皆さんにこの長江デルタコンテストのテーマをより適切に選択してもらうために、このコンテストのテーマを簡単に分析します。デジタル・アナログモデルは通常、最適化、予測、評価の3つに分類されますが、この数学の問題はそれぞれ最適化、予測、評価としてA、B、Cに相当します。全体的な難易度はそれほど大きくありませんが、主な難しさは質問 A の最適化と、B と C のデータ収集にあります。後で、より良いプレイに役立つデータを収集します。
競技問題の難易度評価 A＞B＞C
トピックを選択する人の推定比率 C>B>A
質問エクスプレス パッケージの梱包最適化の問題
質問 A は高速パッケージに基づいています。最適化としての速達のテーマは、過去 2 年間で最も一般的な提案背景であり、この質問の方法は、2021 馬杯の海底サーバーの放熱問題に似ています。最適化モデルの構築レイアウト、消耗品など 難易度は中程度で、ゲームを始めたばかりの小白にはお勧めできません。この手の質問は基本的に答えが決まっており、賞の良し悪しが結果の正誤に大きく関係します。初心者が挑戦することはお勧めできません。賞を獲得したい場合は、デジタル シミュレーションの経験が豊富なチームが挑戦してください。
質問Aについて簡単に見てみましょう。
問題 1 は、付録 1 の 2 つのデータに従って、それらを箱または袋に入れ、消耗品の最小総量を目的関数とし、与えられたデータと実際の条件に従って制約変数を設定し、問題を解きます。
質問 2: 最適化後、消耗品の種類の数は変わりませんが、消耗品のサイズが変更されます。つまり、最初の質問とボックスの数の制約に基づいて消耗品のサイズが追加されます。総量と消耗品の総量は、質問 2 の要件に従って設定されます。最適化モデルを構築します。
質問 3. 消耗品の伸びを考慮する場合、長さ、幅、高さは元のサイズの 5% を超えてはなりません。つまり、解決のために新たな制約が再び導入されます。
問題全体の核心は決定変数の選択にありますが、現時点では、当初は 0 ～ 1 の変数を決定変数として導入することがより適切であると考えています。
質問B 長江デルタにおける新エネルギー自動車の開発と炭素との関係に関する研究
問題Bの主な問題は予測+データで、車の背景を元にデータを収集し、予測モデルを構築し、相関関係を分析します。データの問題につきましては、データ収集のお手伝いをさせていただきますが、現在入手可能なデータは、３番目の炭素排出量に関するデータと、自動車産業の一部のデータでございますが、これは今後収集してまいります。
質問 1. 収集したデータに基づいて、今後 3 年間の長江デルタ地域における新エネルギー車の市場所有権を予測します。短期的な予測には、回帰分析とグレー予測が最適です。また、他の予測モデルを選択することもできます。主な問題はデータです. ここでのデータ収集の問題では, データ収集の大まかな方向性を把握するだけで十分です. まずトピックを収集し, さまざまな大まかな方向性のデータを与えます. 収集されたデータに従って、質問 1 のインデックスの選択が完了します。最初にインジケーターを選択してからデータを見つけることはできないため、データが見つからないという恥ずかしい状況に陥りやすいことに注意してください。自動車データに関する多くのオープン データベースは直接取得できます。後で収集して整理します。
最後に、データの詳細について説明します。私たちは通常、結果が明らかでないこの種の質問を好みます。その理由は、この種の質問では、合理的である限り、回答が固定値であってはいけないからです。合理性が保証されているのであれば、文献をざっと読んで現状を把握する必要がありますが、結果がとんでもないものでない限り、審査員が直接論文を間違っていると判断することはできません。したがって、実際にデータが見つからない場合、または見つかったデータが良くなく、コード プログラミングの結果が理想的ではない場合、この種のオープンな結果トピックでは、データ セットを作成するか、データ セットを作成する必要があります。当然の結果であることは理解できます。
2番目の質問は、新エネルギー車と従来の燃料車の市場競争関係を研究し、我が国における新エネルギー車と従来の燃料車の市場所有権の時間の経過に伴う進化の法則を与えることです。質問幹から、これが予測モデルであることもわかり、質問 1 のモデルに基づいて再度直接使用できます。問題 2 については、進化の法則を表現するために回帰分析を使用する方が適切であるため、問題 1 に回帰予測を使用でき、問題 2 のモデル選択により適切な関係が得られます。
3問目は、自分が所有する携帯電話の炭素排出量データに基づいてカーボンニュートラルの時期を予測するというものだ。ここにあるのは第 3 の予測にほかなりません。モデルの選択は、質問 1 と 2 のモデルを引き続き使用することも、上図でご自身で選択することも可能です。
質問C についてどれくらいの難易度を知っていますか?
問題Cは今のところ、標準的な相関分析＋総合評価で、見る限り最も難易度が低いようです。データ収集の難易度は低く、コンペ問題の難易度も低いです。
問1は定量的な分析が求められますが、定量化とはデータに基づいた分析を指します。したがって、最初の質問では、大学院入試の難易度の主な要因を見つけるために自分たちでデータを収集する必要がありますが、ここでの主な要因は主に相関分析です。相関分析の選択については、以下の表を参照してください。
大問2は、3年間にわたる大学院入試の最難関10校を出題するもので、非常に古典的な総合評価と言えます。つまり、収集したデータに基づいて総合的な評価を行うことができます。
質問 3 の予測モデルは質問 B と同じ方法で選択され、どちらも短期予測です。たくさんのモデルからお選びいただけます。