关于美赛，你不能不知道的几件事！
参加过数模竞赛的你是否有过这样一种体验？
数模第一天，
我能拯救世界，天上地下、日月星辰都能解出来；
数模第二天，
我拉格朗日附体，编造出好多从没出现过的公式模型；
第三天，
我是当代陈景润，为了算模型两天用光N支笔；
今天，
我是曹雪芹，满纸荒唐言，一把辛酸泪。
吼吼，不要方，寒假备战做美赛，三系小编来助力~
下面就为你双手奉上“关于美赛，你不能不知道的几件事”
队员分工篇
数学模型的组队非常重要，三个人的团队一定要有分工明确而且互有合作，三个人都有其各自的特长，这样在某方面的问题的处理上才会保持高效率。
三个人的分工可以分为这几个方面：
数学员
数学员主攻建模，学习过很多数模相关的方法、知识，无论是对实际问题还是数学理论都有着比较敏感的思维能力，知道一个问题该怎样一步步经过化简而变为数学问题，而在数学上又有哪些相关的方法能够求解，他可以不能熟练地编程，但是要精通算法，能够一定程度上帮助程序员想算法，总之，数学员要做到的是能够把一个问题清晰地用数学关系定义，然后给出求解的方向;除此之外，数学员可以说是整个比赛中的中流砥柱啦，所以一定要对整个比赛的细节有所了解，在比赛中也最好对整个团队的进度有一个宏观的把握哦~
程序员
负责实现数学员的想法，因为作为数学员，要完成大部分的模型建立工作，因此调试程序这类工作就必须交给程序员来分担了，一些程序细节程序员必须非常明白，需要出图，出数据的地方必须能够非常迅速地给出；ACM的参赛选手是个不错的选择，他们的程序调试能力能够节约大量的时间，提高在有限时间内工作的工作效率。不过千万不要让程序员来编写latex哦~好钢用在刀刃上~
写手
在全文的写作中，数学员负责搭建模型的框架结构，程序员负责计算结果并与数学员讨论，进而形成模型部分的全部内容，而写手要做的。就是在此基础之上，将所有的图表，文字以一定的结构形式予以表达，注意写手时刻要从评委，也就是论文阅读者的角度考虑问题，在全文中形成一个完整地逻辑框架。同时要做好排版的工作，最终能够把数学员建立的模型和程序员算出的结果以最清晰的方式体现在论文中。一个好的写手能够清晰地分辨出模型中重要和次要的部分，这样对成文是有非常大的意义的。因为论文是评委能够唯一看到的成果，所以写手的水平直接决定了获奖的高低，重要性也不言而喻了。
三个人至少都能够擅长一方面的工作，同时相互之间也有交叉，这样，不至于在任何一个环节卡壳而没有人能够解决。因为每一项工作的工作量都比较庞大，因此，在准备的过程中就应该按照这个分工去准备而不要想着通吃。这样才真正达到了团队协作的效果。
赛前准备篇
模型储备
模型储备主要是指参赛队的数学基础，对常见模型、方法的理解，以及灵活运用这些知识的熟练程度。熟练掌握的模型越多，解决问题时的眼界越开阔，可选择的方法也越多。常见的模型和方法在主要的数学建模教材，或各种开放课程中都有介绍，每个参赛队都应该掌握以下这些内容：
微积分
线性代数
概率论与数理统计
规划模型
微分方程模型
图论模型
计算机仿真方法
再扩展一点，可以了解以下内容：
博弈论模型
微观经济学基本原理
元胞自动机模型
群体决策模型
智能计算（遗传算法、模拟退火算法、蚁群算法等）
基本的数字图像处理方法
常见的模式识别算法（聚类算法、神经网络、支撑向量机等）
这个列表可以一直写下去，但是有了这些模型的储备，粗略估计可以应对80%以上的问题。
特别注意，时间有限，精力有限，短时间内不可能精通所有的模型和算法，基本模型要熟练，扩展方法可以先掌握思想、原理，适应的场合，应用的条件，优缺点等基本信息，再了解细节。
计算能力
数学建模竞赛对计算能力的要求，与ACM的ICPC程序设计竞赛的要求不一样，范围更广，不只是编程。程序设计竞赛的高手，不见得能够完成数模竞赛中的计算任务。数学建模竞赛所需的计算机技能大体如下：
文献检索，数据收集（搜索引擎，数据库）
编程能力
至少能够熟练使用一种高级语言
常见的数值计算方法
常用的图论算法
文本文件读取、处理
数字图像（基本概念，读取，简单加工）
常用图表绘制
参考文献管理
科技论文排版（规范，软件）
文本文件编辑器（*）
正则表达式（*）
版本控制（*）
注：加*项目为可选项
论文写作
写作是数模竞赛中最关键的一步，因为竞赛的作品就是论文，三个人几天的劳动成果都要在论文中体现。没写出来，写不出来，或者没有恰当的写出来都会影响竞赛成绩。
对于美国赛而言，论文写作水平是指两个方面，一是会不会写科技论文，二是英文表达能力如何，也就是会不会用英文写。如果模型做的不好，自然写不出来好论文，但是更普遍的现象是，模型做的不错，但是没写好，最后成绩很差。
写作是个大话题，一两句话说不清楚，这里推荐一本书《正确写作美国大学生数学建模竞赛论文》，这是美国大学生数学建模竞赛指导丛书中的一本，是由COMAP与高等教育出版社联合策划出版的，好象也是市场上唯一一本专门针对数学建模竞赛论文写作的参考书。看完这本就差不多了。
除了这本书，往年的优秀论文也是必须要看的，而且要认真看，认真研究。
当然，只看书和优秀论文是无法提高写作水平的，一定要自己动手写。写完与优秀论文对比，或者请老师点评，再修改，逐步提高。
选题说明篇
所谓6种题型，提示了部分题目的内容，但如果作为选题依据，作用非常有限。如果是为了更好的选题，搞清楚MCM与ICM的区别，可能更有帮助。
选哪道题不是特别重要，重要的是应该“尽快”选题。竞赛时间是固定的，选题的时间越长，做题的时间越少。选题多花1小时，意味着建模和写论文的时间就少了1小时。
能获什么奖主要看实力，其次看运气。准备越充分，胜算越大。如果不想碰运气的话，让下面的注意事项帮你事半功倍。
首先，MCM/ICM（年起）每年共有6道题，不是6种题，MCM是ABC三题，ICM是DEF三题。对6道题目类型的描述，不是严格的划分，角度和依据都不相同。
continuous和discrete是指模型的类型，datainsights是指问题数据的特征，operationsresearch/networkscience和environmentalscience是指问题涉及到的学科，而environmentalscience和policy又是指问题本身的背景。这不是按照同一标准对题目进行划分，之间有重叠。最显然的，如果认为continuous和discrete是互补的，那么其他4道题目应该可以分别归入其中某一类。
其次，这些一两个词的描述过于笼统、宽泛，无法体现题目的具体特征，特别是A、B、F题的描述，提供的信息非常少，说了几乎等于没说。continuous、discrete把所有的模型全包括了。policy范围也太广，人类主宰世界，方方面面都可能涉及政策问题。而且F题也是年新增加的，只有年一年的题目（难民问题），暂时还看不出来什么规律。
而C题和D题的特征相对具体一些。比如，针对年起MCM新增加的C题，COMAP（ConsortiumforMathematicsandItsApplications）专门发布了一份文档（中文简介）说明其特征。概括起来，MCM的C题与数据有关，虽然称不上大数据，但压缩包也在MB以上，与MCM/ICM其他题目相比，数据量算是大的（实际上以往MCM/ICM的题目很少给数据），这就要求选这一题的参赛队要熟悉数据处理的基本方法，包括预处理、后处理等，并掌握相应的编程技能或是相关软件的使用方法。模型、方法方面，可能主要集中在统计、模式识别等方向。再比如D题如果是网络科学的问题的话，所用到模型、算法、软件比较集中，有章可循。近几年网络科学是一个热门研究领域，算法、软件包括可视化的软件都很多，如果对这一领域的相关知识和软件都比较熟悉，选题时可以重点北京看白癜风最好医院北京好的白癜风医院是哪家