数模——经历回忆篇

Posted 清上尘

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了数模——经历回忆篇相关的知识,希望对你有一定的参考价值。

前言

博主于初上大一之时,就通过各种渠道了解、学习数学建模的相关知识。数模也待我不薄,先是在大二第一次参加大型比赛(美赛)时,获得了M奖。在最近的国赛省里评阅,我们的论文顺利推国一,之后便久久不能平静,于是在闲余时间写下一些随笔,以怀念2年左右的数模生涯,以及对所有在学习道路上帮助过我的老师、学长学姐,以及队友们表示感谢!

数模初识

初进校园,因了解到学校的保研政策(当时是17级)对科创尤为看重,比如当时的建模国赛国一,折算成1绩点,相当于每门课多考10分。因此博主对竞赛方面的事情尤为关注。正巧在实验室面试前夕,和某崔学长聊的很欢,学长当时研究的正是数模,之后也顺利获得国赛全国二等奖的奖项。
总结起来,当时对数模的认知如下:

  1. 备赛主要在暑假以及寒假,相对而言对课内的学习影响不大
  2. 整体获奖率低(国赛国一获奖率1.4%,国二6.5%;美赛F以上<2%,M奖8%)
  3. 数模知识门槛较低,但真正研究这个领域的同学较少。
  4. 不同题型间差别较大,需根据选题确定学习方向。博主两年也只研究透彻国赛的C题以及美赛的E、F题。

下图为博主大一做的英语演讲部分内容(获奖比例统计):

综合来说,能在初入大学,就认识在这个领域有所成就的学长,运气也颇为不错。而且在前期没有直接开始学习相关知识的情况下,对这个比赛有了初步认知,对后面的道路是必要的铺垫。

数模入门

博主在大一寒假正式开始学习数学建模的硬性知识。因博主很重视课内知识与课外相结合,所以在大一上期末复习时期,当时一门课程是线性代数,博主知识掌握较为一般,算是大一上学的最迷的课程。但本博主在复习时期,仍然从图书馆借阅相关书籍,大概是Matlab与线性代数相结合的教材,会有理论部分,同时也会告诉大家如何用Matlab进行矩阵计算等。甚至是期末考完之后,我依然抱着这本书津津有味地读着。
现在想想,当时学的一些东西无非就是课内的知识用Matlab实现,但这个方法一直延续到了大一下,高数下在学一些积分、三维的一些东西时,我想着把东西用Matlab画出来,能很直观,于是乎我就顺理成章地研究透彻了Matlab绘制基本的二维、三维图,以及一些高数的微积分运算等。
其实,到现在为止,博主并未学习在实际比赛中用到的模型、算法等,但由于对Matlab熟能生巧的运用,以及在学习过程中那种不为获奖,只为学明白、学透彻的那种精神,在后续正式备赛的过程中(尤其是比赛一开始遇到挫折时,对自己定位的思考),有着举足轻重的作用。

硬性知识学习

再后来,抱着司守奎那本书啃,进展特别慢,一个是因为刚开始,另一个则是没有掌握方法,当时觉得把那本书啃下来我就是大师了(现在想想真是很难实现的事情),之后莫名知道了清风的课程(应该是某位学长随口说了句)【汗,这么晚才对清风老师有所关注】,便开始了正式的硬性知识学习——AHP,说实话当时在家看的前半小时,如醍醐灌顶,很多东西豁然开朗(不过也确实因为AHP简单的缘故,后面的一些算法便没有那么迅捷了)

如果没记错,当时是大二前的暑假,在家也还算比较闲。

有一个小插曲是,当时国赛报名,和一个高中同桌(后面也一个大学了),商量着组队报名校赛,看看能不能杀进国赛。不过当时太怂了,有第三个同学找我组队,我没去(也因为当时刚考完一连串的试,而校赛就在后一天,有点心累)

在这期间,我请教了许多学长学姐有关数模的经验,基本上圈子里都找了一遍,不认识的也厚着脸皮去问,所以无形之中站在了巨人的肩膀上,在此也真心感谢之前学长学姐对我的悉心指导与教诲。有可能某句随口提的一句话就能让我少走很多弯路。

之后的暑假就是一直在刷清风老师的课程了,讲的是真的好!

临近开学的时候,可能也是不断思考知识如何运用的问题有了结果(前几天学弟还问了我这个问题),我注意到自己一开始学的模型与方法已经遗忘较多了,而且这个模型我也不知道如何运用到真正的那些赛题上(对于初学者而言,数模题往往看上去是非常复杂的),我做出了迄今为止在数模道路上最正确的决策。

这个决策就是:在学习的过程中,对重点模型进行二次学习,并总结成博客(后面用的是语雀总结,方便团队交流)
这里放了自己用心写的第一篇博客——AHP复习:
数学建模——层次分析法
里面的所有内容,均来自对清风老师课程的总结,图片是认真使用亿图图示绘制的,公式也是一个字母一个字母敲,没有复制粘贴。

紧接着就有阴影了,这篇写的是真的久。按这个速度,学习成本是不可估量的。不过我当时的打算是队伍三人一起写,每人都写的话,进度是非常快的。
可惜这一点并未得到很好的施展。可能也是与队友间对待比赛的看法有所出入。对于我来说,我想要去挑战自我,在考试尚未临近的时候,疯狂学习其他知识。(当然其实不提倡翘课,或者课内落下太多,不过当时是这样去逼迫自己学习很多很多知识。)于是,就经常出现常常我自己一个人总结相关内容的情况。但队友毕竟都是熟人,相对来说课内压力比我大一些,因为当时我排名还算不错。

第一次美赛

对于美赛,其实真的有很多学长学姐和我说过,这个比赛非常迷,可能准备非常充分的情况下依旧拿个S奖,也有可能比前学一学就M了。我当时也犹豫过,想着要不要海王一些,多去参加一些其他的比赛,毕竟如果在建模这边大二没有出成绩的话,后面的处境会非常艰难。寒假甚至因为这个和队友发生了一些不是很愉快的事情。我们提前去准备相关算法、相关部分的写法,但毕竟参赛经验不足,队伍磨合少,在最终比赛的时候,依旧出了一些问题。纵观整篇论文,依旧有很多可以改进的地方(虽然拿了M奖)。

比赛开始之后,我住在一位队友家里,另一位队友是线上联系。按照之前安排的分工,比较紧张地开始了第一天的比赛。

综合来看,对第一次美赛总结如下:

  1. 分工是比较明确的,不过出现了一些部分做的不是很好,或者没有划分到具体的人
  2. 整体来说写的文章结构是比较完备的
  3. 体会到什么是心有余而力不足,心里注意到的一些东西,在比赛时就是做不好。

美赛比完,父母开车接我回家,我躺了整整一天,什么都不想去想,什么都不想干。
事实上那一天我的情绪是非常低迷的。在四天时间里留下了太多遗憾。这个时候我也学建模有较长一段时间了,第一次大型比赛打出这个效果是我始料未及的。

国赛

因为美赛拿了M奖,对自身信心的提升也是很明显的。至少来说,对自己的定位、以及之前的战略,还是把控比较好的。在大二下快结束时,一位同学(也就是现在的队友)找到我想要一起打数模(之前队伍解散原因就不透露了),我觉得在其他方面还是挺靠谱的,正巧当时也没更好的人选,就先一起试一试。另一位队友则是刚上大学就一起加实验室的一位同学。
我们队伍第一次比赛是国赛校赛选拔,当时题目比较简单,用俩字总结校赛——悠闲。这次校赛对我们队伍的意义一般,除了队伍间算是第一次磨合,其他倒是收获一般。
在暑期的备赛中,主要做了以下事情:

  1. 对三年的真题进行了全真模拟,时间基本贯穿了整个暑假;
  2. 针对常用算法进行分析与总结,并查阅大量相关优秀论文;
  3. 制定分工策略,根据模拟情况进行调整,每人专攻某一个方向。

因为自身的原因吧,整个暑假的状态都非常低迷,原因就不透露了。也非常感谢队友间互相的信任。在中间我主要是根据之前的经验,对各次模拟情况进行总结,分配各类任务。
这次暑假备赛比寒假充分太多了,一方面是队友非常积极主动,有些东西我没注意到的也能完成地很好,以及硬性的一些任务,确实做的非常不错,在一次次模拟中,也不断地得到了锤炼,几乎每一处细节,都有相关队员去负责。以及在三次模拟中,大家的成长是特别明显的。由此看来,赛前模拟确实是一种非常好的提升方式。

比赛开始后,根据预先定的题型以及分工,一开始是有条不紊的,但我们在问题二的解决思路上,出现了停顿,甚至最终用的方法都是之前没有练习过的。
因此我们在最后一个晚上,依旧熬了夜。这也算是小插曲。值得一提的是,博主中途参加某门考试的缓考,每天差不多都腾了2h出来花在这上面,感谢队友的信任与支持!!!
还记得最后一天交完论文,三个人走在一起,似乎很久没有这么疲惫过了,三天,23页正文+21页代码,不论是论文质量水平还是任务量,均比任何一次模拟好太多。
等了1个月左右,当时在实验室装自行车,接外卖电话时,瞟一眼QQ发现队友在群里喊了句国一,手颤抖地点开河北省数模评阅,我们的作品在河北推国一了,若能最终国一,那将是多么幸运。

未来展望

常有同学说,我在自动化专业,数模打到这个高度已经可以了,心里想想也确实是,其实后面的学习一直都在往自己感兴趣的方向偏,往专业相关的方向偏。但对于数模,也一直保持着更高的追求与热情,暑假翻阅了一些研赛的论文,明显感觉到有提升空间,以及美赛O奖论文,总体还是非常佩服的。大三还有最后一次参赛机会——2022美赛,希望能做出一些突破吧。

碎碎念

在学习的过程中,自己的身份也渐渐从不断请教学长的小迷弟,到为21、20级学弟学妹提供建议的学长。从开学就一直“营业”,看起来学弟学妹学数模的热情比较高涨。
在自己学习成长的过程中,有在我选择方向时,细心告诉我数模比赛的门道,让我做出最佳的选择的学长;有在不知从何学起时,给我资料、经验方面指导的学长学姐;有在模拟完,为我们提供建议的学长与老师。也许有的学长学姐未曾谋面,但真的像是在我独自摸索的路上点亮了一盏又一盏灯!

以上是关于数模——经历回忆篇的主要内容,如果未能解决你的问题,请参考以下文章

非标数模Packing Struts立式包装机3D数模图纸 STP格式

Python数模笔记-NetworkX最短路径

数学建模 趣味数模问题(数模入门)

Python数模笔记-StatsModels 统计回归可视化

Python数模笔记-StatsModels 统计回归简介

Python数模笔记-StatsModels 统计回归模型数据的准备