2024数学建模美赛A题B题C题D题E题F题思路代码选题建议_2024数学建模美赛b题论文

本次美赛团队提供3-4题的原创数据、代码和限量文章（MCM选两题 ICM里选2题），提供2-3个题目的合作团队的原创代码和文章
所有助攻题目同时开展！全网最快最全！
2月2日 第一天中午前给出数据和第一版代码
2月2日 第一天晚上前给出最终数据和第二版代码
2月3日 第二天早上给出第三版代码和第一版限量论文
2月3日 第二天下午前给出代码详细讲解视频和代码降重方法
2月3日 第二天晚上给出第二版限量论文
2月4日 第三天给出论文讲解降重方法和替换内容
2月5日 第四天早上提供不含水印的图片和word版本限量论文，购买一对一定制等服务的给出终稿。
大家只要关注就可看到免费分享的思路～

#qun 137540053
1

下面是干货内容！

美赛写作
美赛论文写作框架
Summary Sheet(摘要页)
Contents(目录)
1 Introduction(引言)
2 Assumptions and Justifications(模型假设和合理性验证)
3 Notations(符号说明)
4 The name of model 1(模型1的建立和求解，一般用来解决题目问的第一个问题)
5 The name of model 2(模型2的建立和求解，一般用来解决题目问的第二个问题)
6 The name of model 3(模型3的建立和求解，一般用来解决题目问的第三个问题)
7 Sensitivity Analysis(灵敏度分析)
8 Model Evaluation and Further Discussion(模型的评价和进一步的讨论)
9 Conclusion(结论)
References(参考文献)
Appendices(附录)
Summary
Summary（摘要）是美赛论文的重要组成部分，应该放在论文的第一页展示。评委们对摘要相当重视，获奖论文和其他论文的区别往往就在于摘要的好坏！
• 什么是写得好的摘要呢？想象一个读者看到你的摘要后，是否会选择继续阅读文章的正文部分。你在摘要中的简明陈述要能激发读者去了解你论文的细节。
• 摘要一般放到论文的最后再去写，你的摘要需要清楚地描述你解决问题的方法并放上你最重要的结论。一定要安排好时间来写一个全面和清晰的摘要。
• 那些摘抄问题重述或者直接从引言部分复制粘贴拼凑出来的摘要都是不合格的。
常见的摘要布局
下面这种摘要的布局是美赛论文中最为常见的，和国赛的摘要完全一致

另一种常见的摘要布局：使用表达先后顺序的词语开头后，再来介绍求解每个问题的模型和得到的结论

Title & Keywords
Title指的是论文的标题，国赛论文的标题有下面两种写法，美赛论文可直接借鉴：
• 基于所使用的主要模型或者方法作为标题
e.g. (2020e)An Integrated Production-Waste-Harm Model Based on Combination Prediction and Dynamic Programming , (2020d)Teamwork Analysis of Huskies Based on Passing Networks （注意观察标题字母的大小写！一般，介词需要小写，例如常见的of on at in）
• 直接使用赛题所给的题目或者要研究的问题作为标题
e.g. (2020e)Global Disposable Plastic Waste Crisis, (2020d)Improving Team Performance During a Football Match
在美赛中，还有一种标题的写法：这种标题看着简短但有新意，能吸引读者，一般出现在偏社会、经济、文化类型的题目中：
e.g. (2020f) The Wandering Homeland, (2020f) NOT ME,US!, (2020e) Less Waste & better World
Introduction
Introduction可以翻译成引言部分，大部分特等奖论文的引言部分都包含两到三个小部分。

1. Problem Background(问题背景)
   这个小部分里面可以总结题目所给问题的背景，也可以加上自己查到的一些相关的资料，不要直接照搬题目。小技巧：美赛的问题比国赛要更开放，大家写这个部分时可以结合你对于赛题的理解，要将这个背景介绍有侧重的往自己研究的方向去靠。例如，某个现实问题往往会涉及到经济、社会、生态、文化等各个层面，如果你的模型主要针对该问题对经济造成的影响，那么你的背景介绍就侧重于对经济层面的影响来写。
2. Restatement of the Problem(问题重述)
   用自己的话来总结下题目问我们的问题。下面是一个通用的模版，大家可以改改：
   Considering the background information and restricted conditions identified in the problem statement, we need to solve the following problems:
   1.Problem 1
   2.Problem 2
   3.Problem 3
   注意，这个小部分也可以和问题背景合并到一起，作为第一个小部分(和国赛类似)，大家根据自己的需要调整。
3. Literature Review(文献综述)
   这部分主要是总结以前的学者针对这个问题已经做的研究。事实上，绝大多数期刊发表的论文都会有文献综述部分。但在美赛特等奖论文中，只有不到30%的论文有这一部分，不是说这部分不重要，而是这一部分很难写。
   国赛不需要写文献综述；针对美赛而言，如果你以前有写过学术论文的经历，那么可以考虑加上这一部分，这一部分可以称得上是论文的一个小亮点。
4. Our Work(我们的工作)
   这个小部分主要介绍论文的分析思路和建模的框架，有点像国赛论文中的问题分析部分，也有一些论文把这
   个部分叫做：Overview(概述) of Our Work.大家如果看特等奖论文的话，会发现很多论文在这一部分都绘制了一个漂亮的图形来介绍文章的思路，大家可以模仿模仿。

2021年A题2100454
Assumptions and Justifications
无论解答什么样的赛题，参赛小组在论文中都应该明确列出所有用到的假设条件，并解释其合理性。如果对某个假设无法给出满意的解释，则应重新考虑这个假设是否合理，并进行修改，使得修改后的假设能有满意的解释。评委不但会检查论文是否列出了在建模过程中用到的所有假设，而且还会审查这些假设是否合理，以及论文对这些假设的合理性是否给出了满意的解释。
总结：在假设的同时要论证假设的合理性，这一点和国赛不同，如下图例子所示：

Abbreviation and Definitions
Abbreviation就是缩写，Definitions就是定义，对应国赛论文中的符号说明部分，
We begin by defining a list of nomenclature (symbols) used in this article, cf. Table 2.

Data Description
Data Description翻译过来就是数据描述。如果自己收集了数据或者题目给了数据的话，可以先对数据进行一个简单的介绍，或者将数据可视化，然后再从图形中得到一些直观的结论。这里给大家一些相关的术语的翻译：
1.Data Collection(数据的收集)
2.Data Pre-processing(数据预处理) / Data Cleaning(数据清洗)
3.Data Visualization(数据可视化)
4.Descriptive Statistical Analysis of the Data(数据的描述性统计分析)

The name of model 1,2,3
在国赛的框架中，下一个部分应该是模型的建立与求解，美赛也不例外。关于这部分的具体写作方法，大家可以参考前面的内容。我们这里看看国赛和美赛的两点差异：排版布局和标题的命名方式。
（1）这部分的布局一般有右侧这两种方案，国赛中用的较多的是上面的这种布局（所有问题都放在一个大标题内），而在美赛中用的较多的则是下面的这种布局（每个问题单独构造一个大标题）。
（2）标题的命名方法不同。国赛这部分的命名非常直接，就像上图一样，一般直接命名为“问题一二三模型的建立和求解”；而美赛的命名方式五花八门，有些论文使用建立的模型的名称命名；有些使用论文要解决的问题命名；也有些论文使用和国赛一样简单粗暴的方式命名。我们后面会看到很多具体的例子。注意：这个差异是相对的，我这里只是总结的大多数论文的做法，没有对错之分，大家根据自己的写作风格来决定使用哪种布局和命名方法。
以模型命名的例子

以要解决的问题命名的例子

Sensitivity Analysis
在美赛中，明确要求需要进行Sensitivity Analysis，也就是灵敏性分析，不然直接S奖，所以我们在这里对灵敏性分析重点介绍：
灵敏度分析常见于优化或预测类问题，在优化中经常会将决策变量前面的参数直接取值，如运费的价格、物料的成本等，但事实上价格成本等因素受市场波动很大，因此需要进行稳定性测试；而预测类问题由于对未来情况的不确定性，往往对相关指标进行限定，如死亡率、移民率等，则需要进行对其进行灵敏度的分析。
灵敏性分析的成功应用通常要有较好的判断力，通常既不可能对模型中的每个参数都计算灵敏性系数，也没有这种特别的要求。我们需要选择那些有较大不确定性的参数进行灵敏性分析。对灵敏性系数的解释还要依赖于参数的不确定程度。原始问题中数据的不确定程度会影响我们对答案的自信度。
因此，灵敏度分析也是为了让自己所建的模型更具备一定的说服力。如果你建立的模型中核心参数仅仅对在某个点处可以比较好的解决问题，取其它值时，就不起作用了。那么这个模型的普适性就不强。
在建模过程中，如果发现结果随参数的改变而改变，并且变动幅度较大则说明改参数对模型的影响程度较大，不易将其作为常数处理，如果变动较小，则意味着该参数对结果影响较小，可以不予单独考虑。
以下是一些灵敏度分析的例子，可以看到，灵敏度分析部分的图主要为一些简单的曲线图、热图、误差图，所以当时间不足时，我们可以编造一些简单的数据直接绘图

Strength and Weakness
该部分可以翻译为模型的评价和进一步的讨论，对应于国赛框架中的模型的评价、改进与推广部分，具体的写法和国赛一样，请大家看前面的视频。
我们可以把这个大的部分拆分成三个小部分写：
（1）Strengths，这里写论文或者模型的优点
（2）Weaknesses，这里写缺点：缺点写的个数一般要比优点少
（3） Further Discussion，进行进一步的讨论，这里可以写模型的改进和拓展。模型改进：Model Improvements；模型拓展：Model Extensions
References
在美赛中，参考文献不要出现中文，如果要引用中文论文或者书籍需要自己翻译一下
Article（文章）

Letter（信件）

Memo（备忘录）

GUIDE（用户手册）

本人2022美赛F奖附录的GUIDE
三、论文排版
LaTeX和word排版模板（带样式）在上文【我收集的资料】一节
我的个人经验和观点，仅供大家参考：
（1）如果未来要走学术道路，特别是计算机或者数学专业的同学，LaTeX是必不可少的。很多国外的期刊投稿的论文需要用LaTeX排版。
（2）平时喜欢在电脑上做笔记而且有大量公式要编辑的同学也可以学习LaTeX，用熟练的话非常方便。
（3）LaTeX要学好真的很难，一个是安装配置LaTeX的编译环境比较复杂，对于中文的支持也不算友好；另一个就是遇到了错误有时候真的很绝望，相对于Word能找到的资料还是挺少的，最好是有LaTeX大神愿意带你。
（4）对于数学建模比赛而言，大家可以在美赛中尝试使用LaTeX进行排版，国内比赛没有必要。另外，新手使用LaTeX排版都是套用别人的模版，大家可以百度下LaTeX工作室这个网站，上面有很多模版。
欣赏优秀论文的排版
共同特点：
（1）整体结构完整，大多数论文都是使用三级标题式进行布局；
（2）论文正文部分排版紧凑，没有大段空行，内容看上去翔实；
（3）表格整洁，一般使用三线表形式，表格上方有对应的标题；
（4）图形清晰美观，下方有对应的标题，文中要解释图形意义；
（5）公式编辑规范，大部分论文使用公式编辑器，且带有编号。
我这里给一个较为美观的基本排版方案，然后再来制作对应的论文模版：
（1）论文的首页是摘要页，论文标题使用三号黑体，摘要两个字使用四号黑体，关键词两个字使用小四黑体。
（2）论文的正文部分使用小四宋体(中文)和小四Times New Roman字体(西文)，行距设置为单倍，首行缩进两个字符。
（3）一级标题使用四号黑体，无缩进居中对齐，段前段后6磅，单倍行距，编号使用“一、二、三、四、”等。
（4）二级标题使用小四黑体，无缩进左对齐，段后6磅，单倍行距，编号使用“1.1 1.2 2.1 2.2 2.3 ”等。
（5）三级标题使用小四黑体，无缩进左对齐，单倍行距，编号使用“3.1.1 3.1.2 5.3.1 5.3.2 ”等。不建议使用三级以上的标题，看起来太长了。
（6）论文中的图片、表格居中对齐，无缩进；表格上方和图片下方的标题使用五号宋体加粗(中文)和五号Times New Roman字体加粗(西文)，无缩进，居中对齐。
样式的使用
样式是一种预先定义好的文本或段落格式，包括字体、字号、颜色、对齐方式、缩进等，你可以把样式看成一个排版的模版。一般我们利用样式设置论文的多级标题。
多级列表通常配合样式功能使用。论文中不同级别的标题通常需要进行编号，将多级列表链接到标题样式后，就能够实现标题的自动编号功能。

使用样式的好处
1.打开导航窗格便于定位和查看文章内容
2.可以生成自动列表，对于书籍排版或者毕业论文排版很有帮助
3.将Word导出为PDF文件也可以得到相应的书签，方便读者阅读

三线表
三线表以其形式简洁、功能分明、阅读方便而在科技论文中被推荐使用。三线表一般主要由三条横线构成，从上到下分别称为顶线、栏目线和底线。（注意：表两侧没有竖线）其中顶线和底线为粗线，栏目线为细线。当然，三线表并不一定只有三条线，必要时可加辅助线，
后面我们会看到例子。在表格的上面要写上表格的编号和对应的标题，便于读者理解表格的内容。