2018年美赛C题参赛经历,美赛MCM和ICM有何区别,分别适合什么样的人群参赛?
2018年美赛C题参赛经历,美赛MCM和ICM有何区别,分别适合什么样的人群参赛?
美赛奖项等级共设置6个，分别是：Outstanding Winner：简称O奖，是美赛中的*荣誉，获奖比例极低，2018年占比仅为0.16%。Finalist：简称F奖，指进入特等奖角逐但未获得特等奖的队伍，获奖难度同样很高，2018年占比为0.22%。
MCM对数学和计算机技能的要求较高。ICM则更注重逻辑思考和写作能力。适合参赛的人群 适合参加MCM的人群：具有较强数学和计算机背景的学生，尤其是擅长算法设计、编程和数据分析的学生。对连续型、离散型数学问题感兴趣，并希望在这些领域展现自己才能的学生。
MCM对数学、计算机要求高，ICM对逻辑、写作要求高。选择题目时，时间管理极为关键，选题时间过长会减少建模和写论文的时间。获奖主要取决于实力与运气，充分准备可提高胜算。MCM与ICM各有特色，选择适合的竞赛能增加获奖机会。
MCM：偏自然、理工类学科，对数学、计算机要求高。ICM：偏社科、人文类学科，对逻辑、写作要求高。获奖比例：MCM：获奖比例相对较低，例如Outstanding奖的比例约为0.18%。ICM：获奖比例相对较高，例如Outstanding奖的比例约为0.28%，且Meritorious奖和Honorable Mention奖的比例也高于MCM。
总而言之，MCM是一项面向大学生的数学建模竞赛，ICM是一个跨学科的面向高中生的建模竞赛。两者在参赛对象、题目类型、时间限制和奖项设置等方面存在差异。
美赛获奖等级的实际价值： S奖：通常被视为成功参赛奖，其在中国被称作三等奖。由于获奖比例极高，几乎所有成功提交论文的队伍都能获得S奖，使其含金量相对较低。近年来，S奖的获奖比例稳定在较高水平。例如，2021年美赛中MCM有64%的队伍获得S奖，ICM中有69%的队伍获得S奖。
三等奖：若团队的论文得分在80分至90分之间，则可获得三等奖。*奖：若团队的论文得分在70分至80分之间，则可获得*奖。荣誉奖：若团队的论文得分在60分至70分之间，或团队的论文虽未单独获奖，但结果已发表在会议文章集中，则可获得荣誉奖。
奖项等级 特等奖 一等奖 二等奖 三等奖 *奖 详细解释 特等奖：这是美赛的*奖项，代表参赛作品在创新性、实用性、技术难度等方面表现出卓越的水平，是竞赛中的*荣誉。获得特等奖的作品通常具有极高的水准，受到了广泛的认可。
M奖：一等奖，参赛队伍在竞赛中展现出较强的建模和问题解决能力。H奖：二等奖，参赛队伍在竞赛中取得了一定的成绩，模型和解法有一定创新性。S奖：成功参赛奖，只要参赛队伍正常提交非跑题论文，即可获得此奖，是基本参赛标准。U奖：违规参赛奖，针对抄袭、违规等行为颁发，具体数据未予公开。
年美赛中MCM有55%的S，ICM中有33%的S。H奖：荣誉提名奖 Honourable Mention在中国的翻译是二等奖，而直译应该是荣誉提名奖，在大家的常识里，Honourable Mention应该是在比赛中未获得正式名次的队伍。比如在ACM区域比赛里，分为*，银牌，铜牌，铜牌以下那就是Honourable Mention了。
美赛奖项等级如下：特等奖：美赛的*奖项，代表参赛作品在创新性、实用性、技术难度等方面卓越。一等奖：较为重要的奖项，意味着参赛作品在某一领域或整体表现上*，具有显著的创新性和实用性。二等奖：表明参赛作品在某些方面表现出色，具有一定的创新性和实用性，在竞赛中表现出一定的竞争力。
1、当然可以参加C题与D题，它们分别属于ICM（交叉建模）部分。C题通常是复杂网络相关的题目，这类题目的模型往往比较复杂，但获奖的机会相对较高。而D题则相对较少有人提及，似乎需要提交一段视频作为解题的一部分，具体情况还需进一步了解。
2、题目中关于C题的数据量大，要求参赛队熟悉数据处理，模型、方法可能集中在统计、模式识别等。D题如果为网络科学问题，有特定的模型、算法、软件，选择时可关注。E题环境科学涉及环境污染、可持续发展等，范围广泛，模型、方法不明显。
3、题型不同。ABC题是MCM，DEF是ICM，选不同的题参加不同的竞赛。组委会不同。两者组委会几乎没有重叠。题目风格不同。差异比较大，参见上述问题的链接。中国参赛队占比不同。ICM中中国队相对更多一些，虽然MCM的中国队也很多。获奖比例不同。除了O和F不好比，ICM的M和H比例更高一些。
4、选题建议、思路、代码、参考成品论文 对于D题，选择合适的题目是成功的关键。A-F题目的成品论文和相关资料已经更新，可提供参考。B题和C题已详细解析其思路与代码，E题同样提供了解决方案。A-F题的论文和相关资源可帮助参赛队伍深入理解题目的背景、挑战与解决策略。
5、C题和D题具有相对具体的特点。MCM的C题与数据处理相关，虽然不算是大数据，但数据量较大，需熟悉数据处理方法，并掌握编程技能或相关软件。模型和方法方面，可能集中在统计、模式识别等方向。D题若涉及网络科学问题，使用的模型、算法和软件相对集中，有章可循。
6、MCM中，选择C题的队伍最多，超过三分之二。ICM中，选择E题的队伍同样超过三分之二。这表明，C题和E题受到了参赛队伍的广泛青睐。特等奖队伍分析：在MCM的三个题目中，分别有10支队伍、6支队伍和7支队伍获得特等奖。在ICM的四个题目中，分别有4支、10支、7支和7支队伍获得特等奖。
首先，队伍的组建至关重要。建议避免同专业组队，以免思维模式过于雷同，缺乏新颖的思路。团队成员之间应有明确的分工，擅长领域互补，尤其是建模能力的培养显得尤为重要。确保至少有两人熟练掌握python、matlab等编程语言，能够基于模型基础快速调整代码，具备解决问题的能力。
团队目标一致：明确团队的共同目标，对于获奖的期望保持一致，有助于减少团队内矛盾，集中精力备赛和比赛。赛前准备与干货分享 实用软件与链接准备：准备包括ArcGIS、Axmath等在内的软件及链接，为竞赛提供高效工具支持。请关注“快乐数模”*获取更多资料。
从学习2021美赛O奖论文到获得2022美赛M奖，论文精读经验分享主要包括以下几点：学习与借鉴的重要性 理解并利用前人的*成就是提升竞争力的关键。通过精读2021年美赛O奖论文，可以掌握获奖队伍的策略和方法，为自己的比赛打下坚实基础。
