2018年美赛感想&&总结

[hiyouga]

2018-02-09 6:00~2018-02-13 9:00，历时四天的2018年美国数学建模大赛终于结束了，回想这四天来的经历，自己究竟收获到了哪些呢？最首要的一点还是意识到了自己能力和经验的严重不足吧……正直に言えば，总感觉这四天来没有给team贡献出多少力量，leader在建模的同时就把程序调好了，写论文的队友也做出了不错的一篇paper，而我也就是做程序处理了一下数据，画了几张图表，最后分担了一部分优势分析的part……而且对于自己来说，只是体验了美赛的一个过程，至于真正收获了什么，很难说，心中的成就感也不太能感受得到。比起比赛的这四天，还是备战的那几天收获更加得大。不过比赛后也给自己带来了很多的反思吧……\(\color{white}{（其实还是很难受的，四天来对自己的表现很是不满意）}\)
这次选择的题目是2018 MCM Problem C : Energy Production，一道和能源可持续发展有关的问题，ICM的题目基本没有看，MCM的话A题物理知识太欠缺，B题有点无从下手，最后选择了看起来思路还比较清晰的C题。（说实话C题一看到我就有思路，但做的过程中又……）
2018_MCM_Problem_C.pdf
首先第一问就给出了一个很模糊的概念，制作四个州的"Energy profile"，对于这种没见过的东西，最好的方式还是问问谷歌娘，看看之前类似的东西是个怎样的操作，于是参考着已有的一些profile做了几张图表。题目的附件给出了两张worksheet，分别是数据和标签描述，数据那边就有105745行，只看类型也有606种，当然不可能全分析出来，所以只好挑选了几个具有代表性的（带Total的，等等）数据绘制出图表，关于图表的图例之类的也调整了好久，否则放进paper里各种看不清…
第二部分的建模和第四部分的predict都交给了我们leader来做，剩下的影响因素就由我来做，于是接下来迎来了第二个难点：criteria，怎样才能说明这个州的能源使用是cleaner, renewable的呢？这个标准很难去决定，不同州之间的发展相差很多，其实还有一些地理气候的因素。其实这个criteria的做法有两种，一种是直接去找一些现有的criteria来分析，但是我没选这个选项，而是去想如何根据已有的一些数据来得到一个criteria的计算方法，这样一来就很麻烦了，因为既然计算公式都ok了，那作优势分析还有什么意义呢……于是我开始构思各种各样的criteria：

while True:
	new idea
	delete idea

Error: stack overflow at line 1.
这样的状态大概持续了大半天，搞的心情很糟，思路陷入了困境，连做下去的动力都少了很多，最后没办法，按能耗算出来一个数值，拿人口，GDP等等的作为因素简单做了一个优势分析，做出来结果是人口影响因素很大，emmmm，和我预想不太一样，仕方ない，只能那么交上去了，总不能扭曲现实吧，而气候地理五十年基本不会怎么变的，分析出来也没什么用，至于州之间的比较……California州无论什么条件下，清洁能源的使用比例始终是碾压其他三个州的，写起来很难受，不知道该如何解释比较好，将就把这个优势分析部分水过去了。最后的predict和action也主要交给了leader来做，昨晚收工论文，三个人一起肝到了三点多，最后发了solution mail，比赛也就告一段落了。
总结一下这次的比赛，总体上算是交了一个不令人失望的答卷，但这次还是犯了和校赛一样的一个毛病：思维太过于局限于数据，应该动手去搜索更多的数据来支撑自己的模型，而不是让自己的模型去适应数据。其次，还要多学习关于这个题目的一些相关知识，而不要用以前的一些知识去生搬硬套建模，这样一来，做出来的东西还不如现有的技术，应该是去了解当今的技术，去从某一方面改进它，做出一个很有创新性的成果，之前也听别人说，数学建模比赛也是在培养人在短时间内学习了解大量新领域知识的能力。
至于个人的总结，还是多看看书，多研究一些样例模型，知识储备还远远不够，建模经验也很少，一方面要有知识，更关键的，还是如何把他们应用到自己的模型中，当然这个模型怎么样建立，也是非常重要的。数学建模的本质还是要把现实中的各种问题抽象到数学的角度上去思考求解，上学期在学校里听了各种各样具有丰富建模经验的学长学姐的讲座，对于建模的整个大体理论是了解的，然而自己没有什么经验，终究是一堆空架子，起不到任何作用，踏踏实实动手去做，才是最重要的东西。数学建模给我带来了学习新知识的动力，我也经由他接触到了各种领域的知识，新的一年里，也要在这方面下一定的功夫，争取来年取得一个比今年更好的成果。