参加数学建模，你觉得快乐吗？|matlab|数学|神经网络|算法|编程

在数学建模竞赛领域，有的同学第一次参加，有的同学每次都参加，有的同学听说难就望而却步，也有的同学勇敢尝试，即使没获奖，也甘之如饴。但是在这个过程中，或许有人会问，参加数学建模的过程大家都快乐吗？

今天，数乐君就想来和大家一起探讨一下这个问题，也给那些对此抱有疑惑的同学一个答案。当然，光说不练肯定是不行的，所以我们就一起来走进一位同学的数模竞赛之路，用他的亲身经历来揭晓答案~

@CSDN网友

决定入坑是建模之旅的第一步，但是这条路并不平坦，波折很多，付出而没有回报是常有的事情。

如果你无法接受以上事实，建议更要去尝试，因为建模说不定可以帮你调整心态。我第一次建模的经历可谓惨烈无比。

首先折磨我的是读也读不懂的题目。数学建模的题目往往很长，有时候比较难理解。因此，才比赛中，认真细致的审题是关键，你必须知道题目到底想让你干什么。

接着让我抓狂的是数据怎么找都找不到。我记得一个题目要建立能够刻画、解决北京立交桥堵车问题的模型，所以找到立交桥的车流量数据非常重要。可是找数据并没有什么特别好的办法，除了一些常规的数据之外，更多的取决于你们的信息检索与资料搜索能力如何，当然，耐心和细心也很重要。但是很遗憾，当时第一次参赛的我们既没有耐心，也很不细心，而且找资料的能力比较差，到头来啥都没找到。

数据找不到，模型建出来了也用不了。（当然，我们也从知网上找到了几个相关的模型，但是不知道怎么用，不知道怎么改编，再加上本来数据就找不到，更难了）。

所以第一次参加数学建模竞赛真的是以惨淡收场，但是有了这次经历之后，经过不断反思问题总结经验，后面我和团队又报名参加了数模竞赛，这一次比之前明显就顺利多了，最重要的是队友们之间更加有默契，也逐渐认识到自己的不足并加以改正，于是乎后面的比赛结果一次比一次好。

再次回顾这个过程其实说起来非常轻巧，或许轻舟已过万重山，可那时候真的很煎熬，尤其是努力半天没有结果的时候，那种既无奈又气愤的心情印象特别深刻，但最后和队友一起坚持到最后，拿到奖的瞬间，还是真的值得的。

最后想说，在许多团队里，可能建模的队友一定会是你一生的朋友，毕竟共同奋斗、共同刷夜的那段时光是那么的珍贵。

其实参加数学建模究竟快不快乐，数乐君觉得是相对而言，如果相对于其他同学的惬意生活，参与数学建模的同学每天熬夜、学代码、无数次推翻重来，这些当然是不太快乐的。

但数乐君觉得，之所以大家能在最后看到自己获奖的时候那么快乐，就是因为看到自己的付出和努力终于有了回报，是一种踏踏实实的快乐，或许想必其他的快乐，会给人带来更加持之以恒的成就感和满足感。

那在这个过程中，那些参加数学建模获奖的同学除了快乐还会有哪些改变呢？

@知乎网友路旅人

最初，数学建模改变了我的学习方式。刚进入大学，我们存在的问题往往是难以克服高中时期“刷题”、“背诵”的不良习惯，而在最终考试中，背出来的高分和深刻理解知识后的高分，却被大多数学生理解为没有区别。

而不懂得运用知识的同学，在今后进行一定学术研究时会遇到更大的阻碍，且不良的习惯难以改正。而我在大一时期的数模学习，带领我从最初的刻板学习知识，到后期的主动去理解、运用知识并主动加深某方面知识的学习，自我探索能力大大提高，实现了从“背诵知识”到“怎么学以致用、举一反三”的转变，这也成为我整个大学阶段优良学习品性的基石。

数学建模还加增强了我们的科研创新能力。在解题过程中，更多的不是如何运用旧有的理论去解决问题，我们会尝试改进旧有的方法，甚至在一定假设下提出我们全新的方法。

数学建模培养了我们对于不同学科方向的深入思考，由于数学建模的赛题往往涉及多个学科或者交叉学科，我们会对新的专业产生初步的理解，在主动查阅大量文献并完成解题后，我们就能对当前专业方向有十分全面的理解，隐约中促进我们对不同专业方向的理解，对我们未来的抉择产生至关重要的影响。

说到这里，这不又到了新学期，想要参加数学建模竞赛的同学可能已经在屏幕前跃跃欲试了，接下来数乐君就给大家再总结一波入坑数学建模竞赛的必备知识，帮助大家更好备赛！

数学建模竞赛知识储备

要对数学建模竞赛进行知识储备，首先我们非常有必要清楚数学建模的主要步骤：

第一步:提出问题，将题目进行假设转化成数学问题；

第二步:选择方法，依据自身知识储备或者文献选择合适的方法；

第三步:建立模型，对建立的问题进行变形，推导，转化为可以运行标准方法解答的形式；

第四步:求解模型，数据和统计：Excel，SPSS，Stata等；编程：MATLAB，Python等；

第五步:总结整理论文，图表

在清楚了数学建模步骤后，大家可以对以下知识和理论进行提前储备：

1. 微积分、线性代数和概率论

对于建模问题的分析和求解至关重要，以及札实的数学基础，包括高数，线代种概率。所以一般不建议大一的同学参加比赛，尽管靠运气有时也能获奖，但大一的学生还是应该好好学习基础课，打好基础，为之后的数学建模竞赛做好铺垫。

2. 运筹学和优化方法

线性规划、整数规划、动态规划等优化方法。解决实际问题时经常使用。我们都知道数学建模竞赛的赛题基本都是以解决实际问题为主，所以题目都立足实际，而这些方法就可以用得上。

3. 统计学和数据分析

回归分析、时间序列分析、假设检验等数据分析方法。在数学建模竞赛中，除了模型算法，最重要的还有数据分析，参赛的同学大多都会遇到庞大的数据量，但分析好数据才能更加有助于解题。

4. 常见的模型建立与求解的方法

学习建立常见的数学模型的方法和技巧，掌握常见的数值计算和求解方法，如数值积分、差分方程求解、最优化算法等，以及经常会用到的预测类模型有神经网络预测模型、灰色预测模型以及拟合插值预测等，优化类模型有图论模型、规划模型等，分类模型有决策树、逻辑回归等，评价类模型有层次分析法、模糊综合评价法、聚类分析法等。

5. 编程语言

Python：具有强大的科学计算库和数据处理能力。

Python应用优势：开源性和广泛应用：Python是开源的，拥有庞大的社区支持和广泛的应用场景，可以满足各种数学建模需求。

多功能性：Python不仅可以进行数学建模，还可以进行数据分析、机器学习、图像处理等众多领域的开发和应用。

易学易用：Python语法相对简洁易懂，容易上手，对于非专业编程背景的团队成员也较为友好。

丰富的库和工具：Python拥有丰富的第三方库和工具，如NumPy、SciPy、Pandas等，提供了各种数学建模所需的功能和算法。

Matlab：有强大的矩阵操作和向量化计算能力、丰富的绘图和可视化功能、数值计算和科学计算库。

Matlab应用优势：使用Matlab可以实现以下应用

●数值分析

●数值和符号计算

●工程与科学绘图

●控制系统的设计与仿真