MCM/ICM報名費多少？2024年MCM/ICM報名備考中

數學建模競賽（數模）是一項高含金量的商科比賽，對于準備保研的學生來說，是一個需要關注的重點。在數模競賽中取得亮眼的成績，可以成為夏令營申請中的加分項。如果能在美賽中獲得M獎及以上的成績，可以進一步充實和豐富個人簡歷，向導師展示自己在數學方面的水平。

對于即將保研的大三學生來說，今年的美賽是在明年夏令營前能夠獲得結果的最后一場數模比賽。這意味著他們可以利用這次機會來展示自己的能力。而對于大一和大二的同學來說，他們有更多的時間來充分準備美賽，并爭取取得不錯的成績。

01團隊成員及顧問團隊成員

團隊成員

一個團隊最多可以由目前就讀于同一所學校的三名。學校可以注冊的團隊數量沒有限制。比賽面向所有本科生和高中生開放。顧問必須完成每個團隊的注冊過程。

團隊顧問

團隊所在機構的任何教職員工或學生都可以擔任顧問的角色。顧問將作為團隊的主要聯系人，不必來自數學系。我們鼓勵教職員工擔任團隊顧問;但是，學校的一名團隊成員或另一名學生可以擔任顧問。

02報名費用

報名費MCM/ICM的注冊費為每隊100美元，即約725人民幣，3人團隊每人大概分擔240元。

MCM和ICM報名/免費領資料【翰林提供報名服務】

03 2024新變化

注冊流程已簡化，分為兩部分：顧問注冊和團隊注冊。

MCM/ICM競賽現在有25頁的限制。25 頁的限制適用于整個提交，包括摘要表、解決方案、參考列表、目錄、注釋、附錄、代碼和任何問題特定要求。

在COMAP競賽中使用大型語言模型和生成式AI 工具。但需在報告中明確指出LLM或其他AI工具的使用情況，包括是哪種模型被使用以及用于什么目的，且在25頁的解決方案之后需附加AI使用情況報告。

競賽時間

1.比賽時間：(北京時間：2024年2月2日，早晨6：00點，星期五) 至 (北京時間：2024年2月6 日，上午9：00，星期二)

2.提交截止日期：(北京時間：2024年2月6日，上午10：00，星期二)

3.比賽結果：結果將于2024年5月31 日或之前發布。

這里需要強調一下，美賽參賽階段正處于美國東部的冬令營，所以有13個小時的時差，所以同學們參賽時間不會換算就無需處理，直接參照北京時間就可以。以免影響參賽。

04歷年美賽情況分析

美賽（MCM/ICM）共設有兩個賽道，分別是MCM（Mathematical Contest in Modeling）和ICM（The Interdisciplinary Contest in Modeling），每個賽道都有3個問題，總共提供6個題目供選。

MCM賽道偏向理工科，需要較高的數學和計算機能力，門檻相對較高，更加具有挑戰性。ICM賽道偏向社科，更需要邏輯分析和寫作能力，題目對商科同學來說相對較友好。

具體來說，MCM的A題涉及物理和化學問題，對專業有一定的限制；B題相對較好，對建模能力要求較高；C題會給出大量的數據，適合數據分析能力較強的同學；D、E、F題相對較友好，其中F題有時被戲稱為"語文建模"，但也可能會有一些較為復雜的問題。通常商科同學會傾向于選擇C、D、E、F題，但這并不是絕對的，只要對某個題目有思路和想法，都可以選擇去解答。值得一提的是，如果選擇一個與專業較為相關的題目進行研究，可以作為一篇較好的數模論文，豐富和充實個人的簡歷內容。

關于獲獎情況，大家最關心的是獎項。美賽設有5個等級的獎項。通常來說，獲得M獎及以上是比較有競爭力的成績，可以成為簡歷中的一項亮點。根據2020年到2023年的統計數據，每年的獲獎比例大致如下：O獎約占總參賽隊伍的0.2%、F獎約占總參賽隊伍的2%、M獎約占總參賽隊伍的7%、H獎約占總參賽隊伍的22%、S獎約占總參賽隊伍的65%。MCM和ICM的獲獎比例相對一致，沒有明顯更容易獲獎的情況。如果查詢歷年的獲獎隊伍，會發現許多獲得F獎和O獎的團隊來自中國的高校。這一方面說明大學生對美賽的熱情很高，另一方面也表明各位同學獲得好成績的希望是存在的！

05如何準備美賽

隊友選擇

通常3人隊友配置：建模+編程+寫論文，其中建模和編程比較重要。盡早找隊友！否則靠譜有能力的同學就被別的隊拉走啦。盡量選擇熟悉的+有責任心的同學，否則到時候很可能面臨一個人爆肝的情況。

學習模型

數學建模中常見的模型有很多，以下是一些常見的模型：

層次分析法（Analytic Hierarchy Process，AHP）：用于多指標決策和評估問題，通過構建層次結構和判斷矩陣來確定各指標的權重。

熵權法（Entropy Weight Method）：用于多指標決策和評估問題，通過計算指標的信息熵來確定各指標的權重。

模糊綜合評價（Fuzzy Comprehensive Evaluation）：用于處理模糊信息和不確定性問題，通過模糊數學方法對多指標進行綜合評價。

蒙特卡羅模型（Monte Carlo Simulation）：用于模擬隨機現象和不確定性問題，通過隨機抽樣和統計分析來估計模型的輸出結果。

多元線性回歸（Multiple Linear Regression）：用于建立自變量與因變量之間的線性關系模型，通過最小二乘法來估計回歸系數。

擬合算法（Curve Fitting）：用于擬合數據點到一個數學函數或曲線的模型，常用的擬合方法有最小二乘法、最大似然估計等。

分類模型（Classification Model）：用于將樣本數據分為不同類別或標簽的模型，常見的分類方法有決策樹、支持向量機、邏輯回歸等。

聚類模型（Clustering Model）：用于將樣本數據劃分為相似的群組的模型，常見的聚類方法有K均值聚類、層次聚類等。

時間序列ARIMA模型（Autoregressive Integrated Moving Average）：用于分析和預測時間序列數據的模型，適用于具有趨勢和季節性的數據。

微分方程模型（Differential Equation Model）：用于描述系統變化和動態行為的模型，常用于物理、生物等領域的建模。

粒子群算法模型（Particle Swarm Optimization）：一種優化算法，模擬鳥群覓食行為，用于求解復雜的優化問題。

神經網絡模型（Neural Network Model）：模擬人腦神經元的連接和傳遞過程，用于模式識別、分類、回歸等問題。

規劃模型（Optimization Model）：用于求解最優解的模型，常見的規劃方法有線性規劃、整數規劃、動態規劃等。

排隊模型（Queueing Model）：用于研究排隊系統的模型，分析系統的穩定性、平均等待時間等指標。

在數學建模中，選擇適當的模型是很重要的，不要生搬硬套，要根據具體問題和數據特點選擇合適的模型。同時，掌握一些常用的建模軟件如MATLAB、Python等是有幫助的，但也可以根據個人熟練度和需求選擇其他軟件如lingo、R、stata等。在學習數學建模時，可以參考相關課程和書籍，進行系統的學習和實踐。

論文撰寫

在美賽論文撰寫過程中，以下幾點是需要注意的事項：

使用英文撰寫：美賽論文要求使用英文撰寫，要注意語法、拼寫和表達的準確性。可以使用翻譯軟件如谷歌翻譯進行初步翻譯，然后再進行修改和潤色，以確保表達地道得體。

排版：建議提前學習使用LaTeX進行排版，它是一種方便實用的排版語言，可以幫助你更好地組織論文結構和呈現數學公式。LaTeX的使用涉及一些簡單的編程操作，但學會使用它會提高論文的質量和美觀度。

數據可視化：美賽非常注重數據的可視化呈現，因此在論文中合理使用圖表是必不可少的。在數據可視化過程中，要盡量做到簡潔清晰，使圖表美觀大方并能夠清晰地傳達信息。可以參考往年O獎論文的作圖風格，但也要注意不要照搬，要根據具體情況進行適當調整和創新。

參考O獎論文：在比賽前，建議多閱讀往年的O獎論文，從模型建立、寫作風格、數據可視化等方面進行學習和模仿。這可以幫助你更好地了解評委老師的偏好，并提高自己在美賽中取得亮眼成績的機會。

數據網站

美賽查找數據也是重大難題。除了C題會給予大量數據（甚至電腦跑不動），其他題目都要小伙伴自行搜集，而數據的質量很大程度上影響了最后模型運行的結果，因此找數據是美賽的重中之重。