1. 从“烧脑”到“破局”国赛B题的实战复盘与策略重构又到了一年一度的数学建模国赛季后台和社群里关于“B题怎么破”的私信又开始刷屏了。作为从本科到研究生带队拿过国一也当过国赛评委的老兵我太理解大家面对B题时那种“题目都看得懂就是不知道从哪下手”的迷茫感了。尤其是21年的B题它不像A题那样有明确的物理或工程背景也不像C题那样偏向数据分析和经济预测它更像一个“披着应用题外衣的开放性问题”考察的核心是问题转化、模型构建和方案评价的综合能力。很多人折戟沉沙不是输在数学不够好而是输在了第一步——如何把一段看似模糊的“故事”翻译成一个清晰的、可计算的数学问题。今天我们不谈空洞的“建模思想”也不做马后炮式的“标准答案”复盘。我想从一个一线指导老师和参赛者的双重角度带大家重新走一遍21年B题的解题心路。我会重点拆解题目到底在问什么有哪些“坑”是新手最容易踩的以及一套从审题到论文成型的、可以复现的实战策略。无论你是初次参赛的小白还是想冲击更高奖项的老手这篇文章希望能帮你把“烧脑”的焦虑转化为“破局”的清晰路径。2. 题目本质拆解不是“做什么”而是“为什么做”与“怎么做更好”21年B题的具体题目描述我这里就不全文引用了大家都能查到。它的核心场景是围绕一个资源分配与调度优化问题展开的通常涉及多个主体、多种资源、多阶段决策并且带有强烈的现实背景如物流配送、生产排班、应急物资调运等。很多队伍一看到“优化”、“调度”这些词第一反应就是去套用现成的算法比如遗传算法、模拟退火、动态规划然后花大量时间去调参、跑代码。这恰恰是最大的误区。B题的精髓在于“定义问题”本身。组委会不会给你一个现成的、标准化的数学模型让你去求解。他们给的是一个“毛坯房”你需要自己设计户型、画施工图最后才是装修。所以我们的第一步必须是深度审题理解题目的“潜台词”。2.1 核心需求的三层挖掘面对题目描述我们需要像剥洋葱一样至少挖掘出三层信息第一层显性目标。题目明确要求你“建立模型”、“给出方案”、“进行评价”。这通常对应着论文里需要直接回答的问题。例如“请给出未来24小时的最优调度方案”、“请评价不同方案的优劣”。这是你必须完成的“规定动作”。第二层隐性约束与边界条件。这是区分普通论文和优秀论文的关键。题目中哪些条件是刚性的、必须满足的如“每个需求点必须在时间窗内被服务”哪些是柔性的、可以权衡的如“成本尽可能低”资源的总量限制是什么决策的时间粒度是小时还是分钟这些条件不会像数学公式一样列给你而是隐藏在文字描述中。你需要把它们一一提取出来并明确其在模型中的表达形式等式约束、不等式约束、目标函数的一部分。第三层现实合理性考量。这是冲击国奖的“加分项”。你的模型和方案除了数学上漂亮在现实中是否“讲得通”例如在物流调度中你是否考虑了车辆的装载率、司机的连续工作时间法规在生产排班中是否考虑了工序之间的准备时间、机器的故障率这些因素题目可能只字未提但一个考虑周全的模型应该能体现这种“常识”。这要求你对问题背景有一定的了解或者通过合理的假设将其引入。以21年B题常见的资源调度类型为例一个完整的审题分析框架可以整理如下审题维度关键问题在模型中的体现常见“坑”决策变量我们要决定什么通常是0-1变量是否选择某路径、整数变量派多少辆车、连续变量出发时间。变量定义模糊或维度错误导致模型无法建立或求解规模爆炸。目标函数我们要优化什么最小化成本最大化效率还是多目标单一目标如总成本或多目标加权成本时间。错误地将约束条件设为目标或忽略了重要的优化目标。约束条件必须遵守的规则有哪些资源容量约束、时间窗约束、任务必须完成约束、逻辑约束如A完成才能开始B。遗漏关键约束导致方案不可行或约束过严导致模型无解。输入参数题目给了哪些数据数据是否完整、一致距离矩阵、时间矩阵、资源需求量、成本系数等。对数据不做任何预处理如单位统一、异常值处理直接使用。输出要求最终需要提交什么形式的答案一个具体的调度方案表、一张资源利用率图、一段对方案的敏感性分析文字。论文结果与题目要求脱节没有直接回答题目问题。注意审题阶段一定要全员参与共同讨论并形成一份书面的“问题分析报告”。这份报告应该包含对以上五个维度的初步判断以及存在哪些不确定性需要后续通过假设来明确。这是统一团队思想、避免后续跑偏的基石。2.2 从“故事”到“数学”模型假设的艺术在明确了“要做什么”之后下一个拦路虎就是“怎么做”——即建立数学模型。但现实世界是复杂且充满噪声的直接建模往往无从下手。这时合理的模型假设就是连接现实与数学的桥梁。假设不是胡编乱造而是有目的、有依据的简化。它的核心作用是在保留问题本质特征的前提下降低模型的复杂度和求解难度。对于B题假设通常围绕以下几个方面展开确定性假设假设所有参数如行驶时间、需求量是已知且确定的。现实中这些可能有波动但我们先从确定性问题入手。这几乎是所有优化模型的起点。静态性假设假设在规划期内问题的基本结构不变如需求点位置、资源数量不变。动态变化的问题可以分阶段处理每个阶段内视为静态。均匀性/理想化假设假设同类资源无差异如所有卡车性能相同、忽略次要因素如装卸货时间恒定、不考虑交通拥堵。这些假设需要在论文中明确列出并在模型分析或讨论部分评估其影响。线性/可分性假设为了使用成熟的线性规划或整数规划工具我们常常假设成本与数量成线性关系或者任务之间相互独立。如果实际情况非线性很强则需要说明或尝试其他方法。如何提出好的假设一个实用的技巧是从最简单、最核心的模型开始逐步添加复杂性。例如先建立一个不考虑时间窗、只有一辆车的简单路径优化模型旅行商问题TSP。解出这个模型后再问自己如果加入时间窗约束VRPTW模型需要如何修改如果有多辆车MDVRP又该如何扩展这种“由简入繁”的思路不仅让建模过程逻辑清晰也让你在论文中能展现出清晰的思考脉络。实操心得在论文中一定要单独设立一个“模型假设”小节。用清晰的条目如1. 2. 3.列出所有主要假设并简要说明其合理性。例如“假设1所有运输车辆的型号和载重量相同单位距离运输成本恒定。理由题目未提供车辆差异化信息且该简化有助于聚焦核心路径优化问题。” 这体现了你工作的严谨性。3. 模型构建选择“合适”的而非“复杂”的当问题被清晰定义和简化后就到了选择具体数学模型和算法的环节。这是很多同学最兴奋也最容易迷失的部分。我的核心建议是追求模型的“贴切性”和“可求解性”而非单纯的“复杂性”。一个能清晰表达问题、并能用稳定方法求出满意解的简单模型远胜过一个理论上完美但无法求解或结果不稳定的复杂模型。3.1 模型类型的识别与匹配B题常见的优化问题可以归为以下几类每种都有其对应的经典模型和求解思路1. 路径规划类 (Vehicle Routing Problem, VRP及其变种)特征有一组车辆从中心点仓库出发服务一系列分散的需求点要求规划路线使总成本距离、时间最低。核心模型网络流模型、图论模型。决策变量常为0-1变量表示“弧”或“边”是否被某辆车使用。关键约束车辆容量约束、需求点必须被访问一次、时间窗约束、车辆返回仓库。求解思路精确算法对于小规模问题需求点20可以尝试整数线性规划(ILP)直接求解使用Lingo、Gurobi、CPLEX等求解器。启发式算法对于大规模问题必须使用启发式算法。节约算法(C-W算法)是构造VRP初始解最经典、最有效的方法之一一定要掌握其原理并能编程实现。在此基础上可以使用遗传算法(GA)、模拟退火(SA)进行路径间的优化如交换、逆转操作或者使用禁忌搜索(TS)来避免陷入局部最优。现成工具MATLAB的优化工具箱、Python的ortools库谷歌OR-Tools都提供了强大的VRP求解模块。特别是ortools对于快速构建和求解标准VRP问题非常友好。2. 调度排序类 (Scheduling Problem)特征有一组任务和一组机器或工人每个任务需要在特定机器上花费一定时间完成可能有先后顺序约束要求安排顺序使总完成时间makespan最短或其他指标最优。核心模型排序模型、指派模型。常用决策变量是任务的开始时间或顺序。关键约束工序优先约束、机器唯一性约束一台机器同时只能做一个任务。求解思路精确算法小规模问题可用整数规划。启发式规则优先调度法则(SPT, EDD, Johnson法则等)是基础必须理解其适用场景。例如最短加工时间优先(SPT)能平均减少任务等待时间。元启发式算法遗传算法编码方案常用基于工序的编码、粒子群算法(PSO)等适用于复杂调度。甘特图无论用什么方法求解最终结果用甘特图来展示是最直观、最专业的务必掌握用MATLAB或Python绘制甘特图的技能。3. 分配指派类 (Assignment Problem)特征将若干“任务”分配给若干“执行者”一人一任务追求总效益最大或总成本最小。核心模型0-1整数规划中的指派问题模型是运输问题的特例。求解思路匈牙利算法是求解标准指派问题的最优且高效的方法必须掌握其手工和编程实现。对于不平衡指派人多于任务或反之可以通过添加虚拟任务或虚拟人来转化为标准形式。4. 多目标决策类特征题目要求同时优化多个相互冲突的目标如“成本最低”和“时间最短”。核心模型多目标规划模型。求解思路加权求和法最常用。给每个目标赋予权重转化为单目标问题。权重的确定是关键可以采用层次分析法(AHP)、熵权法等主观或客观赋权法并一定要做灵敏度分析即改变权重观察最优解的变化说明方案的稳健性。目标规划法为每个目标设定一个期望值目标值最小化与目标值的偏差。帕累托前沿对于两个目标的问题可以求出一系列非支配解帕累托最优解绘制成帕累托前沿图让决策者根据偏好选择。这通常是论文的高亮点。3.2 算法求解思路比代码更重要选定模型后很多队伍会一头扎进代码里。且慢在敲第一行代码之前请先完成以下工作设计求解流程框图用一张图清晰地展示你的算法从输入数据到输出结果的整个逻辑过程。这能帮你理清思路也便于在论文中展示。明确输入输出格式你的程序需要读入什么格式的数据如Excel表、txt文件最终输出什么如路径列表、甘特图数据提前定义好接口。准备测试用例不要直接用题目给的数据调试。自己构造一个5-10个点的小规模例子手工计算或明确知道最优解用来验证你算法核心逻辑的正确性。关于编程语言的选择MATLAB在矩阵运算、快速绘图和调用优化工具箱方面有优势适合算法原型验证和结果可视化。Python在数据预处理、调用丰富第三方库如pandas,numpy,ortools,geopy和代码可读性上更胜一筹。两者皆可关键是团队要熟悉。我个人更推荐Python因为其生态和灵活性更适合处理复杂问题。一个经典的求解策略组合 对于像21年B题这类可能带有时间窗的车辆路径问题一个稳健的求解策略可以是数据预处理用Python的pandas读取坐标和需求数据计算距离矩阵欧式距离或实际路网距离。构造初始解实现节约算法(C-W)得到一个可行的、质量不错的初始路径方案。局部优化对这个初始解应用2-opt、swap等局部搜索算子在每条路径内部进行优化。全局优化将上述得到的路径方案作为遗传算法的初始种群进行交叉、变异操作在整个解空间进行搜索。遗传算法的适应度函数就是你的目标函数如总距离。结果输出与验证输出最终路径计算目标函数值并检查是否满足所有约束如容量、时间窗。用matplotlib绘制车辆路径图和甘特图。踩坑实录切忌“算法堆砌”。不要在你的论文里写“我们用了模拟退火又用了粒子群还用了蚁群算法最后取最好的”。这反而显得思路混乱。正确的做法是主次分明。以一个算法为主干如遗传算法详细阐述其编码、交叉变异方式、参数设置过程可以简单做一下参数敏感性实验说明为什么选这组参数而将其他算法思想如模拟退火的接受准则作为改进你主干算法的一个局部搜索策略来提及。这样逻辑才清晰。4. 论文写作把你的思考过程“卖”给评委数学建模竞赛本质上是一场“基于数学的沟通竞赛”。你的所有思考、挣扎、创新都必须通过一篇25页左右的论文完整地呈现给评委。论文写不好前面所有工作大打折扣。国赛论文有相对固定的结构但如何在框架内写出彩才是关键。4.1 摘要决定生死的500字摘要是一篇论文的浓缩评委在极短时间内通过摘要判断论文质量。一个优秀的摘要必须独立成篇让没看过题目的人也能看懂你做了什么、怎么做、结果如何。摘要万能公式五要素法问题重述用一两句话精炼概括题目要解决什么问题。针对…问题建模思路阐述你对问题的分析用了什么方法建立什么模型。通过分析…本文建立了…模型求解方法简要说明用什么算法或工具求解模型。采用…方法利用…软件进行求解主要结果给出最关键、最量化的结果。例如“得到总成本为XX元的最优调度方案较经验方案节约XX%”。最终得到…模型评价一句话点出模型的优点、特色或推广方向。该模型具有…优点可用于…摘要禁忌出现数学公式、图表引用。空洞无物如“本文建立了模型求解后得到结果”。过于细节描述编程过程。超过一页。示例对比差“本文研究了B题关于运输调度的问题。我们首先分析了题目然后建立了模型最后用遗传算法求解得到了结果。”优“针对多车型带时间窗的应急物资配送路径优化问题本文构建了以总运输时间最短和车辆使用成本最低为目标的混合整数规划模型。考虑到问题规模设计了一种融合节约算法与禁忌搜索的两阶段启发式算法进行求解。最终为决策者提供了包含5条具体行车路线、总耗时18.5小时、成本降低23.7%的配送方案。该模型兼顾了效率与公平性并通过灵敏度分析验证了其稳健性。”4.2 模型建立与求解展现你的逻辑链条这是论文的主体要像讲故事一样把“我们是如何一步步把现实问题变成数学问题并解决它”的过程讲清楚。符号说明在模型建立前用三线表列出所有主要变量、符号及其含义。务必清晰、完整。模型建立分析部分承接问题重述深入分析问题的特点、难点引出建模的总体思路。可以配合流程图。模型部分先文字描述模型思想再给出数学公式。目标函数明确写出是min还是max以及函数表达式。约束条件分条列出每一条约束前用文字说明其物理意义如“式(1)表示每辆车载重不能超过其容量限制”。公式要编号且格式统一、美观。模型求解算法设计详细说明你采用的算法。如果是经典算法如遗传算法不必赘述原理重点说明你如何将其应用于本题编码方案是什么如何用一条染色体表示一个调度方案交叉、变异操作具体如何设计适应度函数是什么参数如何设置种群大小、迭代次数、交叉率、变异率最好配以流程图或伪代码。求解过程说明使用的软件、工具包。如果是编程求解可以简要描述程序框架。结果展示用表格和图形清晰呈现结果。调度方案用表格列出每辆车的路径、出发到达时间、载货量。用地图标注路径图用甘特图展示时间线。图形务必清晰、有图例、坐标轴标签。4.3 模型检验与推广体现深度思考这是拉开论文档次的部分表明你不仅解决了问题还思考了模型的局限性和价值。模型检验稳定性/灵敏度分析改变关键参数如需求点的需求量、时间窗宽度、车辆速度观察最优解的变化情况。分析模型对哪些参数敏感哪些不敏感并给出管理启示。这是必做项误差分析如果你的模型涉及预测或拟合需要分析误差来源和大小。对比分析将你的方案与一个简单的基准方案如最近邻法、随机分配进行对比用数据体现你模型的优越性。模型评价与推广优点客观总结模型的创新点、实用性、求解效率等。缺点诚恳地指出模型的不足之处例如哪些假设过于理想化模型在哪些极端情况下可能失效。这体现了批判性思维。推广基于你的模型谈谈它可以应用到哪些更广泛的类似场景中。4.4 可视化与排版细节决定成败图表一图胜千言。图表颜色搭配要专业推荐使用viridis, plasma等色盲友好配色系线条清晰标注完整。避免使用Excel默认的艳丽色彩和立体效果。参考文献文中引用的模型、算法、数据必须在文末列出规范的参考文献。即使只是参考了思想也建议引用经典教材或权威论文体现你的工作有据可依。排版使用LaTeX排版是首选其数学公式和排版质量远胜Word。如果时间紧迫或不会LaTeXWord排版务必做到样式统一、章节编号自动生成、图表自动编号且文中引用、页眉页脚规范。在提交前务必导出PDF检查格式避免因换电脑导致的字体、排版错乱。5. 团队协作与时间管理三天的高效作战国赛三天是对智力、体力和团队协作的极限考验。一个合理的分工与时间规划至关重要。经典分工模式三人队建模手负责问题分析、模型构建、算法思路设计。需要较强的数学功底和逻辑思维能力。编程手负责算法实现、数据计算、结果可视化。需要熟练的编程能力和调试能力。写作手负责论文撰写、排版、图表整合。需要良好的文字表达能力、审美和细心。重要提示分工不能绝对隔离。建模手要懂一点编程才能设计出可实现的模型编程手要理解模型才能正确编码写作手要全程参与讨论才能准确表达思想。建议每天早晚开短会同步进度调整方向。三天时间轴建议第一天上午-中午全力审题、讨论、确定方向。这是最重要的阶段宁可慢一点也要把问题吃透形成统一的建模思路。下午开始搜集资料、学习可能用到的算法。第一天下午-晚上建立初步模型完成模型假设和符号定义。编程手开始准备数据、搭建程序框架。写作手开始撰写问题重述、模型假设等前期部分。第二天全天模型求解与结果获取。这是攻坚期。编程手全力调试代码获取初步结果。建模手辅助分析结果合理性调整模型。写作手同步撰写模型建立和求解部分。第三天上午完成所有计算和结果分析。进行灵敏度分析、模型检验。写作手整合所有结果、图表。第三天下午-傍晚论文写作冲刺与整合。集中撰写摘要、模型评价、推广部分。摘要一定要反复打磨留出至少2小时专门写和修改摘要。第三天晚上最终检查与排版。三人交叉检查论文全文检查错别字、公式编号、图表引用、数据一致性。最终排版生成PDF。务必提前1-2小时提交以防网络拥堵。血泪教训永远不要高估最后一天的效率。最后一天往往身心俱疲错误百出。核心内容和计算结果一定要在第二天晚上之前基本成型。第三天主要是打磨、润色和查漏补缺。另外摘要和结果是评委最看重的必须保证其绝对准确和清晰。回顾21年B题以及历年的赛题其核心考察的从来不是某个高深的数学定理或炫酷的算法而是一套从现实世界抽象出数学问题并利用数学工具予以解决的科学工作流程。这套流程包括深度理解与定义问题、进行合理的简化和假设、选择或建立贴切的数学模型、设计有效的求解策略、严谨地分析结果并反思模型。掌握了这套方法论并辅以充分的实战训练和团队磨合你就能以不变应万变在72小时的头脑风暴中交出一份既扎实又亮眼的答卷。数学建模的魅力正在于这种用理性与逻辑照亮复杂世界的探索过程。祝各位在接下来的比赛中思路清晰下笔有神取得理想的成绩。