在华大参加的2017年美赛建模，可以说是我整个大学生涯的拐点了。 这个拐点是让我能够从一个更高的角度去认识“学习”这件事，从高中一直到大二，学习于我只是与“考试”等同的一个东西。
那是我第一次参加建模比赛，这个比赛是全世界难度最高的建模（懵圈）比赛，所解决的问题，是现代社会急需所解决。建模比赛重要的不是结果，而在于你的备赛过程，以及那四天四夜的比赛经历。
美赛介绍
美赛近三年的题型
赛前宣传图
赛前准备攻略
题型分类
数据来源
目录
- 准备比赛
- 比赛经历
- 对建模比赛的认知
准备比赛
先介绍下我的队伍，一个是大二，没参加过建模比赛；一个是大四，在实习工作了；我大三，从未参加过建模比赛，可以说是临时凑的一只队伍了，此前三人对彼此都一无所知。
学弟忙着应付各种期末考，学长工作繁忙，前期基本是我一个人在看建模的书籍，练写作，学习latex，时间足足有两个月。在大学期间，应付考试一两天最多也就一个星期就够了，何曾每天花五六个小时去准备同一个事情，而且持续了两个月，在准备这个比赛时我做到了。
看的书是老师建议的《A first course in mathematical modeling》, 全英文版，看第一章时把我折磨的死去活来，那是我第一次看全英文的书籍。可在坚持了一个星期后，却也慢慢熟悉了整本书的语言风格，然后开始去梳理书里面每一个章节的逻辑。
建模笔记
建模笔记
我毕竟还是要准备期末考试的，所以看的内容不多，只看到了这本书的第五章左右，之后开始膜往届的O奖论文以及老师推荐的另一本书《正确写作美赛建模论文》，当我写了整整快一本时的建模笔记时，在那刻，我知道无论比赛结果如何，已经值了。
另外一件事就是学习latex， latex是一个专业的排版软件，对于一些较好的高校，是会教这个软件的使用，它对于科技论文、学术论文的写作是必不可少的一个工具。office软件我们都知道，它的定位是一个办公软件，排版只是它附加的一个功能。
它是要利用代码来排版的，作为一个机械系的学生，入门它还是花了将近两个星期的时间，也难怪论坛的前辈说，一般高校是不会教这么难的软件的。这个软件在比赛之后也帮了我不少忙，敲有代码和大量数学公式的数据分析报告和之后的期末论文时，实乃一个大杀器了。在学这么一个完全陌生的软件，而周边没有一个人使用过这种软件，在学习过程中，所培养的搜寻资料，在论坛寻求帮助，利用帮助文档，学会如何在Google上恰当的询问想问的问题，都对于我在后续学习R、python这些语言时有很大的帮助❤。
临近比赛的前一个星期我们三人总算都有时间，就一起见了一面吃了一顿饭~~（三人第一次见面ㄟ( ▔, ▔ )ㄏ），开始一起研究一篇O 奖论文并且粗略分工，那篇论文是去年美赛C题，data insight类型的题目，写的非常有水准，逻辑清晰，对于数据的处理、规整相当到位，而且都是用R语言实现的。我参加这个比赛其实就是奔着C题去的。在看这篇论文时，自己当时抱着一堆英文的论文材料，去找厦门校区的统计系老师，有一个是港中文大学统计系博士后，虽然交流时间也很短，但她对这个问题的看法以及对数据处理的认识让我受益很多，看到老师娴熟的在R语言敲着代码，给了我不少信心。因为我当时对R语言有点懵，怎么导入数据都不知道，也是初次接触代码，（之前的C语言全靠抄才勉强过）。
比赛经历
比赛期间真的是笑了四天四夜。阿奔学长说话和表情跟讲相声似的，笑得根本停不下来，而且学长之前做过两次建模，所以他也不慌不忙，稳的一匹。学弟相当靠谱，快速学习能力十分强，有啥需求直接扔给它，总是能处理的很好。
记得当时说可能要做一个交通仿真，学弟也是初次接触，他立马撸了一个交通仿真软件vissim, 做的有模有样的，可惜后来只用它画了个图。
当时我们要解决的问题，正是前几天李彦宏亟待需要解决的的问题，即无人驾驶汽车与其他车辆如何在道路上进行协同驾驶？该以怎样的比例作为一个平衡点，使得道路的承受车流量达到一个最大值。
建模问题
哈哈哈，解决方案最后也确实是要修建一条专道。
题目给出了一堆数据，以及美国公路的实际地图
整个建模的心路历程如下：
然后，四月份拿了个二等奖。建模over。在这场四天四夜的懵圈大赛中，还是学到不少东西的。毕竟要瞎编出一份20多页全英文的论文啊。
瞎编也要讲基本法啊
我们组是参照一个英文文献，把里面的主模型拆了，然后插入一个中文文献的子模型。也是六只队伍里唯一个直接采用英文写作并且用latex排版的队伍✌。
建模=搬砖
对建模的比赛认知
时隔大半年，再回看这场建模比赛时，对这个建模的认知有了更高的理解。通过两个具体的事，来讲下这场建模对我的影响。
这学期恰好选了两门英文课，Final assignment 是交两篇论文，一个是建立一个振动仿真模型，一个是求解机器人模型。大部分学生直接放弃了，一个是语言，另一个则是对一个陌生的问题无法求解。毕竟很多人都和我一样，一节课都没听过。
就拿我自己的小组来说吧，两个队友也在很努力的尝试去解决这个问题，也跟我讨论，可后来他们都放弃了，因为实在毫无头绪。我前期跟他们一样，但与他们不同的是，我坚持了下来，一个人捋清楚手头上的一篇英文参考文献，并且对Matlab仿真0基础到可以搭建出两个有模有样的仿真，也撸完一篇能够自圆其说的论文。对待一个问题，同样的一无所知，同样的起点，有些人不一样。具有研究潜质的人，会静下心来去快速规划学习路径，然后初步提出解决方案，之后再不断优化。
这场懵圈大赛的完成，着实给了我很大的信心去解决这个问题，毕竟没有哪个问题可以难得过比赛的难度了。
这两门选修课也着实很佩服几个同学，像大海 彭诚 翟羽佳 振金几个，他们是真的优秀呢，同样的一个机器人建模问题，我看参考资料，看他们的答案依旧没啥头绪，而他们却把这个问题给漂亮的解决了。这就是经过几年大学的学习，学生与学生的差距了，不是在于成绩，而是在于解决问题的能力。
另一件事则是考研。
有一个大二的学妹向我咨询厦大金融研究生的问题，因为正好前几天也打算考研，（想感受下在实验室用高端设备跑机器学习啥感觉）。我尝试从建模的角度去理解这场研究生入学考试：
“研究生入学考试”，其本质是筛选具有研究潜质的学生进一步深造。
何为研究潜质，美赛建模倒觉得可以用来衡量这种潜质，研究的第一步是大量翻阅前沿的参考文献，然后理顺这些参考文献的逻辑，用来解决现在的一个问题。
一旦这样定义了，那么也就对这场考试有不一样的理解了，大量翻阅参考文献，英语是必不可少的一个工具了，而耐着性子，一个文献一个文献去找，很需要耐心，这点耐心如何培养，数学来讲，我们需要通过大量的题目训练，然后掌握这些知识点的运用规律，克服急躁粗心等各种对于研究来说同样不可取的 这些缺陷，然后取得一个优异的成绩。
有的人天赋异禀，可能看一两个文献就能摸清规律从而解决问题，他们这些人在备战考研时，也就相对轻松很多，也具有很多优势。所以这场考试总体上是很公平的。专业课考试你要拿高分，那么首先你对这个专业的基础知识得掌握足够踏实并且有所理解，所以这个专业课的考核足以判定你对这个专业的兴趣如何。
至于很多保研名额，也觉得非常公平，学院那些即使是保本校这种双非普通本一的学生，他们也很优秀，从他们身上可以看到那种研究的潜质，跟他们接触，会觉得他们不去读研真的可惜了。
事后与一个在SCI发文章的学妹也交流了下研究这个事，她也承认搞研究的这个套路，只不过我们的建模只是非常非常粗糙的提出一个可以自圆其说并且能解决问题的模型，而搞研究是要不断的优化、迭代，做大量实验，然后得出一个新的结论。比如学妹是做材料方面的研究，她所做的就是在理清楚前人的研究下，不断试验各种原子、分子的组合，一旦发现一个新的物质，OK，就可以着手开始写论文了。
附上一张学妹充满智慧的大脸合照
然后附上队友合照。
如果不出意外的话，考完研还会与学弟合作参加2018美赛建模。希望会有所进步。
网友评论