MathModelHub - 美赛数学建模资源库

专为美国大学生数学建模竞赛（MCM/ICM）准备的算法参考、数据分析工具和参赛资源集合

📁 目录结构

MathModelHub/
├── algorithms/                    # 算法参考文档
│   └── algorithms_reference.md   # 美赛高频算法使用手册（评价、预测、优化、机器学习等）
│
├── data_analysis/                # 数据分析工具集
│   ├── preprocessing/            # 数据预处理示例
│   │   ├── 2025C示例/           # 完整的建模分析案例（奥运会数据）
│   │   └── 数据预处理指南.ipynb  # 预处理操作指南
│   └── visualization/            # 可视化Jupyter Notebook
│       ├── 01_直方图_分布分析.ipynb
│       ├── 02_箱线图_异常值检测.ipynb
│       ├── 03_折线图_趋势分析.ipynb
│       ├── 04_热力图_相关性矩阵.ipynb
│       ├── 05_柱状图_分组对比.ipynb
│       ├── 06_散点图_预测评估.ipynb
│       └── 可视化指南.ipynb
│
├── templates/                    # 论文模板
│   ├── latex/mcmthesis/          # LaTeX模板（mcmthesis文档类）
│   ├── word/                     # Word模板（含摘要页）
│   ├── 07_README.md              # LaTeX完整教程 ⭐
│   └── 08_LATEX_CHEATSHEET.md    # LaTeX命令速查表
│
├── past_problems/                # 历年C题优秀论文（2021-2025）
│   └── README.md                 # 论文索引与使用说明
│
├── competitions/                 # 比赛工作区
│   └── 2026/                     # 按年份组织（代码、数据、论文）
│
├── docs/                         # 项目文档
│   ├── mcm_guide.md              # 美赛完整指南（评审、选题、写作）
│   └── team_workflow.md          # 团队协作指南（详细分工、五天时间轴）
│
├── requirements.txt              # Python依赖
├── setup.py                      # 安装配置
└── QuickStart.md                 # 快速开始指南

🎯 美赛快速指南

一、赛题类型（MCM/ICM）

题目	类型	特点	常用模型
A题	连续型	微分方程、物理机理	微分方程、物理建模
B题	离散型	图论、组合优化	图论算法、启发式算法
C题	大数据	数据分析、预测	时间序列、机器学习
D题	运筹学	网络优化、规划	线性规划、网络流
E题	可持续性	评价决策	AHP、熵权法、TOPSIS
F题	政策	开放问题、政策制定	综合评价、回归分析

选题建议：C/E/F题选择率最高（约70%），相对友好；A/B题需要较强数学基础；D题概念多，慎选。

二、评审机制与关键要素

评审三阶段

1. 浏览阶段（初评）：主要看摘要质量和内容组织（7分制）
2. 评分阶段（终评）：详细评分（百分制）
3. 评定阶段：讨论决定特等奖

摘要写作核心

摘要应回答四个问题：

• ✅ 问题是什么？
• ✅ 我们做了什么？（模型方法）
• ✅ 结论是什么？（重要结果）
• ✅ 建议是什么？（针对问题的直接建议）

美赛与国赛的区别

评审维度	国赛	美赛
假设合理性	一般重视	极度重视，需灵敏度分析
文字清晰度	重视	非常重视，写作能力是核心目标
建模创造性	重视	创新可容错（创新论文即使有错也可获奖）
结果正确性	强调	相对灵活
模型检验	一般	越多越好，问题分析、结果分析是重点

三、高频算法模型（O奖论文统计）

评价决策类

• AHP（层次分析法）- 出现率最高
• 熵权法（EWM）
• TOPSIS法
• 模糊综合评价

预测类

• ARIMA时间序列 - 出现率极高
• LSTM/神经网络
• 随机森林
• 灰色预测GM(1,1)

优化规划类

• 线性/非线性规划
• 遗传算法
• 模拟退火
• 多目标规划（NSGA-II）

机器学习类

• K-means聚类
• 随机森林
• 主成分分析（PCA）
• 回归分析

📖 详细使用方法见 algorithms/algorithms_reference.md

四、比赛时间安排（5天）

Day 1（选题日）⏰

• 7:00-9:30 各自读题，记录思路
• 9:30-10:00 粗筛，排除无思路题目
• 10:00-12:00 精筛，查资料确定最终选题
• 14:00-18:00 确定建模方案、论文大纲、数据来源
• 18:00-22:00 建模手完成第一问，论文手写引言、画流程图

Day 2（攻坚日）💪

• 建模手：完成前三问建模
• 编程手：至少完成前两问求解
• 论文手：撰写前两问，参考O奖论文行文逻辑

Day 3（冲刺日）🚀

• 完成所有问题建模和求解
• 前三问中文稿必须完成
• 建模/编程手可考虑熬夜

Day 4（打磨日）✨

• 上午：完成整体论文中文稿
• 下午-深夜：翻译、排版、润色、补充精美插图
• 论文手可熬夜打磨

Day 5（提交日）✅

• 8:00-10:00 三人交叉检查，确认无误后提交

五、应急策略

如果做不出来怎么办？

⚠️ 记住：完整的论文比什么都重要！

美赛特点：论文完整 + 排版美观 + 摘要优秀 = 即使结果有问题也有机会获奖

应急措施：

1. 该简化的模型就简化
2. 卡住的地方写进"模型假设"
3. 数据和结果保证能跑通
4. 确保论文完整性和逻辑自洽

🚀 快速开始

环境配置

# 克隆项目
git clone https://github.com/Jaxon1216/MathModelHub.git
cd MathModelHub

# 安装依赖
pip install -r requirements.txt

# 或使用国内镜像（更快）
pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple

# 启动Jupyter
jupyter notebook

验证安装

python -c "import numpy, pandas, matplotlib, sklearn; print('环境配置成功！')"

📖 文档导航

核心文档

文档	说明
快速开始	环境配置、使用方法
算法参考手册	美赛高频算法详解 ⭐
美赛完整指南	评审机制、选题策略、论文写作
团队协作指南	详细分工、工具配置、五天时间轴 ⭐

模板相关

文档	说明
论文模板教程	LaTeX/Word完整教程 ⭐
LaTeX速查表	常用命令快速查询

其他资源

资源	说明
历年C题论文	2021-2025年C题O奖论文
数据分析工具	可视化、预处理Notebook
比赛工作区	比赛期间文件组织

📚 外部资源

• MCM/ICM官网 - 官方网站
• COMAP历年题目 - 历年真题
• O奖论文集 - 本地优秀论文库

🤝 贡献指南

欢迎提交：

• 新的算法实现
• 优化现有代码
• 补充历年真题和解析
• 分享获奖经验

📄 许可证

MIT License

---

💡 提示：建议在比赛前熟悉本项目的算法参考手册，准备好常用模板和可视化代码，比赛时可直接调用节省时间！

🎓 祝所有参赛队伍都能取得好成绩！

关于作者

• 邮箱: jiangxu05@outlook.com
• GitHub: github.com/Jaxon1216
• 博客: Jaxon's blog
• 知识库: Jaxon's notes