数学建模，就是把现实问题翻译成一个可以计算、比较或检验的简化世界。
重点不是模型名字，而是你的简化是否保留了影响决策的关键因素。一个能解释、能验证、能落地的简单模型，通常胜过无法说明的复杂模型。
现实问题 → 明确目标 → 定义变量与假设 → 建立关系 → 计算求解 → 验证解释 → 回到现实。每一步都要能回答“为什么”。
拿到赛题先写一页“问题白话版”：谁要做什么决定、成功标准是什么、手里有哪些数据。没写清这三句，不要急着打开软件。
别踩坑看到关键词就套模型只给数值不解释含义
学完能做什么
可检查的学习目标
01
能用一句话说清建模的六步闭环
能用一句话说清建模的六步闭环
02
能把题目中的对象改写成变量、目标与约束
能把题目中的对象改写成变量、目标与约束
03
能为一次 72 小时比赛安排基本角色和检查点
能为一次 72 小时比赛安排基本角色和检查点
知识点01
先理解工作的本质
建模不是套公式
先猜一猜
同一个“排队太久”问题，为什么有人算平均时间，有人却要重新设计窗口数量？
动手试一试
LIVE从数字到决策
切换三种作答方式，看哪一种真正完成了建模。
有数字，但没有目标、方案或现实含义。
跟我算一遍食堂排队
中午平均排队 18 分钟，学校想知道是否需要增加窗口。
把“太久”改成指标：平均等待时间与 90% 学生的等待时间。
选择关键变量：到达人数、每个窗口服务速度、开放窗口数。
设定可比较方案：3、4、5 个窗口，计算等待与成本。
结论不是“18 分钟”，而是“增加到 4 个窗口可把平均等待降至约 9 分钟，且新增成本可接受”。
立即练习
学一点，马上做 4 题
答案默认隐藏。聚焦题卡后按 ↓ 或 Space，一次只揭晓一道。
01选择未作答
哪一句最像完整的建模任务？
寻找同时包含“比较什么”和“最后交付什么”的选项。
参考答案
“比较不同窗口数下等待时间与成本，并推荐方案”。它同时说明了对象、指标和输出。
02判断未作答
模型越复杂，比赛得分一定越高。
想想评委能否看懂、复现和检查。
参考答案
错误。复杂度只有在带来更好解释、预测或决策时才有价值；无法验证的复杂模型反而降低可信度。
03简答未作答
请把“校园共享单车很乱”改写成一个可建模的问题。
至少写出对象、决策、评价指标。
参考答案
示例：根据各区域的需求量、现有车辆数和调度成本，确定早高峰各区域应调入或调出多少辆车，使缺车率与调度成本尽可能低。
04选择未作答
建模闭环中，计算之后最不能缺少的是哪一步？
计算正确不代表现实结论可信。
参考答案
验证并解释结果。没有验证，计算结果只是一个未经检查的数字。
知识点02
对象、目标、条件、输出
把题目拆成四类句子
先猜一猜
一页半的赛题文字里，哪些句子必须变成模型，哪些只是背景介绍？
用四种颜色标注赛题：研究对象是什么；要优化或解释什么；必须遵守什么条件；最后需要提交什么结果。
背景数据不一定全有用。只有能影响目标、变量或约束的信息，才需要进入模型。
四问法：①谁/什么对象？②希望变好或被解释的指标？③有哪些资源、规则、边界？④要输出数值、排序、预测还是方案？
每个小问先写一张“任务卡”：输入、处理、输出、验收标准。团队成员看到任务卡就知道要提供什么，而不是各做各的。
别踩坑把背景当变量全塞进去输出格式不明确
动手试一试
LIVE句子角色识别
点击不同拆题深度，比较任务卡质量。
文字很多，但执行者仍不知道怎么算。
跟我算一遍物流配送
仓库要给 8 个网点送货，车辆容量有限，希望总路程短。
对象：仓库、网点、车辆与路线。
目标：总行驶距离尽可能小。
条件：每个网点必须服务一次，车辆装载量不能超容量。
输出应是一组可执行路线及总距离，而不只是“使用路径规划模型”。
立即练习
学一点，马上做 4 题
答案默认隐藏。聚焦题卡后按 ↓ 或 Space，一次只揭晓一道。
01选择未作答
“每辆车载重不超过 2 吨”属于哪一类信息？
问这句话是在追求什么，还是在限制什么。
参考答案
条件/约束。它限制了可行方案的范围。
02简答未作答
对“预测下月用电量”写出最基本的输入与输出。
输入是已知信息，输出是交付结果。
参考答案
输入可包括过去若干月用电量及相关时间信息；输出是下月用电量预测值，最好同时给出误差或区间。
03判断未作答
题目中给出的每一列数据都必须进入最终模型。
背景资料也可能只是帮助理解情境。
参考答案
错误。应根据问题机制、数据质量和验证结果筛选变量；无关或泄漏信息不应使用。
04选择未作答
以下哪项最像“验收标准”？
验收标准必须可被检查。
参考答案
预测在留出数据上的 MAPE 小于 10%。它可以客观检查任务是否完成。
知识点03
让简化世界说得通
变量与假设要能落地
先猜一猜
“忽略所有次要因素”为什么不是一个合格假设？
变量是会变化、需要计算或需要决定的量；参数是暂时认为已知的常数；假设说明你主动忽略了什么。
好假设必须具体、必要、可讨论影响。例如“同一时段服务速度近似稳定”，比“一切情况理想”更可检查。
变量要写名称、符号、单位、取值范围；假设要写内容、理由、可能影响。单位不统一时，公式看似正确也会给出荒唐答案。
在论文中用表格管理符号。每加入一个假设，顺手写一句敏感性问题：“如果它不成立，结论会怎样？”
别踩坑符号一物多义假设没有理由
动手试一试
LIVE假设质量
比较含糊假设与可检验假设。
没有说清忽略了什么，也无法检查。
跟我算一遍出租车接客
估计机场出租车队列消化需要多久。
变量：等待车辆数 N（辆）、单位时间到车数 a（辆/分）、离开数 s（辆/分）。
假设：短时间内 a 与 s 近似稳定，且 s>a。
关系：队列净减少速度为 s-a。
预计消化时间 T=N/(s-a)。如果 s≤a，队列不会自然消失，必须调整服务能力。
立即练习
学一点，马上做 4 题
答案默认隐藏。聚焦题卡后按 ↓ 或 Space，一次只揭晓一道。
01选择未作答
在 T=N/(s-a) 中，若 N 是当前观测到的车辆数，它更接近什么？
问这个量是已知、待求，还是被优化。
参考答案
已知参数或输入。它由当前现场观测得到，不是模型要选择的决策。
02计算未作答
当前 60 辆车，平均每分钟到 2 辆、离开 5 辆。按模型估计多久消化？
先算每分钟真正减少多少辆。
参考答案
净减少速度为 5−2=3 辆/分，因此 T=60/3=20 分钟。
03判断未作答
只要假设写得足够多，模型就一定严谨。
数量不等于质量。
参考答案
错误。假设要必要、明确并讨论影响；过多无关假设会掩盖关键机制。
04简答未作答
为“预测一周内共享单车需求”写一个可检验假设。
写出适用范围和检查方式。
参考答案
示例：未来一周无大型突发活动，天气类型与历史同类日期可比；可通过活动日历和天气预报检查。
本讲主实验 · 拖一拖再下结论
建模准备度体检
拖动三项准备度，看看为什么“会算”并不等于“会建模”。
观察结果等待计算
调整左侧参数，观察模型输出怎样变化。
实验后想一想
如果最低的一项只有 30 分，你会先补哪一步？请写出一个具体行动，而不是写“继续努力”。
知识点04
评价、预测、优化、分类
先选任务类型，再选模型
先猜一猜
题目出现“最佳”两个字，就一定是优化题吗？
评价回答“谁更好”；预测回答“接下来是多少”；优化回答“怎么安排最好”；分类回答“它属于哪一类”。
同一道赛题往往包含多种任务：先预测需求，再优化资源，再评价方案。模型必须跟着任务走。
先看输出形式：排序/得分→评价；未来数值→预测；决策变量与最好目标→优化；类别标签/自然分组→分类。关键词只能提示，不能代替判断。
在模型选择表中至少列两个候选方法，比较数据要求、假设、可解释性和验证方式，再决定。
别踩坑按关键词机械套用一个模型包打全题
动手试一试
LIVE从输出识别任务
切换不同问题，看任务匹配度变化。
优先考虑预测，并预留误差评估。
跟我算一遍校园充电桩
学校先估计晚间需求，再决定各楼栋新增数量。
估计未来需求属于预测任务。
决定各楼栋新增数量属于整数优化任务。
若还要比较三套建设方案，可增加综合评价。
完整方案可能是“预测 + 优化 + 评价”，而不是只选一个模型名字。
立即练习
学一点，马上做 4 题
答案默认隐藏。聚焦题卡后按 ↓ 或 Space，一次只揭晓一道。
01选择未作答
“将 30 家门店按经营特征分成若干组”属于什么任务？
注意“分成若干组”且没有标准答案标签。
参考答案
聚类。题目没有预先给出类别标签，要从数据中发现自然分组。
02选择未作答
“确定每班安排几名护士，使缺员最少且成本可控”最接近什么任务？
寻找决策变量和“尽量”目标。
参考答案
优化。它要选择人员数量，并在约束下使目标尽量好。
03判断未作答
一个问题只能使用一种模型。
想想需求未知时如何先预测再安排。
参考答案
错误。复杂问题通常由多个子任务组成，可以串联预测、评价和优化等模型。
04简答未作答
“判断一名申请人是否高风险”需要什么额外信息才能做监督分类？
监督学习的关键是标签。
参考答案
需要历史样本及其已知风险标签，并明确特征在预测时可获得。
知识点05
从一开始就设计检查
验证不是最后补一段
先猜一猜
结果看起来“很合理”，为什么仍然可能完全错误？
验证就是寻找证据说明模型在需要的范围内可靠。可以检查单位、边界、历史数据、留出样本、基准模型和敏感性。
解释力、预测力与决策效果是不同目标，验证方法也应不同。
至少做四层检查：计算无误；量级合理；对未见数据有效；关键假设或参数变化时结论稳定。
建模时同步建立“验证清单”。每个核心结论旁都标注它来自哪张表、哪段代码和哪项检查，避免最后无法追溯。
别踩坑用训练数据验证自己只写“结果合理”
动手试一试
LIVE验证强度
比较三种“看起来正确”的程度。
可能只是记住了历史数据。
跟我算一遍销量预测
模型在 12 个月历史数据上的平均误差只有 1%。
先确认误差是否在拟合所用数据上计算。
留出最后 3 个月，不参与建模。
与“用上月销量当本月预测”的简单基准比较。
若留出误差为 18%，且不如简单基准，原来的 1% 只是过拟合证据。
立即练习
学一点，马上做 4 题
答案默认隐藏。聚焦题卡后按 ↓ 或 Space，一次只揭晓一道。
01选择未作答
哪一种最能检验预测模型的泛化能力？
关键词是“未见数据”。
参考答案
在未参与训练的数据上计算误差。它模拟模型面对真正未知数据。
02判断未作答
预测值落在历史最大值和最小值之间，就足以证明模型正确。
一种检查通常不能覆盖所有风险。
参考答案
错误。这只能算量级检查，不能证明对未来准确，还需要留出检验等证据。
03简答未作答
为“最优排班方案”写一个可执行验证。
优化结果先验可行，再比较效果。
参考答案
示例：逐条检查每个时段最低人数、个人工时上限和休息规则，再用原成本公式重算总成本，并与人工基准方案比较。
04选择未作答
敏感性分析主要回答什么？
“敏感”描述输入变化对输出的影响。
参考答案
关键参数小幅变化时结论是否稳定。
知识点06
学、做、讲、复盘
把课程学成可迁移能力
先猜一猜
看懂讲解后立刻觉得“会了”，为什么两天后还是不会做题？
真正掌握需要四个动作：用自己的话讲；不看答案做；改变情境再做；复盘错误原因。
本课程每个答案默认隐藏，是为了给大脑留下检索和推理的时间。先写再看，会比直接阅读更牢。
建议节奏：讲解 8 分钟 → 演示 5 分钟 → 练习 12 分钟 → 复盘 3 分钟。错题记录“错在哪里、正确规则、下次如何识别”。
每学完一讲，产出一个可复用模板：代码、Excel 表、符号表或论文段落，并用一个新数据集重新跑通。
别踩坑只收藏不动手看完答案才开始想
动手试一试
LIVE学习方式比较
切换三种学习方式，观察长期可用度。
短期很顺，但几乎没有检索练习。
跟我算一遍三遍练习法
你刚学会标准化，怎样确认不是“看懂幻觉”？
第一遍按示例复现，核对每一步。
第二遍换一组数据，不看答案独立完成。
第三遍向同学解释为什么要标准化、什么时候不能乱用。
能算、能换情境、能解释，才算初步掌握。
立即练习
学一点，马上做 4 题
答案默认隐藏。聚焦题卡后按 ↓ 或 Space，一次只揭晓一道。
01选择未作答
面对一道练习，最推荐的顺序是什么？
答案应该在思考之后出现。
参考答案
先写思路，再揭晓并对照原因。练习的价值在主动提取与纠错。
02简答未作答
错题本至少应记录哪三项？
不要只抄正确答案。
参考答案
错因；正确规则或步骤；下次遇到类似问题时的识别信号。也可附一题变式。
03判断未作答
能复现示例代码，就等于能独立建模。
复现只是第一层。
参考答案
错误。还需要理解假设、能换数据和情境、能验证并解释结果。
04选择未作答
下列哪项最能说明知识已迁移？
迁移意味着离开原例题仍会用。
参考答案
在不同情境中识别出同一结构并正确使用。
离开前完成
画出你的第一张建模闭环图
选一个身边小问题，用一页纸完成最小闭环。无需复杂计算，但每一步必须说得清。
LOCAL PACK
本地学习资源
讲义、练习、实验与挑战清单均在本地页面内。