1. 赛题概览与核心挑战又到一年国赛时。对于参加过数学建模竞赛的同学来说高教社杯国赛的分量不言而喻它不仅是检验建模能力的试金石更是无数理工科学子大学期间最难忘的经历之一。2023年的赛题甫一公布就在各大高校的建模圈里引发了热烈讨论。今年的题目延续了国赛一贯的风格紧密联系实际、数据驱动、问题开放但又在具体细节上设置了新的“关卡”。我带着团队完整地走完了A、B、C三题的解题全流程从选题、建模、求解到论文撰写踩了不少坑也积累了一些新的心得。这篇复盘我想从一个“过来人”的视角和大家聊聊今年赛题的特点、解题的关键思路以及那些在标准答案之外、却能决定你论文档次的实战技巧。今年的三道题A题聚焦于定日镜场的优化设计这是一个典型的工程优化问题涉及几何、光学和能量计算B题是多波束测线问题核心是测量路径规划与数据插值考验对空间数据的处理能力C题则是蔬菜类商品的自动定价与补货决策一个典型的数据驱动型运筹学问题。三道题覆盖了物理建模、几何分析与数据科学三大方向对参赛者的知识广度提出了要求。但无论选择哪一题其核心挑战都不仅仅是数学工具的应用更在于如何将一个模糊的实际问题转化为一个清晰、可解、且符合题意的数学模型。这中间的“翻译”过程往往就是高手与新手的分水岭。2. 赛题深度解析与建模思路拆解2.1 A题定日镜场的“效率”与“成本”博弈A题要求为某个假想的塔式光热电站设计定日镜场目标是使得单位面积的年平均输出热功率最大化。这听起来是一个标准的优化问题但难点在于约束条件复杂且相互耦合。核心矛盾在于“遮挡”与“效率”。定日镜可以理解为巨大的、能跟踪太阳的镜子需要将阳光反射到集热塔顶的接收器上。为了让镜场密集排列以提高土地利用率镜子之间必然会产生遮挡和阴影导致部分镜面在特定时刻无法工作。同时镜子距离接收器越远光的余弦损失、大气透射损失就越大光学效率越低。因此建模的核心就是建立一套精确计算任意时刻、任意位置镜面光学效率包含余弦效率、遮挡效率、阴影效率、大气透射效率等的数学模型并以此为基础去优化镜子的位置布局。我们的建模思路拆解如下建立太阳位置模型这是所有计算的基础。需要根据题目给出的经纬度和日期时间计算太阳高度角和方位角。这里推荐使用太阳天文算法比简单的几何近似更精确。很多同学在这里用了简化公式在计算全年积分时会导致累积误差。构建单镜光学效率模型这是最繁琐但必须细致的一步。需要分别计算余弦效率入射光线与镜面法线的夹角余弦值。这要求你精确计算太阳向量、镜面中心到接收器的向量以及镜面法线向量由镜面跟踪策略决定通常是太阳向量与接收器向量的角平分线方向。遮挡与阴影效率这是本题的难点。需要判断一个镜面是否被其他镜面遮挡了反射光路遮挡或者是否被其他镜面挡住了太阳光阴影。这本质上是一个三维空间中的几何判断问题。我们采用了投影法将其他镜面投影到当前镜面到接收器的连线上判断遮挡以及投影到太阳光线的反方向上判断阴影。如果投影有重叠则计算被遮挡或阴影的面积比例。大气透射效率与镜面到接收器的距离有关通常用一个经验衰减公式描述。接收器截断效率反射光斑是否完全落在接收器平面上。对于圆形接收器需要计算光斑中心偏离距离并结合光斑尺寸由太阳张角和镜面形状误差决定进行判断。镜场布局优化模型在能够计算单个镜面效率后问题转化为给定一个区域如何摆放N个定日镜或给定总镜面面积如何确定镜子数量和位置使得总输出热功率最大。这是一个高维、非线性、非凸的优化问题。直接求全局最优解几乎不可能。我们采用的策略是“分步优化”第一步区域划分与初始布局。根据接收塔的位置将镜场区域划分为同心环带。因为距离塔越远效率越低但遮挡也越少。可以设定每个环带的镜子排布密度如径向和环向间距生成一个规则的初始布局如等高螺旋布局。第二步智能微调。以初始布局为基础采用智能优化算法如遗传算法、粒子群算法对每个镜子的位置进行微调。目标函数是总输出功率约束是镜子不能超出边界、镜子间最小距离限制。这里的关键是设计高效的适应度函数计算因为每评估一次布局都需要对全年的典型时刻进行积分计算总功率计算量巨大。我们采用了并行计算和重要时刻采样如选取春分、夏至、秋分、冬至及中间月份的典型日来加速。注意在论文中一定要清晰地画出你计算各种效率的几何关系示意图并给出向量的计算公式。评委最看重的就是建模过程的严谨性。2.2 B题海底地形的“测绘”艺术B题要求根据多波束测深仪的测量原理对一片矩形海域进行测量路径规划并处理测量数据生成海底地形图。这道题的关键在于理解测量原理与数据特性并将其转化为数学上的覆盖与插值问题。第一部分是测线设计。多波束测深仪在船航行时会向垂直于航线的方向发射一个扇面声波一次扫描就能得到一条带状区域的海底深度数据。带状宽度覆盖宽度与水深和波束开角有关。题目要求设计测线使得在测线总长度尽可能短的前提下对整个区域实现全覆盖并且相邻条带之间的重叠率满足一个下限要求例如不低于10%。我们的思路是将其抽象为一个“条带覆盖问题”建立覆盖模型将每一条测线视为一个固定宽度的“条带”。条带的宽度W是水深的函数W 2 * 水深 * tan(波束开角/2)。由于水深未知且变化这是一个挑战。一个合理的简化是使用区域的平均水深或题目给出的参考水深来计算一个固定的条带宽度用于初步规划。规划测线方向通常测线方向应平行于矩形区域的长边或短边以减少转弯次数转弯时测量数据质量下降。需要比较两种方向的优劣。确定测线间距设条带宽度为W要求重叠率为p则两条测线的中心线间距D应满足D W * (1 - p)。根据区域宽度和D就能计算出需要的测线条数。优化起点和终点在保证全覆盖的前提下可以微调第一条测线的位置使得所有测线的总长度最小。这可以通过建立简单的线性优化模型来实现。第二部分是数据插值。测量得到的是离散的、沿条带分布的数据点需要插值生成规则网格如1米分辨率下的完整地形图。这里的关键是选择合适的插值方法并评估其不确定性。插值方法选择克里金Kriging插值是地质和测绘领域的标准方法因为它能提供最优无偏估计和估计方差。但计算量较大。如果时间紧张反距离加权IDW是一个不错的替代方案它简单直观且能体现“近点影响大”的原则。径向基函数RBF插值效果也很好特别是对于光滑的海底地形。不确定性分析这是体现建模深度的加分项。除了给出插值后的地形图还应给出每个网格点的插值标准差或置信区间。对于克里金这直接可得对于IDW可以通过交叉验证如留一法来估算预测误差的空间分布。实操心得在写这部分论文时一定要用图示清晰地展示你的测线设计如何满足“全覆盖”和“重叠率”要求。对于插值结果不仅要彩图最好能附上一张“不确定性分布图”这能极大提升论文的专业性。2.3 C题生鲜零售的“数据”与“决策”C题提供了一个蔬菜品类的销售流水数据要求建立补货和定价模型。这是一个非常“时髦”的数据科学问题核心在于从数据中挖掘规律并用于指导动态决策。首先必须进行深度的数据探索性分析EDA。这是所有后续工作的基础但很多队伍草草了事。你需要分析销售量的时间序列特征是否有明显的日周期周几效应、月周期、年度趋势是否有节假日效应价格弹性不同品类、不同单品的销售量对价格变化的敏感度如何这需要通过历史数据拟合需求曲线。品类关联性某些商品是否经常被同时购买互补品它们的销售波动是否同步损耗分析根据进货量和销售量估算历史损耗率。损耗是否与补货量、销售周期长度有关建模部分可以分为两大块预测模型和决策模型。销量预测模型这是补货决策的输入。一个稳健的预测模型比一个复杂的优化模型更重要。建议采用融合模型基础预测使用时间序列模型如SARIMA季节性自回归移动平均模型它可以很好地捕捉趋势和季节周期。特征增强将价格、是否为节假日、促销活动等作为外部特征融入机器学习模型如LightGBM或XGBoost。结果融合将SARIMA的预测结果和LightGBM的预测结果进行加权平均往往能取得比单一模型更稳定、更准确的效果。补货与定价联合决策模型这是一个典型的随机动态规划或报童模型的扩展问题。目标是在不确定的需求下最大化利润销售收入 - 进货成本 - 损耗成本。核心决策变量每日/每周的补货量、销售定价。约束条件库存容量上限、最小陈列量、供应商供货能力等。目标函数最大化期望利润。利润 销量 * 售价 - 进货量 * 进价 - 损耗量 * 成本价。其中销量是价格和随机因素的函数。求解策略由于问题复杂可以采用模型预测控制MPC的思路。即每次做决策时基于当前库存和预测模型对未来一个有限周期如一周进行优化但只执行第一步的决策补货量和价格。到下一个周期根据实际销售数据更新状态重新进行优化。这样可以将一个复杂的全局优化问题分解为一系列可解的局部优化问题。踩坑提醒千万不要忽视数据中的异常值如促销导致的销量暴增、缺货导致的销量为零。处理这些异常值的方法是剔除、修正还是单独建模必须在论文中说明理由。另外对于预测模型必须使用历史数据的前大部分进行训练留出最后一段时间进行验证和测试并用RMSE均方根误差、MAPE平均绝对百分比误差等指标量化你的预测精度。没有验证的预测模型是没有说服力的。3. 通用解题流程与团队协作要点无论选择哪一题一个高效的解题流程和团队协作模式是成功的保障。国赛三天时间极紧合理的规划至关重要。3.1 黄金时间线三天倒计时作战第一天上午选题与开题拿到题目后3名队员应独立审题1小时然后集中讨论。讨论重点不是哪个题简单而是哪个题与团队的知识储备最匹配。确定选题后立即分工一人负责问题分析、模型初步构思一人负责收集相关文献、算法代码一人负责准备论文模板、画图工具和数据处理环境。中午前必须确定核心模型框架和第一天要完成的具体任务。第一天下午至晚上模型建立与数据初探这是建模的黄金时间。负责建模的同学应全力推导公式建立数学模型并用伪代码或流程图描述求解思路。负责编程的同学开始搭建基础代码框架并处理题目给出的数据如有进行初步的可视化分析。负责论文的同学开始撰写“问题重述”、“模型假设”和“符号说明”部分。第二天全天模型求解与实现编程同学主导将模型转化为可运行的代码并调试出初步结果。建模同学辅助解释模型细节并分析初步结果的合理性。论文同学同步撰写“模型建立”部分并开始绘制核心的原理图、流程图。务必在第二天晚上得到可用的、能说明问题的结果哪怕还不完美。第三天白天结果深化与论文撰写基于第二天的结果进行深入分析灵敏度分析改变关键参数看结果变化、模型检验与简化情况或常识对比、优化模型如果时间允许。论文同学进入冲刺阶段整合所有内容撰写“模型求解”、“结果分析”、“模型检验”和“结论”部分。编程同学提供结果图表和数据。第三天晚上论文打磨与收尾全员集中进行论文的最终打磨检查逻辑连贯性、修正公式和图表错误、润色文字摘要、调整格式。摘要必须反复修改它是论文的门面。最后留出至少1小时进行PDF生成和最终检查。3.2 团队角色与高效协作理想的团队是“建模编程论文”铁三角但角色不能僵化。建模手需要深厚的数学功底和将实际问题抽象化的能力。他的产出是清晰的数学公式、模型假设和求解思路。编程手需要强大的代码实现能力和算法知识。不仅要能实现模型还要能高效处理数据、可视化结果。掌握MATLAB/PythonNumPy, SciPy, Pandas, Scikit-learn、LaTeX是基础。论文手需要优秀的文字表达、逻辑梳理和审美能力。他要把建模和编程的工作用专业、清晰、美观的方式呈现出来。精通LaTeX排版、Visio或Draw.io绘图、Origin或Matplotlib画图是关键。协作的核心是“频繁同步”。我们建议每天早中晚各开一次短会15分钟同步进度、阻塞问题和下一步计划。使用在线协作工具如Overleaf for LaTeX, GitHub/Gitee for 代码腾讯文档 for 计划至关重要可以避免版本混乱。4. 论文写作与结果呈现的“隐形”得分点国赛评审时间短评委如何在众多论文中快速识别出优秀作品除了模型本身论文的呈现方式至关重要。4.1 摘要五百字定生死摘要必须独立成篇讲一个完整的故事。结构可以遵循“问题-方法-结果-结论”的框架问题用一两句话概括研究了什么问题目标是什么。方法简述针对每个问题你们建立了什么模型用了什么核心方法如“建立了考虑遮挡损失的定日镜场光热效率模型并采用分层优化结合遗传算法进行求解”。结果给出最关键、最量化的结果如“将单位面积年平均输出热功率提升了X%”、“设计的测线总长比常规平行测线缩短了Y%”、“补货模型使得平均损耗率降低了Z%”。结论总结你们工作的亮点和意义。切记摘要中不要出现公式、图表引用用最精炼的语言陈述事实。写完后再三删减确保没有一个废字。4.2 图表一图胜千言原理图对于A、B题清晰的几何关系示意图、测量原理图是必须的。建议用Visio等工具绘制保证矢量清晰标注规范。结果图A题最终镜场布局的俯视图、不同时刻的光学效率分布云图、优化过程收敛曲线图。B题测线设计覆盖示意图、插值前后的海底地形三维对比图、插值不确定性分布图。C题销售数据的时间序列分解图趋势、季节、残差、价格弹性曲线、预测结果与实际值的对比图、库存水平变化模拟图。表格用于对比不同方案的结果如不同优化算法的性能对比、不同插值方法的误差对比、不同预测模型的精度对比。表格设计要简洁重要数据可以加粗。4.3 模型检验与灵敏度分析体现深度这是区分中等和优秀论文的关键。模型建立后必须回答“模型靠谱吗”模型检验用特例验证。例如在A题中可以假设只有一面镜子看你的效率模型计算结果是否与理论公式一致。在B题中可以用一个已知的简单曲面如斜面检验你的插值方法能否准确还原。灵敏度分析改变模型中的关键参数如A题的镜子最小间距、B题的重叠率要求、C题的损耗成本系数观察目标函数如总功率、总测线长、总利润的变化情况。用图表展示这种变化关系并给出管理启示如“当损耗成本上升X%时最优补货量应下降Y%”。5. 常见“天坑”与临场应对策略根据多年参赛和指导经验以下是队伍最容易翻车的地方选题犹豫浪费时间第一天下午还在换题是大忌。策略用2-3小时充分讨论后投票决定一旦选定不再回头。模型过于复杂无法求解追求模型的完美而忽视了可求解性。策略采用“由简入繁”的迭代思路。先建立一个最简单的、能跑通的模型版本得到基础结果。然后逐步增加考虑因素如加入遮挡、加入价格弹性观察模型结果的变化和计算复杂度的增加在精度和可行性之间取得平衡。编程调试陷入僵局一个bug卡半天。策略模块化编程每个函数功能单一并编写测试用例。优先保证主流程畅通得到中间结果细节bug留到后面统一修复。善用调试器和打印输出。论文前松后紧虎头蛇尾摘要和结论仓促写成。策略论文手从第一天就开始写建模和编程的结果出来一部分就整理一部分到论文里。摘要的草稿在第二天晚上就可以开始写反复修改。忽视排版与细节公式编号错误、图表模糊、参考文献格式混乱。策略使用LaTeX模板可以避免很多格式问题。在提交前专门安排一人从头到尾通读论文检查这些细节。最后想说的是数学建模国赛更像是一次跨学科的科研微型演练。结果固然重要但更重要的是这三天里你们如何团队协作、如何定义问题、如何创造性地使用工具解决问题。那些一起通宵、争论、看到第一张结果图时的兴奋才是比赛留给你们最宝贵的财富。把每一次比赛都当成一次完整的学习过程你的收获将远超一纸证书。