很多同學后臺留言，都說學校暑假數學建模課自己聽不懂，該放棄嗎?，不知道該怎么辦，這里給出了大家參加國賽，該如何去正確應對的一些策略方法。又到了一年一度的數學建模國賽備賽階段，數學建模的工作大致可以分成五塊:查資料、建模、編程、論文寫作、繪圖，下面逐一介紹每一部分如何準備。

01查資料

日常的查詢，比如查數據或者查名詞，google可以解決大多數問題，StackOverflow,MathOverflow查文獻時有些不一樣，對于中文論文直接知網，對于英文論文先谷歌學術查到論文 DOI或者網址，然后如果可以直接下載是最好的，下不了去sci-hub里面，一般都可以免費下載。

02建模

列舉一些我認為數學建模競賽比較有用的一些名詞，

補充:(不一定全部掌握)

優化類問題:

線性優化:gurobi，分層序列

非線性優化:遺傳算法(GA)，單親遺傳算法(PGA)，模擬退火算法(SA)動態規劃(dp):貪心策略，迪杰斯特拉算法，弗洛伊德算法，動態規劃算法

2.評價類問題:

權重確定:AHP，模糊層次分析法，權法，主觀賦權(別人的論文已經確定好的權值)、主客觀結合賦權(論文亮點)

評價模型:TOPSIS，DEA，模糊評價，RSR，

3.數據類問題:

數據預處理:數據集成，數據清洗，數據規約，同向化處理，Normalization，Regularization，standardization，高斯插值，LOF 離群因子，孤立森林，獨熱處理

特征選擇:LASS0，嶺回歸，彈性網絡，自適應LASSO，SACD

回歸模型:多元線性回歸，隨機森林，

分類模型:SVM，邏輯回歸(回歸后套sigmoid)，隨機森林聚類模型:K-MeanS，DBSCAN，OPTICS，層次聚類

03編程

寫代碼這一塊兒，主要在于:

1.能看懂隊友提出的模型

2.能根據問題構建合適的計算模型(畢竟有些計算領域的模型方法可能并不在你可愛隊友的課程范圍內)

3.算出結果

4.能把計算模型形成文字材料

5.做點兒數據可視化至于用什么工具其實可以根據自己的喜好來，如果能多方面組合那自然更好了，什么方便用什么。所以建議，至少，把高數線代、數據結構、運籌學之類的基礎玩意平了，然后確保自己有算出來寫出來畫出來的能力。

04畫圖

流程圖的話建議用Visio，比較簡單，畫幾次就會了，主要是配色問題，建議上配色網站找色彩搭配(抖音也有色彩搭配\狗頭)，不想下Visio或者不想買的話可以嘗試 PPT畫圖，也很好用。數據圖的話建議用Python，python畫圖很好看，，建議用Python的searborn和 pyecharts.畫圖的話配色很重要，很重要，很重要!

05論文

摘要部分是最重要的，所以一般論文寫完再寫摘要，摘要基本上得花1-2h才能寫完。

內容的話不同類型的題目可能順序不一樣，所以這里建議參考往年優秀論文。

國賽回顧以2021年的C題為例在開始展示比賽之前我們訓練了很多次，做了大概近五年的題目，但是當時可能僅僅只專注各自題目的模型，沒有一個整體上的的統一思想，方法論還不是那么熟練，導致每次訓練都很感覺只是學到了模型，沒有太過關注于出題者本身的思想，之后的美賽我們訓練的時候總結出了很好的一套訓練流程，時間利用率大大提升。ps:在美賽訓練時獲得最大的思想其實是從一篇博客上看到的:用通俗易懂的方法建立具有可解釋性的決策模型，并通過優美的圖表展示出來，對于題目的每一個需要解決的問題都給出了簡潔明了且可行的決策方法和分析,每個模型都在通俗易懂和高逼格之間達到了一定平衡?；氐奖敬伪荣?

首先第一問是要找到402家供應商中最重要的50家，第二問是最少要選擇多少家供應商才能滿足需求，并且提供未來二十四周的供應計劃。第三問是要盡量采購A和C類原材料并希望損耗最小,第四問是根據現有原材料的供應商和轉運商的實際情況，確定該企業每周的產能可以提高多少，并給出未來24周的訂購和轉運方案。

其實題目的難度主要是集中第二問，從第一問的一個簡單的特征指標提取及評價模型，到第二問三個小模型，我們分別使用了0-1規劃、單目標規劃(模擬退火)、非線性規劃模型，到第三問的多目標粒子群算法，第四問的單目標規劃，前3問我們的答案都和官方的答案差不多，當時第四問誤差有點大，從而錯失了推薦國一的機會，ps猜測是單目標規劃的約束條件沒有考慮好。

整體來說2021年C題難度適中，但更注重模型掌握的熟練程度，選擇合適的模型遠比復雜的方法更為關鍵，所以基礎尤為關鍵。

數模學習歷程大二上學期:通過學長知道了這個比賽，同時又遇到了兩個志同道合的同學，所以從大二下的寒假開始準備參加比賽寒假期間:三個人都預習了概率論、線性代數。大二下學期:繼續寒假未看完的教程并且每次做完課后作業，在這期間并沒有打很多比賽,主要每次我們學完了一個算法都會按照國賽的標準寫一篇完整的小論文，相當于一次鍛煉了，更有助于對算法的理解，在這期間通過學校的選拔，獲得校一成績，而其實只是我一個人三四天就成的結果，因為訓練的次數多了，就熟練了，當然校賽簡單也是一方面大二暑假:在暑假期間我們結束了整個數模學習過程，開始按照國賽時間進行了六次訓練,這期間也是學到了好多新的知識,既有新的建模方法,也有寫作技巧。大三上的寒假:參加數學建模美賽以下是我整個數模期間學習的算法和一些技巧:

在這些算法中主要熟練掌握了數據分析類算法,對于微分方程類題目只是學習了解的程度，并沒有很精通，所以我們國賽和美賽都選擇的C題,在學習建模的時候最好之前就確定好自己想要學習的重點，這樣有針對性的學習效率更高!

06最后推薦一下學習過程

首先高等數學、概率論、線性代數可以直接搜考研課程直接過一遍，構建起最基本的數學基礎，接下里是編程軟件的學習，有三種選擇，一種是python，適合計算機專業的學生，銜接起來毫無壓力，擁有大量的數據分析的庫;第二個是malab，適合工科如機械等專業，其應用范圍也很廣;最后一種是R，適合統計學專業的學生，其在統計學上應用也很廣。數模拿獎過程中，堅持尤為重要，建模學習需要日積月累的過程，剛開始接觸的同學不要輕易放棄,每一位建模大佬背后都經歷過建模小白沒有體驗的過程祝每一位建模人都能取得好成績，喜歡的點贊轉發。

獲得國獎已經成為保研必備武器！如何在競賽中嶄露頭角，一舉拿下國獎？數維杯數學建模夏令營可以幫助你彎道超車~

2024第九屆數維杯數學建模夏令營正在報名

數維杯數學建模夏令營每年舉辦一屆，已經連續舉辦七屆，本屆夏令營定于2024年8月5日-13日在成都信息工程大學（航空港校區）隆重舉行，夏令營活動歷時9天，分為線下授課、實訓指導、答疑交流、作業跟蹤、分組項目實踐和效果評價教學工作、戶外拓展等環節。

已成為高校數學建模培訓示范性基地，屬于系統性的數學建模學習，主要針對國賽、美賽、數維杯培訓等其它區域賽，國賽命題專家組帶隊授課，6天集訓+3天小組模擬賽+賽后點評解析，累計指導學生近1900余隊，國賽榮獲1400余項省級以上數模獎項，參培學員獲獎率超過80%，實現了在該項賽事的歷史性突破。

數維杯夏令營：//www.nmmcm.org.cn/activity_detail/52

往期的學員普遍反饋，經過參加數維杯夏令營培訓之后，自己的數學建模能力得到切實的提升，不少學員在交流中反饋參加培訓后在競賽中取得國一、美賽F獎等好成績。

往屆回顧