半夜一点多查的成绩说是美赛出分了。我开始不信，开始是准备给美赛官方写一封邮件痛骂一顿来着，结果他半夜一点放榜说我是Finalist。这是我拿的第二个F了，还是没突破O。

说实话，这个成绩我看到了我一点都不意外，可以说毫无波澜。甚至于晚上四点学生睡不着查分的时候我在想明天早上吃什么。因为打多了以后各种各样的结果都能接受了。为了绕开内卷的那一波人，我特地没有做C题，而是选了难杠的D题死磕一下。

今年D题考的是一个社会科学问题，我看今年美赛主场的六道题可以说就是出题人已经江郎才尽了，同质化太严重全是白人政治正确喜欢关注的问题。就拿可持续发展这个题来说，它的核心是用图模型描述不同目标变量之间的关系，我寻思这不是正好撞我枪口了吗？因为我以前发过复杂网络方面的文章，有一定了解，然后刚好我查到一篇Nature的子刊是讲可持续发展的图模型的。（Lusseau D , Mancini F . Income-based variation in Sustainable Development Goal interaction networks[J]. Nature Sustainability, 2019.）

但是我看完以后当天晚上就摆手：太粗糙了，这种程度的文章也能够发Nature么？学妹不知所云，不知道我对这篇Nature有什么地方不满。说实话，Nature和Science的文章其实往往不像我们去投一些IEEE Trans或者CVPR等等刷点数、秀技术，这种文章它就是以问题为导向。它的方法往往是高度简洁，但是做的东西，一是很有意思，二是很有意义，这是Nature的特点。我说，这篇文章把变量之间的关系构造成了一个无向图，请问变量之间的作用一定是双向作用的吗？

这就是这篇参考文章的问题，它在图建模的时候怎么可以不考虑方向和内生性问题呢？这篇文章最大的贡献就是它一次性告诉我们问题数据从哪里找，所以你基本不需要到处乱逛，直接进世界银行下载就行了。好，有了数据，有了研究问题，请问如何解决以往模型的漏洞？

有向图建模。用结构方程做有向图建模。不断试探更新图结构。

变量如何测量？第一，通过那篇Nature里面的数据，利用变量构造指标体系；第二，用因子分析法去构造统计测度。

所以，略施小计用一点SPSSPRO就可以解决的问题，剩下全交给绘图师傅了。

那么请问这个问题能够一晚上把实验做完并且基本没有什么代码的情况下，我该如何提高我的论文水平？

好问题，这个题目画不出花里胡哨的图，那就只能靠文科内容凑字数了。我们队三个人都是理工科背景，但是我做过计算社会科学里面的一些东西，所以对文科生的套路其实熟悉的。文科生的思维重在广度，工科生的思维重在深度，所以问题就是根据一幅有向图展开来谈。

所以这个时候建模人不仅突破模型，还得开始文科注水。开始的时候写的还有点忘形写了快27页，我吓死了，写完以后就是一个删，然后调图调排版。完了就是一个临表涕零不知所云。

然后我故作镇定，第二天晚上我把稿子写完以后就跟学妹说我看文章没有什么语法错误了，要不咱交了得了，学妹说可以我就交了说：今年美赛是我见过的最烂的一届，几个题毫无游戏体验知道吧。其实心理还是有点担心会不会香槟开早了然后喜提SP，小丑竟是我自己？

说实话，要是没拿到好成绩的话，真不一定是你的问题，因为这卷子改的真的就跟在拉斯维加斯赌博一样。还好，香槟开的是河里的。

我不打算提太多备战经验帖，因为我最早参加美赛的时候也喜提过SP，这很正常。习得数学建模的最好的方式就是俩字，多练，干就完了。通过不断积累自身经验并挑战自身生理极限。他们好多人总是问我：“MATLAB和Python哪个好”“怎么安装软件”“怎么写论文”“几个月我才能学会”等等。

很明显，今天的大学生还在拿考试的那一套在搞数学建模竞赛。所以为啥企业不想找本科生去上班，不仅是你学历的问题，更是你思维的问题。

上班或者读研以后你就知道，以分数为目标的备赛是学不到任何东西的。

原因很简单，中国学生上课的时候考试有题库，数模竞赛、电赛、集创赛这些都没有题库，你想说把课认认真真上完作业题都做完就能考试拿高分那纯粹是扯淡。也就是说这些实战型内容和团队型内容的准备取决于很多因素，不是你认真学了就能拿大奖的，也不是你没拿大奖就是你没认真学的。团队合作、选题博弈、格式规范这些东西都有可能影响拿奖。

考试有标准答案，但是创新赛道上每个人的作品都是独一无二的。今后无论是做学术还是做工程，要是你做的和别人做的一样中规中矩，那完蛋了，你的东西在学术圈毫无创新，在市场上毫无卖点。

反而你越是随意一些，越是自信一些，你的成绩反倒是越好的。

时间的问题因人而异，比如我就学了大一一个学期就开始打比赛了，一打就是四年。说实话，我实在算不上天赋型选手，因为我打了这么久比赛，一等的没多少其实，但是有人参加国赛一周速通国一这样的例子我也确实见过。你如果想卷GPA这种，花时间我建议你还是少一些，因为卷GPA的思路和竞赛的思路就是两码子事；如果是为了后面申请啥的，就还是多花一些时间比较好，因为这和你在海外读研究生的思路其实高度过渡。

至于你问我要学哪些内容，要看你的目的，你是想当一个速通混奖选手，还是诚心想学内容。你如果想速通，其实可以学的少一点，甚至完全不学去抱一个大佬的大腿就好了。当然你要是新手又没时间又想速通，多数人就选择去做数据题，你如果没有时间你连原理都可以不看不理解，学几个软件工具用法就完了。但是诚心想学真东西，我估计起码得一个学期把基本内容都学完。然后剩下的时间一边练习一边体会。学无止境，温故知新。如果你深入思考这些知识点背后的逻辑，你会惊讶于原来看似一盘散沙的数学建模是有体系和方法论可循的。

写作问题其实在ChatGPT出场以后就再也不是大问题了。它的写作能力比其他软件好了太多。所以在很多问题能够自动化的时代，数模似乎没有那么困难。我觉得最大的困难不在于学建模，在于比赛和一场考试撞车的时候，我估计80%的同学会毫不犹豫去复习。我不是说反对，我只是会觉得有些可悲，但也不会说什么。

毕竟打比赛的日子早就到头了，今年纯粹是去走过场找找乐子，我本来也不应该再把过多精力放在比赛科研上面了，还是出于感情和习惯吧。虽然没冲O，但是也不算太差，好歹没辱没我在学校里面数模这一块的威信。

结束了，美赛结束了，该复习考研的还得复习考研，该准备夏令营的就还是准备夏令营，想去海外的现在复习英语，找工人准备一下秋招。至于我，还是想一想今天晚上吃什么的好。

更多

↓↓

数学建模资料、视频讲解、历年赛题

后台回复 【校苑】领取