2024美赛数学建模C题思路+模型+代码+论文

2024美赛A-F题思路+代码+模型+论文:2.2开赛第一时间更新,获取见文末名片

美赛流程以及经验分享

今天主要和大家分享一下我之前参加美赛的经验,主要分两部分来讲。一部分是美赛流程,另一部分是美赛经验。

一 美赛流程

比赛前:

首先是美赛报名。对于报名的具体细节,大家可以参考我当时报完名整理的博客《美赛报名步骤解说》,链接如下:https://blog.csdn.net/zr147258369/article/details/86483215?utm_source=app

其次是比赛准备。比赛每组三人,我个人建议一人负责论文写作,两人负责编程和建模,因为美赛编程要求不如国赛要求高。对于论文写作的人而言,首当其冲的肯定是英语写作能力的提升,建议可以阅读一些学术报告,掌握专业术语的表达。其次可以参考往年的优秀论文,确定论文框架,论文格式。对于编程和建模的人而言,需要提前了解美赛的题目类型,对于数学专业的学生,一般选择MCM(Mathematical Contest In Modeling 数学建模竞赛),对于其他专业的学生,选择ICM(Interdisciplinary Contest In Modeling 交叉学科建模),分析历年的题目,选择适合自己的类型,但具体还是根据题目出来后,团队对于题目的兴趣与思路决定。

MCM

ICM

A

连续型

D

运筹学/网络科学

B

离散型

E

环境科学

C

大数据

F

政策

最后是赛前心态。想要参加美赛的同学也一定了解了美赛的难度以及获奖比例,美赛共设置五个奖项,分别为Outstanding Winner,Finalist,Meritorious Winner,Honorable Mentions,Successfully Participation。 在国内,约定俗成地将这五个奖项分别对应为特等奖、特等奖候选奖、一等奖、二等奖,成功参与奖。获奖比例依次为0.5%,1%,13%,30%,55%。所以相对比国赛而言,美赛获奖的概率更高,难度也就稍低,所以一定不要胆怯,只要认真完成了,一定会有收获。

比赛中:

一旦题目公布后,下载题目,分析题目,选择题目。确定题目之后,负责论文写作的同学下载控制页,根据实际情况改动其表头及页眉队伍信息。(这项工作在题目确定后就完成,因为到后期的时候,快提交论文的前5个小时完全进不去网站)

确定题目之后,对题目进行翻译,(当然一般都选择网页翻译,但是对于一些不确定的地方一定要研读英文版题目)队伍成员深入讨论研究题目,确定思路和建模的大致框架。(研究讨论题目的过程,编写论文的同学一定要全程参与,要了解题目以及团队的思想,确保论文写作过程中描述精准,表达清楚)。确定模型框架之后,编写论文的同学可以在其他两位同学建模的过程中完成题目背景,问题重述等内容的编写。

建模过程中,需要注意的几点:

1 大胆的构造模型,不一定要像万有引力公式那样严密(短短四天时间,我们怎样也不可能达到科学家那样严密)。

2 建模构造的模型看起来要合乎逻辑,但不一定完全能应用于现实(可以将模型成立的背景写在假设中)。

3 尽量三个人一起讨论模型的大体框架。

编程过程主要还是考验负责编程的同学的能力了,我就不多加赘述了。

提交时,仔细核对论文提交和控制页提交的邮箱,按照要求格式完成提交。提交后,通过指导教师登陆(Advisor Login) 连接登录竞赛网页,查验 COMAP 是否收到了论文电子版。如果成功提交的话,48小时内登录后的界面的左下角会显示 "received";否则要联系美赛官方解决。

二 美赛经验分享

1 时间安排

第一天 前半天

分析题目,确定题目,完成控制页

第一天 后半天~第二天 前半天

第一问模型建立,编程解决;题目背景,问题重述等完成

第二天 后半天~第三天 前半天

第二三问模型建立,编程解决;第一问论文写作完成

第三天 后半天

第四问模型建立,编程解决;第二三问论文写作完成

第四天 前半天

第四问论文写作完成;建模同学完成参考文献、优缺点等简单内容的编写;编程同学完善代码

第四天 后半天

团队成员一起修改论文(包括格式、语句、图表的布局等等)

上述表格是我们团队去年参赛的大致安排,大家可以酌情参考。

2 个人感悟

难度上:除去英文写作的挑战之外,难度比国赛稍微简单点,其对编程的要求没有国赛高,但建模的难度稍大点。个人感觉美赛更注重分析问题,国赛更注重解决问题。(美赛不需要编程代码等附录)

布局上:美赛非常重视排版,一定要整洁。图表等一定要有序号,公式一定要手敲。

内容上:不要过分渲染论文结果,实事求是,以叙述的角度告诉读者,不做评论

相关推荐
AI科技星14 小时前
灵魂商数(SQ) · 全域数学统一定义【乖乖数学】
算法·机器学习·数学建模·数据挖掘·量子计算
张祥64228890416 小时前
导数与微分有啥区别
算法·数学建模
AC赳赳老秦20 小时前
OpenClaw与Notion联动:自动同步工作任务、整理笔记,实现高效管理
运维·人工智能·python·数学建模·自动化·deepseek·openclaw
一只小小的土拨鼠1 天前
2026年第十八届“华中杯”数学建模全赛道技术推演与硬核备赛指南
数学建模·华中杯
烟锁池塘柳01 天前
【数学建模】(时间序列模型)动态线性模型 (DLM)
数学建模
做cv的小昊2 天前
【TJU】研究生应用统计学课程笔记(2)——第一章 数理统计的基本知识(1.3 统计中常用的分布族)
笔记·线性代数·数学建模·矩阵·概率论·学习方法·抽象代数
AI科技星2 天前
基于螺旋元逻辑的宇宙统一场论底层公理构建(乖乖数学)
算法·机器学习·数学建模·数据挖掘·量子计算
做cv的小昊2 天前
【TJU】研究生应用统计学课程笔记(3)——第一章 数理统计的基本知识(1.4 正态总体的样本均值和样本方差的分布、1.5 充分统计量和完备统计量)
笔记·学习·线性代数·机器学习·数学建模·概率论
AI科技星3 天前
精细结构常数α的几何本源:从第一性原理的求导证明、量纲分析与全域验证
算法·机器学习·数学建模·数据挖掘·量子计算
做cv的小昊3 天前
【TJU】应用统计学——第六周作业(3.3 两个正态总体参数的假设检验、3.4 非正态总体参数的假设检验、4.1 一元线性回归分析)
笔记·算法·数学建模·矩阵·回归·线性回归·学习方法