教育教学

　　2023年12月15-17日，“华为杯”第二十届中国研究生数学建模竞赛颁奖大会暨二十周年庆祝大会在东南大学举行。本次赛事来自国际和国内各省、自治区、直辖市、特别行政区共507个研究生培养单位的19898队研究生参赛，其中我校共有186支队伍参赛。经过激烈角逐，我校荣获全国一等奖2项、二等奖38项、三等奖66项；电子科技大学蝉联“优秀组织奖”，数学科学学院李明奇副教授获评“先进个人”。

　　“华为杯”第二十届中国研究生数学建模竞赛于2023年9月22日8:00至9月26日12:00举行，采取网上公布试题、参赛队（由3名研究生同学组成一个队）独立完成的方式进行。

　　竞赛题目一般来自工程技术与管理科学等方面的实际问题并经过适当简化加工，试题难度、广度、深度等方面适合绝大多数专业研究生。参赛者根据题目要求，完成一篇包括模型的假设、建立、求解、改进以及结果分析与检验等方面的论文。本届竞赛共有七个赛题：

　　A题：WLAN网络信道接入机制建模（华为题目）；

　　B题：DFT类矩阵的整数分解逼近（华为题目）；

　　C题：大规模创新类竞赛评审方案研究；

　　D题：区域双碳目标与路径规划研究；

　　E题：出血性脑卒中临床智能诊疗建模；

　　F题：强对流降水临近预报。

　　计算机科学与工程学院（网络空间安全学院）的博士生罗登晏同学说：“团队非常荣幸能够在本次的研究生数学建模竞赛中获得优异的成绩，竞赛的题目都十分有现实意义，我们解决这样一个现实问题的过程就是利用数学工具将现实情境转化为数学模型，再将结果带回到现实情境进行检验和调整，使得模型不断优化，最终得以更好地解决现实问题的过程。”通信抗干扰全国重点实验室的硕士生龙子璇说：“参加数模竞赛对我们学生而言是一次非常有效锻炼编程能力和拓展思维的机会，增强了队友间团结协作精神，培养了解决实际工程问题的本领，对个人能力的提升有极大促进作用。这次比赛对我来说是一次非常宝贵的学习经历。”信息与通信工程学院的硕士生潘晓凤说：“竞赛十分考验我们的团队协作能力，竞赛前熟练的模型在应用到新的领域的问题时不能死搬硬套，需要团队三人在短时间内协作查找题目所属背景的文献，这培养了我们的创新思维、团队合作和论文写作能力。” 数学科学学院的硕士生杜宇昂同学说：“团队很高兴能够在本次的‘华为杯’数学建模竞赛中获得好成绩。团队在比赛中选择了一道关于临床智能诊疗建模的题目，这是当前医学与统计学交叉的热门问题，我们对此充满了兴趣与动力。数学建模竞赛为我们提供了一个广大的舞台，鼓励我们勇攀高峰，不断向难题发起挑战。”

　　中国研究生数学建模竞赛是由教育部学位管理与研究生教育司指导，中国学位与研究生教育学会、中国科协青少年科技中心主办的“中国研究生创新实践系列大赛”主题赛事之一。我校研究生学子自2015年开始已连续参加九届研究生数学建模竞赛，2023年共186支队伍参赛，参赛队伍数量（较上年增长32.86%）和获奖队伍数量（106队）均创历史新高，自参赛至今我校共斩获一等奖16项（含华为专项奖4项），二等奖154项，三等奖183项。

　　我校高度重视研究生创新实践能力培养，研究生院通过“研究生科技创新支持项目”开展包括“中国研究生数学建模竞赛”在内的21项研究生学科竞赛活动，鼓励研究生积极参与学科竞赛，将理论知识与应用实践相结合，全面提升研究生综合素质培养。

　　数学科学学院成立研究生数学建模竞赛指导组，精心组织、认真筹划，2023年5月至10月间，通过开展系统理论讲解和一对一模拟实战训练，集中培训指导，提升参赛队员建立数学模型和应用计算机技术解决专业问题的综合能力，推进我校研究生科创能力不断提升，助力我校研究生培养质量再上新台阶。

　　相关链接:

　　1.一等奖项目介绍：

　　（1）B题：DFT类矩阵的整数分解逼近（华为题目）

　　团队由李紫荆（通信抗干扰全国重点实验室博士生），何诗宇（通信抗干扰全国重点实验室硕士生）和龙子璇（通信抗干扰全国重点实验室硕士生）组成。团队在“DFT类矩阵的整数分解逼近”参赛项目中，采用蝶形分解算法各种优化搜索算法，把DFT矩阵分解为稀疏矩阵，实现了在芯片设计中降低DFT计算复杂度的目标。

　　对于问题一，采用Cooley-Tukey蝶形算法，把N阶DFT矩阵分解为若干个稀疏子矩阵的乘积从而减少DFT计算的乘法次数。对于问题二，采用基Feig-Winograd映射算法、遗传算法、序列二次规划算法，从而把分解后的矩阵元素取值限制为简单元素。问题三是前两个问题的结合，除了采用遗传算法，还提出了一种新的优化搜索算法实现DFT矩阵的高精度和低复杂度分解。对于问题四，结合Cooley-Tukey算法、Kronecker积的性质、矩阵初等行变换、遗传算法这四种基本原理，提出两种新的“混合积分解—降维寻优法”实现DFT矩阵的Kronecker积的高精度低复杂度分解。对于问题五，提出改进的优化搜索算法，增加了搜索纬度，限制稀疏矩阵的元素位置，从而进一步提高分解精度。

　　（2）E题：出血性脑卒中临床智能诊疗建模

　　团队由潘晓凤（信息与通信工程学院硕士生）、罗登晏（计算机科学与工程学院（网络空间安全学院）博士生）和唐雪莲（通信抗干扰全国重点实验室硕士生）组成。团队在“出血性脑卒中临床智能诊疗建模”参赛项目中，充分运用提供的出血性脑卒中患者多源数据，通过人工智能技术对血肿扩张以及周围水肿的发生和发展进行了建模。

　　对于问题一，对血肿扩张风险相关因素进行建模，使用了无监督预测-概率聚类和标记（PCLA）的方法，计算血肿相关特征值与阈值之间的差异，构建激活函数进行映射，最终实现准确的预测。对于问题二，对血肿周围水肿的发生及进展建模，构建了多项式拟合和BP神经网络算法，结合可视化图表对结果进行评估。考虑水肿体积变化率和具体数值，分别采用欧式距离和基于EM的GMM聚类方法，将患者分为四类来探索治疗干预和水肿进展的关联。同时，整理数据并结合患者分类结果进行卡方验证，以判断治疗方式对水肿进展的显著性影响。对于问题三，探索出血性脑卒中患者预后预测及关键因素，首先建立了具有不同核函数的用于分类任务的支持向量机 SVC 和用于回归任务的支持向量机 SVR，通过综合评估选择模型，排除不相关特征以提高模型效率。此外，设计了具有特征权重函数的SVC模型进行特征区分，同时将离散数据按疾病史或治疗方法分类来观察对mRS的影响，而连续数据采用归一化和Spearman相关性分析，利用热力图进一步揭示关键特征如糖尿病史、冠心病史、治疗方案对mRS评分的显著影响。