数学建模国赛备赛过程中很多同学会把历年优秀论文下载到本地但绝大多数论文在打开一次后就被放进了收藏夹。原因很简单读论文只能看到最终结果看不到建模者在每一步做了什么取舍。2025年国赛B题优秀论文同样如此。如果你只读摘要和图表很难真正理解这篇论文为什么能拿奖。有效的方法是复现也就是把论文里的数据处理、模型构建、求解代码、结果图表完整地重建一遍。复现的目标不是得到一个一模一样的 PDF而是通过亲手实现把论文中隐藏的假设、参数、计算过程全部暴露出来。这篇文章以 2025 年国赛 B 题优秀论文为复现对象梳理一套可执行的复现流程从拆解论文到搭建项目环境从写第一行代码到验证结果最后给出常见坑和检查清单。这套流程同样适用于其他年份和其他赛题。1. 先明确复现优秀论文到底在复现什么1.1 论文里的四层信息题目、数据、模型、表达读一篇优秀论文时很容易被摘要和结论吸引但复现时必须把论文拆成四层题目层、数据层、模型层、表达层。题目层是赛题本身。B 题的表述通常包含背景、问题、数据和输出要求。复现前要先确认题目要解决几个小问每个小问要求输出什么指标、表格或图。很多同学直接跳到论文的第二个小问去复现一个复杂的优化模型最后连数据读入都还没跑通这就是没有先回到题目层导致的。数据层包括题目附带的数据、论文作者整理后的数据以及从公开渠道补充的数据。论文中往往不会把所有清洗步骤列出来复现时需要通过结果反推数据是否被过滤、拼接、归一化。例如论文说“对异常年份做了剔除”但没有说明剔除标准这时就要自己构造候选规则再观察哪个规则能让结果更贴近论文输出。模型层是论文的核心。包括变量的定义、目标函数、约束条件、求解算法、参数取值。这一层最容易出现“看着公式能看懂写成代码不会写”的情况。原因通常是论文省略了推导过程或者符号定义不够完整。复现时要把公式中的每一个符号映射到代码变量。表达层指的是论文中的表格、图、模型示意图和结论性描述。复现目标不是美工复刻而是验证这些图表背后的数值是否能够通过代码重新算出来。如果图表趋势和论文不一致说明模型层或数据层可能存在问题。复现的完整闭环是从论文反推出题目要求从题目获得数据从数据训练或求解模型从模型得到结果再把结果画成和论文一致的图表最后反过来检查论文的结论是否成立。1.2 哪些内容需要复现哪些内容可以跳过并不是论文里的每个字都值得复现。用表格区分一下可以省下大量时间论文内容是否需要复现说明题目背景与问题重述部分复现用自己的话重写但要保留核心要求摘要不复现复现摘要没有技术含量重点是实现正文方法模型假设需要复现假设会影响模型适用性代码中要有对应处理符号说明需要复现变量和单位不统一是复现失败的高频原因数据预处理必须复现缺失值、异常值、标准化等操作直接决定结果核心模型公式必须复现目标函数、约束、评价指标都要转成代码求解算法必须复现论文常常只写“用遗传算法求解”参数需要补全图表需要复现至少还原趋势验证结论结果分析和灵敏度分析建议复现判断模型是否稳定是论文得分关键复现时建议按照“数据处理 → 第一问模型 → 第一问结果 → 后续小问”的顺序推进。不要先死磕一张复杂的图等到模型跑通后图表自然就出来了。很多新手一上来就复现论文里的热力图和三维曲面图结果被各种 matplotlib 参数困住核心模型却还没开始写。1.3 复现前的环境和工具准备复现优秀论文没有一个统一的官方环境但建议使用一个干净、可复现的 Python 环境。下面是常用依赖和用途工具/依赖版本建议用途Python3.9 到 3.12脚本运行环境Jupyter Notebook 或 VS Code最新稳定版交互式探索数据、分步调试pandas1.5 以上数据读取、清洗、透视numpy1.24 以上数值计算scipy1.10 以上优化、插值、统计matplotlib3.7 以上图表绘制seaborn0.13 以上统计图表美化statsmodels0.14 以上回归、时间序列分析scikit-learn1.3 以上机器学习模型pulp / ortools按需安装线性规划、整数规划不建议一开始就安装所有库。先读论文确认用到了哪些算法再安装对应的库。安装时使用虚拟环境避免污染系统 Python。python -m venv venv source venv/bin/activate # Windows: venv\Scripts\activate pip install pandas numpy scipy matplotlib在复现环境里还需要准备一个专门的目录用来存放论文 PDF、原始数据、脚本和输出文件。这样反复修改时不会乱。建议至少提前一个月开始复现而不是在比赛前两天临时抱佛脚。每周复现一小部分逐步把一篇论文完整跑通比集中一天通宵写代码有效得多。2. 从论文 PDF 一步步拆解出可执行的建模任务2.1 先用“四问法”拆解赛题要求拿到优秀论文后不要立刻看代码而是先回到题目本身用四个问题拆解题目一共有几个小问每个小问要求我们做什么分析、评价、优化还是预测输入数据是什么输出结果是什么哪些指标是题目明确要求的哪些是论文自己定义的以 2025 年国赛 B 题优秀论文为复现对象时可以先按要求写出类似这样的任务表小问输入输出使用的主要方法问题一附件中的相关数据关键指标或评价结果描述统计、评价模型问题二数据与约束优化方案或最优解规划模型、启发式算法问题三多场景数据灵敏度分析或方案对比参数扫描、对比分析这张表不需要完全对应真实赛题但复现前必须先自己填一版再对照论文确认。任务表的作用是让后续每一段代码都知道自己在服务哪个指标。写代码时如果发现和任务表无关就说明代码跑偏了。2.2 从论文中提取变量表和数据字典优秀论文中通常有“符号说明”或“变量定义”章节但内容往往不够完整。复现时需要自己建立一份数据字典。推荐使用 Markdown 表格或 CSV 记录变量名含义单位数据来源在代码中的名称area面积平方米题目附件1areacost成本元附件2costdemand需求量件计算得到demand这一步非常基础但很容易被跳过。后面写代码时如果发现变量单位和论文不一致往往就是因为一开始没有整理数据字典。数据读取后的第一件事是打印数据形状和缺失值分布import pandas as pd df pd.read_csv(data/raw/attach1.csv, encodinggbk) print(df.shape) print(df.isnull().sum()) print(df.describe().T)看到数据量、列名和缺失比例后再决定清洗方案。不要一上来就 dropna可能会删掉关键样本。可以用分组均值、前后向填充或插值等方式填补但每一条规则都要记录原因。2.3 不要直接完整复现先做一个最小可运行版本完整复现一篇优秀论文可能涉及上千行代码。如果第一天就去复现最复杂的模型大概率会因为报错而放弃。正确的顺序是选择论文中最简单的一问。忽略所有次要参数用最基础的模型跑出一个数值。确认数据读入、模型求解、结果输出这三个环节都通。再逐步加入论文中的约束、算法和参数。最小可运行版本的目标是“跑出一个数字”哪怕这个数字与论文相差很大。有了基线后面每修改一个地方就能看到结果变化的方向。例如复现一个规划模型时先只放一个目标函数和最简单的约束import numpy as np from scipy.optimize import minimize # 目标函数论文中的目标函数需要替换为实际公式 def objective(x): return x[0]**2 x[1]**2 # 约束论文中的约束需要替换为实际约束 cons {type: eq, fun: lambda x: x[0] x[1] - 1} res minimize(objective, [0.5, 0.5], constraintscons) print(最优解:, res.x) print(目标值:, res.fun)这段代码的意义不在于解决国赛 B 题而在于验证 scipy 的约束优化链路是否能跑通。正式复现时把 objective 和 cons 替换成论文中的表达式即可。注意最小版本跑通后不要急于把所有参数一次性加上。每加一个参数就运行一次并对比论文结果这样才知道哪个参数对结果影响最大。2.4 把论文中的算法伪代码转成 Python 函数优秀论文通常会用伪代码描述算法流程。伪代码的优点是清晰缺点是不具备可运行性。转换时建议先把伪代码中的步骤编号再翻译成函数。例如论文中出现“初始化种群 → 计算适应度 → 选择 → 交叉 → 变异”翻译成 Python 结构时不要把所有逻辑塞进一个循环而是拆成多个小函数def init_population(size, n): return np.random.rand(size, n) def fitness(individual): # 替换为论文中的适应度函数 return -np.sum(individual ** 2) def select(population, scores, k2): # 简单锦标赛选择 idx np.random.choice(len(population), sizek, replaceFalse) best idx[np.argmax(scores[idx])] return population[best] def crossover(a, b): point np.random.randint(1, len(a)) return np.concatenate([a[:point], b[point:]]) def mutate(individual, prob0.1): for i in range(len(individual)): if np.random.rand() prob: individual[i] np.random.normal(0, 0.1) return individual这样的好处是可以单独测试每个环节也方便后续把 numpy 计算改成更快的实现。比赛代码最怕的就是一个几百行的函数报错之后找不到问题在哪。3. 搭建可复现的项目结构和代码框架3.1 推荐的项目目录结构复现不是一次性临时脚本后续还要修改、复盘、重新运行。因此项目目录从一开始就要分层。reproduction_2025B/ ├── README.md ├── requirements.txt ├── data/ │ ├── raw/ # 原始附件不修改 │ ├── processed/ # 清洗后的数据 │ └── external/ # 补充数据 ├── notebooks/ │ ├── 01_explore.ipynb │ └── 02_model_test.ipynb ├── src/ │ ├── config.py # 全局路径和参数 │ ├── data_preprocess.py │ ├── model_m1.py │ ├── model_m2.py │ └── visualize.py ├── outputs/ │ ├── figures/ │ └── results/ └── references/ └── 2025B_优秀论文.pdfdata/raw 下的原始数据只读不改。处理后的数据放到 processed。这样即使后续代码写错也不用重新下载附件。references 目录放论文 PDF 和阅读笔记方便随时核对。3.2 数据读取与清洗的代码骨架这个骨架可以直接使用# src/data_preprocess.py import pandas as pd import numpy as np def load_data(path: str) - pd.DataFrame: df pd.read_csv(path, encodinggbk) return df def clean_data(df: pd.DataFrame) - pd.DataFrame: df df.copy() # 去除完全重复的行 df df.drop_duplicates() # 数值列转换为 float非数值转 NaN numeric_cols [area, cost, demand] for col in numeric_cols: if col in df.columns: df[col] pd.to_numeric(df[col], errorscoerce) # 缺失值先看比例再决定填充或删除 # df df.dropna(subset[demand]) # 异常值按业务规则或分位数判断 # df df[df[cost] 0] return df注意清洗规则不要凭感觉写。每一条规则都要在复现笔记中记录原因例如“删除 cost 小于等于 0 的行因为论文假设成本必须为正”。这样后续如果有人质疑结果可以给出解释。3.3 模型复现代码怎么组织一篇论文通常有多个小问对应多个模型。建议每个模型单独一个文件并提供统一的 solve 接口。以优化模型为例# src/model_m2.py import numpy as np from scipy.optimize import minimize def solve_plan(cost: np.ndarray, capacity: float): n len(cost) def objective(x): # 论文中的目标函数需要替换为实际表达式 return np.dot(cost, x) # 等式约束所有 x 求和等于某个值需要替换 cons [{type: eq, fun: lambda x: np.sum(x) - 1}] # 变量的边界需要替换 bounds [(0, 1)] * n result minimize( objective, x0np.ones(n) / n, boundsbounds, constraintscons, methodSLSQP, ) return result这里的关键点是把模型包成函数而不是把所有代码堆在一个 Jupyter cell 里。这样后续做灵敏度分析时只要循环调用 solve_plan 并传入不同参数即可。如果论文使用的是线性规划或整数规划可以把 scipy 替换为 pulpimport pulp def solve_with_pulp(cost, demands, capacity): n len(cost) prob pulp.LpProblem(plan, pulp.LpMinimize) x [pulp.LpVariable(fx{i}, lowBound0, catContinuous) for i in range(n)] prob pulp.lpSum(cost[i] * x[i] for i in range(n)) prob pulp.lpSum(x[i] for i in range(n)) capacity for i in range(n): prob x[i] demands[i] prob.solve(pulp.PULP_CBC_CMD(msgFalse)) return [pulp.value(x[i]) for i in range(n)]不要照搬上述具体变量名而是学习这种“函数接收参数、返回结果”的组织方式。实际模型的目标函数、约束和变量边界必须根据 2025 年国赛 B 题优秀论文的正文内容替换。3.4 图表输出和结果保存图表要能复现论文中的趋势而不是简单画一张能用的图。建议统一设置中文字体和图片尺寸# src/visualize.py import matplotlib.pyplot as plt plt.rcParams[font.sans-serif] [SimHei] # Windows 常用macOS 可换为 Arial Unicode MS plt.rcParams[axes.unicode_minus] False plt.rcParams[figure.dpi] 150 def save_fig(fig, name: str): fig.savefig(foutputs/figures/{name}, bbox_inchestight) print(fFigure saved: outputs/figures/{name})绘制折线图时要确认横轴是年份还是序号、纵轴是原始值还是百分比。一个常见错误是论文经过归一化后再绘图而自己画的是原始值。import matplotlib.pyplot as plt fig, ax plt.subplots() ax.plot(processed_df[year], processed_df[value], markero) ax.set_xlabel(year) ax.set_ylabel(value) ax.set_title(Reproduction of Fig. X in the reference paper) save_fig(fig, fig_x.png)画完图后最好把论文原图截取下来和自己的图放在一起对比。不要凭记忆判断相似。4. 复现过程中最常踩的坑4.1 结果对不上优先检查数据、单位和参数复现结果和论文不一致是最常见的情况。此时不要急着改算法按下面的顺序排查数据是否一致。检查读入的数据行数、列名、单位是否和论文描述一致。是否做了缺失值处理和异常值删除。论文可能删除了一部分数据但并未在正文写明。参数是否一致。种群大小、迭代次数、学习率、惩罚系数这些参数会显著影响结果。目标函数方向是否一致。论文写最大化代码写了最小化结果会完全相反。是否设置随机种子。遗传算法、模拟退火等随机算法如果未固定种子每次结果都会不同。用表格汇总现场排查路径现象常见原因检查方式处理建议数值差很多数据版本或清洗方式不同打印数据行数、mean、std与论文附表对比调整清洗规则保留关键样本数值接近但不完全一致参数未对齐找到论文中参数表核对迭代次数、阈值录入论文参数设置随机种子结果符号相反目标函数方向错误检查论文写的是 max 还是 min添加负号或改用最大化接口求解器报错无解初始值或约束范围不合理打印约束残差放宽边界增加可行初始点在检查数据时可以使用下面的命令快速对比两个 DataFramedef compare_dfs(df_ref, df_rep): print(Shape:, df_ref.shape, df_rep.shape) print(\nMean:\n, df_ref.mean(numeric_onlyTrue) - df_rep.mean(numeric_onlyTrue)) print(\nStd:\n, df_ref.std(numeric_onlyTrue) - df_rep.std(numeric_onlyTrue))如果均值差、标准差差都接近 0说明数据基本一致。如果差异很大就要回头读论文关于数据来源的说明。4.2 画图不像先对齐坐标和统计口径图表复现不需要像素级一致但趋势必须一致。常见问题包括横轴数据没有排序导致折线图乱跳。纵轴用的是归一化结果论文展示的是原始结果。论文用插值平滑了曲线自己画的是离散点连线。图例对应关系搞反多组数据时容易错位。建议先看论文图表的坐标标题和单位再检查自己的 DataFrame 列名。画图前调用df.sort_values(year)这类排序逻辑避免折线乱序。另外注意 groupby 之后的索引。如果用 pandas 的 groupby 后直接 plot横轴可能是分组键而不是连续序列。这时要reset_index()再画图。4.3 模型跑不动或求解极慢先降低复杂度再优化实现复现时遇到循环几万次的情况很常见。例如使用遗传算法时如果每一代都需要调用复杂目标函数可能几个小时都算不完。处理顺序如下先用小样本跑通确认代码逻辑正确。用 Python 的循环计算可以先改成 numpy 向量化。如果还是慢再考虑缓存中间结果、减少候选解数量或改用更快求解器。最后才能确定是算法问题还是平台性能问题。例如求两个点集之间的距离矩阵不要使用双层循环直接用 numpy 广播# 慢双层循环 # dist np.zeros((m, n)) # for i in range(m): # for j in range(n): # dist[i][j] np.linalg.norm(A[i] - B[j]) # 快numpy 广播 diff A[:, None, :] - B[None, :, :] dist np.sqrt((diff ** 2).sum(axis-1))这种性能优化在实际复现中非常重要因为优秀论文往往使用了较大的数据规模。如果数据量太大导致内存不足还可以用分块计算或转化为稀疏矩阵。5. 验证复现是否成功的检查清单5.1 数值验证复现是否成功的首要判据是核心指标是否一致。把论文中的关键数值整理成一个验证表验证项论文值复现值相对偏差问题一评价得分见论文表1复现计算值计算偏差问题二最优目标值见论文表3复现计算值计算偏差灵敏度分析变化率见论文图5复现计算值计算偏差相对偏差可以简单计算def relative_gap(y_ref: float, y_rep: float) - float: return abs(y_rep - y_ref) / abs(y_ref) * 100一般来说偏差在 1% 以内可以算作高度一致偏差在 5% 以内需要检查是否因为随机算法或近似计算导致偏差超过 10% 则需要重新检查模型和数据。5.2 图表验证图表验证重点不是“像不像”而是“趋势是否一致”。建议从三个方面检查曲线的上升、下降、拐点位置是否一致。多个方案之间的相对大小关系是否一致。最优解出现的位置是否一致。如果论文中的方案 A 优于方案 B复现结果也必须是 A 优于 B。如果顺序反了说明模型或参数有问题而不是绘图问题。还可以用数值方式验证图表趋势。例如比较两个序列的相关系数import numpy as np def trend_similarity(series_ref, series_rep): return np.corrcoef(series_ref, series_rep)[0, 1]相关系数接近 1说明趋势高度一致接近 -1说明很可能有符号或排序错误。5.3 可复现性验证复现完成后把运行环境和依赖版本记录下来生成 requirements.txtpip freeze requirements.txt然后从干净环境重新执行一遍确认代码不需要手动修改即可运行。这一条容易被忽略但它才是“复现”的灵魂。注意如果你的代码依赖某个固定路径比如D:/data/attach1.csv换到另一台电脑就会报错。请在代码中使用相对路径或者在 config.py 中集中管理路径和参数。5.4 最终的完整检查清单下面是一份可以直接复制使用的检查清单[ ] 已阅读论文摘要但复现目标是正文模型不是摘要[ ] 已建立任务表明确每个小问的输入、输出、方法[ ] 已建立数据字典变量名、单位、来源一致[ ] 原始数据放在 data/raw未修改[ ] 数据清洗代码有注释每一条清洗规则都有原因[ ] 每个小问的模型都有独立脚本支持参数传入[ ] 随机算法已经设置固定 seed 或记录 seed[ ] 关键数值与论文偏差在可接受范围内[ ] 图表趋势与论文一致坐标标题、单位正确[ ] requirements.txt 已生成[ ] README 中写清运行顺序和依赖安装方式[ ] 已从干净环境重新运行一遍验证可复现6. 从复现到自主建模把一篇论文变成自己的武器6.1 提炼可复用资产复现一篇优秀论文后不要关掉项目。从复现代码中提炼三类资产第一类是数据处理模板。例如缺失值处理、异常值剔除、标准化函数这些代码可以在下一道赛题中直接复用。第二类是模型封装模板。规划模型、评价模型、预测模型都可以抽象成函数或类只需要替换成本函数和约束。第三类是可视化模板。中文字体设置、导出高清图、绘制对比柱状图的代码可以保存为一个通用模块。整理这三个文件src/ ├── common/ │ ├── preprocess.py │ ├── models.py │ └── style.py下次比赛时可以直接从 common 模块导入已有函数把精力集中在题目本身的建模差异上而不是重新写一遍数据清洗和画图代码。6.2 写一份复现笔记复现笔记是比代码更重要的工作。建议用 Markdown 记录以下内容# 复现笔记2025年国赛B题优秀论文 ## 1. 题目概况 - 问题数量3个小问 - 数据附件附件1、附件2 - 核心任务简要描述 ## 2. 复现结果 - 问题一目标值复现值 vs 论文值 - 问题二最优解一致/不一致 - 关键图表图名与论文对应关系 ## 3. 偏差分析 - 数据清洗差异 - 参数差异 - 随机性影响 ## 4. 可复用结论 - 亮点方法 - 踩坑点 - 可改造点这份笔记在 2026 年国赛前翻阅价值最高。不要只在电脑里存一堆.py文件却没有一份说明你当时的思路和遇到过的坑。6.3 在复现基础上做一次“升级实验”复现不是终点。一个推荐的进阶方式是在论文结果的基础上做一次小改进。例如把论文中的固定参数改成自适应参数把单一目标改成加权多目标用另一种算法求解同一个模型比较效率和精度增加一组测试数据验证模型泛化能力。这样你产出的就不只是别人的论文复现而是一个有自己实验记录的新版本。竞赛评阅时这种“在优秀论文基础上做改进”的思路比单纯照搬更有价值。最后想说的是复现 2025 年国赛 B 题优秀论文的意义不在于记住某一题的解法而在于建立一套“拿到任何一篇论文都能重新实现出来”的能力。这种能力才是备战 2026 年数模国赛最宝贵的积累。