AI视界 | 组队、备赛老碰壁?国一学长教你打开数模国赛的正确姿势

首先说结论：只要三个人责任心和自觉性到位，就能“一拍即合”。

说起组队，当初我们“三块拼图”可谓都是“颠沛流离”。我本人并未参加当时的校赛选拔，也没做什么准备，甚至确定打数模的想法都是在校赛之后的五月底心血来潮，跑去千人大群里发消息“摇人”组队的。后来很快得到一个同学回应，也就是我们团队的编程手。他参加了校赛但是被原来两队友“鸽”了，于是打算重新找队友。之后我们两人就开始了寻找论文手的旅途。种种波折后，最后在双创周培训课上报名截止前一小时才找到我们的论文手。而她的两个队友也是临时放弃，在报名截止之前找到了我俩。

至此，三人“潦草”数模队伍诞生。我们三人完全是“开盲盒”组队，甚至我与他俩第一次线下见面是在正式比赛开始前半小时，在此之前暑期我们仨都是线上交流集训。总而言之，只要三人都踏实认真，即使相隔十万八千里也是最好的队伍。

沟通是重中之重，这是团队合作之本，不能当三个“孤勇者”。彼此认识的话当然有助于你了解别人的特点进行选择组队，即使不认识，也可能开出像我们队伍这种“宝藏盲盒”。

至于个人能力方面，强只是锦上添花，我们大多数人都是从零开始，从报名到比赛，两三个月的准备时间，足够你去学习相关的知识，提高比赛所需的能力。这再一次强调了责任心和自觉性的重要性，有计划地学，不摆烂不佛系，精诚所至，金石为开。

我们集训和比赛时解题建模主要用的是python和spss。python第三方库丰富，建模，可视化，处理数据等完全可以，加之spss分析、制作图表数据，两个完全够用。写论文的话根据个人手感来选吧，可以用office的word或latex等。

网课可以从B站上找相关视频学建模相关的模型知识等，也可以根据个人需要选择性买数模系列培训课，注意别被骗，找正规靠谱的。讲的那些模型都是能找到免费资源的，他们做了梳理，根据个人需要选择是否破费。书籍可以在图书馆借到，也可以自己买。当时我用的是司守奎的《数学建模算法与应用》和姜启源的《数学模型》。其他途径也很丰富，找到适合自己的学习方法和计划就行，灵活安排，太过死板会消磨积极性。

十几年前怎么用百度，你就怎么用大模型，道理都差不多，输入内容，点击发送搜索。一把双刃剑，用得好能提高你的比赛效率，使用不当走火入魔“自爆而亡”。大模型是时代发展的产物，不是洪水猛兽，也不是全部寄托。必须要学会正确使用大模型辅助你打数模，很多时候你能快速获得细节问题的答案，遇到不了解的专业领域的信息也能利用大模型快速解惑，非核心代码可以让它代劳。

它的回答更智能，但也存在幻觉风险。要辨别是非，不能盲目相信它回答你的一切，毕竟它也只是一堆代码。切记不要让大模型帮你建模，它的答案不靠谱，不会考虑模型的后果和性能好坏，也违反比赛规定。红线不要碰！

模型不是越复杂越好，更不是越复杂越高级，一味追求复杂高级感只会适得其反。适合解决问题的模型就是好模型。一道整数求和的题，用加法解决那就是好模型，没有人会觉得用积分再加个根号再求个导最后取对数更好。而且，近年来数模比赛的官方文件也不太提倡机器学习模型。就比如我们25年国赛C题，后面评分标准里直接一刀砍在使用了机器学习模型的论文大动脉上。选用什么模型，根据题目需要来，你的目的首先是顺利建模，其次是优化性能，模型适用性是第一位的。不要金玉其外，败絮其中。

选题建议在集训期间就确定，不要再改动。ABC三题往往类型固定，根据你们团队组成的专业背景，擅长的能力等，选择适合你们的类型。后面集训就专心练这一方向，不要随意换题，不然打乱节奏。国赛开始当天直接看你们队所选类型的题，另外两个别浪费时间去看，更别去在那纠结，当一个“专一”的团队。

题目多审几遍，极其必要，不要急于开始，务必一字不差地读懂题目后开工。俗话说得好，良好的开端是成功的一半。如果题目某个信息被忽略了或者理解偏差了，那么后果是你们队伍在错误方向上浪费大把时间。拆解题目这一块，我们的经验是把每道题逻辑关系理清楚，这对建模逻辑有帮助，有的题目可能仅仅只需要你在之前建模的基础上再加点东西或修改微调即可。算法依据模型，选择上还是与前面所说模型的选择一个道理，适用是第一位的。

三位一体。我个人认为所谓的三种角色分工观念是不合理的，既然是团队参赛，就不要划分这三条界限，建模难道不需要懂算法实现吗？编程难道不需要了解模型原理吗？写论文难道不需要了解模型知识吗？合理的安排是主辅式分工，我们团队从建模解题到写论文，三人全部参与，交流方案思路，纠正错误偏差。这是一个团队的比赛，没有所谓的先后工作顺序，到了后期代码依然在微调，模型依然在完善，论文手会指出模型所缺的验证，解题手会纠正论文的内容错误和偏差，提出建议，并辅助写某一部分内容。

行动就是破局密钥。拿我们的经历说吧，那天晚上题目公布，我们在数据预处理上卡了很久，没有常规的缺失值、异常值之类，不敢轻易直接把数据拿来用，尝试很久毫无头绪。虽然已经过了两小时多了，着急情绪说没有是假的，但这种时候考验的就是心态。最终我们依据数据指标正常范围去掉了极少量不符合的数据，大胆猜想数据皆可用。

然后进入建模阶段，第一题的建模上尝试了我们所学的模型，结果都很不理想，又碰了壁。我在看到第二题逻辑不受第一题影响时，果断开始研究第二题，让我的队友继续尝试第一题。然而第二题的建模结果依旧给我们带来打击，至此，“绝境”已成。那一刻给我的感觉就像带足了枪支弹药的士兵上战场遇到暴雨，刀枪生锈弹药失效。

这个时候心态反而放松了，既然“我什么都没了”，那我还怕什么，有什么不敢行动的。题目涉及到医学，我就直接查阅医学上的各种分析方法，查到一个看起来很符合的统计学方法后和队友分享，达成一致意见后直接现学现做。

从第一次看见这种模型方法到快速学习再到搭建落实，到第一次拿数据跑，仅仅几个小时。结果让我们重拾信心，于是我就立刻开始改进模型，完善整体的架构，后面看到第三题逻辑是第二题的扩展，而这个模型也有扩展性，行动积极性成指数级增长。至此，破局。所以我有个很深的感触，竞赛期间亦是一场学习新东西的征途。

python可视化功能是很强大的，可视化代码如果写不出想要的图效果，完全可以交给大模型帮你改进。我们队当时用的python，spss绘图。如果擅长Matlab，当然可以用Matlab。想要知道“学术感”很简单，往年优秀论文可借鉴，图片上的标识一定要清楚。

磨刀不误砍柴工，吃好喝好心态好。一场数模，可大可小，收获不止于此，受益可终一生。