9 月 5 日晚 18 ： 00 就要公布题目了 ，根据历年竞赛题目，可以分析A/B/C/D/E题目大概的类型，提前了解题目特点，在选题上就不会浪费过多时间。 下面总结了一下5个题目各自的特点，大家可结合自己的专业和特长进行选择。
1、本科组——A、B、C题任选其一
A 题： 主要涉及物理/数学/工程类问题，这类题目相对来说属于比较难的题目，专业性比较强 。可能会涉及物理学模型，如弹性力学、流体力学等专业问题，需要熟练掌握物理学、微积分、线性代数等知识。如果不是准备充分，专业对口，不建议直接选择A题，因为可能会花费很多时间在理解题目上。
B 题： 一般综合性较强，涵盖领域广泛，内容多变。优化类问题是每年必出的题型，常见的模型包括整数规划、线性规划、非线性规划、单目标和多目标规划、遗传算法等。建议关注优化类问题及其相关模型 ，同时也要了解和掌握图论、机器学习等其他可能涉及的领域。B题相对于A题来讲会简单一点，最起码题目能够读懂。
C 题： 近些年偏向经济/管理/统计/数据分析类问题，这类题目一般背景比较贴近生活，开放性强，理解起来较为容易，相对于AB题会简单，所以一般选择 C 题的人最多，所以获奖容易，出彩难 。一般没有严格最优解，结果合理即可。什么都不会的小白可以直接选择C题，但C题如果想要出彩一定要有严谨的数据处理与分析过程，并且论文写作水平要高。
2、专科组——D、E任选其一
D 题： 一般为优化类问题 ，这是每年必出的题型。解决这类问题一般会用到整数规划、线性规划、非线性规划等模型。
E 题： 一般为分类或聚类问题 ，难度适中。题目可能涉及到数据挖掘、机器学习等领域。可能会涉及各种分类或聚类模型，例如k-均值聚类、决策树分类、支持向量机分类等。
总结： 通过分析5个题目的特点，可知数学建模常用的模型大概可以分为五大类——评价模型、预测模型、分类模型、优化模型、统计分析模型 。四类模型涉及方法很多，短期内想要全部掌握不现实，所以梳理出了五大模型中分别包含的经典模型， 供大家查阅。接下来对这些比较常用的经典模型分别进行说明。
在数学建模中，评价模型是比较基础的模型之一，通常根据问题的特点和需求，设计合适的评价标准和指标，对不同方案或模型的性能进行评估和比较，以帮助做出决策。典型模型包括：层次分析法、模糊综合评价、熵值法、 TOPSIS 法、数据包络分析、秩和比法、灰色关联法 。
1、层次分析法
（ 1 ）基本思想 AHP层次分析法是一种解决多目标复杂问题的定性和定量相结合进行计算决策权重的研究方法。它通过构建层次结构，将复杂的决策问题分解成多个层次，并使用专家判断和比较来确定各个因素的权重，从而得出最终决策结果。比较有效地应用于那些难以用定量方法解决的课题。（ 2 ）分析步骤
第一步：构造判断矩阵；
第二步：计算权重；第三步：一致性检验。
（ 3 ）软件操作
AHP层次分析法的数据格式比较特殊，需要手工录入判断矩阵，如下图：判断矩阵解读：
门票相对于景色来讲，重要性更高，所以为3分；相反，景色相对于门票来讲，则为0.33333分。交通相对于景色来更重要为2分，其余类似下去。
2、灰色关联法
（ 1 ）基本思想
灰色关联分析法通过研究数据关联性大小（母序列与特征序列之间的关联程度），通过关联度（即关联性大小）进行度量数据之间的关联程度，从而辅助决策的一种研究方法。
（ 2 ）分析步骤
第一步：确定母序列和特征序列，且准备好数据格式；第二步：针对数据进行无量纲化处理（通常情况下需要）；第三步：求解母序列和特征序列之间的灰色关联系数值；第四步：求解关联度值；第五步：对关联度值进行排序，得出结论。
（ 3 ）软件操作
将数据上传至SPSSAU系统，分析页面右侧选择【灰色关联法】；将变量拖拽到右侧相应分析框中，选择“量纲化方式”，点击“开始分析”，操作如下图：
3、模糊综合评价
（ 1 ）基本思想
模糊综合评价是一种处理具有模糊信息的评价方法。在模糊综合评价中，将模糊的评价指标通过隶属度函数转化为隶属度，然后根据权重给予不同指标不同的重要性。最后，通过对隶属度进行加权求和，得到一个综合评价结果。模糊综合评价方法能够有效处理不确定性和模糊性的问题，适用于现实世界中的复杂决策。
（ 2 ）分析步骤
第一步：确定评价指标和评语集；
第二步：确定权重向量矩阵A和构造权重判断矩阵R；
第三步：计算权重并进行决策评价。
（ 3 ）软件操作
上传数据至SPSSAU系统，分析页面右侧选择【模糊综合评价】，将变量拖拽到右侧相应的分析框中，点击“开始分析”，操作如下图：
4、TOPSIS法
（ 1 ）基本思想
TOPSIS法是一种基于距离和相似性度量的多属性决策方法。TOPSIS法首先将多个备选方案与理想解进行比较，计算每个备选方案与理想解之间的相似性和距离。然后根据计算结果，评估和排序各个备选方案，选择最佳的方案。TOPSIS法能够较好地处理多属性决策问题，特别适用于需要考虑多个评价指标的情况。
（ 2 ）分析步骤
第一步：准备好数据，并且进行同趋势化处理（需要研究者自行处理）；第二步：数据归一化处理解决量纲问题（数据处理->生成变量，通常选择‘平方和归一化’）；第三步：找出最优和最劣矩阵向量（SPSSAU自动处理）；第四步：分别计算评价对象与正理想解距离D+或负理想解距离D-；第五步：结合距离值计算得出接近程序C值，并且进行排序，得出结论。
（ 3 ） SPSSAU 软件操作
上传数据至SPSSAU系统，分析页面右侧选择【TOPSIS法】；将变量拖拽到右侧分析框中；点击“开始分析”，操作如下图：
5、数据包络分析
（ 1 ）基本思想
数据包络分析DEA是一种多指标投入和产出评价的研究方法。其应用数学规划模型计算比较决策单元（DMU）之间的相对效率，对评价对象做出评价。
（ 2 ）分析步骤
第一步：确定决策单元与评价指标；
第二步：DEA模型选择；第三步：计算效率评价；
第四步：效率分析和改进。
（ 3 ） SPSSAU 软件操作
将数据上传至SPSSAU系统，分析页面右侧选择【DEA】，将变量拖拽到右侧相应分析框中，选择“DEA类型”，点击“开始分析”，操作如下图：
6、组合评价法
组合评价法是指将两种或两种以上的评价方法结合起来使用，以弥补单一评价方法的不足，提高评价结果的准确性和可靠性。
组合评价法分析步骤：
第一步：选择评价方法，根据评价问题的特点，选择几种适合的评价方法，这些方法可以是定性的也可以是定量的。
第二步：使用每种选定的评价方法对同一组对象进行独立评价，得到各自的评价结果。第三步：将不同评价方法得到的结果进行整合，整合方式可以是简单的加权平均、排序合并，也可以是更复杂的统计或算法模型。第四步：一致性检验，检查不同评价方法的结果是否一致，如果不一致，分析原因并考虑调整评价方法或权重分配。第五步：根据整合后的结果，对评价对象进行最终评价。
在数学建模比赛中，预测模型可以根据给定的数据集或者特定规律，构建合适的数学模型，进行未来趋势预测，从而帮助做出决策或规划。常用的预测模型算法如ARIMA 预测、指数平滑法、灰色预测模型、马尔科夫预测、回归分析预测、机器学习预测等 。
1、ARIMA预测
（ 1 ）基本思想
ARIMA模型是最常见的时间序列预测分析方法，适用于平稳时间序列数据。 它包括三个部分：自回归（AR）、差分（I）和移动平均（MA）。SPSSAU可以智能地找出最佳的AR模型，I即差分值和MA模型，并且最终给出最佳模型预测结果。 当然，研究人员也可以自行设置自回归阶数p，差分阶数d值和移动平均阶数q，然后进行模型构建。
具体来说，ARIMA模型有以下几个参数：
（ 2 ）软件操作 SPSSAU进行ARIMA预测操作如下：
2、指数平滑法
（ 1 ）基本思想
指数平滑法常用于数据序列较少时使用，且一般只适用于中短期预测。对于长期趋势或复杂非线性关系的数据可能表现不佳。指数平滑可以继续拆分为一次平滑、二次平滑、三次平滑。一次平滑法为历史数据的加权预测，二次平滑法适用于具有一定线性趋势的数据，三次平滑法适用于具有一定曲线关系时使用。如果不设置平滑方法，SPSSAU将自动运行三种平滑方法，选择最优效果时对应的平滑方法。
指数平滑法中，初始值S0和平滑系数alpha是两个参数，用于确定预测模型的初始状态和对过去观察值的权重。说明如下表：
（2）软件操作
SPSSAU进行指数平滑法操作如下：
3、灰色预测模型
（ 1 ）基本思想
灰色预测模型可针对数量非常少（比如仅4个），数据完整性和可靠性较低的数据序列进行有效预测。其利用微分方程来充分挖掘数据的本质，建模所需信息少，精度较高，运算简便，易于检验，也不用考虑分布规律或变化趋势等。但灰色预测模型一般只适用于短期数据、有一定指数增长趋势的数据进行预测，不建议进行长期预测。
（ 2 ）软件操作
SPSSAU进行灰色预测模型操作如下：
4、马尔科夫预测
（ 1 ）基本思想
马尔可夫预测是一种基于马尔可夫链的预测方法。马尔可夫链是一个随机过程，具有马尔可夫性质，即未来状态的概率只取决于当前状态，与过去状态无关。马尔可夫预测利用这种性质来进行未来事件的预测。
马尔可夫预测涉及3个术语名词，如下说明：
（ 2 ）软件操作
SPSSAU马尔可夫预测操作如下：
5、回归分析预测
回归分析是一种常用的统计方法，用于建立变量间的关系模型，并通过该模型对未知数据进行预测。常见的比如线性回归和logistic回归分析。
线性回归分析常用于预测数值型数据： 它基于自变量与因变量之间的线性关系建立模型，并利用该模型对未知的因变量进行预测。
logistic 回归分析常用于预测分类变量数据： 可细分为三种——二元logistic回归、有序logistic回归和多分类logistic回归。
6、机器学习预测
机器学习是一种强大的技术，用于从数据中学习模式和规律，并利用这些知识进行预测。常用的预测类分析方法如决策树、随机森林、 K 近邻算法、朴素贝叶斯、支持向量机、神经网络等。 SPSSAU机器学习预测操作如下图：
数学建模的分类模型是指根据已知的分类标号将输入的数据集建立分类的数据挖掘方法。分类的目标是将数据的每个个案都尽可能准确地预测到一个目标分类中。数学建模中常用的分类模型有逻辑回归、决策树、随机森林、朴素贝叶斯、 KNN 等。
1、逻辑回归
逻辑回归是一种广泛应用于分类问题的统计方法，尽管其名称包含“回归”，但它实际上也是一种用于二分类或多分类问题的分类算法 。逻辑回归通过估计一个事件发生的概率来预测类别标签，由于其简单、易于理解和实现，以及在分类问题中的有效性，成为了机器学习和数据分析中非常流行的算法。
SPSSAU 软件操作：
上传数据至SPSSAU系统，分析页面右侧选择【logit回归】；将变量拖拽到右侧分析框中，选择变量进入方式，点击“开始分析”，操作如下图：
2、机器学习
决策树、随机森林、朴素贝叶斯、 KNN 等 可归类为机器学习进行分类的这一类。下面以决策树模型 为例进行说明。
（ 1 ）基本思想
决策树模型的原理上，其第1步是找出最优的特征和其分割点，比如影响是否患癌症的特征最可能是年龄，并且分割点可能是70岁，小于70岁可能归为‘不患癌症’，70岁及以上可能归为‘患癌症’。此第1步时会涉及到2个专业名词，分别是‘节点分裂标准’和‘节点划分方式’。第2步是找出次优的特征和其分割点，继续进行拆分。一直循环下去。
（ 2 ）软件操作
将数据上传至SPSSAU系统，分析页面右侧选择【决策树】；将变量拖拽到右侧相应分析框中，分析选择“训练集比例”、“数据归一化方式”以及“更多参数设计”，设置完成后点击“开始分析”，操作如下图：
优化模型旨在找到使某个目标函数取得最大或最小值的最优解。优化模型适用于求解最佳决策、资源分配、排产安排等问题。 在数学建模比赛中，优化模型可以通过建立数学规划模型，确定决策变量、约束条件和目标函数，利用求解方法寻找最优解或次优解，以优化问题的方案或决策。
优化模型中常用方法如线性规划、非线性规划、整数规划、动态规划、图论问题、概率模型等 ，说明如下表：
除以上常见的四大模型，在分析各个小点的时候，数学建模还会涉及一些简单的统计分析方法，比如差异性分析、相关性分析、聚类分析、主成分分析、因子分析等。 说明如下：
一篇完整的数模论文，包括以下九大部分：摘要 （在目录之前很重要）；正文部分包括问题重述、问题分析、模型假设、符号说明、模型建立与求解、模型评价与推广、参考文献、附录 等。以下为国赛论文模板的基本框架：
1
开篇
▼
数学建模竞赛实则为一种竞技比赛，则竞技比赛只要把握要应对技巧，渣渣队伍获奖可能性也会大大增加。作为一名过来人，除了参加过多次数学建模竞赛，同时跟评委老师有所沟通，大致可以得出这么一个定理：摘要箩筐判别法则 ：由于竞赛过程中，老师的数量是有限的，同时查阅论文的压力也是巨大的，时间的压迫及数量的追求，导致论文在查阅过程中无法非常详细地进行查阅。而在查阅过程中，摘要作为首要展示，也自然作为最重要的评判标准。也就出现了，摘要过拿省三，摘要挂回家睡 ，即使模型再怎么完美，摘要的撰写出现问题，在评分上也会受到很大的限制！
假如把论文当做人来看，摘要就是人的脸，而在颜值当道的社会下，颜值不高从最开始就少了很多机会，所以写好摘要，为论文的脸认真化妆，这是在论文撰写过程中极为重要的！
1
2
摘要
▼
❶用1、2句话说明原题中要求解决的问题；
❷建立了什么模型（在数学上属于什么类型）建模的思想（思路），模型特点；
❸算法思想（求解思路），特色；
❹主要结果（数值结果，结论）；
❺模型优点，模型检验，灵敏度分析，有无改进、推广。
· 特色和创新之处必须在这里强调（稍夸张地）。
· 长度：理想长度很难说，必须包括上述要点，但简洁也非常重要。一般掌握在半页至2/3页左右。
· 摘要是文章最重要的部分。要保证准确、简明、条理清晰，突出特色和创新点。
注：全国评阅时将首先根据摘要和论文整体结构及概貌对论文优劣进行初步筛选。
3
问题重述
▼
· 不是题目的完整拷贝
· 根据自己的理解，用自己的语言清楚简明地阐述背景、条件和要求。
注：有些同学提问可不可以直接复制问题，其实目前并没有明确不能直接复制，但通过自己的理解撰写出来的问题重述，一般都能为论文争取多一点分数。
4
模型假设
▼
假设要合理且全面，但不欣赏罗列大量无关紧要的假设，关键性假设不能缺。
根据全国组委会确定的评阅原则，基本假设的合理性很重要。
❶根据题目中条件作出假设；
❷根据题目中要求作出假设；
合理假设的作用：简化问题，明确问题，限定模型的适用范围。
5
建立模型（最重要的部分之一）
▼
·几类常见建模目的:
❶描述或解释现实世界的各类现象，常采用机理分析的方法,探索研究对象的内在规律性；
❷预测感兴趣的事件是否会发生,或者事物的发展趋势，常采用数理统计或模拟的方法；
❸优化管理、决策或者控制事物，需合理地定义可量化的评价指标及评价方法。
·建模过程中的几个要点：
模型的整体设计、合理的假设、建立数学结构、建立数学表达式
· 数学模型最好明确、合理、简洁，具有一般性；
· 鼓励创新，特别欣赏独树一帜、标新立异，但要合理。
· 避免出现罗列一系列模型，又不作评价的现象
注：有些论文不给出明确的模型，只是就赛题所给的特殊情况，用“凑”的方法给出结果，虽然结果大致对，但缺乏一般性，不是数学建模的正确思路
6
模型求解
▼
· 引用或建立必要的数学命题和定理；
· 在不能求出精确解的情况下，需要给出不只一种解法（算法），并进行测试比较，给出评价。为了说明你的算法好，你需要有一个参照与之比较，你可以从最简单、最易得到的算法开始，逐步改进直到得到你的最好解。
· 通常对于离散问题，最简单的解可能只是做随机选择，然后用你的算法得到的解与它比较。
7
结果表示、结果分析
▼
· 最终数值结果的正确性或合理性是第一位的 ；
· 结果表示：要集中，一目了然，直观，便于比较分析
· 数值结果表示：精心设计表格；可能的话，用图形图表形式
· 求解方案，用图示更好。对数值结果或模拟结果进行必要的检验
· 题目中要求回答的问题，数值结果，结论，须一一列出；
8
模型评价、参考文献、附录
▼
· 模型评价： 优点突出，缺点不回避
· 参考文献： 只列出论文中确实应用了其中的方法或结论的文献；正文中最好标出后面的文献序号；
· 附录： 详细的结果，详细的数据表格，可在此列出。但不要错，错的宁可不列；主要结果数据，应在正文中列出，不怕重复程序。
Tips 1： 论文写作要正规
论文一定要大致按照摘要、问题重述、模型假设、符号说明、问题分析、（建立、分析、求解模型）、模型检验、参考文献、附录等等的方式来写。一篇论文结构上如果失败的话，比赛也一定不会成功，一般初评会先淘汰一些结构失败的文章，如果论文没有好的结构，内容再好也没有用。论文前面的结构一般都不会变，后面可按实际情况来安排，省略的部分可以有结果说明、灵敏度分析、其他模型、模型扩展、优缺点分析等等，多看些优秀论文就知道还有哪些形式了。
Tips 2：编程求解是重要手段
编程方面的能力不是一朝一夕可以练成的，需要长期刻苦的训练，常用的工具有MATLAB、Mathematica、C/C++ 等等，一个人只需要会一门语言就行了，但需要精通它。比如要画柱状图该怎么做，要用Floyd算法怎么办，赛前不准备是没有办法在比赛中很好运用的，因此每个常用的算法都自己去编程实现一下。
Tips 3：图文表并貌可以增色
一个不确切的信息是评委老师喜欢用MATLAB 编程的论文，这说明了老师需要看一个具有图或表在其中的论文。MATLAB编程之所以受到青睐是因为MATLAB提供的图形处理能力很强大。图表的说明性特别强，如果结论有很多数据的话，最好做成图表的形式加以说明，会令你的论文更有说服力，也更容易受到评委的好评。
注： 论文写作中灵敏度分析不要写太多，大致说明一下就可以了，不要喧宾夺主。最后想到的就是要使用数学公式编辑器来写论文，不要用什么上下标来表示。
----这里 是数学思维的聚集地------
“超级数学建模 ”（微信号supermodeling ），每天学一点小知识，轻松了解各种思维，做个好玩的理性派。50万数学精英都在关注！
▼点击「 阅读原文 」 ，即刻享受课程限时优惠购！
相关问答
近些年,许多高校开始将数学建模类比赛成绩作为衡量一名学生综合素质的重要指标,越来越多的大学生也逐渐开始了解和参与到数模当中。除了众所周知的...
下面简单介绍一下各项比赛含金量:(1)全国大学生数学建模竞赛只要提到数学建模竞赛,国赛是无论如何都绕不过去的。2016年全国已有三万多支参赛队伍参...
数学建模国赛查重的方法:登录学校图书馆的网站,找到查重系统,如知网查重系统。点击“立即检测”,进入查重提交页面,输入论文标题、作者、选择待测论文,点...
首先回答下你的问题:1.文科生入国赛,这句话的意思就是某文科生的参赛论文入选国家级奖项了呗。这个其实真的不难。第一,他不是主力队员,主要是负责写作排版工...
1、我们国家的大学生数学建模比赛大约在每年的9月份的第二个周末进行,为期三天。需要三个同学组成一个队,在三天的比赛期限内,选择一个题目进行做答。最后的解...
有必要,非常有必要,从以下几方面来说!1:数学建模比赛简直就是大学竞赛里面的一个bug,你会了数学建模,你可以参加国赛,美赛等含金量高的比赛,获奖率挺高,...
手脱颖而出,不仅拿到了金牌,还入选国家集训队,并凭此获得保送资格。学科竞赛是锻炼人智力的,超出课本范围的一种特殊的考试。我国的高中...学科...
不是参加全国大学生节能减排社会实践与科技竞赛并不要求必须有论文才能进入国赛。全国大学生节能减排社会实践与科技竞赛是由教育部高等教育司主办的一项...
我是北京化工大学机电工程学院,过程装备与控制工程(化工机械)在我们北化,挑战杯,数学建模,大创,这三项比赛是相当有学校和群众基础的。挑战杯最有名...
首先想说一下我保研之路的背景,答主其实是被顺延到的保研名额,在九月中旬还没有出最终保研名单之前从来没有想过保研这条路,一直致力于实习找工作,...
