大学的数学建模竞赛怎么准备?
发布网友
发布时间：2022-07-26 12:31
共9个回答
好二三四
时间：2022-09-08 02:09
首先，坚定参加数学建模竞赛的决心，摆正竞赛的目的。参见任何一种竞赛，拿到名次真的是其次的事情，关键是能通过竞赛学到知识，交到朋友。所以摆正态度，坚定决心。
其次，组队。数学建模竞赛一般要求三人组成一队，以队为单位参见竞赛，所以找到志同道合的又很给力的队友，是比赛成功关键的一步。在选择队友时，最好考虑学习能力、积极性、耐性等多个因素，如果你的队友半途而废了，真的会很让人生气。
然后，做好分工。组队结束后，就得根据每个人的特点做分工了。数学建模就是一个考察分工协作的竞赛，好的分工做起事来回事半功倍。三个人一般分工是这样的，一个主论文、一个主编程、一个主算法。根据队员的特点，开会讨论确定分工。
再者，确定要参加哪些竞赛。数学建模类的竞赛玲琅满目，我们没有那么多的时间全做，只能找一些比较有含金量的竞赛，挑着做。所以队友根据个人时间安排，确定出要参加的竞赛名称。
第五，比赛报名，非常重要的步骤。只有报名了，才有资格参加竞赛。根据你选择的竞赛，关注竞赛官网报名信息，及时报名。
第六，搜寻往年该比赛的优秀论文五篇左右，认真读读，深入研究，总结经验。
最后，配置电脑。比赛过程中会用到Matlab、word、Ps等软件，要实现配置好，争取全队人员都使用同一版本的软件，便于移交。保持良好的身体状态，等待比赛的到来。
热心网友
时间：2023-02-08 11:56
我从大一开始就开始准备和参加数学建模竞赛，目前参加过校赛和国赛，也一点一点积累了一些经验，下面对于准备数学建模竞赛我提几点建议：
一、选择并练习自己的长项
大学的数学建模竞赛通常是由建模、编程和写论文三个部分组成的，一般是三人一个小组参加比赛，每个人重点负责一个部分。所以在你决定要参加数学建模竞赛之后就要明确自己重点学习的方向，是选择主攻建模还是编程，或者是写论文。要知道数学建模竞赛得奖需要每个人都很优秀，在这三个方面都有一定的成绩才能在众多队伍中脱颖而出。
二、练习使用MATLAB
数学建模离不开MATLAB软件的帮助，因为数学建模通常解决的是实际生活中的一些问题，这些问题涉及到的数据量是非常大的，比如人口普查、商品运输等等问题，我们很难用简单的算法计算出来，所以这个时候就需要用到功能强大的编程软件MATLAB。即使你不是你们队伍主要的负责编程的同学，你也要学会使用这个程序，因为这是最基本的计算方式。
三、选择志同道合的队友
这个比赛是非常需要团队合作的比赛，比如如果你要参加国赛，比赛时间只有短短四天，这四天里仅靠一个人是很难完成一个深奥的数学问题的，所以你需要能帮助你，能共同进步、互补的队友。我建议你最好选择身边熟悉的同学，因为你们有感情基础，有默契度，磨合起来沟通也简单很多，不需要费太多口舌。但是如果你真的找不到熟悉的队友，也最好找靠谱一些的，比如有能力的学长学姐都是很不错的组队方式。另外最好男女搭配，思维更互补一些。
四、多尝试，不要急
数学建模比赛其实是一个宝贵的学习过程，很多人从零开始，边参加比赛边学习建模知识，经过一定时间的练习、学习、听课、刷视频，水平会提高很多。想我身边的同学，基本是大一尝试着参加比赛体验感觉，大二之后再通过逐渐积累的经验参加一些大一点的比赛，然后获奖。我知道这不是一件很简单的事情，但是只要你愿意投入，时间就是答案。
希望我的回答对你有帮助！
热心网友
时间：2023-02-08 13:14
我在大二的时候就和室友一起参加过全国大学生数学建模竞赛，学校里也上过这方面的专业课，可以说对此有点自己的见解和建议。下面我想分享一下自己当时做的一些准备供你参考。
首先，肯定要学习数学模型方面的知识。
数学建模，顾名思义就是建立数学模型，需要你去了解一下常用的数学模型。有些同学可能会疑问，数学还有什么模型呢？不就是套套公式吗。其实不然，对于国赛，最常用的莫过于概率论与数理统计了。
我当时的做法是，对于所有常用的模型（可以从历年题目中找找规律），了解一下它们的用法和适用范围，这样比赛的时候你就知道能用什么模型去套，否则很容易走入死胡同。我当时看的书是《数学建模算法与应用》，毕竟数模也是跟编程、算法等离不开的。
其次，一定要挑选合适，最好是专业互补的队友。
团队合作对于你的成绩也是有很大影响的。一方面，是性格上合得来，否则过程中会出现很多矛盾，切忌找那些混子队友，特别是那些出工不出力，只想混奖的。其次我认为，大家最好是专业互补的，比如你是数院我是学计算机的，这样你可以负责建模，我可以负责算法的实现，这样可以大大提高效率，而不用花大时间去学习新的知识。
我当时就拉上了我的室友，他也是有过ACM竞赛经历的，对于算法以及编程这块完全没问题。之后我们还拉了一个数院的来，毕竟他学过数学建模的专业课，有过大概的了解。
最后，我认为提早学习相关软件是必要的。
尤其是如果你之前没接触过Matlab，Matlab的循环、条件、判断语句的结构以及赋值等运算，还是需要提前熟练掌握的，而不是一边比赛一边去学新知识。
对于学计科的我，我认为如果你学过C语言或者任何一门程序设计语言，那么Matlab的上手是很快的。如果你不知道一个函数的用处，直接在命令窗中输入：help+该函数名称即可返回使用说明。
当然，如果你学有余力的话，可以去学SPSS这种专业的统计软件，或者像Visio这样的绘图软件，在统计或者绘图等方面，用起来更加方面，图案也更加精美。
总而言之，对于大学的数学建模竞赛，还是需要好好准备的，无论是数学的专业知识还是算法的设计实现。如果能找到合适的队友，那么合作起来还是很轻松的，希望你能得到一个好成绩！
热心网友
时间：2023-02-08 14:49
大学的数学建模竞赛我算是参加过一次，自己开始的时候也不知所措过，不过还好有高自己一届的有经验的学姐一起去准备。下面我将把我自己参加数学建模竞赛的经验分享给你。
一、组队
一般数学建模竞赛要求组队人数为3人，这时你可能会想，全部组数学系的大神不是稳赢嘛，其实不是，我认为三位同学应该要有自己不同的技能，不光要有数学好的，编程能力，撰写论文能力一样不能少，所以软件、计算机的同学也是不错的选择。并且数学建模主要分为建模、编程、论文三个部分，个人建议每位队员主攻其中两项左右。三人搭配，干活不累！
二、计划时间
一份好的时间计划会让我们事半功倍，建模一般从周五早上8点开始，建议大家在中午之前确定好做A题还是B题，分别去看看哪个题更有思路一些。之后吃完饭后确定好题目，再依次解决第一问、第二问、第三问最好两天完成。解决所有问题后第三天就要集中写论文，把自己已解决的问题复制粘贴行。当然，时间分配要依据不同队伍的进度来，我只是给出一个参考而已。特别提醒，很多人为了有更多的时间准备会选择熬夜，个人是不太支持熬到太晚，可以少次熬。毕竟精力还是要有充足的睡眠保证的。
三、论文模板
好的论文会让评委们更容易解读，因此我们需要确定一个优秀的论文模板。大概可根据这个来修改（题目→摘要→模型假设→符号说明→模型的建立→模型的求解→模型评价→仿真测试→模型的推广→参考文献→附录），注意：阅卷老师和答辩老师的大部分时间在看摘要，摘要很重要，除此之外，模型评价、回带效果和预测效果也很重要。
四、算法
优秀的论文，其高明之处并不是用了多少数学知识，而是思维比较全面、贴合实际、能解决问题或是有所创新，因此选对算法很重要。几个重要的数学知识：概率与数理统计、微分方程、计算机模拟或者说数值分析等等。
拓展资料
五步法：第一步:提出问题，第二步:选择建模方法，第三步:推导模型的公式，第四步:求解模型，第五步:回答问题。其中求解模型可用SPSS、R、Matlab、C++、SQL、IBM等。
热心网友
时间：2023-02-08 16:40
关于这个问题，我根据自己两次参赛的经验给出了五点建议：
第一，首先要有扎实的知识准备，比如，数学建模竞赛要求参赛队伍掌握基本的数学建模模型和相关的统计理论，并把理论运用于实践，最终得出结果。我们需要好好学习大学的数学课程，比如高等代数、数学分析，运筹学，计算机课程，这些课程的学习对于数学建模竞赛都是非常必要的，其重要性是可见一斑的。学好这些课程知识，有助于我们在数学建模中更好的分析问题，并利用这些理论知识去指导我们解决问题。
第二，关于辅助数学建模学习的参考书的准备。在准备期间，可以选择入手几本关于数学建模方面的参考书，比如姜启源的《数学模型》等。
第三，除了上述所说的夯实数学建模理论知识之外，数学建模的准备还需要进一步学习一些数学建模软件的使用方法，尽量去熟练掌握，这样在数学建模实战中就可以达到事半功倍的效果，常用的数学建模软件有matlab 、lingo、p ython，这些软件对于建模是必不可少的。
第四，关注一些数学建模平台，这些平台会发布关于数学建模的相关知识和一些比赛的重要信息，有助于及时了解数学建模的最新动态。
第五，关于数学建模组队的准备，可以选择专业间组队，当然如果有条件的话，可以选择跨专业组队，比如数学专业，统计专业与计算机专业进行组队，这样可以发挥各个专业的优势，各取所长。在赛前一定要明确分工，发挥组长的执行力、领导力，给各个组员分好工，安排好任务，这样可以提高自己队伍的效率。另外还要注意培养团结精神，凝心聚力，不要半途而废。
希望能帮到您。
热心网友
时间：2023-02-08 18:48
数学建模竞赛是团队参加，团队中每个人需要准备的内容是不一样的。准备数学建模竞赛最忌讳的就是三个人一起扎堆看数学模型，一起学习编程，一起学论文写作，到了最后三个人啥都会，但啥也不精。
这里为你提供一份完整的准备路线：
因此，首先需要做的是组建队伍。
注意一定要找靠谱、知根知底的队友，确定大家对于数学建模这件事并不排斥，愿意抽出课余时间参加竞赛，并且志在获奖。能力方面甚至都是次要的，一定一定要确认队友态度！
队伍组建完成后，接下来就是分配工作。
一人负责建模（建模员），一人负责编程（编程员），一人负责写作（写作员）。
对建模员来说，ta首先要将上图提到的六类模型的基本原理弄懂，然后结合实际题目（例如往年国赛、美赛……）来分析这些模型一般会用到什么类型的题目中，如微分方程模型一般会和规划模型结合起来用于解决“热传递”的相关问题（2018年国赛A题和2019年国赛A题）。
对编程员而言，最起码要掌握一门编程语言：Python或者Matlab，这两种是数学建模中最常用的编程语言。
Python可视化示例
python具有：
1、强大且良好的社区环境：在用Python实现一个模型的时候，基本上CSDN和博客园都有现成的代码，如果网上没有需要自己手动实现，但是害怕自己遇到很多bug，网上针对这些bug都有很好的解释以及解决办法。
2、覆盖面广的第三方库：Python有很多第三方库对数学建模常用的模型都有实现，你只需要安装这些第三方库，然后调用这些库，基本上几行代码就能实现一个复杂的模型。比如说最小二乘法的多元线性回归，在sklearn库中LinearRegression模块就已经替你实现好了，直接调用就可以。
编程手仅仅掌握Python编程或者Matlab编程的基础还是不够的，还需要会利用编程语言去实现数学模型，所以建议编程手在比赛开始前就把图一中橘*的模型都手动实现一遍，如果实在来不及或者能力不足也要在网上把这几个模型的代码都找到，自己理解一遍。
对写作员而言，第一件事就是选择一个写作工具。
如果你精通LaTex，那么你就用LaTex，如果你对LaTex也是一知半解，不是很精通，或者之前压根没接触过LaTex，那么用word就行了，不要用LaTex。如果到了比赛的时候，LaTex编译不出来然后又找不到解决办法，那就非常浪费时间。
另外，写作也需要能看懂模型（大致知道他的原理），因为最后数学建模还是要靠一篇论文去展现给评委的，如果写论文的人对模型一点不懂，那这肯定也是不行的。建议写作员把近五年的数学建模国赛优秀论文都看一遍。
以上就是参加数学建模竞赛分工合作的一点建议。
热心网友
时间：2023-02-08 21:13
我在大一下学期的时候，由于对数学建模充满着好奇心，所以就参加了校园内的数学建模海选后，成功进入数学建模培训。那么对于数学建模竞赛前应该做哪些准备，我有以下几点建议：
1：了解数学建模，清楚它的本质。由于我们之前没有接触过数学建模，所以我们对他的概念是非常的模糊。因此我们在参加数学建模竞赛前，我们应该对它进行总体的一个了解，大致清楚他是干什么，做什么，应该如何去做。或者请教一些有经验的学长学姐，让他们谈一谈他们的对数学建模竞赛的想法。
2：熟悉数学建模需要的软件。常见的数学建模要用的软件有matlab、lingo、SAS等。其中matlab是最先学习的软件，它可以用于数值分析，数值和符号计算等，大部分可用于矩阵计算。SAS则是用于统计分析，在做数学建模题目的时候，我们会用到很多数据，这些数据的量往往会大于我们的统计能力，这时我们可以用SAS来进行统计分析。这些软件都是数学建模的必需品，在做数学建模题目时，这些软件都能发挥很重要的作用，因此我们要对它进行一个熟悉的操作。
3.学习一些数学建模涉及的基础理论。数学建模涉及到的学科范围特别广泛，几乎涉及了数学的各个学科。比如微积分图论，运筹学，概率论，灰色理论等等。我们在参加数学建模竞赛前，应该对这些基础理论进行一个大致的了解，清楚他在数学建模的中应该如何的运用。碰到一些比较抽象的理论，可以尝试去网上搜索相关的知识或者请教相关老师询问。总的来说参加数学建模竞赛前所要做的准备还是挺多的，如果想要在数学建模竞赛中拿奖的话，需要付出更多的时间和精力。这时候我们在比赛前所要做的准备就应该更加充分了。
热心网友
时间：2023-02-08 23:54
首先你需要明白数学建模比赛要做什么，其次就需要分解数学建模比赛的内容去逐个击破。数学建模比赛需要在三天的时间里，利用编程求解一个数学建模问题，最后写出一篇20页左右的论文去评奖。因此，数学建模比赛就形成了建立模型、编程求解、论文的生成三个步骤。
1. 建立模型
首先，作为一个数学建模比赛，拥有一定的数学基础是必不可少的，如果你拥有一个良好的数学思维，学过高数、现代、概率论等课程并且能够熟悉地运用，那么在训练和比赛过程中是十分有益的。但是真正的进行数学建模比赛的学习，还需要从数学建模的书籍看起。数学模型(姜启源、谢金星)、数学建模方法与分析.(新西兰)Mark.M．Meerschaert.这两本都是推荐入手的书籍，也比较适合新手，书中基本包括了要学习的基本模型。建模时需要用将问题转化成数学的表述方法，然后选择一个或多个数学方法解题。
2. 编程求解
数学模型的求解是需要一定的编程基础的，其中各对应的模型有对应的软件，统计模型：spss，stata；数据分析：数据库SQL，IBM；图像处理、智能算法、微分方程：MATALB。MATALB入门简单，如果拥有一定c语言和数学基础，可以进行数据处理、绘图、计算等功能，因此MATALB的学习与训练是必不可少的。
3. 论文写作
论文写作部分是对整个数学建模比赛成果的总结，写作一定要有深度。因此作为论文写作的准备部分，我们可以有针对性的查阅有深度的文献，在阅读了一定文献的基础上进行创新，变成自己的东西。论文中格式与排版也十分重要，学习优秀的论文排版，优秀的论文表述是必不可少的，可以在平常的培训中不断地锻炼。
最后，真正的比赛还包括组队、个人技能训练、队伍训练等部分，这些也是整个数学建模比赛中需要精心准备的，预祝你拿到一个好成绩！
热心网友
时间：2023-02-09 02:52
大学的数学建模竞赛怎么准备？学长讲一下经验：
（1）组队
一支参赛队一般由三个人组成，比较理想的情况是有人擅长建模，有人擅长编程，有人擅长英文写作。这也是传统的数学建模比赛分工。但是在正式比赛中，分工往往不会这么死板。负责建模的同学可能也需要编程来处理一些数据；负责编程的同学往往需要写一部分论文来分担队友的工作量。所以，个人建议，每个人都尽量让自己全能一点，一定不能抱着“不在其位，不谋其职”的态度。
组队是一个很重要的环节，会受环境和人脉的*，很多时候无法按照心意组一支理想的队伍。数学建模比赛是一个需要参赛期间全身心投入的比赛，如果队友无法做到全力以赴和全神贯注，绝对是一个大坑。我自己组队的原则就是队友不需要是高手，但一定要靠谱。所以希望大家组队的时候一定要找靠谱的人，在这个基础上再看能不能找到大神。
（2）建模
数学建模比赛一个很重要的特点：有广度，无深度。因为没深度，所以门槛低，三个综合素质比较高的人组队，即使没经过任何数学建模训练，也能做出一个不错的结果。他们可以在比赛过程中查找资料，自学需要的模型和算法，写出像样的论文。因为有广度，即使是那些Outstanding得主甚至数学建模老师，也无法通晓比赛中可能涉及的模型和算法。
既然数模的范围这么广，那我们还需要准备吗？答案是当然需要。
如果你的准备时间很短，没有时间系统地学习那个教程里面的各种算法。那有个建议，数学建模中的问题通常分为这么几个大类：优化、预测、分类、评价。最好保证能大概清楚每一个大类里有哪些常用的模型和算法，并且至少熟悉其中的一种。
（3）
编程是高手各显神通的环节了。比赛没有任何*，你可以使用你熟悉的任何编程语言。但是依照我的经验，在绝大多数情况下，MatLab足以解决问题。所以数模中编程语言首选MatLab。
但还是有极少数的一些情况，可能用别的语言或者工具比较合适。
总的来说，数学建模中的编程并不需要非常强的编程能力，很多时候甚至不需要自己写多少代码，更重要的是能熟练使用各种工具迅速解决问题。我个人认为有过ACM经验（即使还没到铜牌水平）的同学承担数学建模中的编程任务已经绰绰有余了。
热心网友
时间：2023-02-09 06:07
全国大学生数学建模竞赛创办于1992年，每年一届，目前已成为全国高校规模最大的基础性学科竞赛，也是世界上规模最大的数学建模竞赛。竞赛一般在每年9月中旬某个周末举行。竞赛不分专业，但分本科、专科两组: 本科组竞赛所有大学生均可参加，专科组竞赛只有专科生（高职、高专生）可以参加。每个队的队员必须来自同一所学校。研究生不能参加。
1.软件部分
列全其实也没必要，大家也不需要掌握太多的软件，列几款常用的软件给大家，首先是大家所熟悉的写作软件：Word，WPS，latex，当然不会latex也没有关系，完全可以用word来替代，做的好效果也不会差多少。其次是编程软件：Matlab，其实掌握一个Matlab是完全够用的，当然学习越多自然越好，但是与此带来的问题是很难专精。其他的像Python，lingo等等。公式编辑器：Mathtype。这个必须要有！！！切勿拿word里自带公式编辑器去写。画图：Visio，亿图。其他的经济学比较常用的像：spss、SAS、Eviews、stata当然多多益善。
2.算法模型部分
列全其实也没必要，大家也不需要掌握太多的软件，列几款常用的软件给大家，首先是大家所熟悉的写作软件：Word，WPS，latex，当然不会latex也没有关系，完全可以用word来替代，做的好效果也不会差多少。其次是编程软件：Matlab，其实掌握一个Matlab是完全够用的，当然学习越多自然越好，但是与此带来的问题是很难专精。其他的像Python，lingo等等。公式编辑器：Mathtype。这个必须要有！！！切勿拿word里自带公式编辑器去写。画图：Visio，亿图。其他的经济学比较常用的像：spss、SAS、Eviews、stata当然多多益善。
