数学建模包括两个阶段，备赛和打比赛，笔者会分别介绍两个阶段的经验
大型比赛笔者只打过校赛和国赛，本文基于国赛展开
Copyright © 2023 J&Ocean All rights reserved
备赛
准备数学建模的比赛是痛苦的，因为数学建模是一个抽象的行为，需要将一个具体的事务抽象成一个模型，这一行为对于我们来说并不容易。
入门的时候，笔者也不知道该从何学起，那就先看姜启源的《数学模型》吧，一翻，额看不懂，那就先不看。
然后在网上找课程看，大概了解了数学建模的流程以及比赛的一些注意事项，这一点其实在备赛过程中至关重要，毕竟知己知彼、百战不殆，不了解这个比赛，那就不用谈成功参赛。
然后很幸运的组到了队友，队友都很强，一位擅用LaTex同时对模型的认识很深刻，另一位擅长编写代码，剩下我学习了一些模型。
当然每个人只擅长一项技能是不够的：在国赛的时候，我们队伍另外两位队友的SPSS崩溃了，只剩下我来数据分析，那么我就开始负责这一项工作，角色转换，剩下两位队友开始写论文；我们三个人都是会LaTex的，使用overleaf线上写作，所以在最后一天的下午，我们开了三线程，在论文的三个地方同时写作，成功在DDL之前完成了论文。
讲完了横向的准备，接下来就是纵向的准备。想要优雅地答题需要较深的知识储备，我们队伍是专精数据分析和运筹优化，对于机理分析由于我们没有相关的专业背景不占优势，所以我们选择不做这一块。
最快的学习方法是读往年的题目和优秀论文，这一点非常重要，学习别人对于某一问题如何建立模型、解决问题，我们先学会他的方法，然后再对他的方法进行改进；当然优秀论文也不总是好的，也要批判那些文章存在什么缺陷，有哪些问题还没解决。
然后就是学习一些基本的模型，这就涉及到数值分析、机器学习等方面的知识，理清已有方法的适用范围、优缺点；就拿国赛2022C为例，题目给出的样本很少，因此对于神经网络等深度学习算法并不适用，而在小样本领域获得很好效果的SVM大放异彩。提到模型就不得不提到代码，python提供了很多封装好的模型，有代码模板也是很有用的。
对于完赛来说上述就够了，但是要拿奖就得真正明白数学建模的方法，这时候再回归姜启源的《数学模型》，笔者想肯定能收获很多
”纸上得来终觉浅，绝知此事要躬行“只学当然是不够的，还要在正式比赛前打打模拟赛练练手，赛后再复盘，会收获很多。
最后说一点，正式比赛前要注意休息好，开题之后可就没那么多时间休息了
比赛
国赛赛题理论上来说是周四的20：00放出，那么在当天晚上就要确认好选题，然后进行一些数据预处理工作，当天能早睡就还是尽量早睡
周五是工作日，因此可能还是有课的，笔者不鼓励翘课（23国赛笔者没有落下一节课），但是如果想多一点解题时间，该请假就请假，说明详情导员、任课老师会理解的。这一天需要尽可能解决第一题、开始第二题，论文的写作也要同步进展。
接下来是周六、周日上午，这一时间段是完整的时间，尽可能把整个题目完成；周日下午就是查漏补缺最后周日晚上提交。以上的时间规划仅供参考，具体以实际为准
需要注意的是论文提交分两步，首先提交MD5，提交MD5后不要再对论文PDF进行任何操作，随后提交论文
在比赛期间肯定会遇到卡壳的情况，第一次打比赛的时候，笔者遇到卡壳枯坐了一晚上没解决；第二次打比赛的时候，团队遇到卡壳那就从容多了，该睡觉睡觉，该放松放松，时间到就再次投入解题，效率指数上升
最后就是报了名就尽量成功参赛，提交一篇自己写出来的论文，如果实在无法完成，也不要铤而走险网上购买论文提交，组委会是要查重的，包括全网和自建库，也就是说比赛提交的论文组成一个库进行查重，曾有两篇论文查重99%被查到学术不端是很严重的，计入个人档案，这种事情千万别做
以上仅为个人拙见，不当之处，尽请谅解！
最后祝大家学习顺利！
2023年11月7日
