零基础学习数学建模——（五）美赛写作指导

本篇博客将详细讲解美赛论文写作。

标题

标题要简洁精炼，尽量不要直接引用赛题的题目。

**常规标题写法：基于XXX模型/方法/理论的XXX问题研究。**这种格式通常涉及到模型方法，核心算法或者是解决了什么具体问题。而美赛标题是可以进行创新的。

像前五个例子，他们的标题都是非常生动形象的，尤其是第二个例子——Drone System VS Wildfire。那么我们在写美赛论文的时候，也是可以对标题进行创新的。

注：标题单词首字母都是大写，介词连词这种首字母都是小写。

摘要

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。

目录

摘要的下一页一般就是目录。例如我们来看一篇O奖论文的目录：

目录第一行一般是content(s)居中。

每一级的标题不要太长，要短小精炼，首字母需要大写。

标题可以到二级标题，也可以到三级标题，最好不要到四级标题。

目录页如果按照正文的字体大小达不到一页，可以通过调整目录页字体使得目录尽可能接近一页，这样更美观。

引言

引言一般包括三个部分：问题背景，问题重述和前人研究。

问题背景

一般翻译为Problem Background。这部分主要是写问题的研究背景，例如当前问题所面临的现状。尽量不要抄赛题里的研究背景。

问题重述

一般翻译为Restatement of the Problem。这部分是对问题进行重新叙述，最好不要直接抄题，而是用自己的语言进行表达。有的O奖论文就是重复题目的原来的问题。我们要明白，O奖论文能拿奖，至少说明他们的思路是非常新颖的。有的O奖论文，仔细看的话，也能发现一些语法上的问题，但他们依然能拿O奖，这就说明美国人其实不太注重细节。所以问题重述怎么写，都行。这里是建议，建议大家论文如果没有非常新颖的东西，最好不要再去做一些额外的创新。

前人研究

这里也可以叫文献综述，一般翻译为Literature Review。这部分主要写前人做了什么研究，但本文又引进了什么，或者考虑了什么，或者使用了什么别人从未用过的模型或方法，因此本文的研究有意义的。

这部分是可以多写，如果篇幅不够，可以用这部分进行填充。如果篇幅超过了要求，那么可以对这部分进行删减。

我们的工作

有很多论文并没有在引言中写前人研究，而是写我们的工作，例如：

这部分一般都会放一个流程图，介绍整篇论文每一个问题的建模过程，以及模型或算法之间的关联。

这一部分也可以放在引言的第四部分。具体视每个团队而定。O奖流程图一般都非常好看，可以好好学一学如何画出漂亮的流程图。尽量要有自己的创新点。

模型假设及符号说明

这部分一般是放在引言之后。

假设是必须要有的，最好在每一个假设下面表述假设的理由，例如：

符号说明这部分里，如果模型符号比较多，不必要把模型里所有出现的符号都在这里进行解释，这部分尽量不要写太多，例如：

正文

正文主要包括每一问的问题分析，模型建立，模型求解、结果分析和模型检验。

问题分析

这部分主要写自己的问题切入点以及解题思路，也就是如何将实际问题转化为数学问题。这方面可以多学习O奖论文的切入点。当真正参加美赛的时候，要想让自己的切入点有所创新，就一定要多看相关领域的文献。

模型建立

建立模型时不必一味追求高大上的模型，简单模型也能获得O奖，例如：层次分析法，熵权法，TOPSIS。

建立模型一定要具体，一定要把因素考虑全面，即使是最简单模型，O奖论文也能结合具体问题进行全面分析。即使是空洞、高级一点的模型，O奖也能很好地与问题进行结合。比如机器学习模型。

每一问的模型之间都是有关联的，上一问的模型一般都能在下一问进行应用。这里的应用不一定是整个模型，可能是模型里的变量，或者是模型的结果。

模型求解

模型求解不一定非得需要很高级的算法，有的模型是可以直接通过编程进行求解。部分O奖论文利用概括性的语言或者流程图展示求解步骤。优秀算法并不一定是高级算法，所用的算法一定要与题目想结合。很多人对高级、复杂的算法无比热衷，非得在论文中进行展示，但自己又无法理解，然后写了一堆理论东西，与问题毫无关系。

结果分析

一般是用图或者表进行分析，在每个图表下都要进行至少三行以上的内容分析，越详细越好。

模型检验

不同模型有不同的检验方法。很多O奖论文会把模型检验放到最后面，这种一般是对优化模型进行灵敏度分析。

模型优缺点及展望

模型优缺点

优点尽量要具体，多写文章里的创新部分，不到万不得已，不要写一些模型常见的优点。一般三个优点即可。

缺点可以稍微用一些不痛不痒的语言进行表述，缺点个数尽量不要超过优点个数。

模型展望

这部分可以针对不足，提出一些改进方法，改进之后会怎么样；也可以讲本模型除了用在该题领域，还可以用在其他领域。字数少的话，可以举个例子。部分O奖论文将这部分改成结论，例如：

参考文献及附录

参考文献

（1）参考文献建议十篇以上，二十篇以下。虽然这不是明确要求，但最好要有十篇以上。文献太少，可能会让评委认为你的模型是凭空建立的，没有参考前人的经验。但数学建模并不是科研，解决一道题目也不会让你读太多的参考文献。因此最好选择十五篇左右。

（2）如果引用中文文献，一定要翻译成英文。

（3）注意引用格式。参考文献不要自己敲，一般都是在论文官网上点击引用，即可粘贴过来。

附录

这部分可以放代码，但是所放的代码里一定不要出现中文。正文里放不下的图表，可以放在附录里，例如统计模型中可能出现的数据非常多的检验表格。如果超过页数，可以不用放附录。注意：虽然是附录，但排版一定要美观！

2024年美赛论文新要求

由于AI大模型的发展，今年美赛对AI的使用进行了规定。

图片来源：https://www.contest.comap.com/undergraduate/contests/mcm/instructions.php

将上面文字翻译之后：

新的！比赛期间——在 COMAP 竞赛中使用大型语言模型和生成式 AI 工具

这一政策是由大型语言模型(llm)和生成式人工智能辅助技术的兴起推动的。该政策旨在为团队、顾问和评委提供更大的透明度和指导。这项政策适用于学生工作的所有方面，从模型的研究和开发(包括代码创建)到书面报告。由于这些新兴技术正在迅速发展，COMAP 将适当地完善这一政策。

团队必须公开和诚实地使用人工智能工具。团队及其提交的内容越透明，他们的工作就越有可能被其他人完全信任、赞赏和正确使用。这些披露有助于理解智力工作的发展和正确承认贡献。如果没有对人工智能工具作用的公开和清晰的引用和参考，有问题的段落和工作更有可能被认定为抄袭并被取消资格。

解决这些问题不需要使用人工智能工具，尽管允许负责任地使用它们。COMAP 认识到大型语言模型和生成式人工智能作为生产力工具的价值，可以帮助团队准备提交;为一个结构产生最初的想法，例如，在总结、释义、语言润色等。在模型开发的许多任务中，人类的创造力和团队合作是必不可少的，对人工智能工具的依赖会带来风险。因此，我们建议在将这些技术用于诸如模型选择和构建、协助创建代码、解释模型的数据和结果以及得出科学结论等任务时要谨慎。

参赛队伍须知:

1.在报告中明确指出大型语言模型或其他人工智能工具的使用情况，包括使用哪种模型以及用于什么目的。请使用内联引用和参考部分。在你的 25 页解决方案之后，还要附上人工智能使用报告(如下所述)。

2.验证内容的准确性、有效性和适当性以及由语言模型生成的任何引用，并纠正任何错误或不一致之处。

3.提供引用和参考，遵循这里提供的指导。仔细检查引用，确保它们是准确的，被正确引用。

4.要注意抄袭的可能性，因为大型语言模型可能会从其他来源复制大量文本。检查原始来源，以确保你没有抄袭别人的作品。

引文及参考指引

仔细考虑如何记录和引用团队可能选择使用的工具。各种风格指南开始纳入人工智能工具的引用和参考政策。在 25 页的解决方案的参考部分，使用内联引用并列出所有使用的 AI 工具。无论团队是否选择使用 AI 工具，主要解决方案报告仍然限制在 25 页。如果一个团队选择使用人工智能，在你的报告结束后，添加一个名为“使用人工智能报告”的新部分。这个新部分没有页数限制，不会被计算在 25 页的解决方案中。

人工智能报告这部分写法可以参考官方提供的例子：

本篇博客到此结束！