数学建模竞赛论文写作全攻略：从国赛严谨到美赛创新的标准化流程

1. 项目概述：从“建模”到“论文”的最后一公里

搞数学建模的朋友，尤其是准备参加国赛和美赛的同学，心里都清楚一个事实：三天或四天的鏖战，最终交上去的，不是一堆代码、几张图表或者满脑子的奇思妙想，而是一篇结构严谨、逻辑清晰、表达专业的论文。模型建得再精妙，算法设计得再高效，如果无法通过论文清晰、有力、规范地呈现出来，所有的努力都可能大打折扣。这就是我们常说的“最后一公里”问题。

“数学建模清风——论文写作方法教程”这个项目，瞄准的正是这个痛点。它不是一个教你如何建立微分方程或者优化模型的课程，而是一套专门针对数学建模竞赛论文的“写作工艺”。它的核心价值在于，将建模过程中那些抽象的思维、复杂的计算和琐碎的结果，转化为一篇符合学术规范、能清晰传达解题思路、并最终打动评委的竞赛论文。无论是全国大学生数学建模竞赛（国赛）还是美国大学生数学建模竞赛（美赛），论文都是唯一的评判载体。因此，掌握这套“工艺”，其重要性不亚于掌握任何一个核心算法。

我自己带过不少队伍，也审过一些论文，最深的一个体会是：很多同学在建模和编程上花了95%的精力，却在论文写作上只用了5%的仓促时间，结果就是一篇“草稿式”的论文，埋没了团队真正的成果。这个教程的价值，就是帮你把这最后5%的精力，通过系统的方法论，提升到50%甚至更高的效率和质量产出上，让你团队的智慧结晶得以完美展现。

2. 核心需求解析：国赛与美赛论文的异同与通法

在深入写作方法之前，我们必须先理解“客户”的需求——即国赛和美赛评委的期待。虽然都是数学建模论文，但两者在风格、侧重点和评价标准上存在显著差异，我们的写作策略也需要随之调整。

2.1 国赛论文：严谨求解与规范表达

全国大学生数学建模竞赛（CUMCM）的评阅，非常注重过程的严谨性、结果的准确性和格式的规范性。其需求可以拆解为以下几点：

1. 问题重述精准：不能简单照抄赛题，要用自己的语言精炼概括问题背景、已知条件、需要解决的具体问题（往往有多个小问）。这部分展示的是你对题目的理解是否到位。
2. 模型假设合理且必要：假设是建模的起点。国赛要求假设条理清晰，每一条都有现实依据或简化理由，不能天马行空。通常需要区分“全局性假设”和“模型特定假设”。
3. 符号说明规范：所有在模型中出现的变量、参数，必须在正文或附录中集中说明，格式一般为三线表，包含符号、含义、单位。这是学术严谨性的基本体现。
4. 模型建立与求解过程详细：这是论文的核心。需要清晰地展示从问题到数学模型的转化过程，包括公式推导、逻辑论证。求解部分不仅要说明用了什么算法（如蒙特卡洛模拟、遗传算法），更要阐述为什么用这个算法，以及关键参数是如何设定的。
5. 结果分析与检验扎实：不能只摆出一个最终答案。需要对模型结果进行多角度分析（如灵敏度分析：某个参数微调，结果变化大吗？）、模型检验（如用历史数据回测、与简单模型对比）和误差讨论。这部分是区分优秀论文和普通论文的关键。
6. 格式一丝不苟：国赛有明确的格式规范（如字体、字号、行距、页边距、摘要页）。摘要必须独立一页，且是评阅的重中之重。参考文献的引用格式也必须规范。

注意：国赛评阅时间紧，评委往往先看摘要和目录，再快速浏览主体。因此，摘要必须信息完备、逻辑自洽，目录要能清晰反映论文结构。任何格式上的混乱都会给评委留下不良第一印象。

2.2 美赛论文：创新思维与故事叙述

美国大学生数学建模竞赛（MCM/ICM）更侧重于问题的分析、建模的创造性、方法的合理性以及论文的“叙事性”和“可视化”。其需求侧重点不同：

1. 重问题分析与管理学建议：美赛题目往往更开放，像是一个需要咨询公司解决的现实问题。论文需要花大量篇幅在“Introduction”部分，深入分析问题的背景、利害关系、解决该问题的多方面价值。结论部分不仅要给出数学模型的结果，更要提出具体、可操作的管理学或政策建议（Recommendations）。
2. 模型创新性与适应性：鼓励使用新颖的模型或对经典模型进行创造性组合。评委看重你如何根据问题特点“定制”模型，而不是生搬硬套。需要详细解释模型的适应性（Why your model fits this problem）。
3. 强调灵敏度分析与模型评估：美赛论文中，“Sensitivity Analysis”几乎是必备章节。你需要系统地测试模型对输入参数、初始条件变化的稳健性。同时，需要对模型的优点（Strengths）和缺点（Weaknesses/Limitations）进行坦诚、深入的讨论，这体现了批判性思维。
4. 论文的“故事性”与可读性：美赛论文更像一篇研究报告。需要有一个清晰的叙事主线，引导读者理解你的思路。语言可以比国赛稍显活泼（但仍需专业），多用图表来直观展示思路、流程和结果。一个设计精美的“流程图”来展示建模步骤，往往比大段文字更有效。
5. 摘要（Summary）至关重要：美赛摘要虽然不限篇幅，但要求极高。它需要是一个高度浓缩、完整、独立的微型论文，让评委仅读摘要就能完全理解你们做了什么、怎么做的、主要结论是什么。通常采用“问题—方法—结果—结论”的结构。

2.3 通用核心需求与“清风”教程的定位

尽管有上述差异，但两者对一篇优秀建模论文的通用需求是一致的：清晰、完整、可信、规范。“数学建模清风”教程的方法论，正是建立在满足这些通用需求，并兼顾两者特殊性的基础上。它提供的是一套模块化、可配置的写作框架和思维工具，让你既能把握国赛的严谨，又能驾驭美赛的创意，最终产出高质量的竞赛论文。

3. 论文写作的标准化流程与时间管理

数学建模竞赛是团队战，也是时间战。论文写作绝不能等到最后一天才开始。一个科学的写作流程应与建模过程同步进行，甚至要先行一步。下面是我结合自身经验总结的“四阶段同步写作法”。

3.1 第一阶段：赛题分析期（第0-2小时）——搭建论文骨架

拿到赛题后，全队集中讨论时，论文手（负责主要写作的同学）就必须开始工作，而不是只做记录员。

1. 立即创建论文主框架：在LaTeX或Word中，立即搭建好论文的基本章节结构。对于国赛，通常为：摘要、问题重述、模型假设与符号说明、模型建立与求解、模型检验与结果分析、模型评价与推广、参考文献、附录。对于美赛，通常为：Summary, Introduction, Assumptions and Justifications, The Model, Sensitivity Analysis and Model Testing, Strengths and Weaknesses, Conclusions and Recommendations, References, Appendices。
2. 同步撰写“问题重述/引言”草稿：在团队分析题目时，论文手就要用精炼的语言将大家讨论出的问题背景、关键信息、待求解问题实时记录下来，形成初稿。这能立刻检验团队对问题的理解是否一致。
3. 初步罗列假设与符号：讨论中提出的任何简化想法，都立刻记录到“假设”部分；提及的变量，立刻添加到“符号说明”表格中。这是一个动态增长的过程。

实操心得：很多队伍让论文手最后一天“编”假设和符号，极易遗漏或与模型脱节。同步记录能保证假设和符号源自真实的建模思考过程，逻辑严密。

3.2 第二阶段：模型构建与求解期（第2-24小时）——填充核心内容

这是建模和编程的主力阶段，论文手的工作是紧密跟随，将思维过程“文字化”和“图表化”。

1. 模型建立章节同步写作：每当建模同学确定了一个模型框架或关键公式，论文手应立即将其整理成文。包括：模型的整体思路描述、公式推导过程、每个公式的物理解释。此时可以多用“待补充”、“此处将详细说明”等占位符，但主体结构要出来。
2. 算法设计与流程图绘制：编程同学设计算法时，论文手应与其沟通，绘制清晰的算法流程图（如使用Visio, draw.io或LaTeX的tikz包）。流程图是解释复杂算法最直观的工具，务必放入正文。
3. 结果初步呈现与表格设计：编程跑出初步结果后，哪怕不完美，也应立即将数据整理成清晰的表格或绘制基础图表。论文手要设计好结果呈现的格式，思考如何用最少的表格展示最多的信息。

3.3 第三阶段：深度分析与完善期（第24-截止前6小时）——打磨与升华

此时主要模型和结果已定，团队重心应转向论文的深化和完善。

1. 专注“分析”与“检验”章节：这是论文提分的关键。团队需共同讨论：结果是否合理？如何进行灵敏度分析（例如，改变某个成本系数10%，利润变化多少）？模型有哪些潜在缺陷？如何检验（用另一种方法交叉验证、与简单模型对比）？将这些讨论系统性地写入论文。
2. 撰写“模型评价与推广/优缺点”章节：客观评价自己的工作。优点要具体（如“本模型创新性地将A算法与B理论结合，有效处理了非线性约束”），缺点要坦诚且提出改进方向（如“模型假设了需求恒定，未来可引入时间序列预测进行动态优化”），这体现了学术素养。
3. 全面检查与交叉审阅：编程手检查论文中的数据和结果是否与代码输出一致。建模手检查模型描述和公式是否正确。论文手通读全文，检查逻辑连贯性和语言表达。这个“交叉审阅”环节必不可少。

3.4 第四阶段：最终成稿期（最后6小时）——聚焦摘要与格式

最后阶段应避免进行大的修改，精力集中在最影响第一印象的部分。

1. 最后撰写摘要/Summary：摘要必须在全文完成后撰写，因为它是对全文的浓缩。花至少2小时精心打磨。采用结构化写作：用一两句话说明问题；简要概述你们的整体思路和所用模型；列出最关键的结果（最好给出具体数值）；给出核心结论或建议。确保摘要独立成文，不出现“见第X章”等引用。
2. 格式最终抛光：检查所有图表编号、引用是否正确；检查参考文献格式是否统一（国赛常用GB/T 7714，美赛常用APA或MLA）；检查页眉页脚、页码；生成清晰的目录。
3. 最终校对与提交：全员一起，逐字逐句朗读论文（可以一人读，其他人看），这是发现错别字、语病最有效的方法。确保提交的PDF版本排版无误。

4. 核心章节的写作精要与避坑指南

掌握了流程，我们深入每个章节，看看怎么写才能出彩，以及有哪些常见的“坑”。

4.1 摘要（Abstract / Summary）：论文的“黄金一页”

这是评委必读且读得最仔细的部分，决定论文能否进入更高等级的评审。

• 国赛摘要写作要点：
  • 篇幅：严格控制在半页到一页之间。
  • 内容：采用“问题—方法—结果—结论”的固定结构。开头直接切入，说明针对赛题中的什么问题；然后分点或分段简述你们建立的模型（如“针对问题一，我们建立了基于XXX的优化模型；针对问题二，我们引入了XXX算法对模型进行改进”）；接着给出最重要的结果数据；最后总结模型的特点、优点或推广价值。
  • 禁忌：出现图表、公式、参考文献引用；使用“我们”、“本文”等主语过多；语言空洞，如“建立了合理的模型”、“得出了有效的结论”。
• 美赛Summary写作要点：
  • 篇幅：可稍长，但建议控制在一页以内，务必精炼。
  • 内容：同样需要结构化，但更强调故事的完整性。开头可稍作背景铺垫，但迅速进入主题。需要包含清晰的模型描述、关键的分析过程（如灵敏度分析的主要发现）、以及具体的建议。它应该让一个没读过全文的人也能完全明白你们的工作全貌。
  • 亮点：在Summary中就可以巧妙地突出工作的创新点和亮点。

避坑指南：摘要切忌写成“目录简介”。不要说“我们在第二部分建立了模型，在第三部分进行了求解”，而要说“我们建立了一个基于排队论的服务中心优化模型，利用蒙特卡洛模拟求解，得出在现有预算下，最优服务窗口数为5个，平均等待时间可降低40%”。一定要包含具体的、量化的结果。

4.2 问题重述（Restatement）与引言（Introduction）

• 国赛问题重述：不是抄题！要用自己的语言重新组织。建议分为两小节：“问题背景”（简要概括）和“问题提出”（清晰罗列出需要解决的具体问题1、2、3…）。让评委一眼就知道你们理解准确。
• 美赛引言：这是展示你们分析深度和写作功底的地方。除了说明问题，还要分析问题的复杂性、涉及的多方利益、解决该问题的现实意义。最后，可以简要概述全文结构（“The paper is organized as follows: ...”）。

4.3 模型假设（Assumptions）与符号说明（Notations）

• 假设的层次：分为“全局性假设”（对整个问题都成立，如“数据来源真实可靠”、“不考虑极端天气影响”）和“局部性假设”（针对特定模型，如“在需求预测模型中，假设短期内增长率恒定”）。每条假设后最好附上一句简短的理由（Justification），说明为什么可以这样假设。
• 符号说明：使用三线表，列明符号、含义、单位。符号尽量规范（变量用斜体，矩阵用粗体）。确保正文中出现的每一个符号都在表中有定义。

4.4 模型的建立与求解（The Model）

这是论文的技术心脏，最容易写得混乱。

1. 分问题、分模块叙述：如果赛题有多问，强烈建议按“问题一模型”、“问题二模型”来组织小节。每一节内，再按“模型思路 -> 公式推导 -> 求解方法”的逻辑展开。
2. 图文并茂解释思路：在描述复杂模型前，先用一个框图或流程图展示整体框架。例如，一个预测模型，可以用流程图展示“数据输入 -> 预处理 -> 特征工程 -> 模型训练 -> 输出预测”的流程。这比大段文字描述直观得多。
3. 公式需有解释：不要堆砌公式。每一个重要的公式下面，都应该有一两句话解释它的物理或经济意义，以及公式中每个变量的角色。
4. 求解方法需说明理由：为什么选用遗传算法而不是模拟退火？为什么用欧拉法求解微分方程？简要说明所选方法的优势及其与模型特性的匹配度。如果是现成算法（如 Dijkstra 算法），可以简述步骤，但不必赘述教科书内容。

4.5 结果分析与模型检验（Results & Analysis）

这是区分普通和优秀论文的分水岭。

1. 结果呈现要专业：
   • 表格：使用三线表，表头清晰，单位明确。重要数据可以加粗。在表格下方，应有必要的文字描述，指出从表中可以观察到的关键趋势或结论，不要写“如表1所示”就完了。
   • 图形：折线图、柱状图、散点图要清晰，坐标轴标签、图例齐全。图形颜色对比要明显，黑白打印也能区分。图形下方应有“图注”，不仅说明是什么图，还要点出图形揭示的核心信息。
2. 灵敏度分析（Sensitivity Analysis）：这是美赛的标配，国赛的高分利器。选择一个或几个关键参数，在合理范围内变动，观察模型输出（目标函数）的变化情况。通常用图表展示（如折线图显示目标函数随参数变化的趋势）。分析结论要明确：模型对哪个参数敏感？敏感程度如何？这对实际应用有什么启示？
3. 模型检验（Model Testing）：
   • 稳定性检验：改变初始值或随机种子，结果是否稳定？
   • 对比检验：用另一种方法（或一个更简单的基准模型）求解同一问题，对比结果。如果结果相近，则增强了模型的可信度。
   • 现实一致性检验：你们的结果是否符合常识或已知的行业经验？

4.6 模型评价与推广/优缺点（Evaluation, Strengths & Weaknesses）

• 国赛的“模型评价与推广”：评价要客观，优点2-3条即可，要具体（如“模型具有较好的通用性，稍加修改即可用于类似资源调度问题”）。推广部分可以谈谈模型在更广范围或更复杂情境下的应用可能性。
• 美赛的“优缺点”：这部分要写得深入。优点除了模型本身，还可以包括“我们考虑了多个现实因素”、“我们进行了全面的灵敏度分析”等过程性优点。缺点不要避重就轻，要真诚。例如，除了指出假设的局限性，还可以指出“由于时间限制，未能尝试更多的算法进行比较”、“模型对于大规模数据的计算效率有待提升”。指出缺点并给出改进方向，反而会显得思考全面。

5. 工具、排版与团队协作实战

工欲善其事，必先利其器。论文的最终呈现质量，很大程度上取决于工具的使用和团队的协作效率。

5.1 写作与排版工具选型

1. LaTeX vs. Word：

   • LaTeX：学术排版的事实标准。优点在于排版精美、公式漂亮、参考文献管理自动化、版本控制友好（配合Git）。对于数学建模论文这种公式多、结构固定的文档，LaTeX优势明显。网上有大量国赛、美赛的LaTeX模板，能极大节省排版时间。缺点是学习曲线稍陡。
   • Word：上手快，所见即所得。对于不熟悉LaTeX的团队，在紧张比赛中使用Word是更稳妥的选择。但必须熟练掌握样式、题注、交叉引用、目录生成和参考文献管理功能，否则后期排版会是一场灾难。
   • 建议：如果团队中有成员熟悉LaTeX，强烈推荐使用。如果都不熟，则用Word，但赛前必须进行模板练习，熟悉所有功能。

2. 图表绘制工具：

   • 数据图表：Python（Matplotlib, Seaborn, Plotly）或 MATLAB 是主力，生成高质量的矢量图（如PDF、EPS格式），插入文档后放大不失真。
   • 流程图、示意图：推荐使用 draw.io（免费、在线、功能强大）、Visio（经典）或 LaTeX 的 TikZ 包（与文档风格最统一）。
   • 图片处理：确保所有截图清晰，必要时用 Snipaste 等工具进行标注。

3. 协作与版本管理：

   • 核心：云同步+版本备份。绝对不要用U盘传来传去。
   • 方案一（推荐）：Overleaf（在线LaTeX编辑器）+ Git。Overleaf本身支持多人实时协作和版本历史，结合Git可实现更强大的版本管理。
   • 方案二：Word + 云盘（如坚果云、OneDrive）+ 严格的文件命名规范。例如，“论文_20240901_张三修改_模型部分V2.docx”。每天结束时，将最终版另存为一个带日期的备份文件。

5.2 团队角色与协作流程

一个典型的三人团队角色分配：

• 建模手：负责问题分析、模型构建、理论推导。需要与论文手紧密沟通，确保思想被准确表达。
• 编程手：负责算法实现、数据计算、结果可视化。需要向论文手提供清晰的结果数据、图表和算法流程图。
• 论文手：负责论文撰写、排版整合、最终校对。论文手不是“打字员”，而是团队的“总设计师”，需要主动理解模型和结果，并将其转化为文字。

高效的协作流程是：

1. 每日站会：每天早中晚固定时间简短开会，同步进度、明确下一步任务、解决卡点。
2. 文档实时共享：论文手将写好的部分及时更新到共享文档，建模手和编程手随时可以审阅自己相关的部分，在文档中直接添加评论或修改建议。
3. 图表-文字联动：编程手生成图表后，立即命名（如“Fig1_ProblemA_Result.pdf”），放入共享文件夹，并通知论文手。论文手插入图表后，编程手需检查图注描述是否准确。
4. 最终统稿会：在最后一天，留出至少3小时进行最终统稿。三人一起，由论文手主导，逐章节、逐段、逐句通读和修改。

6. 常见问题速查与高阶技巧

6.1 常见问题与解决方案

问题现象	可能原因	解决方案
论文读起来像实验报告，枯燥乏味	只罗列步骤，缺乏逻辑串联和解释。	在每章开头用一小段承上启下，说明本章要做什么、为什么做。多用“为了解 决…问题，我们首先…然后…”这样的逻辑连接词。
公式一大堆，但看不懂想表达什么	公式堆砌，缺乏文字解释。	坚持“公式+解释”的原则。对每个重要公式，用一两句话说明其含义、变量代表什么、在模型中起什么作用。
结果只有图表，没有分析	误把“呈现”当“分析”。	对每个图表，必须有一段文字分析。指出图表显示了什么趋势、说明了什么问题、与模型预期是否一致、有何异常点及可能原因。
灵敏度分析不知道怎么做	不理解灵敏度分析的目的。	选择1-2个对模型结果影响最大的参数（通常可以从假设或模型推导中识别）。在合理范围内改变它（如±10%，±20%），观察关键输出指标的变化，用图表展示并分析其敏感程度。
摘要写得像目录	摘要只说了“做了什么”，没说“做成了什么”。	摘要必须包含具体的、量化的结果。将“我们分析了数据”改为“我们通过聚类分析将客户分为5个群体，其中高价值群体占比15%”。
参考文献格式混乱	手动输入，来源不一。	使用文献管理工具（如Zotero, EndNote, 或Word/LaTeX内置工具）。从知网、Google Scholar导出标准格式的引用信息，统一管理。

6.2 高阶提分技巧

1. 设计一个精美的首页与目录：国赛有固定封面，美赛则可以设计。一个清晰、专业的目录能让评委快速把握论文脉络。在LaTeX中，合理使用\section{}和\subsection{}可以自动生成美观的目录。
2. 使用附录（Appendices） wisely：将冗长的代码、大型的中间数据表、次要的证明过程放在附录。在正文中提及“详见附录A”。这能让正文更简洁流畅。美赛尤其重视这一点。
3. 在模型中体现“建模思维”：不要直接套模型。在描述模型时，可以加入这样的思考：“我们最初考虑了A模型，但它无法处理B特性，因此我们引入了C机制进行改进，形成了最终的D模型。” 这展示了你们的建模过程是动态、有思考的。
4. 可视化不仅仅是结果：除了最终结果图，还可以绘制“模型概念图”、“算法流程图”、“技术路线图”。这些图能极大帮助评委理解你们的思路。
5. 语言表达力求准确、简洁、客观：避免使用“我们成功地…”、“非常完美的模型”等主观性过强的词语。使用“结果表明…”、“模型显示…”、“计算得到…”等客观陈述。多使用被动语态（尤其在美赛论文中），如“The data was analyzed using…”，显得更正式。

最后，我想分享一点个人最深的体会：一篇优秀的数学建模论文，本质上是一份说服性文档。它的目标读者是时间有限、经验丰富的评委。你的所有工作——清晰的结构、专业的排版、深入的分析、坦诚的讨论——都是为了一个目的：在最短的时间内，让评委确信你们团队深刻地理解了问题，创造性地运用了数学工具，并得到了可靠且有价值的结论。因此，写作时永远要站在评委的角度思考：我这样写，他/她能否毫不费力地跟上我的思路？我给出的证据，是否足以支持我的结论？