数学建模论文写作框架.doc

论文题目***** 摘要 1． 问题的重述与提出 2． 模型的假设，符号说明（表） 3． 模型的建立（问题分析，公式推导， 基本模型，最终或简化模型等） 4． 模型的求解 　　▲ 计算方法设计或选择；算法设计或选择， 算法思想依据，步骤及实现，计算框图；所采用的软件名称； 　　▲ 引用或建立必要的数学命题和定理； 　　▲ 求解方案及流程 　5． 结果表示、分析与检验，误差分析，模型检验…… 　6． 模型评价，特点，优缺点，改进方法，推广……. 　7． 参考文献 　8． 附录 数学建模论文的写作在比赛中可能是你论文质量好坏，得奖与否的最重要的因素。我初步地调查了一下，很多同学在准备比赛时，把自己的主要精力放在阅读往年优秀论文，精通某种软件和算法上面。不可否认，这会使你的建模水平得到提高，但在比赛时，你的想法再好，如果文字表达不清楚 ，很有可能使你的论文前功尽弃。因此学会如何写数模论文就很有必要了。下 1. 摘要 勿庸置疑，摘要在整个数模论文中占有及其重要的地位，它是评委对你所写论文的第一 印象，因此在这一部分的写作上一定要花大功夫 ，千万不能马虎。拿美国 赛(MCMICM)来说吧，摘要是你的论文是否取得好名次的决定性因素，评委们通过你的摘要就决定是否继续阅读你的论文。换句话说，就算你的论文其他方面写得再好，摘要不行，你的论文也不会得到重视。我认为在写摘要时应包括 6 个 方面：??问题 ，方法??，模型，算法??，结论，特色。简而言之，摘要应该体现你用什么方法，解决了什么问题，得出了什么结论。另外 ，通过我阅读美国赛 Outstanding 的论文来看 ，好的摘要都包含了两个共同的特点： simple 和?? clear，大家可以借鉴一下。 2． 问题提出 ： 这一部分没有过多的说明，一般是直接copy 赛题的原文就行了，但我认为在时间充裕的情况下可以适当归纳总结;在美国赛中，这一部分叫Background 或者Introduction。因此可以写点这个问题的一些背景知识。 3． 模型假设： 我认为假设的条件一般可以从题目中挖掘。另外假设需要值得注意的两点是： ①对我们所解决问题本身没有影响(或影响比较小)，但可以使模型得到简化的因素应该在假设中体现。 ②不能为了简化问题而大量假设(使求解问题本身与原题意不符 )，因此应注意假设的“量”与“度”。 4．符号说明： 在你的论文中不可避免的会出现大量的数学符号，因此在这部分里应把这些符号做一个简要的说明，可以从符号，类型(变量，常量)，单位，含义几个方面来说明(如下表 )????? ???????????????????????????????????????????????????????? 符号 类型 单位 含义 需要注意的是单位量纲要统一，含义解释要准确、清楚。 5. 问题分析 ： 从题目到模型是一种从具体到抽象的思维过程，本部分即是这一过程的体现。我个人认为这部分是文章的一个亮点，建议在文字说明的同时用图形或图表列出思维过程 ，这会使你的思维显得很清晰 ，让人觉得一目了然。另外，这部分应对题目做整体分析，充分利用题目中的信息和条件，确定用什么方法建立模型。我的经验告诉我，我们可以从题目中得到问题的一些初步的判定 ：(比如说可以得到在极限情况下的最大产量，花费的最少时间等，在我们最后得到的方案不能超过或低于我们这里分析的量。）在这部分应体现我们解决原问题的雏形。总之，问题分析在整个论文中的作用在于承上启下，也很能反映出参赛者的综合水平。 5．模型建立： ????模型的建立是将原问题抽象成用数学语言的表达式，其建立方式会由于对问题的理解和着眼点不同而不同。近年来我发现我国的数学建模竞赛出题主要有两个方向：一是概率统计问题；一个是运筹优化问题。因此掌握好以上两方面的知识对于建立模型来说是十分重要的。另外 ，我还觉得应注意对每个模型式子的解释一定要清楚到位，其中的数学符号一定要与前面的说明保持一致。 6．模型求解： 模型求解的方式很多，但一般多用软件编程求解，在这里我建议大家多用数学软件求解，三大软件(Matlab，Maple，Mathematic)至少应熟悉一种，另外应学会一些专用软件。比如说解概率统计问题的SAS，Splus，SPSS；解运筹优化问题的Lingo，Lindo 等。其次，尽量用不同方法求解，这既能反映出你的思维比较开阔，也能间接地验证你所求解结果的正确性。另外，应给出主要算法的一些简要步骤，处理或简化问题的方式，并适当应用表格和图像说明。最后需要提醒大家的是在必要时可以给出数学上的证明，这会使你的论文增色不少。 7．模型结果分析 ： 在我们的模型假设中，忽略了一些对问题影响的次要因素，这或多或少的使问题得到了简化，但必然会产生一些误差 ；另外