作为一个数模老手,大大小小比赛打过好几次,其中打了两次正规的比赛(国赛和美赛),都取得了除高教社杯和O之外最好的奖(故意绕过来),现在我按照自身的理解和经验评估一下这几题
A题一如既往是连续性的优化问题,结合了物理背景,题目看起很复杂唬人,其实模型网上很多,主要还是以微分方程建模为主,具体物理细节明天再公布,这里提示一下,在最大化功率时,功率的计算依赖于阻尼器,阻尼器做功是需要阻尼力和绝对运动速度(不是相对速度不是相对速度别搞混),而阻尼力的计算主要取决于阻尼器的阻尼力与浮子和振子的相对速度,比例系数为阻尼器的阻尼系数,当然的阻尼系数的系数也给出了模型,直线阻尼器的阻尼系数与浮子和振子的相对速度的绝对值的幂成正比后面只需要表达出输出功率,当然可以简单的表示也可以用微分方程建立更复杂模型去表示(做A题的不会傻乎乎用最简单的模型吧),最后采用优化去求解,优化是最简单的一步,如果有基础的可以用一些凸优化或者最优化理论的一些方法求解以及误差分析,智能算法还是比较low的。
B题这次应该属于比较简单的吧,玩EE的简直看着题跟看高数一样简单,无人机无源定位人家ee都直接在接收信号上做一些滤波降噪、时频分析,空域分析、AOA什么的,简直降维打击,建议EE方向选这个,搞完很容易直接投一篇ei水会,厉害点的建模甚至可以加工深入研究发trans,专业相关就是好,这个里面有很多可以挖掘的地方,由于没有给太多数据,唯一数据就是那个初始位置表,所以答案不是那么唯一,前几问在不考虑实际情况下甚至用三角定位或一些简单的几何知识就能做出来,当然写好还是需要更perfect的model,考虑更复杂情况肯定会更好,给分更多。
C题有什么可说的呢,最简单的题型吧,选题最多的题,小白一上来就只会搞这个,相关性分析、数据挖掘、DL都是网上代码很多,上手也很简单,第一题考虑相关性,可行的方法很多,当然传统的感知机,决策树,随机森林都可以队表面风化与其玻璃类型、纹饰和颜色的关系进行分析,当然也可以从相关性上考虑,比如灰色关联,shapely等模型和一些基尼系数、两个相关系数等评估指标,或者采用最简单的MLP等神经网络隐式去拟合出判别函数,或者一些高级些的聚类分析等,后几问也类似,当然也可以用data mining的方法,比如提升树,lightboost、Xgboost等集成学习方法,当然由于数据太少了,不建议用DL或集成学习,往往最简单的model对付这种问题更不会那么容易overfitting,当然还是要看精准率召回率等等,也可以语文建模(小白专属)混个参与奖。
今晚我再具体想想细节,大概思路顺序——B->C->A
明天尽量给个大体思路模型等。
最后给出结论:
基于较好基础
基于较差基础