MCM/ICM報(bào)名費(fèi)多少？2024年MCM/ICM報(bào)名備考中

數(shù)學(xué)建模競(jìng)賽（數(shù)模）是一項(xiàng)高含金量的商科比賽，對(duì)于準(zhǔn)備保研的學(xué)生來說，是一個(gè)需要關(guān)注的重點(diǎn)。在數(shù)模競(jìng)賽中取得亮眼的成績(jī)，可以成為夏令營(yíng)申請(qǐng)中的加分項(xiàng)。如果能在美賽中獲得M獎(jiǎng)及以上的成績(jī)，可以進(jìn)一步充實(shí)和豐富個(gè)人簡(jiǎn)歷，向?qū)熣故咀约涸跀?shù)學(xué)方面的水平。

對(duì)于即將保研的大三學(xué)生來說，今年的美賽是在明年夏令營(yíng)前能夠獲得結(jié)果的最后一場(chǎng)數(shù)模比賽。這意味著他們可以利用這次機(jī)會(huì)來展示自己的能力。而對(duì)于大一和大二的同學(xué)來說，他們有更多的時(shí)間來充分準(zhǔn)備美賽，并爭(zhēng)取取得不錯(cuò)的成績(jī)。

01團(tuán)隊(duì)成員及顧問團(tuán)隊(duì)成員

團(tuán)隊(duì)成員

一個(gè)團(tuán)隊(duì)最多可以由目前就讀于同一所學(xué)校的三名。學(xué)校可以注冊(cè)的團(tuán)隊(duì)數(shù)量沒有限制。比賽面向所有本科生和高中生開放。顧問必須完成每個(gè)團(tuán)隊(duì)的注冊(cè)過程。

團(tuán)隊(duì)顧問

團(tuán)隊(duì)所在機(jī)構(gòu)的任何教職員工或?qū)W生都可以擔(dān)任顧問的角色。顧問將作為團(tuán)隊(duì)的主要聯(lián)系人，不必來自數(shù)學(xué)系。我們鼓勵(lì)教職員工擔(dān)任團(tuán)隊(duì)顧問;但是，學(xué)校的一名團(tuán)隊(duì)成員或另一名學(xué)生可以擔(dān)任顧問。

02報(bào)名費(fèi)用

報(bào)名費(fèi)MCM/ICM的注冊(cè)費(fèi)為每隊(duì)100美元，即約725人民幣，3人團(tuán)隊(duì)每人大概分擔(dān)240元。

MCM和ICM報(bào)名/免費(fèi)領(lǐng)資料【翰林提供報(bào)名服務(wù)】

03 2024新變化

注冊(cè)流程已簡(jiǎn)化，分為兩部分：顧問注冊(cè)和團(tuán)隊(duì)注冊(cè)。

MCM/ICM競(jìng)賽現(xiàn)在有25頁的限制。25 頁的限制適用于整個(gè)提交，包括摘要表、解決方案、參考列表、目錄、注釋、附錄、代碼和任何問題特定要求。

在COMAP競(jìng)賽中使用大型語言模型和生成式AI 工具。但需在報(bào)告中明確指出LLM或其他AI工具的使用情況，包括是哪種模型被使用以及用于什么目的，且在25頁的解決方案之后需附加AI使用情況報(bào)告。

競(jìng)賽時(shí)間

1.比賽時(shí)間：(北京時(shí)間：2024年2月2日，早晨6：00點(diǎn)，星期五) 至 (北京時(shí)間：2024年2月6 日，上午9：00，星期二)

2.提交截止日期：(北京時(shí)間：2024年2月6日，上午10：00，星期二)

3.比賽結(jié)果：結(jié)果將于2024年5月31 日或之前發(fā)布。

這里需要強(qiáng)調(diào)一下，美賽參賽階段正處于美國(guó)東部的冬令營(yíng)，所以有13個(gè)小時(shí)的時(shí)差，所以同學(xué)們參賽時(shí)間不會(huì)換算就無需處理，直接參照北京時(shí)間就可以。以免影響參賽。

04歷年美賽情況分析

美賽（MCM/ICM）共設(shè)有兩個(gè)賽道，分別是MCM（Mathematical Contest in Modeling）和ICM（The Interdisciplinary Contest in Modeling），每個(gè)賽道都有3個(gè)問題，總共提供6個(gè)題目供選。

MCM賽道偏向理工科，需要較高的數(shù)學(xué)和計(jì)算機(jī)能力，門檻相對(duì)較高，更加具有挑戰(zhàn)性。ICM賽道偏向社科，更需要邏輯分析和寫作能力，題目對(duì)商科同學(xué)來說相對(duì)較友好。

具體來說，MCM的A題涉及物理和化學(xué)問題，對(duì)專業(yè)有一定的限制；B題相對(duì)較好，對(duì)建模能力要求較高；C題會(huì)給出大量的數(shù)據(jù)，適合數(shù)據(jù)分析能力較強(qiáng)的同學(xué)；D、E、F題相對(duì)較友好，其中F題有時(shí)被戲稱為"語文建模"，但也可能會(huì)有一些較為復(fù)雜的問題。通常商科同學(xué)會(huì)傾向于選擇C、D、E、F題，但這并不是絕對(duì)的，只要對(duì)某個(gè)題目有思路和想法，都可以選擇去解答。值得一提的是，如果選擇一個(gè)與專業(yè)較為相關(guān)的題目進(jìn)行研究，可以作為一篇較好的數(shù)模論文，豐富和充實(shí)個(gè)人的簡(jiǎn)歷內(nèi)容。

關(guān)于獲獎(jiǎng)情況，大家最關(guān)心的是獎(jiǎng)項(xiàng)。美賽設(shè)有5個(gè)等級(jí)的獎(jiǎng)項(xiàng)。通常來說，獲得M獎(jiǎng)及以上是比較有競(jìng)爭(zhēng)力的成績(jī)，可以成為簡(jiǎn)歷中的一項(xiàng)亮點(diǎn)。根據(jù)2020年到2023年的統(tǒng)計(jì)數(shù)據(jù)，每年的獲獎(jiǎng)比例大致如下：O獎(jiǎng)約占總參賽隊(duì)伍的0.2%、F獎(jiǎng)約占總參賽隊(duì)伍的2%、M獎(jiǎng)約占總參賽隊(duì)伍的7%、H獎(jiǎng)約占總參賽隊(duì)伍的22%、S獎(jiǎng)約占總參賽隊(duì)伍的65%。MCM和ICM的獲獎(jiǎng)比例相對(duì)一致，沒有明顯更容易獲獎(jiǎng)的情況。如果查詢歷年的獲獎(jiǎng)隊(duì)伍，會(huì)發(fā)現(xiàn)許多獲得F獎(jiǎng)和O獎(jiǎng)的團(tuán)隊(duì)來自中國(guó)的高校。這一方面說明大學(xué)生對(duì)美賽的熱情很高，另一方面也表明各位同學(xué)獲得好成績(jī)的希望是存在的！

05如何準(zhǔn)備美賽

隊(duì)友選擇

通常3人隊(duì)友配置：建模+編程+寫論文，其中建模和編程比較重要。盡早找隊(duì)友！否則靠譜有能力的同學(xué)就被別的隊(duì)拉走啦。盡量選擇熟悉的+有責(zé)任心的同學(xué)，否則到時(shí)候很可能面臨一個(gè)人爆肝的情況。

學(xué)習(xí)模型

數(shù)學(xué)建模中常見的模型有很多，以下是一些常見的模型：

層次分析法（Analytic Hierarchy Process，AHP）：用于多指標(biāo)決策和評(píng)估問題，通過構(gòu)建層次結(jié)構(gòu)和判斷矩陣來確定各指標(biāo)的權(quán)重。

熵權(quán)法（Entropy Weight Method）：用于多指標(biāo)決策和評(píng)估問題，通過計(jì)算指標(biāo)的信息熵來確定各指標(biāo)的權(quán)重。

模糊綜合評(píng)價(jià)（Fuzzy Comprehensive Evaluation）：用于處理模糊信息和不確定性問題，通過模糊數(shù)學(xué)方法對(duì)多指標(biāo)進(jìn)行綜合評(píng)價(jià)。

蒙特卡羅模型（Monte Carlo Simulation）：用于模擬隨機(jī)現(xiàn)象和不確定性問題，通過隨機(jī)抽樣和統(tǒng)計(jì)分析來估計(jì)模型的輸出結(jié)果。

多元線性回歸（Multiple Linear Regression）：用于建立自變量與因變量之間的線性關(guān)系模型，通過最小二乘法來估計(jì)回歸系數(shù)。

擬合算法（Curve Fitting）：用于擬合數(shù)據(jù)點(diǎn)到一個(gè)數(shù)學(xué)函數(shù)或曲線的模型，常用的擬合方法有最小二乘法、最大似然估計(jì)等。

分類模型（Classification Model）：用于將樣本數(shù)據(jù)分為不同類別或標(biāo)簽的模型，常見的分類方法有決策樹、支持向量機(jī)、邏輯回歸等。

聚類模型（Clustering Model）：用于將樣本數(shù)據(jù)劃分為相似的群組的模型，常見的聚類方法有K均值聚類、層次聚類等。

時(shí)間序列ARIMA模型（Autoregressive Integrated Moving Average）：用于分析和預(yù)測(cè)時(shí)間序列數(shù)據(jù)的模型，適用于具有趨勢(shì)和季節(jié)性的數(shù)據(jù)。

微分方程模型（Differential Equation Model）：用于描述系統(tǒng)變化和動(dòng)態(tài)行為的模型，常用于物理、生物等領(lǐng)域的建模。

粒子群算法模型（Particle Swarm Optimization）：一種優(yōu)化算法，模擬鳥群覓食行為，用于求解復(fù)雜的優(yōu)化問題。

神經(jīng)網(wǎng)絡(luò)模型（Neural Network Model）：模擬人腦神經(jīng)元的連接和傳遞過程，用于模式識(shí)別、分類、回歸等問題。

規(guī)劃模型（Optimization Model）：用于求解最優(yōu)解的模型，常見的規(guī)劃方法有線性規(guī)劃、整數(shù)規(guī)劃、動(dòng)態(tài)規(guī)劃等。

排隊(duì)模型（Queueing Model）：用于研究排隊(duì)系統(tǒng)的模型，分析系統(tǒng)的穩(wěn)定性、平均等待時(shí)間等指標(biāo)。

在數(shù)學(xué)建模中，選擇適當(dāng)?shù)哪Ｐ褪呛苤匾模灰嵊蔡祝鶕?jù)具體問題和數(shù)據(jù)特點(diǎn)選擇合適的模型。同時(shí)，掌握一些常用的建模軟件如MATLAB、Python等是有幫助的，但也可以根據(jù)個(gè)人熟練度和需求選擇其他軟件如lingo、R、stata等。在學(xué)習(xí)數(shù)學(xué)建模時(shí)，可以參考相關(guān)課程和書籍，進(jìn)行系統(tǒng)的學(xué)習(xí)和實(shí)踐。

論文撰寫

在美賽論文撰寫過程中，以下幾點(diǎn)是需要注意的事項(xiàng)：

使用英文撰寫：美賽論文要求使用英文撰寫，要注意語法、拼寫和表達(dá)的準(zhǔn)確性。可以使用翻譯軟件如谷歌翻譯進(jìn)行初步翻譯，然后再進(jìn)行修改和潤(rùn)色，以確保表達(dá)地道得體。

排版：建議提前學(xué)習(xí)使用LaTeX進(jìn)行排版，它是一種方便實(shí)用的排版語言，可以幫助你更好地組織論文結(jié)構(gòu)和呈現(xiàn)數(shù)學(xué)公式。LaTeX的使用涉及一些簡(jiǎn)單的編程操作，但學(xué)會(huì)使用它會(huì)提高論文的質(zhì)量和美觀度。

數(shù)據(jù)可視化：美賽非常注重?cái)?shù)據(jù)的可視化呈現(xiàn)，因此在論文中合理使用圖表是必不可少的。在數(shù)據(jù)可視化過程中，要盡量做到簡(jiǎn)潔清晰，使圖表美觀大方并能夠清晰地傳達(dá)信息。可以參考往年O獎(jiǎng)?wù)撐牡淖鲌D風(fēng)格，但也要注意不要照搬，要根據(jù)具體情況進(jìn)行適當(dāng)調(diào)整和創(chuàng)新。

參考O獎(jiǎng)?wù)撐模涸诒荣惽埃ㄗh多閱讀往年的O獎(jiǎng)?wù)撐模瑥哪Ｐ徒ⅰ懽黠L(fēng)格、數(shù)據(jù)可視化等方面進(jìn)行學(xué)習(xí)和模仿。這可以幫助你更好地了解評(píng)委老師的偏好，并提高自己在美賽中取得亮眼成績(jī)的機(jī)會(huì)。

數(shù)據(jù)網(wǎng)站

美賽查找數(shù)據(jù)也是重大難題。除了C題會(huì)給予大量數(shù)據(jù)（甚至電腦跑不動(dòng)），其他題目都要小伙伴自行搜集，而數(shù)據(jù)的質(zhì)量很大程度上影響了最后模型運(yùn)行的結(jié)果，因此找數(shù)據(jù)是美賽的重中之重。