數(shù)學(xué)建模國賽將于9月6日開賽奢人，本文主要介紹：

1、國賽組隊(duì)的注意事項(xiàng)

2淆院、近10年賽題知識點(diǎn)與趨勢

3何乎、常見錯誤操作：濫用啟發(fā)式算法

組隊(duì)：

數(shù)學(xué)建模是團(tuán)隊(duì)競賽，三天時間交論文土辩，單靠一個人的精力是頂不住的（大佬除外）支救。因此賽前選擇好隊(duì)友是重中之重。

隊(duì)友選擇：

有時看到群友吐槽和討論隊(duì)友拷淘，基本都是能力和態(tài)度方面

能力：選擇和自己能力相近的隊(duì)友各墨，可以在其他競賽群（例如大創(chuàng)等）招收隊(duì)友∑粞模或者室友贬堵、同學(xué)有態(tài)度靠譜的也可以。

態(tài)度：三個臭皮匠頂個諸葛亮结洼，什么都不會不要緊黎做，只要態(tài)度端正，競賽期間不怕累松忍，現(xiàn)學(xué)現(xiàn)用引几，照樣能取得好成績。最怕那種一看題目難就跑路、三天找不到人的隊(duì)友伟桅。

任務(wù)分配：

三人無需明確分工敞掘，但也要各自有所側(cè)重。

常見的一人專門建模楣铁、一人專門編程和一人專門寫論文的安排是大錯特錯的玖雁！

以下分別以“建模者”“編程者”“寫作者”稱呼側(cè)重負(fù)責(zé)對應(yīng)方面的隊(duì)員。

1盖腕、建模：三人一起討論模型思路赫冬，確保每人都能明白模型架構(gòu)與原理；參數(shù)處理溃列、模型改進(jìn)與優(yōu)化等細(xì)節(jié)交給建模者處理劲厌。

2、編程：模型確立好后听隐，編程者寫程序求解問題补鼻，如果用到某些算法，需要與另外兩人討論清楚雅任，確保三人思路在一條線风范，尤其確保寫論文的人能理解算法原理。

3沪么、寫論文：涉及模型和算法方面的硼婿，要由最能理解模型或算法的人寫出梗概交給寫作者，由寫作者擴(kuò)充出正文禽车，確保全文語句和排版的風(fēng)格一致寇漫。

而且比賽過程中，三人的任務(wù)不是固定的殉摔，例如A擅長第一問的模型和第二問的編程州胳，那么就要隨時調(diào)整每個人側(cè)重的任務(wù)。

還需注意钦勘，一切工作以論文為中心。因?yàn)樽罱K評委看到的就是論文亚亲。

處理分歧：

如果對于某一問彻采，意見不同該怎么辦？

若兩個人意見有分歧捌归，那就三個人投票肛响，少數(shù)服從多數(shù)；

若三個人分別有各自意見惜索，就每個人詳細(xì)講述自己的思路特笋，耐心聽別人的意見，一定不要吵起來。實(shí)在不行抓鬮猎物，總比僵持在某一步浪費(fèi)時間要好虎囚。

隊(duì)友實(shí)在不靠譜咋辦？

這中情況在頭幾次參賽很常見蔫磨。盡量自己一個人堅(jiān)持做完吧淘讥，也算積累經(jīng)驗(yàn)了，下次組隊(duì)換隊(duì)友就是了堤如。

只有多參賽幾次蒲列，遇到不靠譜的隊(duì)友下次就不找他，才會有長期穩(wěn)定的靠譜隊(duì)伍搀罢』柔可以說遇到坑隊(duì)友也是必經(jīng)之路吧！

近10年賽題規(guī)律

以下是近10年賽題知識點(diǎn)（本科組）思維導(dǎo)圖：（xmind文件需要專門的思維導(dǎo)圖軟件打開榔至，可以看高清圖）

賽題趨勢

數(shù)學(xué)建模題目可以分為四類：

1抵赢、評價類（最簡單）

2、優(yōu)化類（最常見）

3洛退、預(yù)測類

4瓣俯、機(jī)理分析類（人口模型/物理學(xué)/微分方程等）

近幾年在各項(xiàng)數(shù)模賽事中，優(yōu)化類和機(jī)理分析類問題出現(xiàn)的頻率顯著增高兵怯。

1彩匕、近些年競賽越來越卷，需要提高難度以保持區(qū)分度媒区；而評價類和預(yù)測類問題有成熟的固定模型可以套用驼仪，較為簡單；

2袜漩、優(yōu)化類和機(jī)理分析類問題則常常涉及交叉學(xué)科知識绪爸，沒有現(xiàn)成模型可以套用，或者有模型但模型或參數(shù)需要根據(jù)題目改進(jìn)后才能用宙攻，所以更能檢驗(yàn)參賽者的實(shí)力奠货。

3、但評價類和預(yù)測類問題也常常作為某小問或者某一步來出題座掘，因此也不可忽視這兩類問題递惋。

注意事項(xiàng)：慎用啟發(fā)式算法！

包括模擬神經(jīng)網(wǎng)絡(luò)溢陪、退火算法萍虽、遺傳算法、蟻群算法等等形真，這些方法在近些年的數(shù)學(xué)建模競賽中出現(xiàn)嚴(yán)重的濫用問題杉编。

啟發(fā)式算法是在無法直接求出嚴(yán)格最優(yōu)解的情況下，去求一個近似的可行解。（詳細(xì)內(nèi)容可以去看數(shù)據(jù)結(jié)構(gòu)與算法的書籍中的NP-hard問題和啟發(fā)式算法）邓馒。

還是不懂嘶朱？舉個不科學(xué)但形象的例子：計(jì)算1+1= ？

正常做法：由數(shù)學(xué)公理可知绒净，結(jié)果為2见咒。

舍本逐末：由蟻群算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)回歸預(yù)測的算法設(shè)計(jì)求得近似解為1.9985。

很多同學(xué)覺得神經(jīng)網(wǎng)絡(luò)/蟻群算法等聽起來挺新鮮挂疆，看起來挺復(fù)雜的改览，用起來似乎很有b格，于是不管什么情況都建立個神經(jīng)網(wǎng)絡(luò)模型缤言。

但是如果問題本身就有方法求出嚴(yán)格的數(shù)值解宝当，那么用啟發(fā)式算法就是舍本逐末了。

比如求一些最短路徑問題胆萧，消防站如何設(shè)置能使得盡快救援等等庆揩，完全可以用Dijkstra算法、Bellman-Ford算法跌穗、Floyd算法等订晌；

而涉及最小生成樹問題又有Prime算法、Kruskal算法等蚌吸，這些在常見的數(shù)學(xué)建模資料中都可以找到锈拨。

如果做這種有嚴(yán)格數(shù)值解的題還去使用啟發(fā)式算法，就基本與獲獎無緣了羹唠。

有些評審老師很煩動不動就建個神經(jīng)網(wǎng)絡(luò)的論文奕枢，所以一定要注意，如果問題有好模型和算法的話佩微，就不要用啟發(fā)式算法缝彬。

當(dāng)然也不是完全不能用，還是要根據(jù)實(shí)際情況來哺眯，錯誤做法是不分情況的濫用谷浅。

總之，找好靠譜隊(duì)友奶卓，競賽期間合理分配任務(wù)一疯，根據(jù)近十年國賽知識點(diǎn)趨勢有所側(cè)重地學(xué)習(xí)，再注意避開濫用啟發(fā)式算法這一誤區(qū)寝杖，國賽定能取得好成績违施！