Policy Information
Algorithm:数学建模大赛(CUMCM/NPMCM)之全国大学生数学建模竞赛历年考察知识点统计可视化分析、论文评阅标准参考、国内外CUMCM数学建模类参考文献论文集合之详细攻略
目录
2.1、摘要及总体结构(20分): 其中摘要10分、总体结构10分
概率统计模型
聚类分析 、判别分析
神经网络、最小二乘拟合、统计分类
非线性规划
二次规划、灵敏度分析、图论
最短路、二次规划
统计回归模型
计算几何
数据挖掘、曲面重建与拟合
概率优化模型
数学规划,排队论、计算机模拟
非线性规划
多元方程组
非线性规划
最优化设计,空间解析几何
最优化设计
概率与优化
风险决策、层次分析、分类加权
概率与优化
微分方程、微分几何、变分法
组合优化
微分方程模型
回归分析、差分微分方程、时间序列、随机扩散模型和计算机仿真
非线性规划
两层规划,线性规划、整数规划
多元函数极值 、变分法
整数规划模型
数据处理、整数规划
非线性规划
多元回归、数学规划
微分方程、参数估计
数据量化、模糊数学、0-1规划
微分方程模型
综合评判、统计预测
线性规划模型
随机模拟、0-1规划、随机抽样
多元统计 、方差分析、插值
规划问题
多元统计分析、整数规划
回归模型
多元统计分析与预测
多元函数极值、优选法
微分/差分方程
多目标优化
非线性规划
离散优化,组合最优化
概率统计模型
多元回归与试验设计
非线性规划
多项式回归与稳定性分析
拟合、规划
图论
层次分析、图论、模糊综合评判
矩阵论、图论、层次分析法、整数规划
非线性规划
插值、图论、动态规划
整数规划模型
离散优化或组合最优化
图论、组合数学
非线性规划
非线性最优化方法
非线性规划、线性规划
非线性规划
逻辑分析、统筹法、网络计划技术
非线性规划、动态规划、层次分析法、PETRI方法、图论方法、排队论方法
微分方程
微分方程
微分方程、积分、非线性规划
非线性规划
约束最优化
非线性规划
非线性规划
容差设计,随机模拟、显著性检验
微积分、非线性规划、随机模拟
动态规划
离散优化或组合最优化
组合优化、几何变换、枚举、蒙特卡罗、递归、最短路
动态规划
最优化、随机过程、时间序列分析
线性规划、非线性规划
图论
图论
最小生成树、Hamilton圈、旅行商问题
非线性规划
可靠性理论、质量管理
积分、概率分布、随机模拟、分布拟合度检验
非线性规划
代数、几何、图论、混合整数规划
何变换、枚举、最大完全子图、混合整数规划
摘要 | 总体 | 模型 | 算法 | 结果 | 检验 | 其他 |
10 | 10 | 30 | 20 | 10 | 10 | 10 |
(1)、模型和算法是关键
(2)、摘要部分值得特别关注
(3)、假设的合理性、 建模的创新性、 结果的正确性、 文字描述的清晰性
评分采用百分制:每位评阅人对论文的总平均分在60分左右(平均分不是60分的,在记入总分前将对评分进行相应处理,使总平均分为60分;即调整后每篇论文的评分 = 原始评分 * 60 / 您的总平均分)。每部分的分数分配如下:
(1)、摘要中应对题中5方面都论述到(每个方面2分);
(2)、摘要中应扼要说明文中主要模型、方法和结论;
(3)、摘要只是泛泛而谈,评分在平均分(6分)以下。
(1)、线性模型带常数项(或其他合理的模型)及结果正确可给10分,无常数项的,模型和结果分在平均分(6分)以下;
(2)、拟合或回归模型应说明理由并对结果检验(5分);
(3)、拟合或回归结果错误或误差较大的,本小题评分应在平均分(9分)以下。
(1)、必须明确给出阻塞费用的定义和计算公式,否则评分在平均分(9分)以下;
(2)、阻塞费用的计算公式中对序内外出力均应分段处理,部分段处理的本小题评分不超过12分;
(3)、方案明显不合理或不说明方案的合理性的,本小题评分应在平均分(9分)以下。
(1)、本小题答案是唯一的,错误答案主要在于算法错误或没有考虑爬坡能力约束(如第4、第8机组出力);
(2)、不说明方法直接给出正确答案的,本小题评分在8分以下;
(3)、方法正确但答案错误,本小题评分在5分以下。
(1)必须给出明确数学模型并解释模型含义,其中目标函数占5分、三个主要约束(机组总出力、机组爬坡能力、线路潮流限制)每个3分、段容量约束1分;
(2)无模型而通过局部搜索或调整而直接得到答案的,本小题评分应在5分以下。
(1)、模型10分主要指应明确考虑是如何处理安全与经济双重目标的;
(2)、无模型而通过局部搜索或调整而直接得到答案的,本小题评分应在5分以下。
论文中某部分有特别创新的,可适当加分计入总分,或特别提出来供评阅组讨论
LDA算法:实现LDA的collapsed Gibbs采样版本的推断。
[1] Finding scientific topics. Thomas L. Griffiths and Mark Steyvers.
http://www.pnas.org/content/101/suppl_1/5228.full.pdf
[1] J. H. Holland. Adaptation in Natural and Artificial Systems. The University of Michigan Press, Ann Arbor, Michigan, 1975.
[2] Z. Michalewicz. Genetic Algorithms + Data Structures = Evolution Programs. Springer-Verlag, Berlin, third edition, 1996.
[3] 康立山等,非数值并行算法(第二册)-遗传算法,科学出 版社,2003.
[4] 王小平等,遗传算法-理论、应用与软件实现,西安交通 大学出版社,2002.
评论