MathorCup高校数学建模赛有多激烈?a题b题c题d题区别是啥?
Posted
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MathorCup高校数学建模赛有多激烈?a题b题c题d题区别是啥?相关的知识,希望对你有一定的参考价值。
MathorCup高校数学建模赛有多激烈?a题b题c题d题区别是什么?下面就我们来针对这个问题进行一番探讨,希望这些内容能够帮到有需要的朋友们。
伴随着新技术的快速发展和人工成本的升高,没有人仓慢慢做为自动化仓储物流管理系统的发展趋势和总体目标。在没有人仓技术规范中,AGV物流机器人的生产调度问题是技术规范中的主要问题。此次比赛中,大家相对高度复原了没有人仓中的应用领域,让学员根据算法设计完成对智能机器人的工作分派、区域规划及其最短路径算法开展机械自动化。
问题一:AGV综合生产调度的最好对策
在没有考虑到智能机器人执行任务时有可能的撞击问题,在没有人仓实体模型下设计方案生产调度优化算法,依据配件中订单信息数据信息(orders.csv),和库房内的库存量数据信息(pallets.csv),针对给出的20个物流机器人(agv.csv),综合生产调度和分配AGV每日任务,直到符合全部的客户订单要求,即所有挑拣工序都空余才行。
问题二:每日任务平衡区域规划
为了更好地能够更好地均衡挑拣工序的负荷,与此同时防止物流机器人的部分拥挤,依据挑拣工序和产成品总数对库房地形图开展动态分区。也就是对库房内货位上的每一个拖盘,都特定一个默认设置挑拣工序。请创建优化模型,促使每一个挑拣工序相匹配拖盘的产品总产量尽量地均值,与此同时规定降到最低所有拖盘到其默认设置挑拣工序间距总数。
问题三:防止撞击和拥挤
在问题一和问题二的基本上,进一步考虑到物流机器人的撞击和拥挤问题。当库房内与此同时有好几个AGV在执行任务时,难以避免有一些AGV在某一途径连接点上相逢。尤其地,假如2个AGV在一条仓储货架窄巷道上相逢,那麼必须在其中一个AGV躲避。在有效的假定下,请设计方案优化算法和防撞击对策,促使物流机器人能自动化地规避撞击。城市广场一些独特连接点处(如拖盘回收利用处),防止出现好几个AGV的拥挤,和也许的死锁情景。
COAP(CenterforOptimizationAlgorithmPlatform)是一个朝向群众的蚁群算法综合服务平台,由上海财经大学与杉数科技共创,致力于为群众客户带来完全免费的计算机的应用及计量经济学问题求得服务项目,现阶段最底层已集成化CBC、CLP、COPT等超5+个不一样的求得器模块,适用多客户多个任务高并发求得,将来将逐渐集成化全世界各商业及开源系统的流行求得器模块,协助解决来源于全世界业内、学术界和行政机构的优化问题要求,健全中国数学课提升绿色生态小区及手机软件基本建设。
参考技术AMathor cup数模竞赛,是大家熟知的经典的国赛,也是知名度比较高的比赛,这个高效建模挑战赛是由中国无法统筹法与经济数学研究会主办的,目的也是为了提高学生运用数学能力,解决实际问题的能力以及数学方法和计算机相结合,的能力也发展了十多年,是非常具有影响力的基础学科赛事,这个比赛鼓励很多大学生踊跃参加,通过自己的理论知识解决一些社会上的实际能力问题。
对于这种比较知名的数学类竞赛,竞争是非常激烈的,它不仅要求学生们有一定的数学能力和计算机能力,也要求他们有结合实际生活的能力,其次,像这种挑战赛一般都要经过学校院级,要选拔校级的选拔等等,重重选拔之后才能够参加,即便参加了,也要经过激烈的角逐,才能够获得该比赛的奖项,所以这个高校数学建模挑战赛也是受大家青睐的,同时也是竞争非常激烈的,她要求也比较高,在四天的答题时间内,一个不超过三人的队伍中,要写出一篇完整的论文,因此,很多学生都以能够拿到这种比赛的奖项为荣。
这个数模竞赛的题目是有明显区别的,分为abcd四个题目,其中,研究生组的同学要从a和b题中选择一个完成答卷,而c和d题是由本科生或专科生组的同学选择题完成试卷,当然,本科生级专科生组同学也可以从ab量题中选取这些题目的区别,是因为这是来自于不同的行业,经过简化加工的实际问题,涉及的方向也许不同,但最终都是需要完成模型的假设,建立求解等等实现的。如果感兴趣的话,可以参加这个比赛,同时相信也能够获得一定的知识。
B题模拟仿真和调度,主要是运筹学里面的多目标优化、动态算法等。
C题也不算简单,要建立比较合理的泊车模型,有基础的优先选,难度适中,也可能会用到模拟仿真等
D题对新手较友好,属于数据分类,有较多的方法可以用,能灵活处理 参考技术C 在建模比赛中涌现出了一大批大神,而且在整个建模比赛的过程当中涌现出了很多新奇的想法,简直就是神仙打架现场。区别就是难度不一样,比赛的模式不一样,比赛过程不一样,比赛时间不一样。 参考技术D 可以说只有一个人能够成功拿下。 ABCD等级是从难到易。 A级是最难的,d是最简单的。
2021年MathorCup高校数学建模挑战赛——大数据竞赛A题
赛道 A:二手车估价问题
随着我国的机动车数量不断增长,人均保有量也随之增加,机动 车以“二手车”形式在流通环节,包括二手车收车、二手车拍卖、二手 车零售、二手车置换等环节的流通需求越来越大。二手车作为一种特 殊的“电商商品”,因为其“一车一况”的特性比一般电商商品的交易要 复杂得多,究其原因是二手车价格难于准确估计和设定,不但受到车 本身基础配置,如品牌、车系、动力等的影响,还受到车况如行驶里 程、车身受损和维修情况等的影响,甚至新车价格的变化也会对二手 车价格带来作用。目前国家并没有出台一个评判二手车资产价值的标 准。一些二手车交易平台和二手车第三方估价平台都从自身的角度建 立了一系列估价方法用于评估二手车资产的价值。
在一个典型的二手车零售场景,二手车一般通过互联网等线上渠 道获取用户线索,线下实体门店对外展销和售卖,俗称 O2O 门店模式。门店通过“买手”从个人或其他渠道收购二手车,然后由门店定价 师定价销售,二手车商品和其他商品一样,如果定价太高滞销也会打 折促销,甚至直接以较低的价格打包批发,直至商品最终卖出。
基于以上背景,请你们团队根据附件给出的数据,通过数据分析 与建模的方法帮助二手车交易平台解决下面的问题:
初赛问题
问题 1:基于给定的二手车交易样本数据(附件 1:估价训练数据),选用合适的估价方法,构建模型,预测二手车的零售交易价格, 数据中会对 id 类,主要特征类等信息进行脱敏。主要数据包括车辆基础信息、交易时间信息、价格信息等,包含 36 列变量信息,其中
15 列为匿名变量。字段如下:
序号 | Features | Description |
1 | carid | 车辆 id |
2 | tradeTime | 展销时间 |
3 | brand | 品牌 id |
4 | serial | 车系 id |
5 | model | 车型 id |
6 | mileage | 里程 |
7 | color | 车辆颜色 |
8 | cityId | 车辆所在城市 id |
9 | carCode | 国标码 |
10 | transferCount | 过户次数 |
11 | seatings | 载客人数 |
12 | registerDate | 注册日期 |
13 | licenseDate | 上牌日期 |
14 | country | 国别 |
15 | maketype | 厂商类型 |
16 | modelyear | 年款 |
17 | displacement | 排量 |
18 | gearbox | 变速箱 |
19 | oiltype | 燃油类型 |
20 | newprice | 新车价 |
21 | anonymousFeature | 15 个匿名特征 |
22 | price | 二手车交易价格(预测目标) |
请采用附件 1 中的“估价训练数据”(带标签)训练模型和测试模
型,自行设置测试集,使用训练完成后的模型对附件 2 中的“估价验证数据”(不带标签)进行预测,并将预测结果保存在附件 3“估价模型结果”文件中,注意不要修改格式,单独上传到竞赛平台。其中附件 1“估价训练数据”和附件 2“估价验证数据”只相差最后1 列数据(二手车交易价格(预测目标)),附件 3“估价模型结果”文件字段如下:
问题 2:在门店模式中,车辆在被“买手”收车以后,会进入门店进行售卖,车辆能否成功交易,除了取决于销售的谈判技巧,更重要 的是车辆本身是否受消费者青睐,价格是否公道。假设你们是门店的 定价师,请你们结合附件 4“门店交易训练数据”对车辆的成交周期(从车辆上架到成交的时间长度,单位:天)进行分析,挖掘影响车辆成 交周期的关键因素。假如需要加快门店在库车辆的销售速度,你们可 以结合这些关键因素采取哪些行之有效的手段,并进一步说明这些手 段的适用条件和预期效果。
附件 4“门店交易训练数据”包括 6 个字段,如下表所示,其中所有 carid 等相关信息包含在附件 1“估价训练数据”中。各字段间采用“\\t”分隔符分割,不包含表头。
问题 3:依据给出的样本数据集,你们觉得还有哪些问题值得研究,并给出你们的思路?
将问题 1、2、3 的解决过程写成一篇论文,明确你们的思路、模型、方法和结果。
以上是关于MathorCup高校数学建模赛有多激烈?a题b题c题d题区别是啥?的主要内容,如果未能解决你的问题,请参考以下文章
2021年MathorCup高校数学建模挑战赛——大数据竞赛A题
数学建模大赛赛题解析:Mathorcup高校数学建模挑战赛-环形穿梭车的设计与调度
数学建模大赛赛题解析:Mathorcup高校数学建模挑战赛-环形穿梭车的设计与调度
数学建模大赛赛题解析:Mathorcup高校数学建模挑战赛-基于收得率预测模型的转炉炼钢的成本优化