1：态度问题。一个良好态度的团队决定你们的效率。如果想真正做好，请不要寻找不专注的人。态度是第一位的。所以既然选择做数模，就把玩或者回家的事情放一放

续2：一个例子就是，建模的同学最好会一点编程，这样他在给出一个可能要用到的算法时，可以估计编程同学的工作量。而编程的同学也要懂一点建模，这样在建模同学给你交代编程任务时，才能理解得更透彻。写作的同学，最好也懂建模，在讨论中也能发挥作用。最好三者全能而却对某一部分擅长

续2：楼主本人出身编程，带我的学长人很好，一直在提醒我建模能力提高的重要性。今年icm本人充当建模，效果不算好，但也挤进了一等奖。我们队另外两个人一起写作，很大程度上提高了论文质量，因此，全能而又专精，对数模大有帮助。想继续做下去的同学，可以认真考虑

3：选题。相信今天大家都看到两道题了。本人的建议是，在明天中午之前，确定题目，并且中途不要换题！无论如何，不要怀疑你的选择，因为灵感可能在最后才爆发。当时和学长做比赛，他总是在最后一天能出来一个好的思路，因此，选题要坚定，而且没有哪个题好做不好做的说法。好做的题，更难突出创意

4：查资料。看到题以后，就要动手分析，这个题，属于哪个学科的哪个分支，在此方面有什么应用，哪些方法，优缺点。了解清楚，但不要照搬，在理解他人思路的基础上，再去看你原来的问题，可能会有比较大的突破。

续4：关于查资料，首先要选好关键字。对于中文资料，可以在cnki上查询，非常之全，当然维普什么的也可以。对于英文文献，把你的关键字用cnki词典翻译后，在谷歌学术里进行查询，一般都可以。更高级可使用web of science

5：分析题目。这点楼主跟比较强的建模比较起来，还是差的远。不过一些好的习惯可以提供给大家，那就是把你们想到的思路，全部整理出来，记在纸上。对于模型的看法是不同建模者最终成果最重要的区别，对此最好了解清楚基本模型，再此基础上结合你看的资料或者文献，进行一下针对你的问题的设计

续5：这里必须纠正一个误区，许多人看到题目是规划问题，就去找一本厚书，试图了解规划的全部内容。这是比较低效的。首先，你要解决的，只是规划的一部分问题。其次，你只有三天，没时间让你系统性学习。因此，把握你要解决什么问题，找到类似的处理方法，改进并应用于你的问题，这是对入门的一个要求。切记不要把时间耗在资料的大海里。做数模和搞长期科研不完全一样。

续5：依旧是模型。建模，是对客观事物用数学语言的刻画。你要做的，是从实际问题中抽象出一个可以用数学描述的东西。这个东西，要尽量反应实际事物的本质。因此，不要刻意追求很复杂的模型，可能根本就不沾边的东西，不要硬塞进模型，老师不是傻子。但也不能太简单，一个非线性你非要线性，那就丢失了本质。把握这个度，是你建模能力的体现

6：编程。广大人民的大问题。有了好的思路，编程不给力，算不出来，着实让人蛋疼。楼主的建议是，可以在网上寻找一些现成的程序，进行修改。其实练习编程，对你以后大有好处。做项目，仿真少不了的，不会编程，处处抓瞎。对于用matlab的同学，推荐网站matlab center，里面有很多精彩的向量化

7：模型的后期工作。这个过程决定你的最终模型水平。很可能你前期的模型不够完善，需要修改，在这里，你需要大量的讨论和对比，以及你计算的数据，来决定是不是校正你的模型。不要担心时间问题，国际赛特等奖的学长就坐在我旁边，我看到的是最后一晚上，他们还在完善模型

续7：对于自己建的带自定义参数的模型或者其他你认为变动参数影响较大的模型，一定要做灵敏度分析。这点当时被教练骂惨，印象深刻。你需要改变你自己定义的参数，来进行对你模型结果改变的评估。对于不同的问题，要求不同的灵敏度和不同严谨程度的误差分析。今年icm特等西电那篇论文，模型不是特别出彩，但是每一个细节，每一个可能的地方，他们都想到了。细节，决定你在众多优秀论文中地位的高低！

8：写作。重中之重，你得什么奖，完全取决于你论文写的怎么样。本人认识的一个国一同学，可谓人才，再烂的模型经他一写，顿时高大上。因此，模型再好，写不出来，也没用。这就是为什么要求写作人懂点建模了，不然思路跟不上。对于写作范例，参考特等奖论文。楼主的建议是，写作全程跟踪全队进度，从第一天就开始写，不要拖到模型建完算完，这样先搭框架再填东西，能给你们更多的时间建模和修改论文