1. 从“建”到“写”：数学建模竞赛的核心闭环

很多刚接触数学建模的同学，甚至是一些有了一定建模经验的朋友，常常会陷入一个误区：认为数学建模竞赛就是比谁的模型更复杂、算法更高深。于是，他们把绝大部分精力都花在了编程求解、算法调优上，直到最后一天才匆匆忙忙开始“凑”论文。结果往往是，一个可能很有想法的模型，因为糟糕的呈现而明珠蒙尘，与奖项失之交臂。我参加过多次国赛和美赛，也担任过评审，亲眼见过太多这样的案例。实际上，在数学建模竞赛中，“写作”不是建模完成后的“副产品”，它本身就是建模活动不可分割、甚至是最为关键的一环。一篇优秀的建模论文，是连接你的智慧与评委认知的唯一桥梁。

这篇教程的目的，就是帮你彻底打通从“思考”到“表达”的通道。它不仅仅是一份格式说明书，更是一套关于如何通过写作来梳理、深化和展示你的建模工作的方法论。我们会拆解论文的每一个部分，告诉你为什么要这样写，评委在这里想看什么，以及有哪些能让你的论文脱颖而出的“小心机”。无论你是初次参赛的小白，还是希望精益求精的老手，掌握这套“写作即建模”的思维，都能让你的作品在成千上万的论文中，清晰、有力、专业地发出自己的声音。

2. 论文蓝图：结构设计与战略意图

在动笔写第一个字之前，你必须像建筑师审视蓝图一样，对整篇论文的结构了然于胸。数学建模论文有着高度规范化的结构，这并非为了限制思维，而是为了建立一套高效、公平的沟通标准。理解每个部分的功能和写作目标，是成功的第一步。

2.1 标准八股结构与内在逻辑

一篇完整的数学建模论文，通常包含以下八个核心部分，它们环环相扣，形成一个完整的故事链：

1. 摘要
2. 问题重述
3. 模型假设
4. 符号说明
5. 模型建立与求解
6. 模型检验与评价
7. 模型改进与推广
8. 参考文献
9. 附录

这个结构的内在逻辑是清晰的：摘要是故事的预告片，问题重述是交代背景，假设和符号是设定舞台规则，建立与求解是剧情高潮，检验与改进是反思与升华，参考文献是注明出处，附录是存放幕后花絮。你的写作必须服务于这个逻辑，让评委能够毫不费力地跟随你的思路。

2.2 评委视角：他们如何在短时间内评判你的论文？

你需要时刻站在评委的角度思考。想象一下，评委可能在几天内需要评审上百篇论文，分配给每篇论文的初始时间可能只有10-15分钟。在这宝贵的十几分钟里，他们的阅读路径通常是：

• 第一眼（30秒）：快速浏览摘要。如果摘要逻辑混乱、没有突出亮点，论文可能直接被归入“普通”或“较差”的类别。
• 第二眼（2-3分钟）：跳转到模型建立与求解部分，看你的核心模型是什么，用了什么方法，图表是否清晰美观。这里决定了他是否愿意继续花时间细读。
• 第三眼（5分钟）：如果前两步过关，他会回头仔细看模型假设是否合理，检验与评价是否扎实，符号说明是否规范。
• 最终判断：综合印象，并可能快速翻阅附录查看关键代码或数据。

因此，你的写作策略必须是：在摘要和模型核心部分（包括图表）投入最大的精力，确保在最初的几分钟内牢牢抓住评委的注意力，并展现出你的专业性和严谨性。

注意：永远不要指望评委像你的导师一样，逐字逐句地推敲你论文的每一个细节。你的任务是让最精彩的部分自己“跳”出来。

3. 摘要：论文的“黄金一页”

摘要是一篇论文的“脸面”，也是决定生死的关键。它必须独立成篇，即使不阅读全文，评委也能通过摘要完全理解你们做了什么、怎么做的、结果如何。我习惯把摘要称为“迷你论文”。

3.1 摘要的“三段论”黄金结构

一个清晰有力的摘要通常遵循以下结构，约500-800字为宜：

• 第一段：问题与思路（约150字）。用1-2句话简要重述问题，然后立即切入正题：“针对问题一，我们首先……；针对问题二，我们考虑……；针对问题三，我们基于前述结果，进一步……”。这里要清晰地交代你们解决问题的总体思路和技术路线，让评委看到你们的思考脉络。
• 第二段：模型与结果（约300-400字，核心）。这是摘要的躯干。需要分点阐述针对每个问题，你们建立了什么模型，采用了什么方法或算法，以及得到了什么关键结果（必须包含数值！）。
  • 句式模板：“对于问题一，我们建立了基于XXX的YYY模型，采用ZZZ算法进行求解，得到AAA=123.4，BBB=56.7%。”
  • 结果必须量化：避免“效果较好”、“精度较高”等模糊表述。必须给出具体的数值、排名、百分比、误差范围等。
• 第三段：亮点与结论（约100-150字）。总结你们工作的主要特点（如：模型创新性、求解效率高、结果稳健性好），并给出最终结论或建议。例如：“本文的创新之处在于将A领域的B方法首次应用于C问题，并进行了改进。最终我们得出结论……，并建议……”

3.2 摘要写作的致命陷阱与高阶技巧

• 陷阱一：空洞无物。只说“我们建立了优化模型”，却不说是线性规划、整数规划还是动态规划。只说“结果良好”，却没有一个具体数字。
• 陷阱二：照抄引言。摘要不能是问题重述的复制粘贴，它必须包含模型、方法和结果。
• 陷阱三：出现图表或参考文献引用。摘要里绝对不要出现“见图1”、“参见文献[5]”这样的内容。
• 高阶技巧一：关键词前置。在描述模型时，直接使用“熵权法-TOPSIS综合评价模型”、“基于时间序列的ARIMA预测模型”等标准术语，让评委一眼就知道你用了专业方法。
• 高阶技巧二：结果对比。如果可能，将你的结果与常识、简单方法的结果或题目提供的参考数据进行对比，突出优势。例如：“与传统方法相比，我们的模型将预测误差降低了约15%。”
• 实操心得：摘要一定要最后写！当全文完成后，你对整个工作的理解最为透彻，此时再提炼精华，才能写出最精准、最有力的摘要。写完后，让队友或同学在不看全文的情况下阅读摘要，看他们是否能完全理解你们的工作，这是检验摘要好坏的最佳方法。

4. 问题重述与模型假设：为你的世界定下规则

这部分看似简单，却是体现建模者严谨性和思维深度的试金石。

4.1 问题重述：不是抄题，而是转化

问题重述的目的不是把题目再抄一遍，而是用自己的语言，结构化、清晰地复述问题，并明确任务。

• 做法：将赛题原文中冗长的描述，提炼成几个清晰的要点。可以使用列表形式。
• 关键：在重述的末尾，必须明确列出“本文需要完成的具体任务如下：1. …… 2. ……”。这相当于和评委签订了“合同”，后续所有工作都将围绕这些任务展开，避免偏题。

4.2 模型假设：平衡合理性与简化能力

假设是模型的基石。好的假设既能简化问题，使其可解，又不至于偏离现实太远。

• 来源：假设通常来源于对问题中模糊地带的澄清、对复杂因素的简化、对数据缺口的补充。
• 写作格式：建议使用编号列表，每条假设单独成行，表述清晰。
• 原则：
  1. 必要性：每一条假设都应为后续的建模服务。如果某个假设在模型中没有被用到，它就是多余的。
  2. 合理性：假设要符合常识或题目的隐含条件。例如，在交通流量问题中假设“忽略极端天气影响”是合理的；假设“所有车辆速度恒定且相同”可能就过于简化，需要谨慎论证或作为模型局限性说明。
  3. 强弱得当：过于强的假设（如“假设所有数据完全精确无误”）会削弱模型的说服力；过于弱的假设则可能让模型无法建立。要找到平衡点。
• 高阶技巧：可以区分“基本假设”和“模型特定假设”。基本假设是针对整个问题的（如“数据来源可靠”），特定假设是针对某个子模型的（如“在预测模型中，假设未来一段时间内政策环境保持不变”）。这显得更有层次感。

4.3 符号说明：专业的“名片”

符号说明表是论文专业性的直观体现。一个混乱的符号表会立刻让评委感到头疼。

• 格式：务必使用三线表，清晰列出符号、含义及单位。
• 要求：
  • 规范性：标量用斜体，向量用粗斜体或带箭头，矩阵用大写粗体（在LaTeX中很容易实现）。虽然Word中可能难以严格区分，但要有此意识。
  • 顺序性：按符号在文中出现的先后顺序排列，或按拉丁字母、希腊字母顺序排列。
  • 完整性：文中出现的主要符号都应列入，避免临时创造符号而不加说明。
• 实操心得：在建模之初，就建立一个共享的符号说明文档。所有队员新增符号时都必须同步更新此文档，这样可以极大避免论文写作后期符号混乱、前后不一致的灾难。

5. 模型建立与求解：论文的脊梁

这是论文最核心、篇幅最长的部分，需要详细、逻辑清晰地展示你的建模思想和技术细节。

5.1 模型叙述的逻辑：像讲故事一样推演

不要一上来就扔出一堆复杂的公式。模型的建立应该是一个循序渐进的推理过程。

• 基本结构：针对每个问题或子问题，可以遵循“分析 -> 建模 -> 求解”的步骤。
• 分析部分：阐述你对这个问题的理解，打算从哪个角度切入，初步的思路是什么。可以画一个简单的思维导图或流程图（放在正文中）来直观展示。
• 建模部分：
  1. 定义与准备：明确你要用的关键变量（它们应在符号说明中已定义），简述相关的理论基础（如“我们采用层次分析法来确定权重，其基本原理是……”），引用关键参考文献。
  2. 公式推导：一步步给出模型的数学表达式。从最简单的形式开始，逐步增加约束条件，解释每一个公式的物理或实际意义。例如：“设决策变量为x_i，表示是否选择第i个地点，其目标函数为总成本最小化：Min Z = Σ c_i x_i。接着，我们考虑覆盖率约束，要求每个需求点至少被一个设施覆盖：Σ a_ij x_j ≥ 1, ∀i。”
  3. 模型解释：用文字描述这个模型“干了什么”。公式和文字解释要相辅相成，不要割裂。
• 求解部分：
  1. 方法选择：说明你采用什么算法或工具来求解上述模型（如：使用LINGO求解该线性规划问题；采用模拟退火算法寻找近似最优解）。
  2. 求解过程：如果是编程求解，简述算法步骤或流程图。如果是软件求解，说明关键设置。
  3. 结果展示：这是重中之重！将核心结果以清晰、美观的表格和图形呈现。

5.2 图表可视化：让结果自己说话

评委爱看图表。一张好图胜过千言万语。

• 表格：
  • 使用三线表，简洁专业。
  • 表头明确，单位清晰。
  • 对于大量数据，只展示最核心的部分，完整数据可放附录。
  • 可以在表格下方添加简要的“注：”，对表中异常值或关键数据进行说明。
• 图形：
  • 首选工具：Python的Matplotlib/Seaborn、MATLAB、Origin等专业工具，绝对禁止用Excel直接生成那种带有灰色背景、粗劣颜色的图表。
  • 设计原则：清晰、简洁、信息量大。确保在黑白打印下也能区分不同的线条或条形。
  • 要素齐全：坐标轴标签（含单位）、图例、标题必不可少。图形标题应是对图形内容的描述，而非简单的“图1”。
  • 类型匹配：趋势用折线图，对比用柱状图，占比用饼图或环形图，分布用散点图或直方图，关系用热力图。
• 实操心得：统一团队的图表风格。在比赛初期就确定一套配色方案（如使用Set2或Set3色盲友好色系）、字体大小和线条粗细。所有图表都遵循同一套风格，论文的专业感和整体性会大幅提升。将生成的图表以矢量图格式（如PDF、EPS）保存并插入文档，放大不会失真。

5.3 编程与求解的细节处理

这部分内容多少，需要权衡。全文不应是代码的堆砌。

• 正文中：只展示最核心的算法伪代码、流程图或关键公式的推导。对于调用的成熟库函数（如sklearn.linear_model.LinearRegression），只需说明其用途和关键参数设置即可。
• 附录中：存放完整的、可运行的源代码，以及生成的重要中间结果或大规模数据表。代码要有必要的注释。
• 重要提示：如果使用了启发式算法（如遗传算法、蚁群算法），必须在正文中详细说明算法的关键参数是如何设置的（如种群大小、交叉变异概率、迭代次数），以及设置的理由（如通过初步实验确定了最优参数范围）。这是体现你工作深度的重要环节，不能简单写“我们设置了参数，然后运行程序”。

6. 模型检验、评价与推广：思维的闭环与升华

做完模型和求解，工作只完成了80%。剩下的20%是让模型立得住、走得远的关键。

6.1 模型检验：你的模型靠谱吗？

检验是为了确认你的模型和结果是否可靠。常用方法有：

• 稳定性检验（鲁棒性分析）：微调模型中的关键参数或假设，观察结果的变化是否在可接受范围内。如果结果波动剧烈，说明模型不稳定，需要警惕。例如，在权重确定后，可以上下浮动10%的权重，看最终排序是否发生根本性变化。
• 敏感性分析：分析与模型输出结果最为相关的输入参数是哪一个。这能帮助你抓住问题的关键矛盾。通常通过计算敏感度系数或绘制龙卷风图来实现。
• 误差分析：对于预测类模型，必须使用未参与模型训练的数据进行测试，计算MAE（平均绝对误差）、RMSE（均方根误差）、MAPE（平均绝对百分比误差）等指标，定量评估预测精度。
• 实际对比：将你的模型结果与简单的基准模型（如历史平均值、简单线性回归）结果对比，或者与题目中可能给出的部分实际数据对比，证明你的模型更优。

6.2 模型评价：客观看待自己的“孩子”

模型评价要全面、客观，既说优点，也谈不足。

• 优点：可以从模型创新性（是否引入了新方法、新视角）、实用性（是否易于理解和应用）、高效性（求解速度快）、稳健性（检验结果好）、综合性（考虑因素全面）等方面阐述。
• 缺点：真诚地指出模型的局限性。这非但不是扣分项，反而是思维严谨的体现。缺点可能来源于假设的简化（如忽略了某些次要因素）、数据的限制（如数据量不足、存在噪声）、模型的固有缺陷（如某种算法只能得到局部最优解）等。
• 写作技巧：可以采用一个简短的优缺点对比表格，让评委一目了然。

6.3 模型改进与推广：思维的延展

这部分展示你的思维高度和发散能力。

• 改进方向：针对上面提到的“缺点”，提出具体的、可行的改进思路。例如：“本模型假设需求恒定，未来可考虑引入随机波动因素，建立随机规划模型。”“受数据所限，本文只使用了近五年的数据，未来可收集更长时间序列的数据以提升预测长期趋势的准确性。”
• 推广方向：思考你的模型能否应用到更广泛的领域。例如：“本文建立的区域风险评估模型，其框架亦可应用于金融信用评估、公共卫生事件预警等领域。” 推广要合理，不能天马行空。

7. 参考文献与附录：专业的最后一步

7.1 参考文献：站在巨人的肩膀上

参考文献体现了你工作的继承性和规范性。

• 数量：一般至少需要8-10篇，包括经典教材、权威期刊文章、相关学位论文等。
• 格式：必须严格按照国家标准GB/T 7714-2015《信息与文献 参考文献著录规则》或比赛要求的格式（如APA、MLA）进行统一。全文引用格式必须完全一致！常见的细节错误包括：作者名缩写不一致、期刊名全称缩写混乱、缺少卷期页码或DOI号。
• 引用：在正文中引用处使用上标标号（如[1]），并与文末列表一一对应。不要引用与文章无关的文献凑数。
• 工具：强烈建议使用文献管理软件，如Zotero、EndNote或NoteExpress。它们可以帮你自动插入引用、格式化参考文献列表，在最后修改时能节省大量时间，避免低级错误。

7.2 附录：得体的“后台”

附录是存放那些对理解正文非必需、但又可能有用的材料的地方。

• 应放入附录的内容：
  • 大型的原始数据表。
  • 完整的程序源代码（重要！）。
  • 复杂的、次要的数学推导或证明过程。
  • 额外的、作为备选的模型或结果。
• 编排：附录可以编号为附录A、附录B等，并在正文中相应位置进行说明（如“详细代码见附录A”）。
• 注意：确保附录中的代码有良好的可读性（适当注释），数据表格清晰。

8. 排版、语言与团队协作：魔鬼在细节中

8.1 排版规范：第一印象管理

排版是论文的“颜值”。杂乱的排版会直接让评委产生负面情绪。

• 工具选择：LaTeX是学术排版的事实标准，它能极其优雅地处理公式、图表编号、交叉引用和参考文献。虽然学习有门槛，但对于数模竞赛，其带来的专业度提升是巨大的。如果使用Word，务必利用好“样式”功能来统一标题格式，并使用“题注”功能自动编号图表。
• 统一要素：
  • 字体：中文常用宋体、黑体，英文常用Times New Roman。正文通常小四或五号。
  • 行距：1.25倍或1.5倍行距。
  • 页边距：上下左右2.5cm左右，显得清爽。
  • 图表编号：图1-1， 表2-3等，全文连续编号或在章节内连续编号。
  • 公式编号：靠右对齐，如(1)。

8.2 语言表达：准确、清晰、客观

• 人称：使用“本文”、“我们”作为主语，避免使用“我”。
• 语气：客观、平实、严谨。避免口语化（如“我们搞了一个模型”）、夸张（如“我们建立了史上最强的模型”）和绝对化（如“我们的模型完全解决了该问题”）的表达。
• 逻辑连接：多使用“首先，其次，然后”、“因此，故而，从而”、“然而，尽管如此”、“一方面，另一方面”等连接词，使行文逻辑流畅。
• 检查：完成初稿后，务必进行交叉通读。每位队员都从头到尾朗读一遍全文（出声读），很容易发现语句不通顺、错别字和逻辑跳跃的问题。这是提升论文语言质量最有效的方法。

8.3 团队协作与时间管理

写作不是一个人的战斗。

• 分工模式：常见的有效分工是：一人主笔（负责统稿、语言润色、排版），另外两人分别负责不同模型的详细撰写和图表制作。但建模和写作过程应深度融合，主笔人需要尽早介入模型讨论。
• 时间轴建议：
  • 第一天：确定选题，完成问题分析、初步模型构思和资料搜集。当晚必须确定论文大体框架和符号系统。
  • 第二天：全力建模与求解，同时开始撰写“模型建立与求解”部分的草稿。图表随做随出。
  • 第三天上午：完成所有求解和结果分析。撰写“模型检验与评价”。
  • 第三天下午：完成“摘要”以外的所有部分。开始整合、修改、润色。
  • 第三天晚上（黄金时间）：集体讨论，撰写和反复修改摘要。同步进行最后的排版、参考文献核对和附录整理。
  • 最后时刻：至少留出1小时进行最终的整体检查、PDF生成和提交。避免在最后几分钟手忙脚乱。
• 版本管理：使用云盘（如Overleaf for LaTeX， 或OneDrive/坚果云 for Word）进行实时协作和版本备份。每完成一个重大修改，就另存一个新版本文件，防止文件损坏或误操作导致前功尽弃。

数学建模论文写作是一门融合了技术、逻辑与艺术的学问。它要求你既是严谨的科学家，又是清晰的表达者。通过有意识的练习和对这些原则的把握，你会发现，优秀的写作不仅能展示你的成果，更能反过来梳理和深化你的建模思想。当你习惯了在动笔时就思考如何向一个“聪明的外行”解释你的工作时，你的建模能力本身，就已经悄然上了一个台阶。最后，记住最重要的一点：你交上去的是一份PDF，评委评判的也是这份PDF。你所有三天三夜的思考、争论、调试和灵光一现，最终都只能通过这篇论文来呈现。因此，对它投入再多的精力和匠心，都不为过。