1. 項目概述一次從零到一的數(shù)模競賽實戰(zhàn)復(fù)盤2020年的美賽也就是美國大學(xué)生數(shù)學(xué)建模競賽對于我和我的團(tuán)隊來說絕對是一場硬仗。那一年全球疫情初起很多線下活動都轉(zhuǎn)到了線上美賽也不例外我們是在宿舍里隔著屏幕完成了四天四夜的鏖戰(zhàn)。現(xiàn)在回過頭來看那次經(jīng)歷不僅僅是拿了一個獎更重要的是它把我們從課本上的理論直接拽到了解決真實世界復(fù)雜問題的第一線。整個過程從選題、建模、求解到論文寫作每一步都充滿了挑戰(zhàn)和抉擇。今天我就以一個過來人的身份把這四天里我們踩過的坑、總結(jié)的經(jīng)驗以及那些只有真正做過才知道的細(xì)節(jié)毫無保留地分享出來。無論你是即將第一次參賽的新手還是想優(yōu)化策略的老兵希望這篇復(fù)盤能給你帶來一些實實在在的啟發(fā)。我們的核心目標(biāo)很簡單在有限的時間里把一個開放性的現(xiàn)實問題用數(shù)學(xué)的語言說清楚并給出有說服力的解決方案。2. 賽前準(zhǔn)備不打無準(zhǔn)備之仗很多人覺得美賽是四天的突擊但實際上決定勝負(fù)的因素有超過一半是在比賽開始前就定下的。這里的準(zhǔn)備遠(yuǎn)不止是學(xué)幾個模型、看幾篇范文那么簡單。2.1 團(tuán)隊構(gòu)建與角色定位一個高效的團(tuán)隊是成功的基石。我們團(tuán)隊是三人制在組建時我們刻意避免了“三個建模手”或“三個編程手”的單一結(jié)構(gòu)。我們的分工非常明確并且提前磨合了很久建模手我本人負(fù)責(zé)核心思路的構(gòu)建、模型的選擇與推導(dǎo)、結(jié)果的解讀。需要具備扎實的數(shù)學(xué)功底、廣泛的模型知識優(yōu)化、統(tǒng)計、微分方程、圖論、評價等和快速學(xué)習(xí)新知識的能力。我的工作是從題目中抽象出數(shù)學(xué)問題。編程手負(fù)責(zé)將模型轉(zhuǎn)化為可運(yùn)行的代碼進(jìn)行數(shù)據(jù)清洗、計算求解、可視化。他需要精通至少一門科學(xué)計算語言我們用的是Python搭配NumPy, Pandas, Matplotlib, Scikit-learn等庫并對算法實現(xiàn)有深刻理解。他的任務(wù)是讓模型“跑起來”并給出準(zhǔn)確的結(jié)果。寫手負(fù)責(zé)論文的撰寫、翻譯、潤色和排版。這個角色常常被低估但實際上至關(guān)重要。他需要將建模和編程的成果用清晰、嚴(yán)謹(jǐn)、地道的英文組織成一篇邏輯通順的學(xué)術(shù)論文。我們的寫手英語功底極好并且熟練使用LaTeX。注意角色是主責(zé)但不是隔絕。建模手要懂一點(diǎn)編程邏輯以便和編程手高效溝通編程手要理解模型才能正確實現(xiàn)寫手更要全程參與討論理解每一步的意圖否則寫出來的東西就是無源之水。我們賽前一起精讀并分析了至少5篇O獎Outstanding Winner特等獎?wù)撐牟皇菫榱四７缕鋬?nèi)容而是學(xué)習(xí)其邏輯展開方式、圖表呈現(xiàn)技巧和語言表達(dá)風(fēng)格。2.2 工具鏈的標(biāo)準(zhǔn)化與協(xié)同工欲善其事必先利其器。四天時間分秒必爭任何工具上的卡頓都是致命的。協(xié)同平臺我們使用Overleaf進(jìn)行LaTeX論文寫作。它的優(yōu)勢是實時協(xié)作、版本歷史清晰并且無需在本地配置復(fù)雜的LaTeX環(huán)境。我們提前準(zhǔn)備好了美賽的LaTeX模板并熟悉了常用宏包。代碼與數(shù)據(jù)管理使用GitHub私有倉庫管理所有代碼、數(shù)據(jù)和中間結(jié)果。每天固定時間commit和push確保每個人的工作進(jìn)度同步并且可以回溯。溝通工具除了微信/QQ即時通訊我們專門用騰訊會議進(jìn)行每日固定的集中討論早、中、晚。共享屏幕功能對于講解模型思路、展示初步結(jié)果無比重要。軟件環(huán)境編程Python (Jupyter Notebook / VSCode) MATLAB作為備用處理某些特定優(yōu)化問題時可能更方便。繪圖Python的Matplotlib和Seaborn是主力復(fù)雜網(wǎng)絡(luò)圖用Gephi地理信息可視化用ArcGIS或簡單的Python Basemap庫根據(jù)題目需求。公式編輯Mathpix Snip這個神器可以將手寫或截圖中的公式瞬間轉(zhuǎn)化為LaTeX代碼極大提升了論文中公式錄入的效率。文獻(xiàn)管理Zotero用于快速整理和引用我們在解題過程中查閱的參考文獻(xiàn)。我們賽前專門花了一個下午把所有工具走了一遍流程從Git克隆倉庫到Overleaf導(dǎo)入模板再到用Mathpix插入公式確保比賽時不會在技術(shù)環(huán)節(jié)掉鏈子。3. 賽時實戰(zhàn)四天四夜的節(jié)奏把控與決策藝術(shù)比賽開始的時刻才是真正考驗的開始。如何分配這寶貴的96小時直接決定了論文的質(zhì)量。3.1 第一天選題與破題關(guān)鍵24小時第一天是最緊張也最關(guān)鍵的。美賽通常有A連續(xù)、B離散、C數(shù)據(jù)、D運(yùn)籌/網(wǎng)絡(luò)科學(xué)、E環(huán)境、F政策六道題。我們的策略是快速瀏覽2小時內(nèi)每個人獨(dú)立閱讀所有題目的英文原文不深究只記錄第一印象和直覺上覺得自己有思路的題目。集中討論3-4小時開會每人陳述對每道題的初步理解、可能的切入點(diǎn)和存在的困難。此時要避免“我覺得這個題好玩”的情緒化選擇而要聚焦于“我們團(tuán)隊有沒有能力在四天內(nèi)解決它”。深入調(diào)研下午至晚上將范圍縮小到2-3個備選題后分頭進(jìn)行深度調(diào)研。這包括搜索相關(guān)文獻(xiàn)了解問題的背景、學(xué)術(shù)界已有的研究常用模型和方法。評估數(shù)據(jù)可得性題目是否提供了數(shù)據(jù)如果沒有公開數(shù)據(jù)源如世界銀行、Kaggle、政府公開數(shù)據(jù)平臺中是否容易獲取數(shù)據(jù)質(zhì)量如何構(gòu)思初步模型針對每個備選題頭腦風(fēng)暴可能的建模路徑。是優(yōu)化問題預(yù)測問題還是評價問題需要用到微分方程、統(tǒng)計分析還是機(jī)器學(xué)習(xí)最終定題第一晚睡前再次開會綜合評估。我們當(dāng)時的評估標(biāo)準(zhǔn)是問題是否清晰、數(shù)據(jù)是否可解、模型是否有創(chuàng)新空間、是否契合團(tuán)隊技能樹。最終我們選擇了一個涉及網(wǎng)絡(luò)分析和優(yōu)化決策的題目因為它既有經(jīng)典的圖論基礎(chǔ)又可以結(jié)合一些啟發(fā)式算法進(jìn)行創(chuàng)新且數(shù)據(jù)相對規(guī)整。實操心得切忌在選題上猶豫不決消耗過多時間。第一天的目標(biāo)是“選定一個能做的題”而不是“選定一個完美的題”。很多隊伍失敗在第一天反復(fù)橫跳第二天還沒開始建模。3.2 第二天至第三天建模與求解核心攻堅期定題后就進(jìn)入了高速執(zhí)行階段。這兩天是產(chǎn)出核心內(nèi)容的關(guān)鍵。模型構(gòu)建第二天白天建模手主導(dǎo)基于第一天的思路構(gòu)建詳細(xì)的數(shù)學(xué)模型。這包括定義要素明確問題中的實體、變量、參數(shù)。建立關(guān)系用數(shù)學(xué)公式描述要素之間的約束條件、目標(biāo)函數(shù)。模型分層我們很少用一個單一復(fù)雜模型解決所有問題。通常采用“分步走”或“分層”策略。例如先用一個模型進(jìn)行聚類或分類再用另一個模型對每一類進(jìn)行優(yōu)化。這樣模型更清晰也更容易求解和解釋。編程實現(xiàn)與數(shù)據(jù)清洗第二天下午至第三天全天編程手同步或緊隨其后開始工作。數(shù)據(jù)清洗這是最耗時也最容易被低估的環(huán)節(jié)。處理缺失值、異常值、統(tǒng)一格式、進(jìn)行歸一化等。我們花了將近半天時間才把數(shù)據(jù)整理成可用的格式。算法實現(xiàn)將數(shù)學(xué)模型翻譯成代碼。對于經(jīng)典算法如最短路徑Dijkstra、聚類K-Means我們使用成熟的庫對于需要自定義的優(yōu)化算法如遺傳算法、模擬退火編程手需要自己實現(xiàn)或大幅修改?！芭芡ā钡谝话婺繕?biāo)是盡快得到一個可以運(yùn)行、能輸出初步結(jié)果的程序哪怕結(jié)果很粗糙。這能給我們巨大的信心并驗證模型的基本可行性。模型調(diào)試與優(yōu)化第三天根據(jù)初步結(jié)果反推模型。結(jié)果合理嗎如果結(jié)果明顯違背常識比如成本為負(fù)數(shù)可能是模型假設(shè)錯誤或代碼有bug。靈敏度分析改變關(guān)鍵參數(shù)觀察結(jié)果的變化是否穩(wěn)定、是否符合預(yù)期。這是體現(xiàn)模型穩(wěn)健性的重要部分也是論文的加分項。模型簡化與創(chuàng)新在保證效果的前提下思考能否簡化模型以降低計算復(fù)雜度或者能否引入一個新的機(jī)制如考慮隨機(jī)性、動態(tài)性來提升模型的現(xiàn)實意義踩坑實錄我們在實現(xiàn)一個自定義啟發(fā)式算法時初期版本運(yùn)行一次需要1個多小時完全無法進(jìn)行參數(shù)調(diào)試和靈敏度分析。后來編程手優(yōu)化了數(shù)據(jù)結(jié)構(gòu)將鄰接矩陣從列表換成稀疏矩陣并引入了向量化計算將單次運(yùn)行時間壓縮到10分鐘以內(nèi)。這個優(yōu)化過程本身后來也寫進(jìn)了論文的“模型優(yōu)化”部分成為了一個亮點(diǎn)。3.3 第四天論文寫作與收尾沖刺與拋光最后一天寫手從后臺走向前臺成為絕對主角。前兩天寫手就應(yīng)該開始撰寫論文的“背景介紹”、“問題重述”等靜態(tài)部分。初稿撰寫第四天上午建模和編程基本定型后寫手開始全力撰寫“模型建立”、“模型求解”、“結(jié)果分析”等核心章節(jié)。此時建模手和編程手需要提供詳細(xì)的素材模型公式的LaTeX代碼、核心算法的偽代碼、生成的結(jié)果圖表必須是高清矢量圖如PDF或SVG格式以及對結(jié)果的文字解釋。整合與翻譯第四天下午將各個部分整合成一篇完整的論文。重點(diǎn)檢查邏輯流從問題引入到模型假設(shè)到建立與求解再到結(jié)果分析最后總結(jié)建議這條主線必須清晰流暢。圖表質(zhì)量每一張圖、每一個表都必須有編號和自解釋性的標(biāo)題Caption。圖表要美觀、專業(yè)顏色搭配協(xié)調(diào)建議使用ColorBrewer的配色方案。語言表達(dá)避免中式英語。多使用被動語態(tài)、客觀陳述。我們當(dāng)時是寫手寫完后建模手和編程手分別從技術(shù)和邏輯角度審閱最后再由寫手統(tǒng)一進(jìn)行語言潤色。摘要Abstract—— 最后寫但最重要第四天晚上評委最先看、也最主要看的就是摘要。我們留出最后2-3小時專門打磨摘要。摘要必須獨(dú)立成文用一頁紙的篇幅清晰闡述1. 問題是什么2. 我們用了什么方法模型3. 得到了什么關(guān)鍵結(jié)果4. 提出了什么建議或結(jié)論。要具體避免空話可以包含關(guān)鍵的數(shù)據(jù)和結(jié)論。最終檢查與提交截止前1小時檢查格式頁邊距、字體、行距、參考文獻(xiàn)引用、圖表編號是否連續(xù)、有無拼寫語法錯誤。最后將Overleaf上的項目編譯為PDF并在官網(wǎng)提交系統(tǒng)關(guān)閉前穩(wěn)穩(wěn)地提交上去。4. 核心模型與技巧深度解析美賽獲獎?wù)撐牡暮诵母偁幜υ谟谀Ｐ?。但這里的“模型”不是指用了多高深的理論而是指針對問題特點(diǎn)合理選擇、組合甚至改進(jìn)現(xiàn)有模型的能力。4.1 模型選擇的“三步法”面對一個問題我們是這樣拆解的問題歸類這是預(yù)測、優(yōu)化、評價、關(guān)聯(lián)分析還是模擬問題這決定了模型的大方向。數(shù)據(jù)審視數(shù)據(jù)是連續(xù)的還是離散的是時間序列、截面數(shù)據(jù)還是面板數(shù)據(jù)數(shù)據(jù)量大小這決定了模型的可行性。比如數(shù)據(jù)量小復(fù)雜的深度學(xué)習(xí)模型就很容易過擬合不如用傳統(tǒng)的統(tǒng)計模型。方法匹配在大方向下選擇具體模型。例如對于優(yōu)化問題如果問題是線性的首選線性規(guī)劃如果是非線性的但可微考慮梯度下降如果是組合優(yōu)化可能要用啟發(fā)式算法遺傳算法、模擬退火。我們當(dāng)時處理一個資源分配問題本質(zhì)上是整數(shù)規(guī)劃但變量規(guī)模較大直接求解器效率低。我們將其分解為一個兩階段模型第一階段用聚類K-Means對需求點(diǎn)分組第二階段在每個組內(nèi)用精確求解器求解小規(guī)模的整數(shù)規(guī)劃。這樣既保證了精度又大幅提升了計算效率。4.2 可視化讓結(jié)果自己說話一張好的圖勝過千言萬語。美賽論文中可視化是展示結(jié)果、支撐論點(diǎn)的重要手段。趨勢圖時間序列數(shù)據(jù)用折線圖展示預(yù)測效果時一定要將歷史數(shù)據(jù)真實值和預(yù)測值畫在一起并用不同顏色或線型區(qū)分。分布圖直方圖、箱線圖用于展示數(shù)據(jù)的分布和異常值。關(guān)系圖散點(diǎn)圖、熱力圖用于展示變量間的相關(guān)性。地理信息圖如果問題涉及空間地圖是必須的?？梢杂肞ython的Basemap/GeoPandas或在線工具如kepler.gl制作標(biāo)注關(guān)鍵信息。網(wǎng)絡(luò)圖對于網(wǎng)絡(luò)問題使用Gephi或NetworkX繪制網(wǎng)絡(luò)拓?fù)溆霉?jié)點(diǎn)大小、顏色、邊的粗細(xì)來編碼不同的屬性如流量、重要性。我們論文中的一個亮點(diǎn)是用動畫GIF展示了一個動態(tài)決策過程。雖然論文PDF是靜態(tài)的但我們將動畫的幾幀關(guān)鍵截圖放入論文并在附錄中提供了生成動畫的代碼和查看說明。這極大地增強(qiáng)了結(jié)果的表現(xiàn)力。4.3 靈敏度分析與模型檢驗這是區(qū)分普通論文和優(yōu)秀論文的關(guān)鍵。模型不是建完就完了必須接受“拷問”。靈敏度分析改變模型中的關(guān)鍵參數(shù)如權(quán)重系數(shù)、折扣率、約束條件上下限觀察目標(biāo)函數(shù)或核心輸出結(jié)果的變化程度。如果變化劇烈說明模型對該參數(shù)敏感需要在論文中重點(diǎn)討論其取值依據(jù)和穩(wěn)定性。我們通常會做一個參數(shù)-結(jié)果變化的曲線圖。模型檢驗交叉驗證對于預(yù)測模型將數(shù)據(jù)分為訓(xùn)練集和測試集是基本操作。對比基準(zhǔn)你的模型結(jié)果和某個簡單的基準(zhǔn)模型如歷史平均值、簡單線性回歸相比提升有多大這個對比必須做?，F(xiàn)實一致性得到的結(jié)果是否符合領(lǐng)域常識如果不符合是發(fā)現(xiàn)了新規(guī)律還是模型有誤必須給出合理解釋。5. 常見“天坑”與應(yīng)急處理方案四天比賽中意外總比計劃多。以下是我們遇到或見其他隊伍遇到的典型問題及應(yīng)對策略。問題場景可能原因應(yīng)急處理方案編程跑不出結(jié)果或結(jié)果異常1. 代碼bug如死循環(huán)、數(shù)組越界。2. 數(shù)據(jù)預(yù)處理錯誤如空值未處理。3. 模型本身無解或求解器設(shè)置不當(dāng)。1.立即回退用Git回退到上一個能正常工作的版本。2.簡化問題用極小的、人造的測試數(shù)據(jù)驗證代碼邏輯。3.分模塊調(diào)試將整個模型拆解為獨(dú)立的小函數(shù)逐個驗證輸入輸出。4.求助備用方案如果時間緊迫考慮簡化模型如將整數(shù)規(guī)劃松弛為線性規(guī)劃求近似解。模型結(jié)果不理想與預(yù)期相差甚遠(yuǎn)1. 模型假設(shè)不符合實際情況。2. 關(guān)鍵因素未被納入考慮。3. 數(shù)據(jù)質(zhì)量太差噪聲大。1.重新審視假設(shè)團(tuán)隊快速開會列出所有假設(shè)逐一討論其合理性。2.快速嘗試替代模型準(zhǔn)備一個更簡單或思路完全不同的備用模型用1-2小時快速實現(xiàn)看是否有改善。有時“退一步海闊天空”。3.在論文中坦誠說明如果時間已不足以改進(jìn)就在論文的“局限性”部分誠實指出并分析可能的原因這比硬著頭皮吹噓一個糟糕的結(jié)果要好。寫作進(jìn)度嚴(yán)重滯后1. 建模和編程階段耗時超出預(yù)期擠壓寫作時間。2. 寫手對模型理解不透寫作困難。1.絕對底線無論如何在第四天中午必須開始撰寫核心部分。2.并行工作寫手在前期就要介入先寫背景、問題重述等部分。建模手和編程手在產(chǎn)出任何中間結(jié)果時都要同步給寫手一份簡要說明。3.“口述-記錄”模式最后關(guān)頭可以由建模手口述思路和結(jié)果寫手快速記錄整理先完成再潤色。團(tuán)隊意見產(chǎn)生嚴(yán)重分歧對選題、模型方向、結(jié)果解讀等有不同看法。1.設(shè)定決策機(jī)制賽前約定好如出現(xiàn)僵局由隊長決定或投票表決并尊重結(jié)果。2.數(shù)據(jù)說話對不同的思路可以各自快速做一個簡單的原型或可行性分析用初步結(jié)果來說服對方。3.牢記共同目標(biāo)提醒大家目標(biāo)是完成一篇高質(zhì)量的論文而不是證明誰的想法更聰明。妥協(xié)和融合往往是更好的選擇。最后時刻Overleaf編譯失敗或網(wǎng)絡(luò)問題LaTeX語法錯誤、宏包沖突、網(wǎng)絡(luò)擁堵。1.本地備份每天結(jié)束時務(wù)必從Overleaf下載完整的ZIP源碼包到本地。2.簡化文檔最后時刻避免添加新的復(fù)雜宏包或圖表。如果編譯出錯先注釋掉最新修改的部分確保主體能編譯通過。3.準(zhǔn)備純文本備用提前將摘要和關(guān)鍵部分保存在本地文本文件中萬一無法提交至少能以附件形式發(fā)送這些核心內(nèi)容雖然不正規(guī)但好過完全缺失。6. 從評審視角看什么樣的論文能脫穎而出作為參賽者了解評委如何看論文能讓我們有的放矢。摘要決定第一印象評委在短時間內(nèi)評審大量論文摘要幾乎是他們決定是否細(xì)讀全文的依據(jù)。摘要必須結(jié)構(gòu)完整、亮點(diǎn)突出、沒有廢話。邏輯清晰高于模型復(fù)雜一個用簡單模型但邏輯嚴(yán)密、解答完整的問題往往比一個用了高級模型但邏輯混亂、解答不全的論文得分更高。論文的敘事線要清晰。創(chuàng)新性體現(xiàn)在“適配”而非“炫技”創(chuàng)新不一定是發(fā)明一個新算法。將已有的模型巧妙地組合、改進(jìn)以更好地解決特定問題就是很好的創(chuàng)新?；蛘咴谀Ｐ椭屑尤胍粋€符合題意的、合理的獨(dú)特約束條件也是創(chuàng)新?？梢暬c表達(dá)的專業(yè)性圖表美觀、格式規(guī)范的論文會讓評委覺得這個隊伍認(rèn)真、專業(yè)在主觀印象上加分。語言流暢地道的英文更是錦上添花。誠實討論局限性在論文結(jié)尾部分客觀地討論模型的假設(shè)、不足之處以及未來改進(jìn)方向這體現(xiàn)了科學(xué)的嚴(yán)謹(jǐn)性是成熟的表現(xiàn)不會被扣分反而可能加分。最后我想說美賽的經(jīng)歷其價值遠(yuǎn)超過獎項本身。它逼著你在高壓下進(jìn)行跨學(xué)科的思考、團(tuán)隊協(xié)作和項目管理。我個人的最深體會是規(guī)劃比蠻干重要溝通比單干重要完成比完美重要。不要執(zhí)著于一開始就構(gòu)建一個驚天動地的完美模型而是先建立一個能跑通的、合理的基線模型然后在此基礎(chǔ)上迭代、優(yōu)化。四天時間是一個不斷做權(quán)衡和決策的過程學(xué)會在有限資源下做出最優(yōu)解這才是數(shù)學(xué)建模競賽教給我們最寶貴的一課。祝各位在未來的比賽中都能享受這個過程并取得理想的成績。