BugEnigma很多人第一次听到“B题题练习”这个词，第一反应是：B题是什么？为什么要专门拿来练习？这里的B题，最常见的就是数学建模竞赛里的第二道题目，像全国大学生数学建模竞赛（CUMCM）每年都会出A题、B题、C题，美赛里也有对应风格的题目类型。我个人的理解是，所谓“B题题练习”，就是围绕这类管理科学、资源配置、优化决策方向的问题，做拆分专题、反复训练的一套方法。这篇文章就把我在备赛和带比赛过程中积累的B题练习经验完整写出来，从读题、建模、求解到写作踩坑，给你一条可以直接照着走的路。
这篇内容适合三类人：一是正在备赛数学建模、还没摸清B题套路的同学；二是指导老师想带学生做专项训练，需要一套可复用的练习框架；三是工作中遇到类似“资源调度上限”“成本最小化”这类问题，想看看建模怎么落地的从业者。放心，我不会堆砌一堆理论，说的都是真实跑过流程后留下来的东西。
1. 内容整体设计与思路拆解
1.1 B题在竞赛里的定位是什么
想要练好B题，先得知道B题和其他题目差在哪。以国赛为例，A题通常偏物理、工程，题目里会给你明确的机理关系，比如热传导、受力分析、流体力学，这些东西本质上是在考“你知不知道某个物理规律”，建模的核心工作是把机理用方程写出来，再靠数值方法求解。C题更偏数据挖掘、统计分析，考的是从数据里找规律的能力。
B题不一样。B题往往是一个“管理场景”，比如工厂生产计划、物资调度、路线规划、资源分配、项目安排，甚至银行网点布局、医院排班。题目给的往往是一大段文字，你知道背景，知道要决策什么，但数学结构不会直接摆在你面前。你需要自己定义变量、自己找约束、自己定优化目标。
换句话说，B题考的是“把实际问题翻译成数学语言”的能力。这个能力跟物理直觉关系不大，跟能不能把复杂约束拆清楚关系很大。所以B题经常被大家描述成“文字题”，但恰恰是这种题，最容易在建模环节翻车——不是不会建，而是漏条件、错约束，或者目标函数定偏了。
1.2 为什么B题需要单独设计练习
很多队伍备赛的常见做法是“拿到什么题练什么题”，国赛真题、美赛真题、校赛题混着刷。这种方式不能说错，但针对性很差。B题的出题风格、模型偏好、写作要求非常稳定，值得拿出来单独练，原因有三点。
第一，B题的模型工具高度集中。优化类问题是绝对主力，常用的模型就那几类：线性规划、整数规划、多目标规划、动态规划，再配合启发式算法、仿真。把这些工具练熟，B题的基本盘就稳了。第二，B题对“写作决策建议”的要求高。建模竞赛不止看模型对不对，还要看你能不能把结果变成“人能执行”的方案，这一点在B题里特别突出。第三，B题练习能锻炼团队配合。因为B题建模工作量大，建模手、编程手、写作手必须同步进场，三个人的配合节奏直接决定成败。
所以我的建议是：不管你是第一次参赛还是已经练过几道题，都应该单独拿出一到两周做B题专项训练，而不是把B题混在一堆题目里“顺带练”。这里说的专项训练，不是把几年的B题从头到尾做一遍，而是按照“读题—建模—求解—写作—复盘”五个环节拆开来练。
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. 核心细节解析与实操要点
2.1 用“三段式读题法”把文字变成结构
拿到一道B题，题目读三遍算少的，但很多人读三遍还是脑子里一团浆糊，原因是没有带着问题去读。我自己练题和带学生时，一直用一套“三段式读题法”，效果非常稳定，具体分三步走。
第一步，读背景，找决策者。你要搞清楚这道题里“谁在做决策”，以及“他到底想干什么”。比如题目说的是“某工厂要安排下个月的生产计划”，那决策者就是工厂管理者，他想干的可能是利润最大化，也可能是成本最小化，还可能是按期交货率最高。这个“目标”就是后面目标函数的雏形。
第二步，圈约束，找限制条件。把题目里所有“不超过”“至少”“必须在……之前”“总共只有”这类词全部圈出来。B题里的约束条件往往藏在很不起眼的句子里，比如“每台设备每天最多工作16小时”后面的那半句“且切换产品需要2小时准备时间”。漏掉一个约束，轻则模型结果偏了，重则整个方案不可行。
第三步，列变量，做一张表。把所有出现过的数量、价格、时间、库存、能力全部列进一张表，标明单位和取值范围，再把它们之间的关系用一句话写出来。比如“A产品单件利润 = 售价—原料成本—加工成本—包装成本”。这张表就是你建模型时的“素材库”，哪里缺变量、哪里约束不够，一眼就能看出来。
2.2 B题的题型判断与模型选型
练B题练到一定量之后，你会发现题目虽然讲的故事五花八门，但背后的模型骨架是可以归类的。我按出现频率从高到低排一下，帮你建立一套“看到关键词就能反应出模型”的能力。
第一类是资源配置与生产计划类，关键词是“最大化利润”“最小化成本”“产量决策”“排产计划”，对应线性规划、整数规划。第二类是路径规划与物流调度类，关键词是“最短路径”“车辆调度”“配送路线”“最晚到达时间”，对应图论算法、动态规划以及遗传算法等启发式方法。第三类是综合评价与排序类，关键词是“排序”“评价”“权重”“优先选择”，对应层次分析法、熵权法、TOPSIS等评价模型。第四类是预测类，关键词是“未来趋势”“需求量预测”“市场价格预测”，对应回归分析、时间序列模型。
这里要特别说一点：一个B题往往不是单一模型解决到底的，更多时候是“评价 + 优化”的组合，或者“预测 + 优化”的组合。比如题目先让你预测未来一周的需求量，再让你制定生产计划，那这道题本质上就是“预测 + 优化”，两头都不能偏。练题时不要只盯着自己熟悉的模型，要有意识地训练“多模型串联”的能力。
3. 实操过程与核心环节实现
3.1 从一道简化B题看完整流程
为了看清楚B题练习到底怎么落地，我拿一道我平时训练用的简化题来走一遍完整流程。这道题是刻意设计的，规模不大，但含了B题最常见的核心要素。
题目背景：某工厂有两条生产线，生产两种产品P1和P2。P1的单件利润是40元，P2的单件利润是30元。P1在生产线1上的加工时间是2小时/件，在生产线2上的加工时间是1小时/件；P2在生产线1上加工1小时/件，在生产线2上加工2小时/件。生产线1每周可用工时为80小时，生产线2每周可用工时为60小时。另外，由于原料供应限制，P1每周最多生产30件，P2每周最多生产20件。市场要求P1每周至少生产15件，否则会丢掉长期客户。问：工厂每周应分别生产多少件P1和P2，才能使总利润最大？
这道题看起来很简单，但它把B题里最典型的“目标函数 + 线性约束 + 变量上下限”都打包在一起了。拿来练手特别合适，很多国赛B题的简化版就是这类结构。
3.2 从题目到数学模型的三步翻译
拿到这道题，按刚才说的三段式读题法先走一遍。决策者是工厂管理者，目标是总利润最大化；约束有两条生产线的工时限制、原料供应限制、市场需求限制；变量只有P1和P2的周产量，设为x1和x2。
第一步写目标函数：利润 = 40x1 + 30x2，所以 max Z = 40x1 + 30x2。
第二步写约束条件。生产线1的工时约束是2x1 + x2 ≤ 80；生产线2的工时约束是x1 + 2x2 ≤ 60；原料限制是x1 ≤ 30，x2 ≤ 20；市场需求约束是x1 ≥ 15。再加上变量非负约束x1 ≥ 0，x2 ≥ 0。这里市场约束其实就是x1的下限，你可以直接当它是一个约束条件，也可以归到变量取值范围里，本质一样。
第三步，检查模型结构。目标函数是线性的，约束都是线性的，决策变量是连续变量，这就是一个标准的线性规划问题。用图解法可以手算，用求解器可以瞬时出结果。我强调一下，练习初期一定要养成“三步翻译”的习惯：先写目标函数，再写约束条件，最后检查变量取值。这个顺序乱了，后面很容易丢条件。
3.3 用Python求解并解读结果
线性规划的求解，在Python里最常用的库是scipy.optimize的linprog，也可以用pulp或者ortools，这几款工具都很成熟。我个人习惯是练习阶段用linprog，因为不需要额外安装依赖，环境要求低；论文阶段如果涉及整数规划，就换pulp或者ortools，因为linprog本身不支持整数约束。
下面是这道题的求解代码，我注释写得很详细，可以直接照着跑。
python复制import numpy as np
from scipy.optimize import linprog
# 目标函数系数：linprog默认求解最小值，所以利润取负
c = [-40, -30] # 对应 max(40x1 + 30x2)
# 不等式约束矩阵 A_ub @ x <= b_ub
A_ub = [
[2, 1], # 生产线1工时约束：2x1 + x2 <= 80
[1, 2] # 生产线2工时约束：x1 + 2x2 <= 60
]
b_ub = [80, 60]
# 变量取值范围：x1, x2 >= 0, 同时 x1 <= 30, x2 <= 20, x1 >= 15
bounds = [(15, 30), (0, 20)] # (下限, 上限)
# 求解
result = linprog(c, A_ub=A_ub, b_ub=b_ub, bounds=bounds, method='highs')
# 输出结果
if result.success:
print("求解成功")
print("x1 (P1产量):", round(result.x[0], 2))
print("x2 (P2产量):", round(result.x[1], 2))
print("最大利润:", round(-result.fun, 2))
else:
print("求解失败:", result.message)
跑完结果就会发现，最优解是x1=20件，x2=20件，此时最大利润是1400元。你可以在心里快速验证一下：生产线1耗时2×20+1×20=60小时，没有超过80小时；生产线2耗时1×20+2×20=60小时，刚好卡满；市场要求P1至少15件、最多30件，20件都在范围内。这个结果本身没问题，但更有价值的分析其实在后面——灵敏度分析。
如果你只想拿到最优数值，上面的代码就够了；但B题要的是“方案 + 分析 + 建议”，所以必须回答“如果某个参数变了，方案该怎么调”。比如生产线2的可用工时从60变成50，最优解会怎么变？这就要看linprog输出的影子价格（shadow price），它告诉你每增加1单位某约束的资源，目标函数能提高多少。这道题里生产线2的工时已经被完全用满，所以它是有“影子价格”的；生产线1还剩20小时余量，它对应的影子价格就是0。这个信息翻译成人话就是：工厂如果想让利润进一步上升，优先扩生产线2的产能，而不是生产线1。
这就是B题练习的关键动作：不仅要会算，还要能把求解器的输出翻译成“管理建议”。很多队伍练题时跑出最优解就收工了，没有做敏感性分析，也没有把结果转成方案建议，这在比赛里会被扣掉很大一部分分。
3.4 论文写作里的关键动作
很多人觉得B题论文写作就是“把模型写出来 + 贴结果”，这个理解是错的。真正拿高分的B题论文，摘要、模型假设、求解结果、方案建议四个板块之间必须串成一条清晰的逻辑链。我按照我自己写论文的习惯，把每个板块的写作要点拆开讲。
先讲摘要。B题摘要的基本结构是：一句话交代问题背景和目标，一句话说清楚你用了什么模型，两句话概括关键求解结果，最后一句给出明确的方案建议。大致是“针对某工厂生产计划优化问题，本文构建了以总利润最大化为目标的线性规划模型，综合考虑工时、原料及需求约束，利用单纯形法求解得到P1和P2最优产量分别为20件和20件，对应最大利润1400元。结果表明，在现有资源约束下，工厂应优先释放生产线2产能以进一步提升利润。”这段话没有任何废话，信息密度极高，评审一眼就知道你做了什么、结果是什么。
再讲模型假设。B题最怕“过度假设”，有些队伍为了简化问题，直接把关键约束假设掉，比如“假设生产过程中不存在设备故障”“假设原料供应稳定”，这种假设对结果影响不大时OK，但如果题目本身就给了“原料有上限”这个条件，你再“假设原料供应不受限”，那就是自己给自己挖坑。我建议模型假设只写两类：一类是对问题边界做必要限定，比如“不考虑机器维修时间”；另一类是数据方面的说明，比如“所有价格在计划周期内保持不变”。不要乱写假设。
最后是方案建议。很多队伍论文写到最后，只给出“x1=20，x2=20”这种干巴巴的数字，没有把结果转成管理语言。我会在论文里专门加一个“建议实施方案”，把数值翻译成可执行的句子，比如“建议P1产品周产量维持在20件，P2产品周产量维持在20件；若可增加生产线2每周工作时长5小时，预计可新增利润XX元”。这种表达才是B题评审期待看到的东西。
4. 常见问题与排查技巧实录
4.1 建模阶段最容易漏的三种约束
练B题这几年，我自己踩坑加看学生踩坑，总结出建模阶段最高频的三个翻车点，你可以对照着自己检查。
第一是“隐性产能约束”。题目说“设备每周最多运行120小时”，很多人就把这个当成唯一产能约束，但题目下面还有一句“每次换产需要3小时准备时间”，这句话被当成背景信息忽略了。结果模型求解出的方案需要多次换产，实际工时根本不够用。解法很简单：读题时把所有“时间”“准备”“等待”“休息”相关词全部圈出来，追问一句“这个时间要不要占用总工时”。
第二是“变量之间的耦合约束”。很多B题里，不是每个变量都独立，而是几个变量之间互相牵制。比如“P1和P2共用同一种原料，该原料每周期货不超过50单位”，那么约束应该写成两者用量之和≤50，而不是P1≤50且P2≤50。这种耦合约束一旦漏掉，结果会严重偏乐观。
第三是“整数约束”。生产计划里“件数”天然是整数，如果你用线性规划把x1解成17.4件，方案根本没法落地。我在训练中要求学生第一轮求解先跑线性规划“估算框架”，第二轮必须把整数约束加回去再跑，然后对比两轮结果的差异。这个对比过程本身就可以写进论文的“讨论与分析”里。
4.2 模型求解出问题怎么排查
求解阶段最常见的报错就是“infeasible”（无可行解）和“unbounded”（无界解）。我每次遇到这类报错，都会按下面的顺序排查，基本五步内定位问题。
第一步，回查变量边界。你的变量上下限写反了没有？比如bounds里写的是(30, 15)，下限在上限之上，那一定无解。第二步，检查约束方向。A_ub里写的是“≤”，如果你把“≥”也放进来了，那约束矩阵方向就反了。一个检查技巧是：把某个变量设为0、另一个设为一个较大的数，看约束是否还成立，用手算验证一遍。第三步，检查单位统一。这是B题特别容易翻车的地方，题目里工时可能是“分钟”而产能是“小时”，不换算直接建模型，结果差一个数量级。第四步，看求解器给出的message。linprog的返回信息里会有关键线索，比如“The problem is infeasible”，那基本就是约束自相矛盾了，去查约束系数有没有抄错。第五步，如果还是查不出来，就做一个“逐约束测试”：只保留目标函数和某一个约束，求解一遍；再增加下一个约束，逐步加。哪个约束加进去之后无解，问题就出在哪个约束上。
这个方法我强烈建议每个备赛队伍练一次。因为比赛时一旦模型无解，整个团队会非常慌，而逐约束测试是效率最高的排查路径。
4.3 论文写作里的结果不一致问题
B题论文里还有一个特别常见的扣分项：摘要写的数值和正文表格对不上。经常是摘要写“最大利润1400元”，正文表格里却显示1350元；或前面模型假设了“不考虑库存”，后面方案建议里却出现了“建议增加库存”。这些看起来是小问题，但在评审眼里就是“团队内部没有核对”，印象分大打折扣。
我带的队伍，论文写完后，专门有一个人负责“数据一致性检查”。他拿着计算器一个个核对：摘要里的每个数字在正文里有没有出处；正文每个表格的数值和模型输出的原始结果一不一致；所有建议方案有没有对应的数值支撑。这个人的角色可以是写作手，也可以是建模手，但一定不能是编程手——因为编程手看自己跑出来的结果，容易“自带滤镜”，看不出问题。
4.4 时间分配的实战建议
B题的75小时，最怕前48小时还在反复改模型，最后一天赶论文。我推荐一个比较稳的时间分配方案，按“练题时假装这就是正式比赛”的原则执行。
第一天上午：读完题，列出决策者、目标、约束、变量表，确定题型，完成第一版模型的大致框架。第一天下午：建模手和编程手同步进场，建模手完善约束细节，编程手开始写求解代码，写作手可以先搭论文的框架结构，把摘要留空。第一天晚上之前：必须跑出第一版结果，哪怕结果是错的，也应该有一条完整的“输入—模型—输出”链。第二天：专门做模型验证和灵敏度分析，看看参数微调后结果怎么变，这部分内容要写进论文。第三天：写作手主导狂写论文，建模手和编程手配合补材料、检查数据一致性、画图、排版。第三天晚上：全队通读论文，修正表述。
这个节奏的核心思路是“第一天就必须有结果”，因为B题的时间大头不是求解，而是分析和写作。
5. 练习之后怎么复盘与进阶
5.1 每次练完B题，先回答四个问题
练题不是为了练而练，每一道题练完之后必须做复盘。我的复盘模板就四个问题，每次都会带着队伍对着回答。
第一个问题：读题花了多久，卡在哪一步？如果你读题花了3小时，且卡在“变量之间的关系理不清”，那说明三段式读题法还没内化，下一道题要刻意做“变量表”。第二个问题：从题目到数学模型，哪一步最费劲？是目标函数不确定，还是约束条件写不齐，还是变量定义模糊？这一步直接指出现阶段的短板。第三个问题：求解结果是否合理？有没有做灵敏度分析？很多队伍练题只做到“跑出最优解”，这不叫完整建模，只能叫“把问题算完了”。第四个问题：建议方案是否可执行？把你的建议拿给一个不了解这个题目的人看，他能直接照着做吗？如果不能，说明写作还没到位。
四个问题回答完，你会很清楚队伍当下的弱点集中在哪个环节。下一道题就重点练那个环节，而不是从头到尾再来一遍。
5.2 训练题库怎么选、怎么排优先级
B题专项练习，优先做的就是历年国赛的B题，因为出题风格最稳定。我按难度和训练价值排一个优先顺序，供你参考。
首推做近五年的国赛B题。这些题目的数据完整度、题目结构、评分标准都很清晰，适合完整走流程。然后是美赛的MCM/ICM题目里的D题（运筹学/网络科学）和E题（环境科学），因为它们也偏优化决策方向，但英文题读起来会额外训练你的信息提取能力。如果时间充裕，校内赛或网上流传的“模拟题”也可以做，但优先级要放低，因为很多模拟题的题目质量参差不齐，可能把B题的边界条件设计得很飘，不利于训练。
另外，练习时我建议用“二八原则”：80%的时间用来做完整练习（完整跑完读题、建模、求解、写作），20%的时间做局部练习（只练读题建模、或者只练灵敏度分析）。
5.3 团队配合怎么训练
B题练习不是三个人的作业拼盘，而是三个人一起解决一个问题。常见的坑是建模手把模型建完，丢给编程手去实现，编程手跑出结果再丢给写作手，最后写出来的论文千疮百孔。正确的姿势是三个人从一开始就一起工作。
我每次训练都要求“三人同桌建模型”——也就是说，在列变量表、写目标函数、画约束的时候，三个人都必须在场。建模手负责提解法思路，编程手负责在旁边评估这个模型好不好实现，写作手负责记录过程中每一轮的假设和调整理由，这些记录后面可以直接变成论文里的“建模思路”段落。这个习惯还有个额外好处：写作手不是在论文阶段才理解模型，而是在模型诞生过程中全程参与，写出来的文字自然更准确、更顺滑。
6. 再说一点我自己练B题的体会
这几年我指导过很多支队伍练B题，也亲眼看到很多队伍从“拿到题手足无措”到“三个小时稳定产出第一版模型”。如果让我总结B题练习的核心价值，我不会说“多刷题”，而会说“建立起一套从文字到数学再到方案的转换系统”。
练B题和做数学题完全不一样，它没有一个标准答案，但有一个标准的动作链条：读懂文字、提炼变量、构建约束、求解分析、形成建议。这五个环节每一个都能拆开单独练，练熟之后再拼在一起，比赛时就不会慌。
最后再分享一个小习惯：每练完一道B题，把题目文件、模型代码、求解结果、论文终版、复盘记录放在同一个文件夹里，命名格式为“日期_题目关键词_完整/局部”。赛前一周不看新题，就翻这些文件夹，把每道题的目标函数、约束结构、求解工具、踩过的坑过一遍。这个习惯比临时抱佛脚刷十道题都管用，你可以试试。