Lang Run1. 美赛B题到底在考什么：近五年命题规律与选题策略
带过几届队伍，看过几十篇O奖论文之后，我越来越觉得美赛B题在国内参赛者心里被严重低估了。很多人默认“B题就是连续型题目，拿数据建模就行”，结果到赛场上才发现完全不是这么回事。先说一个关键判断：从2020年到2025年，B题的命题风格已经从“经典连续模型”转向“交叉学科+现实决策+数据驱动”的综合题，纯靠套一个微分方程模型就想拿奖的时代早就过去了。
举个例子，近五年B题涉及过无人机编队、水资源配置、灾害应急响应、区域经济与资源协调这类话题，每一个都不是单纯数学问题，而是“物理约束+资源调度+多目标优化”的混合体。命题组特别喜欢给一个真实场景，塞给你一部分数据，再让你补充假设，最后要求你回答几个决策层面的问题——比如“如何分配”“如何调度”“如何选址”。所以B题的核心考核点，不是你会多少种算法，而是你能不能把一个现实问题翻译成数学语言，再翻译回决策建议。
再直白一点，B题是“应用型优化题”的大本营。你几乎每次都能用上规划模型、排队模型、网络流模型或者动态规划，然后配合启发式算法去求解大规模实例。这和C题那种纯数据挖掘、机器学习套路很不一样。C题可以用XGBoost跑分数，B题必须让评审看到你的建模逻辑是闭环的——从假设到目标函数，从约束到求解策略，从灵敏度分析到政策建议，每一环都要对得上。
这就引出一个决策问题：队伍到底该选哪道题？ 我的建议是，如果你的队伍里有一个人擅长运筹学或算法设计，另一个人英文读写能力强，那B题就是最稳妥的选择。因为B题的数据量通常没有C题那么爆炸，物理意义比D题更直观，赛题语言不像E题和F题那么“社科化”，入门门槛适中，但上限很高——做出彩了就是O奖水平。
选B题之前还要做一件事：把前五年的B题摘要都读一遍。不是读正文，而是只读摘要，看人家是怎么组织“问题重述—模型建立—求解方法—结果分析”这一段话的。两三小时就能看完，性价比极高。你会发现优秀论文的摘要有一个共同点：第一段说问题，第二段给出整体建模思路，第三段按小问逐条给出方法和结果，最后用一两句话说结论和建议。这个结构是美赛评选的硬通货，后面写论文时直接照这个结构走。
需要模型API调用？ 免费领10W Token，多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 一套通用建模框架：从读题到交稿的完整工作流
很多队伍前24小时都在原地打转，反复读题、反复讨论、反复推翻，最后时间全浪费了。我自己的经验是：把4天的赛程切分成四个阶段，每个阶段有明确交付物，队伍就不会乱。
第一阶段（前6小时）：理解问题与信息盘点。 拿到题目后，先别讨论算法，全队一起逐句读题至少两遍，然后用“问题关键词表”的方式整理：题目里反复出现的关键词是什么？给定了哪些数据？哪些条件是可变的？哪些信息需要我们自己假设？这个表做完，你对题目的理解会比大部分队伍清晰得多。
第二阶段（第6-24小时）：建立核心模型框架。 这里是建模的主战场，先要求“所有小问都能被同一个核心模型框架解释”，再逐步细化。美赛B题的第二问、第三问往往是在第一问基础上加约束、加目标、加不确定性，所以核心框架的抽象能力决定了后面顺不顺利。
第三阶段（第24-60小时）：求解、分析与迭代。 拿到初步结果后，先做可视化，不要急着写论文。先看结果是否符合直觉，如果某个数值严重偏离常识，优先检查模型假设和数据预处理，而不是调算法参数。这个阶段最容易掉进去的坑是“为了用算法而用算法”，明明贪心算法够用，非要上遗传算法，结果调参调到崩溃。
第四阶段（第60-96小时）：论文写作与排版冲刺。 数学建模比赛的结果是论文，不是代码。我甚至见过求解平平无奇但论文写得很漂亮的队伍拿到M奖，也见过模型设计得很好但论文表达混乱的队伍只拿了S奖。所以最后一天半，至少两个人全力写论文，一个人持续补齐图表和附录。
这套流程看着简单，但能做到的队伍其实不多。主要原因是大多数队伍没有“交付物意识”——每个阶段结束之后没有形成一个可以被检查的产出物。建议每个阶段结束时，队长把所有产出物发到群里：第一阶段发问题理解表，第二阶段发模型框架图（手画或PPT画都行），第三阶段发图表和中间结果，第四阶段发论文草稿。这样大家的进度永远对得上。
这里还要特别强调一个B题特有的问题：题目里的“小问”往往是递进的，但正文里的“前置假设”可能要到后面的小问才暴露出来。比如第一问让你设计一个最优调度方案