如何备赛2025年MCM/ICM,论文准备过程中有哪些干货?

MCM/ICM是Mathematical Contest In Modeling和Interdisciplinary Contest in Modeling的缩写。MCM始于1985年,ICM始于2000年,得到了 SIAM,NSA,INFORMS等多个组织的赞助。着重强调研究和解决方案的原创性、团队合作、交流及结果的合理性,是全球影响力最大的数学建模活动之一。那么如何备赛2025年MCM/ICM,论文准备过程中有哪些干货?

一、美赛选题分析

  • 选题分析

多数来说,MCM竞赛题目是属于比较具体的,ICM竞赛题目更为宏观。2021年累计有26112个队伍参赛,其中10053个队伍参加MCM(38.5%), 16059个队伍参加ICM(61.5%)。

其中,4487个队伍选A题(45%),3105个队伍选B题(31%),2461个队伍选C题(24%),5551个队伍选D题(35%),3521个队伍选E题(22%),6987个队伍选F题(43%)。

  • 获奖率分析

美赛整体获奖率较高,26112个参赛队伍参赛,获得S奖队伍数量17436,H奖队伍5323,M奖队伍1888,F奖队伍585,O奖队伍36

扫码下载历年真题+题目解析+优秀论文⇓

二、为什么要参加美赛?

理由很简单:因为美赛的获奖比率其实并不低,只要掌握一定的方法,就可以获得不错的奖项,而比赛获奖对保研来说尤为重要。另外,获奖的论文稍加修改就可以向一些期刊杂志进行投稿,而且中稿的可能性也会较大,简直是一箭双雕。最后,美赛的性价比极高,因为比赛就四天,虽然过程“痛苦”一点,但是相比于创青春、三创赛之类的团队比赛而言,占用的时间还是少的多,而且获奖比率也会更高。

三、2025年美赛如何备赛?
美赛选题很重要!

首先,MCM非常适合理工类专业或者数理基础较好的同学选择,A题和B题需要一定的数学知识,例如A题(连续型问题)需要使用微分方程建模,B题(离散型问题)可能会用到图论相关的算法,C题(大数据类型)的问题数量极其庞大,对编程能力要求较高,需要熟练掌握一些特定的算法,例如神经网络等等,如果你们团队成员的数据处理的能力很强,建议首选大数据,因为大数据的题目除了处理数据困难以外,解答起来比较简单,毕竟不能既处理数据难又解答困难吧(还让不让人活了)。

其次,ICM相对来说比较适合非理工类专业(比如:经管类专业)的同学选择,尤其是E题和F题,它们往往开放度较高,而且和经济学模型的契合度较好。而D题(运筹学)问题更多的是统筹规划,会涉及到很多优化算法。

选题其实没有大家想象中的那么简单,选对题就是成功的一半。建模中最怕的事情就是,选完题之后,做了一半结果做不下去,然后想换题,这时候却发现为时已晚,没有时间换题了。

所以,建议在开赛之前,咱们就提前了解好各类题目的常用算法,做好源代码的汇总和整理,哪种类型的模型你收集的最多,学习的最透彻,到时候比赛就选这类题目作答即可(注:可以准备两种类型的题目,另一种留作备选)。

 

 

 

 

有什么提高美赛论文质量的技巧?准备论文过程中应注意什么?

MCM/ICM是一项具有全球影响力的国际数学建模竞赛,为数学爱好者提供了展示才华和挑战自我、交流思想的舞台。

一、提高论文质量的技巧

论文撰写过程中,有几个注意事项可以帮助提高论文质量:

  1. 摘要要精炼清晰,包括论文的主要思路和具体结果。

  2. 尽量减少废话和套话,将重点放在清晰表达思路上。

  3. 使用流程图和图表来可视化数据和结果,使论文更具可读性。

  4. 添加一个美观的思路框架图,展示论文的整体结构。

在翻译过程中,可以结合使用DeepL和谷歌翻译网站,并在翻译后进行检查和校对。

对于排版,建议使用LaTeX进行排版,但如果熟悉Word的使用,也可以使用Word进行排版。

二、提交论文注意事项

避免在文章中插入任何网络地址。

这是因为美赛要求我们完全依赖自己的思考和解决问题的能力,而不是简单地复制粘贴他人的答案或链接。因此,在我们的文章中不得包含任何与网络相关的信息。

在文章中不得包含数学公式或计算公式。

这是因为美赛更注重我们的思维过程和解决问题的能力,而不是纯粹的计算能力。因此,我们需要用清晰简洁的语言表达我们的思想,而不是依赖公式和计算。

我们要确保文章内容的独一性,避免内容重复出现。

这是因为美赛评委会会收到大量的参赛作品,如果我们的文章内容与其他参赛者相似,可能会影响评委对我们的评价。因此,我们需要确保我们的文章与他人的作品有所区别,展示我们独特的思考和解决问题的能力。

合理安排文本结构

为了提高文章的可读性,我们应该合理安排文本结构,使用适当的标题,并确保段落明晰。这样可以使读者更容易理解我们的思路和观点,增强阅读流畅性。

我们还需要避免使用插入任何形式的图片链接。这是因为美赛要求我们主要依靠文字来表达我们的思想和解决问题的过程,而不是依赖图像。因此,在我们的文章中不应该出现任何形式的图片链接。

避免使用依赖图像的语句

在写作过程中,我们应该避免使用依赖图像的语句,如“如图所示”等字眼。这是因为我们的文章不能依赖任何图像来支撑我们的观点和论证过程。相反,我们应该用准确的语言和丰富多样的词汇来表达我们的意见和想法。

围绕一个主题展开

我们需要避免在文章中反复提出同一个问题。这是因为我们的文章应该围绕一个主题展开,而不是反复提问。我们应该清晰地陈述问题,并提供我们的观点和解决方案。

在线看2025美赛MCM/ICM论文准备时的注意事项!助你备赛事半功倍

参赛团队可以使用任何无生命的数据源、材料、计算机、软件、参考资料、网站、书籍等。团队应使用脚注、尾注或内联文档来引用所有使用的来源,并包含引用所有来源的相关参考列表。

1.团队在解决问题和开发解决方案时应牢记以下准则。

a. 摘要表:摘要是 MCM/ICM 论文的重要组成部分,应作为解决方案报告的第一页显示。评委们对摘要给予了相当大的重视,获奖论文通常根据摘要的质量与其他论文区分开来。

• 要写一个好的摘要,想象一下读者会根据你的摘要选择是否阅读论文的正文:你在摘要中的简明陈述应该激发读者了解你的工作细节。

• 你应该最后写总结,因为它应该清楚地描述你解决问题的方法,最突出的是,你最重要的结论。确保在解决问题后计划时间,写一份全面而清晰的摘要。

• 仅仅是对竞赛问题的重述,或者是引言中的剪切和粘贴样板的摘要通常被认为是薄弱的。

b. 总体:团队的解决方案应该清晰、简洁和有条理,以便读者能够轻松理解解决方案的过程和结论。关键陈述应提出主要思想和结果。

• 目录可帮助读者预览报告的组织。
• 酌情澄清或重述问题。
• 对所有变量和假设进行清晰的阐述。
• 陈述与问题有关的合理假设并证明其合理性。
• 对问题进行分析,激励或证明所使用的模型是合理的。
• 在解决方案的主体中总结推导、计算或说明性示例,并将冗长的推导和/或计算和数据留在适当的附录中。
• 包括模型的设计。讨论如何测试模型,包括误差分析、灵敏度和/或稳定性。
• 讨论您的模型或方法的任何明显优势或劣势。
• 明确地提供结论和报告结果。
• 记录资源和参考资料。

2.编写解决方案报告

2.1 团队的解决方案应该清晰、简洁、有条理,以便读者能够轻松理解解决方案的过程和结论。关键陈述应提出主要想法和结果。

2.2 解决方案报告应包括以下内容:

1)摘要:摘要是 MCM/ICM 论文的重要组成部分,应作为解决方案报告的第一页。评委们非常重视摘要,获奖论文通常会根据摘要的质量与其他论文区分开来。要写出好的摘要,请想象读者会根据您的摘要选择是否阅读论文正文:您在摘要中的简洁陈述应该激发读者了解您工作的细节。您应该最后写总结,因为它应该清楚地描述您解决问题的方法,并且最突出的是您最重要的结论。确保在解决问题后计划时间写出全面而清晰的总结。仅仅重述竞赛问题或从引言中剪切粘贴样板的摘要通常被认为是薄弱的。

2)目录:目录可帮助读者预览报告的组织结构。

3)引言:酌情对问题进行澄清或重述。

4)变量和假设:对所有变量和假设进行清晰的阐述。陈述并证明与问题相关的合理假设。

5)分析和模型:提出问题分析,激发或证明所使用模型的合理性。在解决方案的正文中总结推导、计算或说明性示例,并在适当的附录中留下冗长的推导和/或计算和数据。包括模型的设计。讨论如何测试模型,包括误差分析、灵敏度和/或稳定性。讨论您的模型或方法的任何明显的优点或缺点。

6)结论和结果:明确提供结论并报告结果。

7)参考文献:文档资源和参考文献。

加分神器!美国大学生建模竞赛(MCM/ICM)如何选题?有什么竞赛规则?

MCM/ICM是一项具有全球影响力的国际数学建模竞赛,为数学爱好者提供了展示才华和挑战自我、交流思想的舞台。与其他著名的数学竞赛相比,MCM/ICM竞赛注重研究问题的原创性、解决方案的独创性,以及团队合作和交流的重要性。

一、美赛出分时间预测

二、选题方法

每个注册团队可以选择六个问题选项中的任何一个,并且只能提交一个问题的解决方案

  • MCM 问题是问题A、问题B、问题C。
  • ICM 问题是问题D、问题E、问题F。

同时需要考虑到赛题选择,选择往往比努力更重要。以美赛为例,美赛赛题分为3道MCM题和3道ICM题。其中MCM为数学建模,对于参赛者的数学模型素养以及建模能力要求较高,即A题为连续型(模型方法主要在连续函数的基础上构建),B题为离散型(模型方法主要在离散函数的基础上构建),C题为大数据(数据处理等);ICM为交叉学科建模,一般涉及的问题较宏观和复杂,即与图论/运筹学/网络交叉学科相关的D题,与环境科学交叉学科相关的E题,与政策交叉学科相关的F题。这样的题型解释比较抽象复杂,大家可以结合往年真题进行解读和判断。

对于比赛的选题,小竞为大家总结以下两个原则:

1.专业性原则。即团队内有与赛题专业相关者,优先考虑该赛题。

2.趋长避短原则。即优先选择团队擅长的赛题,避开不擅长的题目。如团队内有人擅长大数据处理,则优先选择大数据题目;团队在热身赛中对优化方案类型题目比较熟悉和擅长,可优先选择赛题中有优化方案设计的赛题;若团队都是小白,也没有擅长的题型,则优先选择开放性题目,或是在备赛期间着重准备某1-2类题型。

三、竞赛规则

1.竞赛窗口开放后,团队不得使用除自己团队成员之外的任何人来讨论或获取工作和解决问题的想法。

2.团队选择解决一个问题,并针对所选择的问题提交一个解决方案。解决方案必须以Adobe PDF电子文件形式提交,并以英文输入,可读字体至少为12号。

3.解决方案必须在25页的限制之内。解决方案的每一页上都不得出现学生、顾问和/或机构的姓名,除了团队控制编号之外,解决方案不得包含任何识别信息。

美国大学生建模竞赛(MCM/ICM)论文等级如何划分?有什么注意事项?

美赛,即美国大学生数学建模竞赛(MCM/ICM),是一场充满深远影响和挑战性的盛会。在这一竞赛中,参赛选手需要在短短四天的时间内,与两名队友合作,完成指定问题的建模、求解、验证以及论文撰写工作。

一、论文等级划分规则

参赛论文如果没有按要求讨论赛题,或违反了竞赛规则,则会被定为不合格论文 (Unsuccessful Participants) 。

其余参赛论文根据评审标准按质量分为 5 个级别,由低到高分别为:

合格论文 (Successful Participants)、

乙级论文 (Honorable Mention)、

甲级论文(Meritorious)、

特级提名论文 (Finalist)、

特级论文 (Outstanding Winner) (也称为优胜论文)。

任何论文只要对赛题进行了适当的讨论,没有违反竞赛规则,就是合格论文。只有建模和写作都最优秀的论文才可能评为特级论文。

每个级别的论文所占的百分比如下:
合格论文,大约 60% 的论文属于这个级别。

乙级论文,大约 20% 的论文属于这个级别。

甲级论文,大约 7% 到 10% 的论文属于这个级别。

特级提名论文,大约 1%~2% 的论文属于这个级别。

特级论文,大约不到 1% 的论文属于这个级别。

除了给论文评级外,MCM/ICM 竞赛还设有 INFORMS 奖、SIAM 奖、 MAA 奖及 Ben Fusaro 奖等 4 个奖项,奖励优秀论文。

二、2024真题

2024年MCM问题

问题A:资源可用性和性别比例
问题B:寻找潜水器
问题 C:网球的势头
问题 C:数据字典.csv
问题 C:温布尔登精选 matches.csv

2024年ICM问题

问题 D:五大湖水问题
问题 D:附录
问题 D:五大湖.xlsx
问题E:财产保险的可持续性
问题 F:减少非法野生动物贸易

三、注意事项

1.竞赛窗口开放后,团队不得使用除自己团队成员之外的任何人来讨论或获取工作和解决问题的想法。

2.团队选择解决一个问题,并针对所选择的问题提交一个解决方案。解决方案必须以Adobe PDF电子文件形式提交,并以英文输入,可读字体至少为12号。

3.解决方案必须在25页的限制之内。解决方案的每一页上都不得出现学生、顾问和/或机构的姓名,除了团队控制编号之外,解决方案不得包含任何识别信息。

2024年美赛出分时间?参加美国大学生建模竞赛(MCM/ICM)有什么好处?

COMAP的数学建模竞赛(MCM)和跨学科建模竞赛(ICM)是针对高中生和大学本科生的国际竞赛,旨在为本科生提供作为团队成员工作的机会,以参与和提高他们的建模、解决问题和写作技能,参赛团队应用数学来建模、开发和交流现实世界问题的解决方案。

一、出分时间

结果将于 2024 年 5 月 31 日或之前公布。

北京时间:2024年5月31日或之前发布

二、美赛评审标准

评审标准(如下):

是否对赛题给出了满意的解读方式,并对赛题中可能出现的概念给予了必要的澄清;

是否明确列出了建模用到的所有条件及假设,并对其合理性给出了解释或论证;

是否通过对赛题的分析给出了建模的动机或论证了建模的合理性;

是否设计出了能有效地解答赛题的模型;

是否对模型给出了稳定性测试;

是否讨论了模型的优缺点,并给出了清晰的结论;

是否给出了圆满的摘要;没有全部完成解答的论文不但是可以接受的,而且如果在某些方面有创新并有独到之处,仍然可能获得较好的的评审结果。

三、参赛好处

培养科研能力

数学建模竞赛的求解过程和做科研非常类似,选题、调研文献、确定思路、做实验(编程)、分析结果、得出结论。而且数模是新手友好型的,它难度低,上手快,有很多类型、不同难度层次的题目,适合不同能力的科研小白或者数模新手。比如在具体的建模过程中,我们更多的不是如何运用旧有的理论去解决问题,而是会尝试改进旧有的方法,依靠前人的经验,“站在巨人的肩膀上”,这与做科研的思路不谋而合。

丰富学业成就

美国大学生数学建模竞赛作为一项高水平竞赛,在全世界高校中都得到认可。因此,无论是考研、保研还是留学,一张不错的获奖证书将是你的通行证!在求职方面,获奖证书是对你学习能力和解决问题能力的认可。美赛带给我们最直接的就是最终的获奖证书,而这些证书不仅是对你个人能力的认可,辛苦努力的回馈,在奖学金评选,综测加分,升学求职等方面都是巨大的优势!

美赛论文是按评审标准划分等级的,美赛侧重的是方法的创新性,参加美赛的话,如果能把一个问题提出很有创新性的解法,获奖的概率是极大的。

保研利器!如何备赛2025美国大学生数学建模竞赛MCM/ICM?

美国大学生数学建模竞赛 (MCM/ICM)由美国数学及其应用联合会主办,是唯一的国际性数学建模竞赛,也是世界范围内最具影响力的数学建模竞赛,受到各大高校的认可。

一、题目设置

美国大学生数学建模竞赛目前分为两种类型,MCM和ICM,两种类型竞赛采用统一标准进行,竞赛题目出来之后,参赛队伍需要在官网提交选题,一共6题。

MCM:

A:连续型 B:离散型 C:大数据

ICM:

D:运筹学/网络科学 E:环境可持续性

F:政策

二、选题技巧

选题首先看你队伍里面成员专业,物理,化学,生物,建筑,等等,可以优先考虑相关主题的题目。

没有擅长统计数据处理的人在的话,可以考虑避开大数据量的题目,反之可以优先。

上面是原则,除此之外具体选题时候记得花一两个钟头对所有可以选的题搜集资料,大家讨论一下,再确定,不要上手就开始闷头钻研。还有切忌中途换题。切忌兵分两路同时做两个题目。

团队的解决方案应该清晰、简洁、有条理,以便读者能够轻松理解解决方案的过程和结论。关键陈述应提出主要想法和结果。

三、解决方案报告内容

解决方案报告应包括以下内容:

1)摘要:摘要是 MCM/ICM 论文的重要组成部分,应作为解决方案报告的第一页。评委们非常重视摘要,获奖论文通常会根据摘要的质量与其他论文区分开来。要写出好的摘要,请想象读者会根据您的摘要选择是否阅读论文正文:您在摘要中的简洁陈述应该激发读者了解您工作的细节。您应该最后写总结,因为它应该清楚地描述您解决问题的方法,并且最突出的是您最重要的结论。确保在解决问题后计划时间写出全面而清晰的总结。仅仅重述竞赛问题或从引言中剪切粘贴样板的摘要通常被认为是薄弱的。

2)目录:目录可帮助读者预览报告的组织结构。

3)引言:酌情对问题进行澄清或重述。

4)变量和假设:对所有变量和假设进行清晰的阐述。陈述并证明与问题相关的合理假设。

5)分析和模型:提出问题分析,激发或证明所使用模型的合理性。在解决方案的正文中总结推导、计算或说明性示例,并在适当的附录中留下冗长的推导和/或计算和数据。包括模型的设计。讨论如何测试模型,包括误差分析、灵敏度和/或稳定性。讨论您的模型或方法的任何明显的优点或缺点。

6)结论和结果:明确提供结论并报告结果。

7)参考文献:文档资源和参考文献。

美赛MCM和ICM分别适合什么样的人?如何进行选择?

美国大学生数学建模竞赛(也称为世界大学生数学建模,国际大学生数学建模)是一项面向大学本科层次的一个国际性比赛,题目类型有The Mathematical Contest in Modeling(MCM)和The Interdisciplinary Contest in Modeling(ICM)两种。

一、美赛介绍

The Mathematical Contest in Modeling (MCM),俗称数学建模竞赛,有三道题problem A , problem B 和problem C。A题是连续型的题,B题是离散型的题,C题是数据处理的题,大都是会给出大量的表格数据进行数据处理。

The Interdisciplinary Contest in Modeling (ICM):俗称交叉学科竞赛,有三道题:problem D, problem E, problem F。与mcm不同的是,题目上会给你一些参考的数据,方便你尽快找到查数据的方向。problem D是运筹学和网络科学等类型的题目,problem E近几年都是关于环境方面的综合题目,problem F是政策的题目。

二、MCM/ICM区别

MCM 偏自然、理工,而ICM偏社科、人文。MCM对数学,计算机要求相对高,而ICM对逻辑,写作要求相对高。

MCM是ABC三题,ICM是DEF三题。对6道题目类型的描述,不是严格的划分,角度和依据都不相同,其中,有一些关键词就能表现出该道题的特点。A题continuous和B题discrete是指模型的类型,C题data insights是指问题数据的特征,D题operations research/network science和E题environmental science是指问题涉及到的学科,而environmental science和F题 policy又是指问题本身的背景。这不是按照同一标准对题目进行划分,之间有重叠。最显然的,如果认为continuous和discrete是互补的,那么其他4道题目应该可以分别归入其中某一类。

MCM和ICM两者名称不同,题目的风格有较大的差异。一般MCM竞赛题目较具体,表述简洁,要求明确,ICM竞赛题目更开放,问题更“大”,更宏观,篇幅较长,往往是全球范围内共同关心的问题,因此一般不依赖特定的文化背景或生活习惯。而MCM的题目中则有相当一部分是以美国生活为背景,其他国家特别是中国参赛者不熟悉。这一点在后面还会讲到。

MCM/ICM美赛需要什么知识储备?团队人员都需要掌握什么技能?

MCM/ICM是一项具有全球影响力的国际数学建模竞赛,为数学爱好者提供了展示才华和挑战自我、交流思想的舞台。由美国数学及其应用联合会(COMAP)主办的MCM始于1985年,ICM始于2000年,得到了SIAM、NSA、INFORMS等多个组织的赞助。

一、备赛知识储备

基本知识储备是团队必须要具备的,也是团队能否走下去的关键,主要有数学建模逻辑思维,查找文献、搜集数据的能力,现学现用、活学活用的能力,团队有效沟通、合作的能力。

二、建模手的职责

建模手一般负责建立模型,知识面开阔,逻辑思维严密,能够把抽象的问题具体化为数学模型解决。其知识储备一是要有一定的数理基础,二是能掌握相关算法和模型原理,能够建模,三是有一定的论文写作能力,会用公式编辑器敲公式。

二、编程手的职责

编程手一般负责编程,编程能力突出,能够熟练处理数据,编写程序,求解模型。其知识储备一是能够熟练掌握一门至多门编程语言,能够熟练进行一些数据处理,二是要对建模手所掌握的算法模型具有一定的了解,以便沟通和求解模型。

关于编程手的知识储备,主要体现在编程语言/软件能力,即至少需要熟练掌握1-2门语言。同时需要对建模手所掌握的算法模型具有一定的了解,以便能够保证建出来的模型可以通过代码实现,得到的结果可以解释清楚,相关学习方法也是同建模手。

另外考虑到不同算法模型在不同软件中的求解“优劣”是大不相同的,如时间序列模型中的ARIMA模型在Python和MATLAB中实现比较麻烦,但在SPSS中实现极其简单;如对于3D的绘图工具包,如GUI等,Python的实现效果是优于MATLAB的。所以编程手要学会(调包)在不同的软件中求解不同的模型/实现不同的操作,而不仅仅是掌握“单一”语言/软件。

三、写作手的职责

写作手一般负责数模论文撰写、排版和相关图表制作,写作规范化,英语写作能力突出(针对国际数模比赛),具有一定的审美观,能够熟练画图做表,以及快速排版。其知识储备一是能够熟练掌握论文写作和排版相关知识,二是熟练掌握画图做表的技巧,三是英文写作、翻译能力较强,四是对往年比赛优秀论文的特点足够了解。

美赛MCM/ICM评审标准是什么?如何进行选题?

MCM/ICM是一项具有全球影响力的国际数学建模竞赛,为数学爱好者提供了展示才华和挑战自我、交流思想的舞台。与其他著名的数学竞赛相比,MCM/ICM竞赛注重研究问题的原创性、解决方案的独创性,以及团队合作和交流的重要性。

一、美赛评审标准

评审标准(如下):

是否对赛题给出了满意的解读方式,并对赛题中可能出现的概念给予了必要的澄清;

是否明确列出了建模用到的所有条件及假设,并对其合理性给出了解释或论证;

是否通过对赛题的分析给出了建模的动机或论证了建模的合理性;

是否设计出了能有效地解答赛题的模型;

是否对模型给出了稳定性测试;

是否讨论了模型的优缺点,并给出了清晰的结论;

是否给出了圆满的摘要;没有全部完成解答的论文不但是可以接受的,而且如果在某些方面有创新并有独到之处,仍然可能获得较好的的评审结果。

二、选题方法

同时需要考虑到赛题选择,选择往往比努力更重要。以美赛为例,美赛赛题分为3道MCM题和3道ICM题。其中MCM为数学建模,对于参赛者的数学模型素养以及建模能力要求较高,即A题为连续型(模型方法主要在连续函数的基础上构建),B题为离散型(模型方法主要在离散函数的基础上构建),C题为大数据(数据处理等);ICM为交叉学科建模,一般涉及的问题较宏观和复杂,即与图论/运筹学/网络交叉学科相关的D题,与环境科学交叉学科相关的E题,与政策交叉学科相关的F题。这样的题型解释比较抽象复杂,大家可以结合往年真题进行解读和判断。

对于比赛的选题,小竞为大家总结以下两个原则:

1.专业性原则。即团队内有与赛题专业相关者,优先考虑该赛题。

2.趋长避短原则。即优先选择团队擅长的赛题,避开不擅长的题目。如团队内有人擅长大数据处理,则优先选择大数据题目;团队在热身赛中对优化方案类型题目比较熟悉和擅长,可优先选择赛题中有优化方案设计的赛题;若团队都是小白,也没有擅长的题型,则优先选择开放性题目,或是在备赛期间着重准备某1-2类题型。