华为杯数学建模竞赛百分百获奖经验分享（获奖 == 5分经验，4分实力，1分运气）

!【注意】博主原创，转载请注明出处，纯属个人经验，路过勿喷

不知不觉，现在已经研二了！！！在最近的2019年“华为杯”全国研究生数学建模竞赛里博主喜获一等奖，虽然按照我以往经验获奖是必然的。但是出成绩，还是小激动了一下。这也应该是我最后一次个人名义参加数学建模竞赛，所以一直想着写个竞赛经验分享给大家。 很多人参加这个比赛就是为了获奖，尤其对于想在上海落户的同学。而且这个比赛也是众多官方认证比赛中比较容易取得成绩的一项。而且我也认为这个比赛相对于ACM，高等数学竞赛等看分数的比赛来说，含金量是比较低的。因为他的评奖方式是主观的，大部分赛题是没有标准答案的，你的论文是唯一的评分标准！！！既然是“主观评审”，那么就一定有“套路”！！！所以我也一直认为建模竞赛获奖，第一靠经验，第二靠实力，第三靠运气。

今天我就是要来分享我的竞赛经验，而且是十多次百分百获奖的经验。（比赛自动触发百分比获奖bug！！！）我下面主要从经验，实力2个方面来说明如何获奖以及如何准备。

怎样获取经验？如果你和我一样参加过十多次的建模竞赛，我相信你的经验已经很丰富了，拿个三等奖啥的还是很容易的。如果是没参加过的小白？怎么办？你只要认真读完我的博客，你就获得了博主百分百获奖的经验了！！！只要按照我说的准备，获奖还不是分分钟的事。。。 经验部分，我主要想从人员配置，知识准备，赛题选择三个方面来阐述。

没错，就是女生！！！俗话说，男女搭配干活不累。想想比赛三天或者四天比赛时间，三个大老爷们朝夕相处，还不停的讨论问题，很容易发生矛盾。这样只会搞得大家都不舒服，还能不能愉快的“建模”了。。。而且女生一般都比较心细，审美较好，很适合论文纠错，论文排版，绘制流程图，用ps修修图，写一写建议性的问题等等。

这个人男女都行，主要任务就是负责写论文包括摘要，问题分析等。但是要有一定的抗压能力，这就是全队核心！！！我建议论文的整体思路一定要由一个人来汇总，也就是论文一个人写。如果每人写一问就很容易造成，论文整体思路的混乱，因为很多题目的过个小问前后都是有联系的。总而言之，一个队伍里一定要有一个负责思路汇总，能够吧问题解题过程写清楚的人。尤其是摘要，一定要一个人写，其他人再来改，总值论文整体思路流程一定不要乱。

建模竞赛不会编程怎么出图出结果？所以会编程语言是必须的。matlab不用说，专业的科学计算语言，很多算法原型都是用matlab开发，矩阵计算，图形工具箱，拟合工具箱等等非常多的图形界面工具箱，拿来即用几乎不怎么需要编程就能实现很多模型。R语言不用说了，统计学专业必学的，ggplot，常用机器学习封装库都有。

但是我更推荐利用python解决建模问题，python的pandas，numpy，matplotlib等依赖库几乎可以完美的替代matlab的数据分析功能（可参考博主的入门教程）。就我个人感觉，python借助Seaborn库绘制的图形更加美观。而且，随着人工智能，机器学习，大数据越来越火，很多赛题也越来越倾向于数据挖掘，机器学习，大数据分析等等。python的scipy（优化算法库），sklearn（机器学习算法库），以及Tensorflow,Keras等深度学习库可以很方便的帮助实现建模求解以及结果的可视化。。。总而言之，人生苦短，我用python

office-word，或者LaTeX，除非latex用的很熟，新手不推荐使用latex。因为全程敲命令来排版很容易出问题。而且word手工排的仔细一点，效果一定不比latex要差。

Mathtype（公式编辑器），这个是写科技论文必备的东西，公式一定要用公式编辑器来敲！！！

常用给的绘图软件有亿图（推荐）或者visio，这两个软件都可以绘制流程图和其他示意图等等。PS在修图或者对论文要求较高的时候使用。。。 我尤其建议大家写论文的时候多绘制一些流程图，包括算法流程图，以及整体思路流程图。如果你能将你建模思路，用流程图的形式展现出来，肯定能够吸引评委的目光。

下面是19研赛，我们做的问题一建模思路流程图：

EXCEL（这个不用说，都读大学了，这个肯定是会用的，很多时候excel可视化效果也是很好的） 下面是我们这次比赛用excel作出的可视化效果图：

Tableu（专业的BI可视化软件，这个软件现在企业用的很多，出图效果确实完美，尤其在地图可视化这一块） 下面是我们用Tableu作出的可视化效果图：

SPSS，专业的统计分析软件，很多统计学专业的应该都学过。适合小样本的统计分析，还可以跑很多统计分析模型，比如主成分分析，常用回归模型，聚类模型等等。特点是不需要编程，点点点就可以得到你想要的结果，但是出图不大好看，不大适合提升论文“逼格”

MATLAB本身就是一个集成语言和IDE为一体的科学计算软件（大家应该都了解，尤其是读通信相关专业的）

Python的集成开发环境（IDE）推荐安装Anaconda Navigator 发行版，并且安装Spyder，Spyde就是一个模仿matlab界面的集成开发环境，可以随时产看工作空间变量。尤其适合用于编写数据挖掘分析算法实现。（在spyder上面写python真的和用matlab没啥区别，太像啦！！！）

Lingo（专业的优化模型求解器）专门的lingo语言用来求解优化模型，像一般的线性规划，整数规划，二次规划模型都可以直接利用Lingo求解。（数学专业或者运筹学专业应该都学过）

R就不推荐了，用得少，统计学专业的同学用的比较多。。。

这个其实不用刻意去准备，很多时候比赛都是边学边卖。但是基本的方法模型还是要掌握一些的。考虑到建模竞赛题型主要分为三大类：优化类（竞赛必有题型），评价类，数据类（涉及机器学习等）。

其实很多带专业背景的题目，最后通过抽象成数学模型就是上述三类问题。比如图像类问题，很多时候要么抽象成优化模型来求解，要么就是机器学习模型来训练识别。那我就从三类题型来说明一些基本的模型：

优化类：优化类问题基本没有可以直接套的模型，很多问题都需要自己来写出优化目标和约束条件。或者参考相关文献来设计模型。并且如果模型设计的复杂了，还需要自己设计优化求解算法。。。总之，优化问题是很难得。基本的优化模型包括：线性规划，整数规划，01背包，非线性规划（建模赛题基本都是非线性的。。。哈哈哈），最小二乘优化。基本求解算法包括:牛顿迭代，拟牛顿，梯度下降，共轭梯度下降，各种智能寻优算法等等。总而言之，优化就是难啊难，而且优化建模题基本上都有答案范围，模型建的不好，解的不好都over。。。

评价类：评价类问题，一般都有可以套用的方法，比如主观一些的：层次分析法，模糊评价法。客观计算权重的（需要数据）：熵权法，TOPSIS综合评价法，主成分权重法。对于评价类问题最好还是用客观计算权重的方法。

数据类：上面两类问题可以说是建模竞赛以往的常规类型，数据类问题是最近几年随着人工智能，数据挖掘技术的热潮带起来的。。。可以说，数据类问题在以后的建模比赛中只会越来越多，而且数据量也会越来越大。

数据类问题其实最好做，因为他可以套的模型简直太多了，各种无监督，有监督的机器学习模型都可以对数据进行处理。基本上只要清楚常用的机器学习算法就可以应对建模竞赛。（常用的机器学习算法可以参考博主的学习笔记）

我前面也提到了，现在的建模赛题题型大概分为三类题型。以我的经验来说，无论是本科还是研究生的赛题每年都会有的题型就是优化题。但是优化题对新手是很不友好的，除非对于优化问题有一定的经验，熟悉各种优化算法。传统的优化题型一般都是有一个结果标准，这个也会是论文评奖的一个标准范围，所以如果没有一定的实力，我非常不建议大家选择优化题型，毕竟大家三四天的通宵达旦知识未来取得一个好成绩。

剩下的就是评价类以及数据类型的题目了，其实这两种题型是经常交叉在一起的，比如数据题里又一个评价相关的小问。一般来说，评价类的问题或者是数据类的问题是没有标准答案。既然没有标准答案，那么大家可以发挥的地方也就多了，这也是为什么推荐大家做这些题型。从最近几年的研究生赛题命题方向可以看出，数据挖掘和综合评价结合的题型也会是主流趋势。最近两年的赛题都有数据挖掘+综合评价的题型。对于这种题型，最好的解决方法就是套一些现有的模型，如果能够在熟练运用现有模型的基础上提出改进，那就是一个亮点。比如随机森林回归可以用来解决数据回归预测问题，如果对于输入变量进行加权，从而让预测mse等指标有效提升，那么这就是你论文的一个亮点，只要论文写得不是太差，获奖基本没有问题。

总而言之，选题一定要量力而行，如果完全没有把握，那么就看别人都选什么题。一般来说一道题选的人多的话，这道题上手是相对容易的。（千万不要以为一道题选的人少就容易获奖，一道题选的人多就不容易获奖，告诉你：完全都是按照比例来的。题目选的人多，获奖的队伍数量也会多）

如果有一年出的题目全部都是优化题型，那也没办法，只能硬上了。其实优化题型建模也是有套路的，多搜搜文献一定有一些能够套上的，或者给你提供一些建模的思路。优化题模型一定要建的好一些，最后解不出来也影响不大，模型论文搞的逼格高一点，什么GA,SA寻优算法都可以套一套。最后把论文搞好一点，总而言之，难得话大家都难。模型建的不好，算法解不出来，没关系，每年这么多人参加比赛。获奖比例在哪里，完全做出来的毕竟少数，就算这些人把一等奖拿完了，你拿个二等奖不也美滋滋吗。就算模型瞎写，算法不懂，你的论文也要完成，能不能获奖的依据完全就是你的论文。

前面说了一大推，其实对于很多第一次参加的人来说意义不大。。。（没错，很多人第一次参加，前面说的知识储备根本不可能快速补充）。那应该怎么办，听我的，把你的论文搞好一样可以获奖。。。我见过很多队伍三，四天比赛时间睡眠不到10个小时，心力交瘁，最后吧模型和算法，结果都搞的很好，但是最后也没有获奖。什么原因？？？其实原因很简单，你的论文没有搞好，我的建议是论文从第一天就开始写，这样你后边才会有大量时间来润色论文，刷摘要。下面我主要从论文的三个方面来探讨一下，怎样搞出一篇获奖建模论文。

先讲一下一般评委老师是怎么评判一篇论文的：你想想上万篇论文，就跟高考作文打分一样。这些评委老师每天要看多少篇论文！！！所以，这些评委专家一般都是看个摘要，排版，论文大概的浏览一下，根本没有时间详细的阅读你的论文内容。根据摘要，排版，论文内容大概就能给你的论文一个评分。所以摘要，排版，论文内容充实都是需要格外注意的。

论文摘要真的太重要了，这些评委老师根本不会认真读你的论文正文，但是他一定会认真看完你的摘要（前提是你的摘要写的不是太烂）。如果你的摘要出现一些低级错误，比如错字，学术性的方法写错了，模型瞎套（不懂瞎用被评委识破）。很遗憾，评委老师不会再看别的东西，直接pass掉。成功参赛奖归你了。。。

比如排版，内容，图表（结果）等等，从而给你的论文评估一个分数。

恭喜你：你的论文直接进入下一轮评审，现在保底也是三等奖了。

可以说你的论文摘要直接觉得你的论文能不能获奖，摘要写的烂，直接pass，摘要写好直接进入下一轮（保底三等奖，为什么会这样？因为你的只要就是全文的浓缩，包括你的整体建模思路，用到的方法，结果。你们的工作一定通过摘要清晰的表达出来）

排版也不是特别重要，只要不出现特别夸张的排版问题，评委老师基本不会特别在意。但是论文排版弄得美观还是有加分的，自己看着也舒服。

就跟毕业论文一样，先不谈水不水的问题，别人都写30多页，你写了不到10页内容。工作量都比别人差远了，（除非你是大佬，论文10页都是精华，其实也不一定的，毕竟比赛很主观）

评委在浏览论文内容的过程中，根本没有心情看你的文字。而且你的图和表就是你的工作，也就是你编程实现的结果。所以你的工作一定要尽可能的通过图表可视化来实现。一般人都是更喜欢图，表，而不是阅读大量的文字。尤其是各种图，美观的可视化结果会直接抓住评委的眼球。如果你做出一个较好的结果，并且通过可视化呈现出来，我相信只要评委老师看到，基本上获奖就稳了！！！如果摘要过关，而且内容完整，排版美观，恭喜你：保底二等奖水平了！！！

比如我们今年研赛用python做出的温度热力图可视化效果：

概括一下就是： 摘要很重要，最好留有半天时间专门的写摘要，改摘要。条件允许的同学可以找老师帮忙修改摘要。总之摘要基本上觉得你能不能获奖。。。而论文的排版和内容决定你能获得几等奖，论文内容结果尽可能用图表来可视化，如果你的图表结果抓住评委老师的眼球，奖项很有可能会提示。。。python，matlab，tableau作图相关还是要去自己学习。。。这个要自己动手做。 至于怎么写论文和摘要，我的建议是多看优秀论文，看看每年的一等奖优秀论文摘要和论文是怎么写的，比赛的时候可以模仿他们。。。

关于队伍实力这一块也没啥好说的，实力强的队伍结果做的一定好。但是我想说的是，就算你的结果做得好，模型建的好，如果不好好整你的论文的话一样会滑铁卢。记住啊，建模论文是你比赛的唯一评分标准！！！（先看论文再看结果）

上面写的都是我自己参加比赛的经验，不一定适合于所有人。欢迎大家留言评论，交流相关经验，也可以到我的个人网站：

上面提到的软件，工具以及博主这里都有破解版。本科，研究生国赛的历年优秀论文，博主这里也都有。如果有需要的可以下方留言，我看到就回。最后祝愿大家都能成功获奖！