參加過兩次數學建模,一次國賽一次美賽,但是比較菜,所以就侷限的說一下我自己的理解。
國賽的時候是一個根據太陽影子判斷經緯度的題,當時我們用到的方法只是窮舉法,主要利用程式設計,計算機的強計算力來窮舉得到最好的結果。
美賽是浴缸散熱的問題,涉及到物理熱學,我們把涉及到的指標散熱公式均列出來,基於方程組進行了一個迭代。
我認為數學建模吧,就是用比較合適的演算法(最好是能用到合適的演算法,不要像我們一樣只是窮舉或者使用計算力)來解決實際問題,數學建模會涉及到各個領域的知識,比如我參加的這兩次,一次設計到了地理知識,一次是物理。就需要團隊3人在這3、4天查詢相關的資料,補充相關知識,能夠把計算的方法大概掌握,能夠列出問題相關的等式或者演算法,利用這個方法得到結果。
數學建模幾乎沒有對錯,就是方法是否更好,精度是否更高。
當然兩次我們也都只是二等獎,主要是演算法掌握不熟練,並且無法在看到問題的時候迅速反映出哪種演算法更適合。
這都需要比較紮實的基本功吧。
參加過兩次數學建模,一次國賽一次美賽,但是比較菜,所以就侷限的說一下我自己的理解。
國賽的時候是一個根據太陽影子判斷經緯度的題,當時我們用到的方法只是窮舉法,主要利用程式設計,計算機的強計算力來窮舉得到最好的結果。
美賽是浴缸散熱的問題,涉及到物理熱學,我們把涉及到的指標散熱公式均列出來,基於方程組進行了一個迭代。
我認為數學建模吧,就是用比較合適的演算法(最好是能用到合適的演算法,不要像我們一樣只是窮舉或者使用計算力)來解決實際問題,數學建模會涉及到各個領域的知識,比如我參加的這兩次,一次設計到了地理知識,一次是物理。就需要團隊3人在這3、4天查詢相關的資料,補充相關知識,能夠把計算的方法大概掌握,能夠列出問題相關的等式或者演算法,利用這個方法得到結果。
數學建模幾乎沒有對錯,就是方法是否更好,精度是否更高。
當然兩次我們也都只是二等獎,主要是演算法掌握不熟練,並且無法在看到問題的時候迅速反映出哪種演算法更適合。
這都需要比較紮實的基本功吧。