目录
[1. 保护工作优先级与 "保护" 的定义](#1. 保护工作优先级与 “保护” 的定义)
[2. 资源分配模型](#2. 资源分配模型)
[3. 长期保护成效与人员需求测算](#3. 长期保护成效与人员需求测算)
[4. 敏感性分析与情景分析](#4. 敏感性分析与情景分析)
[5. 模型的优势与局限性](#5. 模型的优势与局限性)
[6. 模型向其他保护区的适配性](#6. 模型向其他保护区的适配性)
[7. 成果沟通文件：致国际保护监测特派团的信函](#7. 成果沟通文件：致国际保护监测特派团的信函)
[人工智能 / 大语言模型使用说明](#人工智能 / 大语言模型使用说明)
[2026 年国际数学建模挑战赛：规模化保护野生生物 ------ 埃托沙国家公园背景资料](#2026 年国际数学建模挑战赛：规模化保护野生生物 —— 埃托沙国家公园背景资料)
[地理 / 自然地理特征](#地理 / 自然地理特征)
[2026 年国际数学建模挑战赛完整提交指南](#2026 年国际数学建模挑战赛完整提交指南)
[研究报告正文（最多 20 页），阐释解决方案的核心要点](#研究报告正文（最多 20 页），阐释解决方案的核心要点)
国际数学建模挑战赛中大型语言模型与生成式人工智能工具的使用政策
国家公园（包括大型野生生物保护区）在保护濒危动植物物种方面发挥着关键作用，但其面积与地形条件往往让持续监测工作难以开展。纳米比亚的埃托沙国家公园这类保护区，面积达数千平方公里，涵盖开阔的稀树草原、盐沼、水坑、道路网络及多个出入口 。尽管园区配备了专业护林员，但人力与资源的短缺，使得偷猎、未经许可进入 等非法行为的防控工作举步维艰。无人机航拍、卫星监测、固定式监控系统、人工智能辅助检测等技术，为助力护林员开展工作 提供了新可能，然而这些工具的有效应用，同样需要统筹协调、专人运维与科学的部署规划。环保组织必须找到人力巡逻与技术手段的平衡之道，实现对保护区的时空全域有效保护。
国际保护监测特派团（IMMC）委托贵团队研发一套建模方法，为大型野生生物保护区和国家公园的保护策略制定提供指导，并以埃托沙国家公园作为首个案例研究对象。
核心任务
国际保护监测特派团需要一套基于建模的方法，为地形复杂、面积广阔的埃托沙国家公园制定保护规划 。贵团队的研究需考量如何统筹有限的人力与技术资源 ，实现园区内野生生物的全域时空（across the park over time ）保护 ；同时需以现实、可行、量化的方式，定义并衡量 "保护" 的成效。
研究要求
1. 保护工作优先级与 "保护" 的定义
梳理并明确园区面临的主要保护挑战（ 基本要素：动植物的稀缺性、 动植物种群数量、环境破坏因素**）** ，需注意不同物种、栖息地、区域所面临的风险存在差异，威胁类型既包括人为因素也涵盖自然因素（如黑犀牛偷猎（2022年以来频发物种濒危+偷猎压力大 因此优先级高）偷猎、森林火灾（自然环境变化如盐沼水坑的水文波动）等栖息地破坏行为、人兽冲突 （游客未经允许进入导致的栖息地干扰）等 物种的特殊性 大型捕食者的种群维持）。基于梳理出的工作**++优先级++(重要的：自然保护资源保护 次要 风险监控环境检测 再次要的 游客游览 进行宣传 常规巡逻 非法行为排查)** ，从实际应用角度清晰定义园区野生生物的 "受保护状态" Using these priorities, clearly define what it means, in practical terms, for wildlife in the park to be "protected"（ 对于野生动物可以考虑生命安全、食物安全（跟自然保护区的自然资源有关）熵权法量化？） 。该定义可根据物种或区域 的不同有所区分，且需能在建模方法中进行量化衡量（量化什么？to be protected）。
多指标加权评分 层次分析AHP
权重不能直接 很容易给出来
熵权法？
因为要考虑 决策 资源分配 多因素权衡 要把主观判断变成数学权重 把定量判断转化为定量权重
2. 资源分配模型
构建数学模型，为保护资源的分配 提供方案，资源既包括园区现有资源 ，也包括贵团队提出的新增资源类型（如工作人员、巡逻队伍、监测技术设备、其他干预手段 等），以应对上述已明确的保护工作重点。建模方法需考虑资源有限 性、地理环境特征 与各类不确定性 ，核心聚焦资源的战略部署，而非追求保护区的全域无死角覆盖。
（明确各类资源的能力参数、成本以及地域适配性）
多目标整数规划、地理网格划分
马尔科夫链预测风险发生概率
模型求解 遗传算法 模拟退火 最终输出每个地理网络的资源部署方案
3. 长期保护成效与人员需求测算
利用所建模型分析园区的长期保护成效，并测算维持选定保护水平所需的人力规模。本研究不要求开展详细的成本分析，但需充分考量资源使用效率、方案的可行性与实际操作性。
4. 敏感性分析与情景分析
探究假设条件或可用资源的变化对保护策略的影响。例如，分析人力减少、技术设备数量不足、巡逻计划调整等情况对保护成效的作用机制。
5. 模型的优势与局限性
阐述所建建模方法的优势与不足，包括可能限制模型适用范围的各类假设条件。
6. 模型向其他保护区的适配性
论证所建建模方法如何适配另外两个位于不同大洲的国家公园或野生生物保护区。国际保护监测特派团要求贵团队制定一份适配方案，明确以下内容：
- 模型框架中哪些核心模块可保持不变；
- 哪些输入参数或变量需要调整（如地形与通行条件、园区出入口、道路网络、威胁类型、物种保护优先级、监测检测能力等）；
- 校准调整后参数所需的各类数据；
- 新环境下，保护成效指标与资源部署建议会发生何种变化。
7. 成果沟通文件：致国际保护监测特派团的信函
撰写一份两页以内的非技术类信函，向国际保护监测特派团清晰阐述研究方法、建议方案与核心研究发现。信函内容需通俗易懂，便于无专业技术背景的决策者理解。若有需要，可在其中一页加入一幅可视化图表，辅助阐释保护策略。
提交格式
提交的 PDF 论文需为英文打字稿，字体不小于 12 号，纸张规格为 A4（页边距不小于 1.5 厘米）或美式信纸（页边距不小于 0.6 英寸）。关于国际数学建模挑战赛的详细提交指南及各部分成果的撰写要求，请参阅完整提交指南。
提交的 PDF 文件需包含以下内容：
- 一页摘要页；
- 一页目录；
- 致国际保护监测特派团的信函（最多两页，非技术类）；
- 完整研究报告（最多 20 页）；
- 参考文献列表；
- 人工智能使用报告（若使用了相关工具）。
以下内容不计入 24 页的篇幅限制：参考文献列表、附录、人工智能使用报告（若有）。
人工智能 / 大语言模型使用说明
本次国际数学建模挑战赛对提交成果无最低页数要求，允许参赛团队谨慎使用 ChatGPT 等人工智能工具，且此类工具并非解决本问题的必需工具。凡使用生成式人工智能工具的团队，均需遵守挑战赛的人工智能使用政策，并在 PDF 提交文件末尾附上人工智能使用报告。若未提交该报告，即表明团队在研究全过程中未使用任何生成式人工智能或大语言模型工具。人工智能使用报告不计入 24 页的篇幅限制。
成果呈现说明
参赛团队可通过加入可视化图表或结构化内容，辅助清晰阐释建模方法与解决方案的核心要点，例如：展示园区不同时期保护成效指标的地图 / 表格；阐释巡逻队伍、工作人员、监测技术等资源部署方式的示意图；至少一份敏感性分析或稳健性分析报告；简要对比分析模型适配其他保护区时，可保留的模块与需调整的内容。参赛团队希望评委评审的所有相关内容，均需纳入研究报告正文，因此计入 24 页的篇幅限制。
埃托沙国家公园地图
访问链接：Etosha National Park Map & Distances访问链接：https://www.etoshanationalpark.org/media/Etosha-Map-2025.jpg
术语表
野生生物（wildlife）：独立于人类活动生存、通常处于自然环境中的动植物。
2026 年国际数学建模挑战赛：规模化保护野生生物 ------ 埃托沙国家公园背景资料
本部分资料旨在帮助参赛团队初步了解埃托沙国家公园的定性与定量特征，所有数据均为近似值 *，仅用于支撑建模工作，不构成对研究假设的限制。参赛团队可在充分论证数据来源与调整合理性的前提下，对现有数据进行完善或补充。研究过程中，团队可能会获取更具体的相关数据、不同的估算结果或存在分歧的资料，需将此类差异纳入建模决策的考量范围。
埃托沙国家公园参考数据集
| 类别 | 近似值 | 备注 |
|---|---|---|
| 园区面积 | 22935 平方公里 | 埃托沙国家公园是非洲最大的野生生物保护区之一 |
| 年游客量 | 约 20 万人次 | 疫情前的数量级估算值 |
| 道路总长度 | 3551 公里 | 包含供通行与巡逻使用的砂石路、土路 |
野生生物概况（示例）
| 物种 / 类群 | 生存状态 / 特征 | 备注 |
|---|---|---|
| 哺乳类物种 | 114 种 | 涵盖大型与小型哺乳动物 |
| 鸟类物种 | 400 余种 | 包含留鸟与候鸟 |
| 黑犀牛 | 濒危 | 埃托沙国家公园拥有庞大的黑犀牛种群，偷猎问题持续存在 |
| 非洲象 | 数量充足 | 整个周边生态系统中约有 2500 头非洲象 |
| 狮子 | 有分布 | 核心捕食者群落成员 |
| 豹子、猎豹 | 有分布（数量较少） | 核心捕食者群落成员 |
| 草原食草动物 | 斑马、跳羚、剑羚、捻角羚等 | 常见猎物物种 |
人力资源与管理概况
| 资源类型 | 近似值 | 备注 |
|---|---|---|
| 园区工作人员（政府部委派驻） | 295 人 | 由纳米比亚环境与旅游部派驻埃托沙国家公园 |
| 围栏周长 | 约 850 公里 | 园区边界围栏为管理工作提供支持 |
威胁背景（参考）
偷猎压力
有报告显示，2022 年以来黑犀牛偷猎行为频发。
自然事件
近年来，森林火灾已对园区大片区域造成影响。
地理 / 自然地理特征
| 特征 | 近似值 / 描述 | 备注 |
|---|---|---|
| 埃托沙盐沼 | 约 4800 平方公里 | 园区核心地理特征，景观随季节发生显著变化 |
| 主要地形类型 | ------ | 稀树草原、盐沼、草原，生态环境影响动物迁徙活动 |
| 水坑 | 86 处（天然 + 人工） | 野生生物聚集的重要场所 |
* 本页所有数据及信息均来源于多类渠道，包括但不限于纳米比亚共和国环境、林业与旅游部发布的相关资料。
2026 年国际数学建模挑战赛完整提交指南
参赛团队可使用各类无生命数据来源、资料、计算机、软件、参考文献、网站、书籍等，所有使用的来源均需注明出处。
参赛团队不得与团队成员以外的任何人讨论研究问题或获取解题思路，也不得向指导老师或其他人员寻求解题帮助。任何与具备相关从业经验或专业知识的人员讨论研究问题的团队，将被取消参赛资格。本规定的核心考量为研究意图：参赛学生团队需独立完成所有实质性分析工作，不得接受外部协助。
不完整的解决方案同样可提交，本次挑战赛无合格分数线，也不会为成果评定具体数值分数。评委主要关注参赛团队的研究方法与分析思路。
提交成果需全部由书面文字及可能附带的图表、示意图等书面材料构成，不接受电脑磁盘、应用程序等非纸质形式的辅助材料。
研究报告的每一页顶部均需标注团队控制编号与页码，建议为每一页添加页眉，示例：团队编号 2024000，第 6 页，共 13 页。
研究报告的任何页面均不得出现参赛学生、指导老师或所属机构的姓名，除团队控制编号外，不得包含任何其他身份识别信息。
参赛团队撰写研究报告时，需遵循以下指南：
- 内容简洁、结构清晰至关重要，核心表述需提炼主要研究思路与成果；
- 适当时可对研究问题进行阐释或重新表述；
- 清晰说明所有变量、假设条件与研究假说；
- 对研究问题进行分析，论证所选用建模方法的合理性与必要性；
- 详细说明模型设计思路，探讨模型的验证方法；
- 分析所建模型或研究方法的显著优势与不足；
- 冗长的推导过程、计算步骤或示例可纳入附录，正文仅呈现核心总结，研究结果需在报告正文中明确阐述。
提交的 PDF 研究报告需包含以下内容：
一页摘要页
摘要页的阅读对象为不了解本研究问题的人群，因此需用参赛团队的语言简要概述研究问题、核心解决方案与研究结论。
撰写优质摘要的关键：读者可能会根据摘要内容决定是否阅读报告正文，因此摘要需清晰阐述研究方法，并重点突出核心研究结论，吸引读者进一步了解研究细节，简洁的表述方式更能提升阅读吸引力。
一页目录
目录需方便读者快速查找报告各部分内容，尤其适用于非顺序阅读的场景（这也是阅读长篇报告的常见方式）。
致国际保护监测特派团的建议信函（不超过两页）
撰写一封不超过两页的信函，向国际保护监测特派团清晰阐述建模方法、建议方案与核心研究发现。信函的核心目的是为无专业技术背景的决策者总结研究核心内容，重点突出研究结论、论证依据与实际意义，而非详细的数学分析过程。
研究报告正文（最多 20 页），阐释解决方案的核心要点
完整解决方案的格式规范
- 纸张规格：A4（页边距不小于 1.5 厘米）或美式信纸（页边距不小于 0.6 英寸）；
- 报告需为英文打字稿；
- 字体不小于 12 号。
注：除参考文献、附录与人工智能使用报告（见下文）外，研究成果的总篇幅限制为 24 页，摘要页、致决策者的信函、可视化图表、目录均计入该 24 页篇幅限制（参考文献、附录、人工智能使用报告除外）。
合规性要求
未遵守上述格式规范或试图规避篇幅限制的团队，其成果评级可能被降低，甚至被取消参赛资格。
参考文献列表、附录与人工智能使用报告
参考文献列表、各类附录与人工智能使用报告不计入 24 页篇幅限制，需置于研究报告正文之后。参赛团队不得使用受版权法保护的未授权图片与资料，需注明所有观点与资料（数据、图片等）的来源，确保读者能够清晰区分参赛团队独立完成的观点与数学分析工作，以及借鉴引用的他人研究成果。
国际数学建模挑战赛中大型语言模型与生成式人工智能工具的使用政策
本政策的制定，源于人工智能工具的快速发展与广泛应用，包括大型语言模型、生成式人工智能、数学软件、翻译软件、代码辅助工具、自动补全技术及其他人工智能辅助技术。政策旨在为参赛团队、指导老师与评委提供更明确的透明度要求与操作指引，适用于学生研究工作的各个环节，包括模型研发（含代码编写）、研究报告撰写，甚至从团队常用语言到英文的翻译工作。鉴于此类新兴技术更新迭代速度快，国际数学建模挑战赛将根据实际情况对本政策进行修订。
参赛团队需如实披露人工智能工具的所有使用情况，包括嵌入式人工智能工具（如数学软件、翻译软件、代码辅助工具、其他人工智能辅助自动补全技术等）。团队与提交成果的透明度越高，其研究工作就越易获得充分的认可、信任与实际应用。此类披露有助于厘清研究成果的创作过程，合理认定各方贡献。若未以清晰的引用方式说明人工智能工具的使用情况，报告中存在争议的内容与研究工作可能被认定为抄袭，团队将被取消参赛资格。
本赛事的研究问题不要求必须使用人工智能工具，但允许负责任地使用此类工具。国际数学建模挑战赛认可人工智能工具作为生产力工具的价值，其可助力参赛团队完成成果提交工作，例如为研究框架搭建提供初步思路、协助内容总结、改写润色、语言打磨等。但模型研发的诸多环节仍需依托人类的创造力与团队协作，过度依赖人工智能工具会带来诸多风险。因此，建议团队在将此类技术用于模型选择与构建、代码编写辅助、数据与模型结果解读、科学结论推导等工作时保持谨慎。
需重点注意的是，人工智能工具存在局限性，无法替代人类的创造力与批判性思维。若参赛团队选择使用人工智能工具，国际数学建模挑战赛提醒其注意以下风险：
- 客观性风险：人工智能生成的文本中，可能出现包含种族主义、性别歧视等偏见的既往公开内容，且部分重要观点可能未被涵盖；
- 准确性风险：人工智能工具可能产生 "幻觉内容"，即生成虚假信息，在其应用领域之外或处理复杂、模糊问题时，该问题尤为突出。工具可能生成语言通顺但不符合科学逻辑的内容，出现事实性错误，甚至生成不存在的文献引用。部分人工智能工具的训练数据仅截至特定日期，因此其输出内容可能存在信息片面的问题；
- 语境理解风险：人工智能工具无法像人类一样理解文本的语境，在处理习语、讽刺、幽默、比喻性语言时，极易出现理解偏差，进而导致生成内容出错或解读失真；
- 训练数据风险：人工智能工具的最优性能依赖于大量高质量的训练数据，而在部分领域或语言体系中，此类数据难以获取，这将严重限制工具输出内容的实际价值。
参赛团队操作指引
参赛团队需履行以下义务：
- 在研究报告中清晰标注人工智能工具的使用情况，包括使用的模型类型及应用场景，需采用文内引用方式标注，并在 24 页研究报告的参考文献部分列出所有使用的人工智能工具；同时，在 24 页研究报告后附上《人工智能工具使用报告》（详见下文）；
- 验证人工智能工具生成内容及文献引用的准确性、有效性与恰当性，并修正所有错误与不一致之处；
- 按照本指南要求进行引用与标注，仔细核对文献引用信息，确保其准确且格式规范；
- 警惕抄袭风险，因人工智能工具可能大量复制其他来源的文本内容，需核查原文来源，确保未抄袭他人研究成果。
国际数学建模挑战赛将对未披露人工智能工具使用情况的提交成果，采取相应的处理措施。
引用与标注规范
参赛团队需审慎思考如何记录并标注所使用的各类工具，目前已有多种文献体例指南纳入了人工智能工具的引用与标注规则。请采用文内引用方式标注，并在 24 页研究报告的参考文献部分列出所有使用的人工智能工具。
无论参赛团队是否使用人工智能工具，研究报告正文的篇幅限制均为 24 页。若团队使用了相关人工智能工具，需在研究报告末尾新增一个标题为《人工智能使用报告》的章节，该章节无页数限制，且不计入 24 页的篇幅限制。以下为标注示例（非穷尽性示例，可根据实际情况调整）：
人工智能工具使用报告
- 百度翻译（2025 年 9 月 10 日版本）将全篇中文论文上传，翻译为英文。
- 开放人工智能公司 ChatGPT（2023 年 11 月 5 日版本，ChatGPT-4）查询指令：<录入输入人工智能工具的完整文字内容>输出内容：< 录入人工智能工具的完整输出内容 >
- 开放人工智能公司文心一言（2023 年 11 月 5 日版本，文心一言 4.0）查询指令：<录入输入人工智能工具的完整文字内容>输出内容：< 录入人工智能工具的完整输出内容 >
- 代码托管平台 GitHub 代码辅助工具（2024 年 1 月 16 日版本）为建模所用代码提供自动补全功能。
（注：文中所有标注 * 的内容，均表示相关数据为近似值；所有机构、工具名称均为官方标准译法，网址保留原始英文链接。）