2024美赛最后一问没做出来会直接失去评奖资格？

最近有不少同学在后台私信小编，如果在美赛期间，由于种种原因，没有做完会不会影响成绩，在数模竞赛中，影响最终结果的唯一因素就是论文，最后一问没做出来可能会影响最终论文的评分，不会直接取消资格的，但是一定程度肯定会影响评委的评分，今天我们来具体了解一下美赛能否拿奖的关键到底有哪些？

好的摘要有哪些体现？

摘要是整篇论文的浓缩，是美赛论文的重中之重，一定要认真对待，反复修改。评委老师第一眼看你的论文，就是看你的摘要。如果改卷时长是十分钟的话，那么评委至少要在摘要上花六七分钟。大家可以设身处地地想想，如果让你在规定时间去看一篇论文，你是一个字一个字地看呢，还是重点看摘要，正文只看自己感兴趣的，或者大致扫一眼呢？

我们来看这样一篇O奖论文的摘要：

摘要第一段介绍背景，引出本文需要完成的目标。

摘要主体部分，一般是从第二段开始，一定要讲清楚三件事：用了什么方法，解决什么问题，得到什么结论。

摘要主体段落尽可能的均匀。

如果摘要中出现缩写，第一次出现要采用全拼，并用括号说明缩写，例如task 3里的第三行。

摘要一般是按问题进行分段，有时候也会按模型进行分段，在每一段中可以用一些连词或者从句让逻辑更清晰。

最后一段一般写模型的检验、优缺点与展望，如果是题目要求写建议信，也可以简单总结一下。

关键词一般涉及研究领域、模型名称、算法名称等，建议三到五个即可。

摘要是评阅时给评委的第一印象，非常重要！(甚至可能看一眼摘要就能判断你是h奖还是s奖)

注意简单精准，需要反复打磨，十几次甚至是三十次
摘要部分最好是留在最后三个人一起打磨撰写
这部分应包含如下几个部分内容概述：

模型的数学归类——在数学上属于何种类型
算法思想——模型的求解思路
模型特点——模型优点，建模思想与方法，算法特点，结果检验等
主要结果——数值结果、综合结论，要求给出所有问题的结果

建立模型方面

模型的建立要考虑全面，多从多尺度融合的角度来分析问题(长期&短期、宏观&微观等维度展开)。
·不要为了为了用模型而生搬硬套：使用现有的模型时，考虑是否这个模 型适合本题，不是为了用算法而用算法，对不适合的题目用这个模型，最好还可以在现有的模型算法上针对本题适当改进。

自信点使用自己创造的模型，不论算法是否简单，有理有据并且能够很好的应用再在题目上的就是好模型。

论文中模型的建立应当说理充分，从分析题目→选择模型→给出公式(为什么公式是这样) →求解模型 →分析结果，都要逻辑清晰。

评委除了看摘要，接下来就是看Our Work,可以快速了解我们的整体思路。

最好画一个流程图或框图，清晰展现我们的建模思路，各个模型之间的关联，显得逻辑严谨，模型完整。

模型求解

有图表就要有解释、有分析、有结论。 总之要方便评委直观地知道我们的结论。有结论体现我们有思考，尽管有些结论不一定正确（可以用“我们推断”，“我们认为很有可能是因为”等语句）不能只是放一张图片就不管了。

美赛具体评分要求

（1）可行性：建立的模型一定要具有可行性，不能抄袭他人的作品片段而忽略自己的想法，同时需要具有合理性，关键假设；不欣赏罗列大量无关紧要的假设

（2）行文规范性：论文写作一定要根据书写论文的格式严格要求，也要注意论文的美观得体

（3）正确性：不强调与“参考答案”的一致性和结果的精度；好方法的结果一般比较好；但不一定是最好的

（4）清晰性：摘要应理解为详细摘要，提纲挈领，表达严谨、简洁，思路清晰

（5）创新性：特别欣赏独树一帜、标新立异、但要合理

（6）继续研究潜力：需要有自己的见解，不能一直随大流，论文需要一些新的想法，具有深层次研究的价值

（7）可操作加分：根据参赛队伍的态度与平时表现作出评价给分。具体题目细则则根据题目给定的标准确定。

提高数模成绩关键点

慎用启发式算法

包括模拟神经网络、退火算法、遗传算法、蚁群算法等等，这些方法在近些年的数学建模竞赛中出现严重的滥用问题。

启发式算法是在无法直接求出严格最优解的情况下，去求一个近似的可行解。（详细内容可以去看数据结构与算法的书籍中的NP-hard问题和启发式算法）。

有些评审老师很烦动不动就建个神经网络的论文，所以一定要注意，如果问题有好模型和算法的话，就不要用启发式算法。

当然也不是完全不能用，还是要根据实际情况来，错误做法是不分情况的滥用。其实数学建模国赛阅卷老师大部分是数学老师，对神经网络和机器学习不感冒也是正常的。在美赛中，通过阅读了一些论文，我觉得其实影响神经网络不适合在建模比赛中使用的问题主要是时间短不适合炼丹，另外很多人根本不懂深度学习。比如要做一个两层的MLP，需要调整的参数就非常多了，一次训练时间也不短，导致神经网络短时间很难跑出好的结果，相反可以尝试一些简单的机器学习方法。然后在看论文的时候，很多人对神经网络的一些概念都不清楚，怎么划分测试集训练集，怎么看各种评估指标等等。就遇到过随便跑了个网络，说Acc到99的，大胆猜测是过拟合了，这些都是硬伤。

撰写论文需要注意的问题

（1）论文完成后检查

层次结构是否分明，清晰简洁

文章是否充分强调了重点内容？

关键性段落是否遗漏

段落的先后顺序是否合适

标题是否醒目明确

论文或材料是否完备？多余的是否删除？

文章中的各种符号是否保持前后一致？

字体大小是否合适？

特别注意：一定要随时保存文件、一定要随时保存文件、一定要随时保存文件

（2）建模中常见问题

不给出明确的模型，知识根据赛题的情况，用凑的方法给出结果，虽然结果大致是对的，没有一般性，不是数学建模的正确思路

论文过于简单，该交代的内容省略，难以看懂

罗列一系列假设或模型，又不做比较、评价，希望碰上参考答案或评阅思路，弄巧成拙

参考文献不全，或引用他人结果又不做交代，参考文献没有在正文中引用。

（3）论文格式规范

论文题目和摘要写在论文摘要上，摘要页的下一页开始论文正文。

论文从编号页开始编写页码，页码必须位于每页页脚中部，用阿拉伯数字1开始连续编号

论文不能有页眉，论文中不能有任何可能显示答题人身份的标志

论文题目用三号黑体字、一级标题用四号黑体字、并居中。论文汇总其他汉子一律用小四宋体字，行距用单倍行距或1.25倍行距。计算机结果和源程序单独放在在电子文档pdf中以备检查。

图表、表注都要编号，标注在表上方、图注在图下方

（4）参考文献注意

文献的引用于标注于科技论文的规范要求是完全一致的

论文中主要思想方法，模型和求解、算法等内容，哪些属于参赛者自己的，哪些是参考已经有文献资料的，都应该明显的标注出来，凡是参考或引用已有文献的相关内容，都应按照规范要求在适当的地方给出标注，并在文后的参考文献列表相对应，对于没有标注的内容都被认为是属于参赛者自己的。

如果出现该标注的儿没有标注的内容，则可能被定性为剽窃，要避免此类问题的出现

过度引用等于抄袭。过度引用指的是虽然在参考文献列表中列出相关文献，在文中也做了引文标注，但是整段整页的抄袭文献的内容、模型或算法，这也就是过度引用

特别抄与用的区别。抄就是将大量的文字数据公式符号图标等内容基本不变的照抄过来，而用是将文献中的思想方法等数据结论经验公式、模型、算法等针对具体问题进行适当的应用，从而能够解决具体问题。即便是经典的模型，通用的方法与算法，对于具体的问题也能够用好的，而不是照抄。

美赛注意要点

如果套用现成模型一定要结合题目！！！

模仿O奖论文确实是提高的捷径之一，模仿能让我们在形式上不会出大问题，但最重要的还是模型（能创新当然最好啦，没有就从其他方面找亮点），以及能否对自己的模型结果自圆其说。

综上所述，数模论文是拿奖的关键，一定要认真完整的完成论文！数乐君在这里等待大家的好消息，听说文末点赞+在看的小伙伴都可以拿F奖！

文章来源：数模乐园公众号整理发布，未经允许，禁止转载

美赛结束，2024年第九届数维杯国赛正式开始报名！

该竞赛已成为数学建模行业内仅次于国赛和美赛的的第三赛事，在国内高校中是作为国赛大型热身、保研、综合测评、创新奖学金等评定竞赛之一。

被众多所高校推广甚至列为国家级赛事选拔赛，国内外具有较高的影响力。

进群领取历年真题优秀论文福利及队友大赛通知

• END •

数乐君在此坐等大伙们获奖的好消息

赶紧转发这条锦鲤拿奖