數學建模競賽的一些心得體會(關於每年的比賽)

由於現在基本上就要開學了,2018年這一新的賽季也算是要正式開始了。一般來說,美賽算得上是前一個賽季的壓軸比賽。現在我大概談談每年的數學建模競賽都有哪一些把,大家可以根據這一份清單來酌情篩選。本人的認為,以一個隊伍有限的精力來看,每年2-4個比賽中獲得比較不錯的榮譽已經實屬不易,目前我見過精力最好的同學是N大的D同學:美賽M獎+泰迪杯國二+深圳杯第二+國賽國一。能在一年當中爆發取得這樣的榮譽,除了有著登峰造極的數學建模能力外,語文建模+美術建模這樣的終極奧義,一般人也是學不來的(D同學自己這麼說),還有一類是一堆最高獎的選手,比如 @數學建模老司機 就是國一前二+深圳杯+SAS數據分析大賽冠軍。

下面來談談數學建模競賽日程表,由於具體日期飄忽不定,我就大概用月份來表示,但是實際上,還是會有一定的偏差,前後差大概一個月左右:

1月-2月:美國大學生數學建模競賽(「美賽」):

這個比賽也就是大家都眾所周知的「美賽」,這個比賽與中國(全國)大學生數學建模競賽,俗稱「國賽」,誰的含金量高,誰的含金量低爭論已經很久了。我個人在這一塊不做具體的評價,只是從保研這一單獨的角度來看的話,「國賽」似乎在保研作用上面大一些,不過我覺得並不公平。因為美賽賽事設置的獎項就存在一些問題,拿國一和M獎做對比,在一定程度上對兩個比賽來說都是不公平的。

下面正式談談美賽。這項比賽不管吹也好黑也罷,確實是起源美國的一項比賽。在中國隊開始泛濫進入美賽之前,確實還是有一些本土不錯的高校摘得O獎。自從中國隊崛起以後,中國的高校在O獎上經常摘得桂冠,比如上海交通大學,清華大學,電子科技大學,浙江大學,西南財經大學,南京大學,中山大學等傳統名校經常刷屏。尤其是上海交通大學在2017美賽當中7個O獎的壯舉很有可能前無古人,後無來者。具體可見我的文章:數學建模競賽在國外(如美國)的真實影響力如何?。

在美賽的獲獎等級上,應該是如下幾種:O獎特別獎(比如Informs獎)>O獎>F獎>M獎(俗稱一等獎)>H獎>SP獎(成功參賽獎)>USP>D

一般情況下,認為到了H就算獲獎,但是真正的門檻,也就是含金量較高的獎要到M獎(前10%)來算。但是由於比賽的隨機性,很多國一大佬飲恨美賽。。很多建模小白首戰M獎後也銷聲匿跡。不管怎麼說,美賽的含金量還是不能隨便輕視的。曾經有一位大佬說得好,不能因為M獎就沾沾自喜,因為你可能就是比H獎稍微好一些,也不要因為沒有拿到O獎就感到自卑,因為最頂尖的M獎,實際上已經具備O/F獎實力了。

上述情況就反映了一個問題,美賽獲獎分布十分不均勻,當然隨著國賽在2017年改制以後國家一等獎的獲獎率也基本接近了O/F獎(千分之八)。所以大家在比賽的時候,最好抱著平常心參與,即使是非常牛逼的大佬,不妨抱著拿一個M獎見好就收的心態即可。說實話,我每次比完賽,都只求SP獎,誰要我只是一個學渣啊。

之前2018年美賽中,由於數據不太好找以及問題問得比較大,因此美術建模與語文建模的呼聲比較高。覺得美賽就是在製造學術垃圾,後來我和某個美賽大佬交流了下心態,真的覺得他們學校每年能產出O獎不是一件奇怪的事情。他們在比美賽的時候,查閱了大量的英文文獻,並且都需要在第一天以內把它們全部消化。說實話,這也可以反映美賽的發展很容易造成不同學校之間的分化,這點令我感到堪憂。首先是,你要找到大量相關參考文獻,不管是使用論文回朔法還是關鍵詞查找法,都必須要有強大的資料庫進行支撐。這個在一般的大學當中是很難滿足條件的。此外,就是英文閱讀能力過關還是不過關,雖然每年美賽的官方賽題都是有著中文版本的翻譯,但是實際上由於翻譯者本身的英語水平有限,因此還是容易造成翻譯出現偏差,進而造成參賽者對題目本身產生偏差,從而做題效果一般,所以閱讀題目原文還是十分有必要的一件事情。除此之外,快速閱讀英文文獻,不管對於重點大學的學生還是對於普通院校的學生,其實都是一次鍛煉。這次交流後,我覺得必須培養以後的參賽者,踏踏實實閱讀英文文獻的能力了。而國賽主要是利用中國知網就差不多可以查閱很多東西了,因此國賽閱讀文獻大體還是搜索能力的體現。

下面談談美賽的弊端吧,首先是美賽證書比較簡陋,並且沒有參賽實體證書,也沒有官方編號。所以在一定程度上來說,你想P一張證書是完全可行的。每年100刀交得可以非常心痛,給每一位參賽者一份有紀念價值的證書不是極好么?

其次就是這個比賽的提交論文有點隨意,這點必須為國賽組委會點贊。參加過國賽的同學都知道,國賽必須下載一個客戶端,並且和客戶端綁定在一起。上傳論文前,只需要上傳md5碼即可,這樣就避免了論文提交塞車的情況。並且國賽有著比較透明的查重要求,而美賽在查重這一塊並不透明。

在閱卷這一塊,我也一直會有一定的疑惑,大多數的優秀論文確實水準非常之高,但是還是偶爾會有那麼一兩篇論文屬於迷一般的存在,尤其是E題和F題容易出現這樣的情況。在比賽完之後,評閱要點不會公開。

但是,美賽與國賽相比,還是有一些比較好的地方。首先是題目比較多,一共六類問題,這樣不同學科的同學可以有著不同的選擇,對於非理工科學生來說更加友好。其次,每一個問題相比國賽來說,一是問題比較新也比較大,二是問題有著比較好地繼續開拓的機會(雖然真正願意深入研究的人幾乎沒有)。這樣就不容易把數學建模競賽變成Matlab編程競賽了。

總之,美賽和國賽一樣,屬於國民級的競賽,所以不管怎麼說,本科階段參加下沒什麼壞處。

3月-4月:「泰迪杯」全國大學生數據挖掘挑戰賽:

這個比賽比較新,目前才舉辦到第六屆,但是不管怎麼說,這個比賽很有可能成為中國上半年的「國賽」(由於深圳杯門檻過高,並且題目難度過於接近實際情況,因此,基本成了少數幾所大牛學校的比賽),首先談談這個比賽的願景吧:目的在於激勵學生學習數據挖掘的積極性,提高學生利用數據分析方法解決實際問題的綜合能力,鼓勵廣大學生踴躍參加課外科技活動,開拓知識面,培養創造精神及合作意識,推動數據挖掘技術在高校的推廣和應用(泰迪杯_百度百科)。總而言之,不管我服氣還是不服氣,泰迪公司非常高明,這應該嚴格意義來說是第一個有著官方背景的數據分析/數據挖掘競賽,也說白了,蹭了時下這波熱度。

從獲獎率來看,這項比賽獲獎率可以說是極低了,大概四分之一不到,遠遠小於國賽和美賽相關比賽。而且這項比賽不限本科,碩士還是博士,因此與碩博生的對抗當中,本科生非常容易吃虧。眾所周知,要有數據分析,數據挖掘的編程和數學基礎,基本上至少也要到大學高年級開始才有機會做一些像樣的東西出來。而研究生基本上每天面對的都是一些這樣的東西,加上對演算法的改進,泛化能力高低等等,本科生想要做好難度較大。

所以,對於本科生來說,可以適當選擇一些數據量較小或者更加側重數學建模。而對於演算法,程序的要求稍微低一點點的題目去做。但是不管怎麼說,想要比好,都不是一件容易的事情,因此建議本科高年級學生,尤其是畢業沒有壓力或者是本科階段任務完成了的同學可以嘗試好好做一做,對於低年級本科生參與感受下即可,或者直接略過這項比賽參加一些地區性質的比賽練練手。至於這個方向的碩士生和博士生可以好好做一做這個比賽,如果結果較好可以考慮將相關研究成果發表。

4-6月:1.「深圳杯」數學建模挑戰賽:

如果有人說數學建模競賽沒有巔峰對決,沒有丘成桐大學生數學競賽那種大佬對大佬的感覺,那麼深圳杯絕對是數學建模競賽中的「丘賽」。這項比賽我沒有什麼發言權,只能大概談談規則。一般是深圳市的一家企業出題(有人說背後出題是深圳市政府),不管怎麼說,深圳杯的問題是真正基於實際問題考慮的,一般問題也與深圳市有關。比賽時間非常之長,基本上4月到開營前都可以做,但是需要在5月份提交一個草稿給省組委會看看,然後由省推薦上去。之後代表賽區參加暑假的夏令營,進行決賽PK,這就有點像丘賽面試的感覺一樣,都是每個地區的尖子一起評比。一二三等獎非常之少,基本上就是前6名評選,還有一個特別獎,也是很難拿的。基本上你只要能獲獎,基本上代表你是中國前六名的選手,實在是很強大了。

關於深圳杯我想說兩點,這個比賽是允許老師和自己一起做的比賽,所以找一個大腿還是有一點用的。二是,問題本身非常具有挑戰性,並且都是實際問題,還要答辯整個論文,所以不太建議出現語文建模的情況,哪怕結果差一點,好好交代清楚可能都比較好。在答辯的時候被懟應該是一件非常尷尬的事情。比賽周期較長,大家應該耐得住寂寞才行。我看了一些入圍水平的文章,大家應該好好做,有一定基礎,還是有機會入選的。但是一二三等獎,真的需要一定的硬實力,不是輕輕鬆鬆就能到手的。知乎上其實是有一位深圳杯得主選手,大家有問題就私信他吧。 @數學建模老司機

2.國賽模擬賽:地區賽/機構賽(省級/學校不認):

一般到了這個時候,很多地方都在鼓勵大家參加一些國賽模擬賽練練手,這種比賽基本上魚龍混雜,如果想要一個個比,基本上一星期一場比賽的水平。比如數學中國的「認證杯」兩個階段,賽氪的「Mathorcup」,湖北地區的「華中杯」,上海地區的「華東杯」,蘇北地區的「五一聯賽」(原蘇北賽),還有東三省的「東北賽」等等。總之,這些比賽都多多少少掛著一兩個比較正規的組委會(當然一般還是省級協會或者學校的名義),很多數學建模小白的起步應該來說,這些比賽還是起到了一定的幫助,但是與隔壁的ACM的模擬賽或者邀請賽來說,數學建模在這一塊還遠遠做得不夠,甚至有點比賽都有盈利的性質在裡面。比如某些題目出得不負責任,「共享單車」這個題材在很多比賽當中反覆利用,基本上只要學生找到了以前的數模參賽論文,新的比賽直接可以不用做了。所以,這個比賽完全考察每個人的自覺程度。有一些人,通過抄襲別人的論文拿大獎,有一些人完全語文建模來騙獎,有一些人真正通過這個比賽來磨合隊友起到了真正的作用。

總之,各類地區賽,大家選擇其中一兩個參加就好,雖然基本上好好做與獲獎呈正相關,但是改卷還是可能出現迷一般的問題。但是不管怎麼說,賽題質量還是可以起到訓練的作用,不過如果考慮加分或者保研等作用,則和大比賽相比,會大打折扣。如果處於保研分數關鍵時刻,可能部分競賽的獎項會起到一丁點的作用。比如「認證杯」有內蒙古數學協會的章等。

7-8月:暑期太平日子,但是是國賽發力的關鍵期,很多小白這個時候好好訓練兩個月,最後9月比賽還是拿了國獎。

9月:中國大學生數學建模競賽(「國賽」):

對於絕大多數大學生來說,人生可能唯一參加過的比賽就是國賽了。很多所謂的傳奇故事也好,搞笑段子也罷,基本上來自於國賽。總之,如果你要比數學建模競賽,任何比賽(包括美賽),你都可以不用參加,每年專註一項比賽,也就是國賽即可。至於國賽怎麼準備,國賽的一些心得體會,我已經寫了很多了基本上我之前的文章大多側重於國賽(自己國賽相比最穩定),大家可以瀏覽我的其他文章來閱讀:

數學建模相關的內容以及方法?

www.zhihu.com圖標

10月-12月:美賽模擬賽:機構賽(省級/學校不認)

一般國賽比完之後,很多機構都會開始迫不及待地宣傳美賽,並且邀請你參加一些美賽的模擬賽,比如「小美賽」,「亞太賽」,AoCMM等比賽都是如此。使用方法參考國賽模擬賽,這裡不再說明。只要記得一條,強迫自己查找外文文獻,並且提高自己的閱讀能力。一些英文資料庫也應該開始嘗試使用。還有像SCI-HUB這樣的神器自己也應該多找一找,我有一些有關美賽的資源,在上述收藏夾當中也有。

*其他比賽(校內賽,數學建模直接有關的比賽,數學建模間接相關的比賽)

1.校內賽(國賽/美賽選拔賽):

一些參賽過於熱情的大學或者說數學建模競賽直接決定保研命運的大學大多會有一兩場校內賽,可能是幫你免除參賽費用,可能是給你一個參賽機會。題目難度參差不齊,這個比較依賴於各個學校的水平。但是,由於這些比賽可能直接影響到國賽或者美賽的參賽資格,因此還是不可以掉以輕心,可能要拿出最好的水平來應對校內賽。當然,如果你已經功成名就,比如說已經是學校比賽風雲人物,基本上參賽就是一個電話的事情,那麼完全沒必要在校內賽當中虐人了。。

2.與數學建模競賽直接有關的比賽

比如中國高校SAS數據分析大賽,基本上可以說是利用SAS進行的數學建模競賽,其中很多模型還是數學模型,思想和方法也和數學建模競賽類似。或者「東證期貨杯」全國大學生統計建模競賽等比賽,基本上都是一些較為專業性質的數學建模競賽,對於常規學生來說可能並不一定完全合適,相關專業的學生可以考慮參與。

由於現在機器學習,深度學習等相關領域的興起,一些平台,比如天池大數據,Kaggle,數據城堡等平台推出了一系列的比賽,基本上可以認為你想比數學建模比賽,你可以比一輩子了。基本上每個月都有一些私企或者政府贊助的比賽,解決實際問題。但是由於很多業界大佬參與,因此本科生上去基本上就是被虐菜的水平,很多研究生組在上面比較活躍,還有一些互聯網大廠的老碼農這些都不是本科生可以輕易企及的對手。

上述比賽還有很多很多,可能不同的時間段,不同的機遇,遇到的比賽都不一樣,所以我只是拋磚引玉,讓大家知道還有哪些比賽和數學建模關係非常大,或者說本質還是數學建模競賽。

3.與數學建模競賽間接相關的比賽

這類比賽與2.相比,或許有著更多更多了,基本上需要充分發揮每一個人的想像力,這類比賽是完全無邊無盡的。只要是你這個比賽用到了數學建模,那麼就可以在一定程度上成為數學建模競賽。我這裡舉幾個例子:

1.挑戰杯學術作品競賽(大挑):你可以完全丟一篇數模論文上去,當然不要交水貨論文。

2.大學生節能減排競賽:你也可以通過數學模型建立一套理念,實現不實現是另外一回事,大不了你就混一個國家三等獎。

3.互聯網+、挑戰杯創業(小挑)等創新創業比賽:也可以基於數據或者數學模型為核心開展討論或者工作。

4.環境保護競賽:如果涉及到提交方案的比賽,那太好了,使用數模建立方案不僅易懂而且具有科學性質,比如2013年深圳杯的垃圾分類問題,就是和環保問題息息相關的問題。

5.金融/商業大賽:理由同上述,不在多說。

總之,大家發現沒有,只要涉及到論文的比賽,都幾乎可以強制變成數學建模競賽,關鍵還是你如何把數學巧妙地用進你所擅長的領域或者說比賽需要解決問題的途徑。總之,數學建模可以利用的地方有很多,但是總的來說,不建議大家過多考慮最後這一項了,畢竟每一個人精力有限。不要說這麼多比賽了,就是能單獨拿到一個國一或者美賽O/F獎的選手每年也都很少了。這份清單不僅適用於比賽新手,諸位大神也可以看看,自己在哪些比賽當中還沒有取得比較好的成績,希望諸位大神可以實現一次大滿貫。

共計5200字

2018.3.3日凌晨1:30於廣州家中


推薦閱讀:

求分析下炸金花的概率有什麼?
三次數學危機.終於陷入混沌
柯潔痛失世界第一,這是怎麼一回事兒?
多元函數極限的一些討論
Pell方程

TAG:數學建模 | 數學 |