本篇博客将详细讲解美赛论文写作。

标题

标题要简洁精炼，尽量不要直接引用赛题的题目。

**常规标题写法：基于XXX模型/方法/理论的XXX问题研究。**这种格式通常涉及到模型方法，核心算法或者是解决了什么具体问题。而美赛标题是可以进行创新的。

题目	标题	中文翻译
2021B	Build an Army of Drones to Fight Wildfires	组建无人机大军扑灭野火
2021B	Drone System VS Wildfire	无人机系统 VS 野火
2021B	Rapid Bushfire Response System	丛林火灾快速反应系统
2022A	Optimal Power Allocation − Ride to The Future	优化功率分配–驰骋未来
2022A	Power Curve Make Cyclists Faster and Faster	动力曲线让自行车手越骑越快
2022A	Optimal Cycling Solution Based on Physiology,Newtonian Mechanics and Dynamic Programming	基于生理学、牛顿力学和动态编程的最佳自行车解决方案

像前五个例子，他们的标题都是非常生动形象的，尤其是第二个例子——Drone System VS Wildfire。那么我们在写美赛论文的时候，也是可以对标题进行创新的。

注：标题单词首字母都是大写，介词连词这种首字母都是小写。

摘要

摘要是整篇论文的浓缩，是美赛论文的重中之重，一定要认真对待，反复修改。评委老师第一眼看你的论文，就是看你的摘要。如果改卷时长是十分钟的话，那么评委至少要在摘要上花六七分钟。大家可以设身处地地想想，如果让你在规定时间去看一篇论文，你是一个字一个字地看呢，还是重点看摘要，正文只看自己感兴趣的，或者大致扫一眼呢？

我们来看这样一篇O奖论文的摘要：

摘要第一段介绍背景，引出本文需要完成的目标。

摘要主体部分，一般是从第二段开始，一定要讲清楚三件事：用了什么方法，解决什么问题，得到什么结论。

摘要主体段落尽可能的均匀。

如果摘要中出现缩写，第一次出现要采用全拼，并用括号说明缩写，例如task 3里的第三行。

摘要一般是按问题进行分段，有时候也会按模型进行分段，在每一段中可以用一些连词或者从句让逻辑更清晰。

最后一段一般写模型的检验、优缺点与展望，如果是题目要求写建议信，也可以简单总结一下。

关键词一般涉及研究领域、模型名称、算法名称等，建议三到五个即可。

目录

摘要的下一页一般就是目录。例如我们来看一篇O奖论文的目录：

目录第一行一般是content(s)居中。

每一级的标题不要太长，要短小精炼，首字母需要大写。

标题可以到二级标题，也可以到三级标题，最好不要到四级标题。

目录页如果按照正文的字体大小达不到一页，可以通过调整目录页字体使得目录尽可能接近一页，这样更美观。

引言

引言一般包括三个部分：问题背景，问题重述和前人研究。

问题背景

一般翻译为Problem Background。这部分主要是写问题的研究背景，例如当前问题所面临的现状。尽量不要抄赛题里的研究背景。

问题重述

一般翻译为Restatement of the Problem。这部分是对问题进行重新叙述，最好不要直接抄题，而是用自己的语言进行表达。有的O奖论文就是重复题目的原来的问题。我们要明白，O奖论文能拿奖，至少说明他们的思路是非常新颖的。有的O奖论文，仔细看的话，也能发现一些语法上的问题，但他们依然能拿O奖，这就说明美国人其实不太注重细节。所以问题重述怎么写，都行。这里是建议，建议大家论文如果没有非常新颖的东西，最好不要再去做一些额外的创新。

前人研究

这里也可以叫文献综述，一般翻译为Literature Review。这部分主要写前人做了什么研究，但本文又引进了什么，或者考虑了什么，或者使用了什么别人从未用过的模型或方法，因此本文的研究有意义的。

这部分是可以多写，如果篇幅不够，可以用这部分进行填充。如果篇幅超过了要求，那么可以对这部分进行删减。

我们的工作

有很多论文并没有在引言中写前人研究，而是写我们的工作，例如：

这部分一般都会放一个流程图，介绍整篇论文每一个问题的建模过程，以及模型或算法之间的关联。

这一部分也可以放在引言的第四部分。具体视每个团队而定。O奖流程图一般都非常好看，可以好好学一学如何画出漂亮的流程图。尽量要有自己的创新点。

模型假设及符号说明

这部分一般是放在引言之后。

假设是必须要有的，最好在每一个假设下面表述假设的理由，例如：

符号说明这部分里，如果模型符号比较多，不必要把模型里所有出现的符号都在这里进行解释，这部分尽量不要写太多，例如：

正文

正文主要包括每一问的问题分析，模型建立，模型求解、结果分析和模型检验。

问题分析

这部分主要写自己的问题切入点以及解题思路，也就是如何将实际问题转化为数学问题。这方面可以多学习O奖论文的切入点。当真正参加美赛的时候，要想让自己的切入点有所创新，就一定要多看相关领域的文献。

模型建立

建立模型时不必一味追求高大上的模型，简单模型也能获得O奖，例如：层次分析法，熵权法，TOPSIS。

建立模型一定要具体，一定要把因素考虑全面，即使是最简单模型，O奖论文也能结合具体问题进行全面分析。即使是空洞、高级一点的模型，O奖也能很好地与问题进行结合。比如机器学习模型。

每一问的模型之间都是有关联的，上一问的模型一般都能在下一问进行应用。这里的应用不一定是整个模型，可能是模型里的变量，或者是模型的结果。

模型求解

模型求解不一定非得需要很高级的算法，有的模型是可以直接通过编程进行求解。部分O奖论文利用概括性的语言或者流程图展示求解步骤。优秀算法并不一定是高级算法，所用的算法一定要与题目想结合。很多人对高级、复杂的算法无比热衷，非得在论文中进行展示，但自己又无法理解，然后写了一堆理论东西，与问题毫无关系。

结果分析

一般是用图或者表进行分析，在每个图表下都要进行至少三行以上的内容分析，越详细越好。

模型检验

不同模型有不同的检验方法。很多O奖论文会把模型检验放到最后面，这种一般是对优化模型进行灵敏度分析。

模型优缺点及展望

模型优缺点

优点尽量要具体，多写文章里的创新部分，不到万不得已，不要写一些模型常见的优点。一般三个优点即可。

缺点可以稍微用一些不痛不痒的语言进行表述，缺点个数尽量不要超过优点个数。

模型展望

这部分可以针对不足，提出一些改进方法，改进之后会怎么样；也可以讲本模型除了用在该题领域，还可以用在其他领域。字数少的话，可以举个例子。部分O奖论文将这部分改成结论，例如：

参考文献及附录

参考文献

（1）参考文献建议十篇以上，二十篇以下。虽然这不是明确要求，但最好要有十篇以上。文献太少，可能会让评委认为你的模型是凭空建立的，没有参考前人的经验。但数学建模并不是科研，解决一道题目也不会让你读太多的参考文献。因此最好选择十五篇左右。

（2）如果引用中文文献，一定要翻译成英文。

（3）注意引用格式。参考文献不要自己敲，一般都是在论文官网上点击引用，即可粘贴过来。

附录

这部分可以放代码，但是所放的代码里一定不要出现中文。正文里放不下的图表，可以放在附录里，例如统计模型中可能出现的数据非常多的检验表格。如果超过页数，可以不用放附录。注意：虽然是附录，但排版一定要美观！

2024年美赛论文新要求

由于AI大模型的发展，今年美赛对AI的使用进行了规定。

图片来源：https://www.contest.comap.com/undergraduate/contests/mcm/instructions.php

将上面文字翻译之后：

新的！比赛期间——在 COMAP 竞赛中使用大型语言模型和生成式 AI 工具

这一政策是由大型语言模型(llm)和生成式人工智能辅助技术的兴起推动的。该政策旨在为团队、顾问和评委提供更大的透明度和指导。这项政策适用于学生工作的所有方面，从模型的研究和开发(包括代码创建)到书面报告。由于这些新兴技术正在迅速发展，COMAP 将适当地完善这一政策。

团队必须公开和诚实地使用人工智能工具。团队及其提交的内容越透明，他们的工作就越有可能被其他人完全信任、赞赏和正确使用。这些披露有助于理解智力工作的发展和正确承认贡献。如果没有对人工智能工具作用的公开和清晰的引用和参考，有问题的段落和工作更有可能被认定为抄袭并被取消资格。

解决这些问题不需要使用人工智能工具，尽管允许负责任地使用它们。COMAP 认识到大型语言模型和生成式人工智能作为生产力工具的价值，可以帮助团队准备提交;为一个结构产生最初的想法，例如，在总结、释义、语言润色等。在模型开发的许多任务中，人类的创造力和团队合作是必不可少的，对人工智能工具的依赖会带来风险。因此，我们建议在将这些技术用于诸如模型选择和构建、协助创建代码、解释模型的数据和结果以及得出科学结论等任务时要谨慎。

参赛队伍须知:

1.在报告中明确指出大型语言模型或其他人工智能工具的使用情况，包括使用哪种模型以及用于什么目的。请使用内联引用和参考部分。在你的 25 页解决方案之后，还要附上人工智能使用报告(如下所述)。

2.验证内容的准确性、有效性和适当性以及由语言模型生成的任何引用，并纠正任何错误或不一致之处。

3.提供引用和参考，遵循这里提供的指导。仔细检查引用，确保它们是准确的，被正确引用。

4.要注意抄袭的可能性，因为大型语言模型可能会从其他来源复制大量文本。检查原始来源，以确保你没有抄袭别人的作品。

引文及参考指引

仔细考虑如何记录和引用团队可能选择使用的工具。各种风格指南开始纳入人工智能工具的引用和参考政策。在 25 页的解决方案的参考部分，使用内联引用并列出所有使用的 AI 工具。无论团队是否选择使用 AI 工具，主要解决方案报告仍然限制在 25 页。如果一个团队选择使用人工智能，在你的报告结束后，添加一个名为“使用人工智能报告”的新部分。这个新部分没有页数限制，不会被计算在 25 页的解决方案中。

人工智能报告这部分写法可以参考官方提供的例子：

本篇博客到此结束！