题目完整性），完整的完成，确保保证论文的完整，或者放入模型检验中去。
历年算法模型总结（概览）¶
评价与优化、预测类
+ 规划模型
+ 启发式算法
+ 层次分析法
+ ARIMA模型
C¶
- 时间序列模型
- 机器学习模型
- ARIMA模型
D¶
- 排队论
- 蚁群
- ARIMA
- 熵权法
REMARK： 时间序列模型 机器学习模型 回归模型 层次分析法（AHP）出现的较多
建模手需要做的（我是建模手）¶
- 系统了解各类模型
- 了解模型的主要功能和使用场景
- 实现模型的条件
- 缺点和不足
- 如何改进
REMARK： 找到特点 特性 然后开始应用
小型技能树¶
排版¶
图片美化¶
资料收集¶
- 百度/知乎/CSDN
- ChatGPT
查找文献部分¶
- 查找类似问题的文献
- 网站
- 百度学术
- 知网
- 谷歌学术（镜像站）
模型学习¶
评价决策类¶
- [[层次分析法(AHP)]]
- 结构模型 比较简单的方法
- AHP
- 决策层不能过多
- [[Topsis法]]
- 利用与理想值的距离得到的判断模型
- [[熵权法]]
- 可以较为客观的得到权重
- [[模糊综合评价]]
- 利用模糊集合和隶属函数
- 相对比较复杂的一个模型
- [[灰色关联分析(GRA)]]
- 计算量小
- 利用的是与几何图形的相关程度
- [[主成分分析(PCA)]]
- 能够显著降低维数简化问题
- 会牺牲意义的明确性
- 不容易解释清主成分
运筹优化类¶
- [[线性规划(LP)]]
- [[非线性规划]]
- [[整数规划和0-1规划]]
- [[最大最小化规划]]
- [[多目标规划(MOP)]]
- [[动态规划(DP)]]
- [[图论最短路径]]
控制预测类¶
- [[回归分析概述]]
- [[非线性回归分析]]
- [[一元线性回归分析]]
- [[多元线性回归分析]]
- [[灰色预测(GM(1,1))]]
- [[时间序列ARIMA模型]]
机理分析类¶
- [[微分方程]]
- 数值模拟
机器学习模型算法¶
- [[机器学习模型概述]]
启发式算法¶
- [[模拟退火(SA)]]
- [[神经网络]]
- [[遗传算法(GA)]]
- [[蚁群算法]]
通用的一些算法和模型¶
- [[蒙特卡洛法(Monte Carlo)]]
- [[图论(Graph Theory)]]
另一种分类方式¶
- 评价类模型
- [[层次分析法(AHP)]]
- [[TOPSIS法]]
- [[基于熵权法对Topsis模型的修正]]
- 插值与拟合模型
- 多项式插值
- 分段插值
- Hermite插值
- 样条插值
- n维数据的插值
- cftool工具箱
- 相关性模型
- 相关系数：Person和Spearman
- 典型相关分析
- 回归模型
- 多元回归分析
- 逐步回归模型
- 岭回归和Lasso回归
- 图论模型
- Dijkstra算法
- Floyd算法
- 分类问题
- 二分类
- logistic回归
- Fisher判别分析
- SVM支持向量机
- 多分类
- 多分类Logistic回归模型
- 二分类
- 聚类模型
- K-Means算法
- K-Means++算法
- DBSCAN聚类算法
- 时间序列模型
- AR、MA、ARIMA模型
- ARCH模型和GARCH模型
- 单位根时间序列
- 预测模型
- 插值预测模型
- 时间序列预测
- [[灰色预测(GM(1,1))]]
- BP神经网络
- 降维模型
- SVD奇异值分解（主要用于图像处理）
- 主成分分析
- 因子分析