D/E 组重视从真实应用中发现关系、处理数据、设计方案并解释结果。题目往往包含若干递进小问。
评委不只看你会不会算,还看方案是否合理、数据是否处理得当、文字能否让别人复现。
典型结构:背景与数据 → 描述/评价现状 → 预测或解释变化 → 优化决策 → 讨论稳健性与推广。
浏览题目时先标小问的动词:分析、评价、预测、安排、改进。动词决定交付物,也提示模型类别。
应用情境与可执行任务
为什么 D/E 组常出现生产、物流、管理、公共服务,而不是纯数学证明?
D/E 组重视从真实应用中发现关系、处理数据、设计方案并解释结果。题目往往包含若干递进小问。
评委不只看你会不会算,还看方案是否合理、数据是否处理得当、文字能否让别人复现。
典型结构:背景与数据 → 描述/评价现状 → 预测或解释变化 → 优化决策 → 讨论稳健性与推广。
浏览题目时先标小问的动词:分析、评价、预测、安排、改进。动词决定交付物,也提示模型类别。
切换作答结构,观察整题闭环程度。
每问都做了,但输入输出互不连接。
题目要求描述高峰、预测明日客流并安排接驳车。
描述高峰:数据统计与可视化。
预测明日客流:时间序列或回归。
安排车辆:以预测需求为输入做优化。
三个小问是“描述 → 预测 → 优化”的流水线,前一步误差应传递到后一步讨论。
答案默认隐藏。聚焦题卡后按 ↓ 或 Space,一次只揭晓一道。
注意“根据”二字。
预测结果作为优化输入。前一问的输出成为后一问的参数。
真实题不同于课后唯一答案题。
错误。真实问题通常没有唯一标准数值,模型依据、验证、解释与可执行性都是评价重点。
从输出形式回忆。
示例:评价/排序、预测/估计、优化/安排、分类/识别;也常见分析、解释、改进。
先看全局再局部实现。
画出各小问的输入—输出关系。它能暴露依赖、数据传递和团队协作接口。
每个小问到底要交什么
“分析影响因素”和“预测未来数值”看起来相近,交付物为什么完全不同?
交付物就是评委最后能检查的东西:指标、排序、预测值、方案、图表或建议。
先写交付物,再倒推需要的模型和数据,可以防止算了一大堆却没回答问题。
把每小问改写成“给定____,输出____,并用____验证”。空格填不出来,说明问题还没读懂。
在文档标题下先放一句“本问回答”:例如“输出各站点 8:00–10:00 的调入车辆数”。写作时围绕这句话删减。
比较三个答案能否直接被使用。
“采用 TOPSIS”不是结论。
评价 6 家供应商并推荐合作对象。
输入:价格、质量、交期、历史违约等指标。
输出:综合得分、排序与推荐对象。
验证:改变指标权重,观察推荐是否稳定。
完整交付物是“排名 + 推荐 + 稳健性证据”,而不是一张权重表。
答案默认隐藏。聚焦题卡后按 ↓ 或 Space,一次只揭晓一道。
“影响”需要方向、大小和证据。
给定历史气温与销量等数据,输出气温影响方向与幅度,并用显著性、残差和留出数据检验关系是否可靠。
想想评价的动词是“谁更好”。
对象得分或排序。评价模型必须产生可比较结果。
行动建议要可执行。
错误。建议应与模型结果对应,最好包含对象、时间、数量或优先级。
找可直接验收的一句。
输出 6:30–9:00 每 15 分钟的发车间隔。对象、时间粒度和结果形式都明确。
先后关系决定团队节奏
第 3 问等第 2 问数据时,怎样避免全队一起卡住?
依赖图用箭头表示“谁的输出给谁使用”。它能找出关键路径,也能发现可以并行的工作。
对于尚未完成的上游结果,可先约定输入格式并用模拟数据搭建下游代码。
节点写小问/任务;箭头写传递内容与格式。没有箭头的任务可以并行,有箭头的任务要约定接口和时间。
先建立统一数据字典和文件命名。下游先用假数据跑通,等上游结果到位只替换文件,不重写流程。
切换三种团队工作方式。
沟通简单,但大量等待。
Q1 清洗数据,Q2 预测需求,Q3 优化库存。
Q1 输出 clean_data.csv 与字段说明。
Q2 读取清洗数据,输出 forecast.csv 与误差。
Q3 先约定 forecast.csv 列名,用模拟预测值开发。
数据清洗必须先完成;预测与优化实现可以部分并行,最终再联调。
答案默认隐藏。聚焦题卡后按 ↓ 或 Space,一次只揭晓一道。
箭头从输出方指向使用方。
Q2 → Q3,并在箭头上标注传递的预测结果与格式。
并行不等于没有先后输入。
错误。下游可以先约定接口、使用模拟数据搭建流程,只在最终数据替换时等待。
想想一个“预测值”可能有多种粒度。
避免双方对单位、列名、时间粒度和数据结构理解不同,减少联调返工。
关键路径关注对总工期的影响。
耗时长且多个后续任务依赖它。其延迟会直接拖慢整体完成时间。
分别调整问题理解、数据证据和验证强度,观察综合准备度。
调整左侧参数,观察模型输出怎样变化。
把最低分项提高 20 分和把最高分项提高 20 分,哪一种更能提升整份作品?为什么?
评价、预测、优化、分类
为什么“选最好的仓库位置”有时是评价,有时又是优化?
如果候选位置已经给定、只需打分排序,是评价;如果位置可以在连续区域中选择,是优化。
模型类型由决策空间和输出决定,同一句日常语言可能对应不同数学任务。
候选有限、按指标比→评价;未来未知量→预测;从可行集合选择最优→优化;识别标签或自然群组→分类/聚类。
写模型选择理由时,不要只写“常用于……”,应写“本问输出是……、数据具有……、约束是……,因此选……”。
观察决策空间变化如何改变模型类型。
有限对象比较,适合评价排序。
比较 A/B/C 三个已知地址;另一方案允许在城区任意选点。
A/B/C 已知候选:构建成本、距离、风险指标后综合评价。
任意选点:位置坐标成为决策变量。
加入服务半径与预算作为约束,最小化总配送距离。
前者是多指标评价,后者是连续或离散选址优化。
答案默认隐藏。聚焦题卡后按 ↓ 或 Space,一次只揭晓一道。
看候选是否固定。
综合评价。候选集合已经给定,任务是比较排序。
无标签是关键。
聚类。它从特征中发现自然群组。
方法只是框架,问题定义才决定细节。
错误。同一方法在不同问题中需要不同变量定义、参数、数据处理和验证。
未来需求不确定,但后续还要做安排。
示例:先预测食堂各窗口午餐需求,再优化备餐量,使缺货与浪费成本最低。
正确、清楚、可信、可执行
模型算对了,但论文让评委找不到关键结论,会发生什么?
一份好作品要形成证据链:问题定义合理、模型关系清楚、计算可复现、结果经过验证、建议与结果一致。
美观不是装饰,而是帮助读者快速找到变量、方法、结果和限制。
四项自检:正确性(逻辑/计算);清晰性(结构/符号);可信度(数据/验证);可执行性(方案/限制)。
每完成一问,用 10 分钟做“陌生人测试”:让没参与该问的队友只看论文,复述你做了什么、得到什么。
比较只会算与完整表达。
正确性可能不错,但读者难以验证和使用。
评委先看摘要、问题分析、结果表和结论。
摘要给方法链与关键数值。
问题分析说明为何这样拆。
结果表直接对应每个小问。
即使评委暂时不看推导,也能理解问题—方法—证据—结论的主线。
答案默认隐藏。聚焦题卡后按 ↓ 或 Space,一次只揭晓一道。
可信度来自证据。
在留出数据上验证并报告误差。它为模型有效性提供证据。
排版只是表达的一部分。
错误。问题拆解、符号定义、段落结构、图表说明和结论对应关系都影响清晰性。
围绕问题—方法—结论。
这问要解决什么;使用了什么数据和方法;得到了什么可验证结论或建议。
行动需要谁、何时、做多少。
建议周一 7:00 前向东区调入 35 辆车,并保留 5 辆缓冲。它明确对象、时间、数量和余量。
模板、代码、检查表
为什么赛前准备十个没弄懂的复杂模型,不如准备三个能解释、能改的模板?
工具箱不是文件堆,而是经过验证、知道输入输出、能快速修改的可复用组件。
每个模板应包含示例数据、运行说明、输出图表、常见错误和适用边界。
最小工具箱:数据清洗模板;描述统计/画图模板;评价、预测、优化各一个基础模板;论文骨架;结果核验清单。
给模板做“冷启动测试”:隔一周不看笔记,能否在 15 分钟内换数据跑通并解释结果。不能就继续简化。
观察模板从“能跑”到“可复用”的变化。
路径和数据写死,别人无法复现。
准备一个 TOPSIS 可复用文件。
输入区说明正向/负向指标、缺失值规则和单位。
计算区分开标准化、权重、距离与得分。
输出区自动生成排序、敏感性图与结论句。
换数据时只改输入与指标类型,不需要从头复制粘贴公式。
答案默认隐藏。聚焦题卡后按 ↓ 或 Space,一次只揭晓一道。
“复用”意味着不同数据和使用者。
输入输出清楚且换数据后仍能运行。
一次成功不能覆盖异常情况。
错误。还需换数据、检查边界、验证输出,并确保路径和依赖可复现。
让没写模板的人也会用。
示例:输入列与时间频率;缺失值处理;参数含义;训练/验证划分;输出误差指标;适用条件。
优先考虑可靠复用。
能解释、能验证的基础模板与检查表。它们能直接降低比赛中的实现与返工风险。
不用求解,只建立全局任务地图。完成后,你应该能告诉队友先做什么、并行什么、最后交什么。
讲义、练习、实验与挑战清单均在本地页面内。