建模、编程、写作的必备技能与知识

思路点睛

视频教学

算法讲解

经验分享

数模趣谈

——阿蜂助力之经验分享

NO.／02

【经验分享 第二辑】

在建模、编程、写作三方面应该掌握哪些技能或者知识？

Z

F

A

YG

MATH

E

O

B

C

太长不看版

建模、编程、写作三方面是以在数模比赛中所需能力划分而并不是以人为划分。我建议的最佳搭档是三人对于以下三方面都有所了解，但又各有所专长，这样才能在配合之中得心应手，如鱼得水。

建模

各种各样的模型数不胜数，对于初学者，赛前不可能熟习所有的模型，但有些万金油的模型是应当熟知并赛前训练使用的，比如优化模型，综合评价评价，仿真建模与统计建模等等。随着近年来数模比赛的开放程度越来越高，有些模型已经不再适用于当下的竞赛环境，而且往往一些赛题需要我们自己建立模型来应对，赛题更多的是希望我们针对题中指定的问题问题提出一个可行的方案。但是呢尽管开放性越来越高，但我们提出的方案也应有理有据，应当能够说明该方案的优越性与合理性，而评估方案的好坏，可以用综合评价模型，也可是根据某个优化目标而经计算得到的优化结果，这就需要我们对传统的一些模型有所了解了。因此总的来看，我们更需要的是能够将模型运用地活灵活现，结合赛题对已有模型作修改和改进——我们在学习模型的过程中更重要的是学习模型的思维方式而不是做题过程。

下面举一些针对部分模型举一些简单的例子。

仿真建模在数据难以获得以及模型检验中可以派上用场

统计建模不仅是针对大数据题，而且对于大部分经济学模型统计知识是必不可缺的。当然统计建模知识比较宽泛，在我看来至少应当掌握假设检验、回归分析、聚类分析的知识。

另外，对模型的分析检验也是相当重要，无论建立的模型是否高端大气，都应进行模型的检验，这使得论文有理有据，至少能够自圆其说。

编程

由于我自身专业原因，不是专业写代码，但是也学习过不少的编程语言，如c、c++、python等。但是个人还是认为正常的编程和数学建模中的编程还是具有比较大的区别的。数模中的编程不同于做项目和ACM（国际大学生程序设计竞赛），对编程者的敲代码能力要求其实并不高。实际上，这里的编程更准确说是对软件的使用，包括对Matlab 、Lingo 、Spss 的使用，还有别的专业软件的使用。因此编程这一块并不一定非要找码农，软件学得比较快就可以。当然 Matlab 和 Lingo 都不是图形界面，需要命令行输入，有编程基础的同学对这一块儿学起来可能会更加容易上手。此外我认为，会算法要比会编程更重要（一般而言算法学得好的编程不会很差）。

此外还有一些小技巧——工具箱是个好东西。比如如果想用遗传算法计算优化模型结果，可以直接使用遗传算法工具箱，而并不需要为了凸显编程能力自己动手，除非对算法设计有自己得独到之处（很多并不要求提供代码附件）。当然可能在某些地方需要编程，比如用Matlab 做个元胞，写个优化算法。但是这部分的编程也都是建立在对已有工具的使用上，而非从底层码起。总而言之，数模比赛对编程要求能力并不高，能够做到对程序的模仿运用便已足够。推荐赛前看一看司守奎的《数学建模算法与应用》，模型和代码讲的都很好。

论文

写作中要注重两点。一是要保证论文整体的逻辑性很强，保持前后贯通：论文的各部分的应当是顺接或相互照应的关系，而不是毫无关联的独立部分。国赛题目会有几个小问引导论文展开，而美赛则是一个大问题整体，要做到论文脉络清晰，就要对题目做合理的拆解。二是令人信服，模型结果可以不理想，但是呈现于论文上的一定是有理有据、能够自圆其说的建模过程与模型结果。除了写作的这两点外，论文的排版与插图也很重要，这两个是论文中最直观的。排版大多数推崇用latex，但是latex的弊端就是论文只有一个人可以进行排版，队友只能围观，而word可以队友一起做。至于是不是latex得奖率更高，wps一样拿奖。（更推荐三个人都用office同一版进行写作排版，并且公式采用mathtype）

对于图形，外观高大上一点最好（有一种正规论文既视感）。如果是画散点图、线图、直方图，可以使用比较专业的画图软件，比如Origin。

今天的经验分享就结束啦，大家有什么问题或者疑惑，欢迎在后台留言~

下期，我会给大家讲一讲，针对这三个方面，我们如何在比赛前进行高效率的准备，敬请期待哦

另：还记得你最扎心的一段比赛经历吗?将你的故事发送至后台与我们交流分享吧~

请不要甩开阿蜂走在远处

阿蜂看不到你的求助

也请不要走在阿蜂的后面

阿蜂的帮助并不一定适合所有人

请走在阿蜂的身边

做阿蜂的朋友