数学建模美赛获得Outstanding是怎样一种体验「2018年数学建模美赛b题论文」
数学建模美赛获得Outstanding是怎样一种体验「2018年数学建模美赛b题论文」
本文摘要：数学建模美赛获得Outstanding是怎样一种体验 〖One〗拿到outstanding之后，上了系主页、学院主页、校主页，算是小小出名了...
〖One〗拿到outstanding之后，上了系主页、学院主页、校主页，算是小小出名了一把；各种数模协会之类的组织也请我去做数模的讲座分享；一些数学建模的会议邀请我们队去做报告；一些机构也邀我去写书；获奖后的一个月内，QQ基本被加爆了……总之，如此种种都给了我一种屌丝逆袭的错觉。体验或许就这么多了吧。
〖One〗解析优秀论文的方法如下： 数据清洗与分析：对数据进行筛选和主成分分析，识别关键因素，并去除小概率事件。利用熵权法确定综合权系数，建立药物传播模型。 模型建立：基于元胞自动机的药物传播模型，模拟阿片类药物和海洛因事件在五个州及其县之间的传播和特点，确定特定阿片类药物可能的起始使用位置。
〖Two〗最终，评委会指出，2023年美赛C题的优秀论文在数据处理、模型选择、不确定性分析以及结论可视化等方面展现出高度的专业性和创新性。通过深入解析这些成功案例，参赛者可以更好地理解如何在未来的比赛中获得更高奖项。
〖Three〗年美赛C题旨在建立数学模型描述合成阿片类药物和海洛因事件在五个州及其县间的传播与特征。问题类型为评估预测。获得O奖的论文使用多元线性回归、熵权法、相关性分析、时间序列分析（ARIMA）、马尔可夫模型等算法。Team # 1922154的论文围绕阿片类药物事件的传播和特点进行分析。
〖Four〗学习与借鉴的力量理解并利用前人的成就，如同站在巨人的肩膀上，能让我们在美赛的探索中看得更远。优秀的2021A题O奖论文是学习的起点，通过模拟训练时的精读，掌握一个O奖队伍的策略，便足以提升竞争力。
〖Five〗答案似乎并不绝对，通过对比2016年美赛的O奖论文与身边M奖、H奖乃至SP奖的论文，我们发现M奖论文在质量上并不逊色于O/F奖，而H奖与SP奖中也有不少亮点。数学建模评价的主观性使得O奖论文独具特色，但并不能直接代表美赛最高水平。对于O奖的获得者，应给予他们应有的荣誉与尊重。
〖Six〗O奖，即特等奖，是美赛的顶峰，获奖作品常被选为优秀案例供学习。特等奖论文在建模、问题分析、解决与展示方面达到最高水平，模型需全面考虑问题因素，创新改造或自创模型，并在简单与复杂、精确与近似间达到平衡。
当然可以参加C题与D题，它们分别属于ICM（交叉建模）部分。C题通常是复杂网络相关的题目，这类题目的模型往往比较复杂，但获奖的机会相对较高。而D题则相对较少有人提及，似乎需要提交一段视频作为解题的一部分，具体情况还需进一步了解。
当然可以，属于MCM（数学建模）的是A和B题，属于ICM（交叉建模）的是C和D题，一般来讲，A题和B题中，一题为连续型的题目，需要较好的数学基础，包括一些公式的推导什么的。另外一题为离散型的，两种题都需要很发散型的思维。通过一个方面进行切入进行解题就行。
美国大学生数学建模竞赛分为MCM和ICM两个部分，其中ABC题属于MCM，DEF题属于ICM。参赛者需根据题目类型选择相应的竞赛进行参与。两个竞赛的组织委员会几乎没有重叠，这意味着MCM和ICM的管理和评判标准有所不同。题目风格方面，两者差异较大，具体可以参见相关链接。
题目中关于C题的数据量大，要求参赛队熟悉数据处理，模型、方法可能集中在统计、模式识别等。D题如果为网络科学问题，有特定的模型、算法、软件，选择时可关注。E题环境科学涉及环境污染、可持续发展等，范围广泛，模型、方法不明显。
题型不同。ABC题是MCM，DEF是ICM，选不同的题参加不同的竞赛。组委会不同。两者组委会几乎没有重叠。题目风格不同。差异比较大，参见上述问题的链接。中国参赛队占比不同。ICM中中国队相对更多一些，虽然MCM的中国队也很多。获奖比例不同。
