数学建模论文写作要点

《数学建模论文写作要点》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、数学建模论文写作结构解析（一家之言，仅供参考）题目6[(s+G!a)d;k  i-j'J  题目是给评委的第一印象，建议将论文所有模型或者算法加入题目中，例如《用遗传算法解决XXXX问题》。%B!]3];k$S8q/i8R%n$z*Z*~,R摘  要:S:v%K9'l:z  摘要无疑是论文中最重要的部分。摘要应该最后书写。再重申一遍：在论文的其它部分还没有完成之前,你不应该书写摘要。一个理想的时间安排是把交卷前4个小时时间拿出来书写摘要。$P2{6T8Q9A({摘要应该使用简练的语言叙述论文的核心观点和主要思想。如果你有一些创新的地方，一定要在摘要中说明。进一步，你必须把一些数值的

2、结果放在摘要里面，例如：“我们的最终算法执行效率较一个简单的贪婪算法提高67.5％，较随机选择算法提高123.3％”。-[/A&[5?$y1w   理想的摘要长度是很难确定的。你必须把所有的核心观点包含在摘要里面，但是简洁是非常重要的。一般情况下半页左右比较合适，绝对不要超过2/3页。.f;~&z/N8U-I  c2~   摘要（甚至是整篇文章），应该由整个团队合作完成。一种实现方式是，每个队员单独地花一个小时（至少）时间写一个他们认为最好的摘要。然后，大家聚到一起，相互阅读这些摘要。9s!~'c$T9}(y01^$T2C摘要一般分三个部分。&l8v0G4D#n/e6c#r1、概述

3、：用三句话表述整篇论文中心。不要超过5行内容。·         第一句，用什么模型，解决什么问题。l·         第二句，通过怎样的编程思路来解决问题。l·         l第三句，通过怎样的模型检验来验证结果的精度。说白了就是给个结果。/e2z7O!`4Z$P#E!E+v+H.{$@"s42J*x4M9P*~'O8p12、分问题表述：*j/Y  E0g*w7Q,R一般国内的竞赛的题目，分3-4个问题。而第一个问题建立的模型基本上是整篇论文的精髓。下面的问题是对第一问题的检验及深入。所以在分问题表述上第一问最好写一下解题的思考过程，比如“我们通过大量不同模型的刷选，发现XX

4、模型很好的解决改问题……云云”。这些表述会增加评委对论文的好感度。下面的几个问题，主要简单写一下解题过程及结果即可。3、最后总结：“我们对此模型在XXX的验证过程中发现了一些不足之后，并在模型评价上提出了N点建议。（N，不要超过4个哈）3e"F*N$_1i/W问题重述（引言）  在引言中，你可以按照你自己的理解重述问题。从一个建模问题中，几乎每一个参赛队都可以找到一个不同的“模型”来进行解决。赛后当你阅读其他参赛队的论文的时候，你会惊讶地发现你们解决问题的方法非常不一样，甚至，有的时候你会发现你们解决的问题也是截然不同！.l:h&F#(`(Y+P0@2M:~  因此你在引言中要将你

5、对问题的理解以及你的工作所要解决的问题表述清楚。在这里你也可以阐述一些问题的背景，或者展示一些你在研究问题过程中学到的东西。引言通常应该在星期五下午首先书写。它可以帮助确保团队所有成员的工作同步。模型    这是论文中的第一个大的段落。每一个问题，都可细分为三个部分：模型，解决方案和验证方法。模型可以用来生成数据，基于这些数据你可以测试你的解决方案。8^$I7@#X;T5E+~-

6、  一般来说，模型将出现在电脑中，所以我们面临的挑战是将程序代码翻译成文字，使得每一步都能自圆其说。对于一些连续问题的建模，建议要对如何求解微分方程有一个清楚的理解。别忘了，这是数学建模竞赛，所以对于这个部

7、分不要文过饰非。它应该是简单的——对于等级膨胀问题，本段将只涉及模拟一类中的一些实际等级，然后用一些方法，来扭曲它们，源自膨胀。一般来说，对于离散问题，你需要熟悉如何产生具有不同性质的随机数集合——这对于构建用于检测你的算法的测试数据集很有帮助。队员应该在周五下午选择构建这些模型，所以这一部分的草稿应该星期六完成。解决方案!J,A!o*`6z+R  论文的第二个大段落。在这个部分，我们描述数据处理方法，用于处理由第一部分产生的数据。这一部分实际上说明了我们是如何解决问题。   你必须有一个以上的解决方案。再提醒一遍：一个以上的解决方案。为了证明你有一个漂亮算法，你需要有一个底线，一些

8、可以与你的解决方案相比较。你可以先从最简单，最常见的算法入手，然后逐步提炼，完善它，直到得到你的最好的解决方案。   一般情况下，对于离散的问题，最简单的解决方案可能就是随机选择。在这一部分中，你需要证明你已经对问题进行了彻底的探讨，并且你已经尝试了许多不同的解决方案。即使你一开始就使用了最佳解决方案，然后尝试了一些其它的方案，在论文的书写中，你仍然应该表示从最根本的解决方案入手，然后逐步细化，最终达到你的最佳解决方案。如果你尝试了更先进的算法，但它的效率