MCM：

对于参赛者的数学模型素养以及建模能力要求较高，一般A题为连续问题、B题为离散问题。C题，与大数据和数据挖掘有关。

ICM：

一般涉及的问题较宏观和复杂。对于参赛者把握问题主线、权衡宏观与微观整体与细节的能力要求较高。

ICM有3道题，D题一般与网络科学或优化有关，E题与环境科学有关，F题与政策、社会科学相关，主要讨论社会科学中的建模问题。

在比赛期间，由三名学生组成的竞赛团队解决以下六个问题中的一个。

MCM问题A（连续）

MCM问题B（离散）

MCM问题C（数据洞察）

ICM问题D（运筹学/网络科学）

ICM问题E（可持续性）

ICM问题F（策略）

首先，MCM/ICM（2016年起）每年共有6道题，不是6种题，MCM是ABC三题，ICM是DEF三题。对6道题目类型的描述，不是严格的划分，角度和依据都不相同。

continuous和discrete是指模型的类型，data insights是指问题数据的特征，operations research/network science和environmental science是指问题涉及到的学科，而environmental science和policy又是指问题本身的背景。这不是按照同一标准对题目进行划分，之间有重叠。最显然的，如果认为continuous和discrete是互补的，那么其他4道题目应该可以分别归入其中某一类。

其次，这些一两个词的描述过于笼统、宽泛，无法体现题目的具体特征，特别是A、B、F题的描述，提供的信息非常少，说了几乎等于没说。continuous、discrete把所有的模型全包括了。policy范围也太广，人类主宰世界，方方面面都可能涉及政策问题。而且F题也是2016年新增加的，只有2016年一年的题目（难民问题），暂时还看不出来什么规律。

而C题和D题的特征相对具体一些。比如，针对2016年起MCM新增加的C题，COMAP（Consortium for Mathematics and Its Applications）专门发布了一份 文档 （ 中文简介 ）说明其特征。概括起来，MCM的C题与数据有关，虽然称不上大数据，但压缩包也在100MB以上，与MCM/ICM其他题目相比，数据量算是大的（实际上以往MCM/ICM的题目很少给数据），这就要求选这一题的参赛队要熟悉数据处理的基本方法，包括预处理、后处理等，并掌握相应的编程技能或是相关软件的使用方法。模型、方法方面，可能主要集中在统计、模式识别等方向。再比如D题如果是网络科学的问题的话，所用到模型、算法、软件比较集中，有章可循。近几年网络科学是一个热门研究领域，算法、软件包括可视化的软件都很多，如果对这一领域的相关知识和软件都比较熟悉，选题时可以重点关注D题。

E题环境科学，大体上会集中在环境污染、资源短缺、可持续发展、生态保护等几个方面。对问题的背景有一定的提示作用，但是范围仍然很广，模型、方法没有明显的特征。

所以，显然无法仅仅根据这些提示就进行选题，至多是，排除某个题目不考虑（如，计算能力差的队可以不选C题）。如果仅从选题的角度出发，搞清楚MCM竞赛与ICM竞赛的区别，可能更有帮助。

选题：自己手工翻译、对照翻译、快速选择擅长的。

查文献：带具体问题去搜 搜相似、更换主体

模型要选实用、合理的，神经网络对线性拟合不好，线性关系用回归模型，优化、评价、聚类、预测。Matlab偏自主求解，lingo适合标准的规划问题（整数规划），Mathematica适合涉及符号运算。

2023年美国大学生数学建模竞赛（MCM/ICM）已经开始了，如果同学们有报名流程方面的问题，可以联系模小数，进行报名哦！最后，祝愿所有的同学们都能够取得好成绩！加油加油加油！