2022美赛B题拆解：更新周期、马尔可夫链与NSGA-II

简介2022年美赛B题围绕美国西部千年一遇的干旱危机要求给出水资源分配策略。这份M奖优秀论文面向参加数学建模竞赛的学生及指导教师提供可直接研读的获奖级完整解法。论文提出FHSD公平分层供需模型以多目标非线性规划为框架先用马尔科夫链分析历史气候数据得到降雨概率再借助蒙特卡洛模拟预测一个月内天气以连续干旱天数最大概率确定模型更新时机随后按一年周期构建分层供需结构由水库水位与容量关系拟合供应函数并设计公平效益系数、价格系数、成本系数与满意度刻画需求函数最终用NSGA2算法求解帕累托非劣解在公平性与经济效益间取得平衡文中还附有敏感性分析与具体水量、经济效益结果。资源包共1个PDF文件约1.16MB正文含摘要、建模推导与结果讨论结构完整适合按模块精读与仿写。目前已有3065人学习下载可供备赛选题、模型搭建与论文写作参考。1. 先给判断2022年美赛B题的分水岭是“多久更新一次”这个参数2022年美赛B题给的是一道典型的资源分配难题一条长期缺水的流域上上游和下游两座水库要给五个辖区同时提供农业、工业、居民用水和水力发电问你怎么分、分多久、不够了怎么办。很多队伍一上来就开始写水库调度方程最后交上去的是一份专业术语过多、让评审难以快速理解的水文作业。那篇拿到M奖的优秀论文真正让它获得认可的地方在于它先把“模型多久更新一次”当成一个需要算出来的量用马尔可夫链拟合历史降雨用蒙特卡洛把连续干旱天数的分布跑出来挑概率最大的那个天数当更新周期。这个动作看着不起眼却同时解决了鲁棒性论证和时间粒度这两个扣分点。它后面的公平分层供需模型、多目标非线性规划和NSGA2全建立在“更新周期”这个基础之上。这篇笔记就按这条线拆考什么、高频考点怎么背、真题怎么答、哪里最容易出错。适合已经能写完整篇论文、但总在“模型说不圆”上失分的队伍。2. 命题拆解B题四问之间的任务链条与评分视线顺序2.1 四问之间的链条关系比四问本身更重要B题给了四个问题表面上是并列的实际上是一条单向依赖链。第一问要求建立水资源与电力分配模型具体包括三件事当上游水库水位为 P、下游水库水位为 M 时两库之间的调水量是多少在没有额外来水的情况下满足既定需求需要多长时间如果逐步补充来水需要补多少。第二问要求建立一套标准用来解决“一般用水农业、工业、居民”和“发电”之间的冲突。第三问是当所有水和电的需求都无法满足时怎么办。第四问是敏感性分析农业、工业、人口变化时模型怎么变可再生能源比例上升时怎么变水和电需求下降时怎么变。关键点在于第一问给你的水位—库容—发电关系是第二问目标函数的基础第二问的多目标解集是第三问“削减规则”的输入第四问改的是第二问里的需求参数和供给参数。四问只要断掉一处整篇论文的可信度就会下降一档。阅卷时常见的失分情形是第一问算了一个孤立的水量平衡第二问重新定义了一套变量两者之间没有任何关联。读者看不到“你在同一套模型上迭代”只会觉得你写了四个不相干的小作业。这类题评委会按下面的顺序看摘要里有没有完整的结果数字假设有没有把“为什么可以这么假设”讲透模型链条是不是一套变量贯穿到底结果有没有量纲、有没有对照敏感性分析是不是真的改变了结论而不只是贴了两张图模型评价有没有说出自己方法的边界。真正拉开M奖和普通完成度差距的是“链条完整”和“结果解释得动”这两条不是用了多高级的算法。提示摘要里每个问题至少给一个数字结论比如“更新周期取 10 天”“年度经济效益约 287 亿美元”“上游水库需 10 个月满足既定需求”。没有数字的摘要评委很难给你高印象分。2.2 把“分配水”翻译成决策变量、目标与约束很多人卡在第一步题目说的是水但写模型时不知道该让什么当变量。标准做法是把“谁从哪座库取多少水”拆成三维下标辖区、行业、水源。再补上“两库之间的调水量”和“发电用水量”决策变量就完整了。符号含义单位取值约束x[i][j][k]第 i 个辖区第 j 个行业从第 k 座水库取的水量百万立方米≥0且不超过该行业需求t两库之间的调水量百万立方米≥0受输水能力上限约束g[k]第 k 座水库用于发电的下泄流量百万立方米在最小发电流量与最大下泄能力之间T满足既定需求所需月数月正整数约束至少要写四类库容约束任一时刻蓄水量必须落在死库容和最大库容之间发电水位约束低于最小发电水位就发不出电输水能力约束渠道不是无限粗的需求上限约束不能给某个辖区分配超过它实际需要的水。目标函数至少两个经济效益用售水收入加售电收入再减输水成本公平性用各辖区缺水率的方差或者各辖区满意度最小值的最大化。这里有个容易被忽略的细节输水成本跟距离成正比所以成本系数不是常数而是“距离×单位距离成本”。论文里专门设计了公平效益系数、价格系数、成本系数和满意度四个参数来确定需求函数就是让不同辖区、不同行业的水在模型里“价格不同、权重不同”。农业用水量大但单价低居民用水量小但优先级高工业和发电抢同一股下泄流量。这些差异如果不体现在系数上你的“公平”就只是一句口号。2.3 真题演练第一问的三种答法与评分差异第一问是整篇的地基也是最容易答浅的一问。把常见答法按水平排一下你就能看出评委想要什么。第一种答法直接做水量平衡。用上游水库的蓄水量加上区间来水减去蒸发和渗漏再减去两库之间的调水量得到下游水库蓄水量然后判断“够不够”。这种答法的致命问题是它没有回答“要多久”。题目问的是时间你给的是水量评委会直接判定你漏问了。而且它没有优化任何一组可行解都叫解你没法说明自己的方案比别人的好。第二种答法建一个线性规划目标是最小化总缺水量约束就是上面那四类。这比第一种强至少有了“最优”的概念。但它仍然没有回答“逐步补水需要补多少”因为线性规划只给一个静态最优解不含时间维度。而且最小化缺水量这个目标太单一第二问的公平性和发电效益完全没接上。第三种答法也是那篇论文走的路线分三段。第一段先判断在当前水位下既定需求能不能被满足用可行性检验代替优化第二段如果不能满足把“满足需求所需时间 T”当成决策变量在每一期里滚动做水量平衡解出 T第三段在 T 已知的前提下反推每期需要额外补充多少来水才能把 T 压到目标值。三段之间共用一套变量和参数第二问直接拿第一问的供水方案当初始解链条自然就接上了。第三种答法的好处在于它把一道看起来是“算水量”的题变成了“算时间、算缺口、算补给”的递进结构。评委看到的是一个有层次的模型不是一堆公式。你如果在论文里再补一句“考虑到水库调度成本高、灵活性低更新周期不宜取得过短”就把第三问和第四问的讨论空间也预留出来了。3. 高频考点马尔可夫链加蒙特卡洛怎么把“更新周期”算成一个数3.1 转移矩阵的三个必答点状态空间、无后效性、平稳性这部分是整篇论文最容易被追问的技术点。状态空间要写得足够简单把某一天分成“无雨”和“有雨”两个状态就够了状态越多转移矩阵越难估准样本一少就会出现整行概率为 0 的情况。论文的做法就是二状态事件 A 表示某日无雨事件 B 表示某日有雨用历史天气数据统计“昨天无雨今天有雨”“昨天有雨今天无雨”这类相邻日的频数归一化得到 2×2 的转移概率矩阵。无后效性这句话必须自己说清楚不能只抄定义。“在给定今天天气的条件下过去若干天的天气对预测明天没有额外信息”这句表述要配上你的检验思路如果历史数据里连续干旱有明显的季节性聚集那二状态马尔可夫链就是一个近似你需要在假设里承认这一点并在敏感性分析里说明它对结论的影响方向。评委不会因为你做了近似而扣分但一定会因为你假装近似不存在而扣分。平稳性是可加分的部分。给定转移矩阵 P解 πPπ 且 π 各分量和为 1得到长期处于无雨状态的概率。这个数有两个用处一是在论文里说明“长期来看该流域约有八成时间处于干旱状态”给后面的水资源紧张提供数据支撑二是给蒙特卡洛模拟提供初始状态分布避免你一上来就假设“从雨天开始”把连续干旱天数系统性低估。3.2 蒙特卡洛模拟连续干旱天数抽样口径决定结论可信度有了转移矩阵模拟就很简单从某个初始状态出发按 P 一行一行地抽下一天的状态跑满一个月记录这个月里最长的连续无雨天数 L重复上万次就得到 L 的分布。论文取“概率最大的那个 L”作为更新周期逻辑是按最可能出现的连续干旱长度来定调度周期模型在最坏情况附近也不会失灵。这里有三个决定结论可信度的口径写论文时必须交代。第一初始状态怎么定。正确做法是用当月历史雨日频率作为初始分布抽样错误做法是固定从雨天或旱天开始后者会让结果偏移好几天。第二月份长度取 28 还是 30 或 31。这个差异看着小但对“最长连续干旱天数”这种极值统计量影响不小论文里按季节分组处理就是把月份长度差异吸收进分组里。第三取众数还是取分位数。众数回答的是“最可能有多久”分位数回答的是“九成情况下不会超过多久”两者的工程含义不同。论文选了众数你如果选分位数就要在模型评价里说明这是更保守的策略并且解释为什么保守在这里是合理的。论文最终给出的更新周期是按季节、按水库分开的上游水库在 1 到 5 月取 10 天6 到 8 月取 11 天9 到 12 月取 11 天下游水库对应三个时段分别是 10 天、10 天和 17 天。分季节是有道理的因为不同季节的降雨转移概率差别很大把全年混在一起估一个矩阵等于把季节信号平均掉了。分水库也有道理两座库的集水区域不同历史序列本来就该分开统计。3.3 真题演练从历史频数到更新周期表的完整链路下面这段代码把上面三步串起来你可以直接换成自己统计的历史序列跑。注意里面的转移矩阵是示意值真实数值必须用你的数据重新估。import numpy as np # 历史日天气序列0 无雨1 有雨换成你自己整理的气象序列 hist np.array([0, 0, 0, 1, 0, 0, 1, 1, 0, 0, 0, 0, 1, 0, 0, 1, 1, 0, 0, 0]) # 第一步用相邻日频数估计转移矩阵 n[i][j] 表示昨天 i、今天 j的次数 n np.zeros((2, 2), dtypeint) for a, b in zip(hist[:-1], hist[1:]): n[a, b] 1 # 加一平滑防止某个状态在样本里没出现过导致整行概率为 0 P (n 1) / (n 1).sum(axis1, keepdimsTrue) print(转移矩阵 P ) print(np.round(P, 4)) print(行和 , P.sum(axis1)) # 必须都是 1否则矩阵写错了 # 第二步解平稳分布 pi * P pi作为初始状态抽样依据 w, v np.linalg.eig(P.T) pi np.real(v[:, np.argmax(np.real(w))]) pi pi / pi.sum() print(平稳分布 pi , np.round(pi, 4)) # pi[0] 即长期无雨概率这段代码的前半部分做两件事。n[a, b] 1是在统计相邻日的状态转移次数zip(hist[:-1], hist[1:])把序列错开一位配对这是估计转移矩阵最直白的写法。除以行和是把频数变成概率保证每一行加起来是 1。加一平滑是习惯性做法血泪经验样本只有两三年时某个转移对一次都没出现是常事不平滑就会出现整行 0后面抽样直接报错。平稳分布用特征向量法求取实部最大特征值对应的向量再归一化比迭代法短但对数值精度敏感跑完记得看行和是不是 1。def longest_dry_run(days, P, start_dist, rng, n_sim20000): 返回 n_sim 次模拟中当月最长连续无雨天数的数组 out np.empty(n_sim, dtypeint) for k in range(n_sim): s rng.choice(2, pstart_dist) # 按平稳分布抽初始状态 run best 0 for _ in range(days): if s 0: # 今天无雨连续计数 1 run 1 best max(best, run) else: # 今天有雨连续计数清零 run 0 s rng.choice(2, pP[s]) # 按当前状态那一行抽明天的状态 out[k] best return out rng np.random.default_rng(2022) L longest_dry_run(days31, PP, start_distpi, rngrng, n_sim20000) vals, counts np.unique(L, return_countsTrue) freq counts / counts.sum() for v_, f_ in zip(vals, freq): print(f最长连续干旱 {v_:2d} 天概率 {f_:.4f}) print(取众数作为更新周期 , vals[np.argmax(counts)], 天)讲解几个参数怎么改。days填当月天数1 月填 31、2 月填 28不要全年统一填 30极值统计对长度很敏感。n_sim至少一万低于两千时众数会抖你重跑一次结论就变评审一眼能看出不稳。start_dist用平稳分布如果按季节分组跑就换成该季节子序列估出来的平稳分布。rng固定种子是为了让论文里的数字可复现很多队伍忘了这点答辩或复核时重跑结果对不上很难解释。最后一步是把众数按季节和水库排成一张表作为模型更新周期直接写进第四问的灵敏度对照里。这张表本身就是得分点它让“我们考虑了最坏情况”这句话从口号变成了有分布支撑的结论。4. 核心模型公平分层供需模型怎么搭NSGA-II 怎么调4.1 供给端水位—库容的对数线性回归与发电函数供给函数不是拍出来的是从数据里回归出来的。做法是拿两座水库各自的历史水位与蓄水量配对数据做对数—对数线性回归也就是用 ln(蓄水量) 对 ln(水位) 做最小二乘。用双对数的好处是拟合出来的曲线在低水位段不会出现负值而且斜率可以解释成弹性水位变 1%库容大约变多少。论文报了两个水库的斜率、截距、R² 和 p 值两个回归方程的 p 值都远小于 0.01说明在 1% 的显著性水平下回归系数显著不为零蓄水量和水位之间确实存在相关关系。这一段在论文里必须写全数据来源、样本量、回归形式、参数估计、显著性检验、拟合优度。少任何一项评委都会怀疑你的供水曲线是随手画的。另一个容易漏的点是分段水位低于死库容对应的水位时蓄水量按零处理低于最小发电水位时只能供水不能发电高于某个阈值时库容接近上限、边际蓄水能力迅速下降。这三个拐点如果不写进供给函数后面解出来的方案会出现“水位越低越能供水”这种反直觉结果。发电部分用实际出力公式出力等于效率乘密度乘重力加速度乘流量再乘水头水头就是上下游水位差。把这个式子和水位—库容回归联立就能得到“给定蓄水量能发多少电”的映射。这里单位换算是最大的风险点库容常用百万立方米或亿立方米水头用米流量用立方米每秒最后出力是瓦换算成千瓦时还要乘时间。论文里把单位统一写在一张符号表里这个习惯值得照做。4.2 需求端公平效益系数、价格系数、成本系数、满意度四件套需求函数由四个参数共同决定这是这套模型最有辨识度的地方。公平效益系数给每个辖区一个权重体现“缺水率高的辖区应该被优先照顾”价格系数按行业区分农业低、居民高因为居民用水的支付意愿和不可替代性更强成本系数等于输水距离乘单位距离成本决定从哪座库调水更划算满意度是一个归一化到 0 到 1 之间的量由实际供水量除以需求量得到缺水率就是 1 减满意度。分层体现在两个维度上。第一个维度是辖区层五个辖区的需求先汇总再按公平效益系数分配总量。第二个维度是行业层同一个辖区内部农业、工业、居民三类的需求按价格系数和优先级排序。这样“公平”就不是一句形容词而是可以被计算、被比较、被画成帕累托前沿的东西。论文里反复强调“公平与效益的权衡”靠的就是这套参数化表达。写这一段时建议配一张参数表把每个系数的含义、取值范围、取值依据列清楚。取值依据可以来自文献、可以来自统计数据、也可以是合理假设但必须写明白。评委最不喜欢看到的是“我们设公平效益系数为 0.6”然后没有下文这个 0.6 是从哪来的直接决定你的模型是可复现的还是编的。4.3 多目标非线性规划目标怎么写、约束怎么设、帕累托前沿怎么读模型的目标有两个。经济效益目标最大化售水收入加售电收入再减输水成本社会效益目标最小化各辖区缺水率的方差或者最大化最缺水辖区的满意度。两个目标方向相反全给农业公平性好但经济效益差全给工业和发电效益好但居民和农业缺水率飙升。这种冲突正是多目标规划存在的理由。约束汇总起来有六类水库蓄水量上下限、最小发电水位、渠道输水能力、各行业需求上限、两库之间的调水量非负且受限、年度总水量不超过可用总量。非线性来自两处水位和库容是对数关系发电出力是水头乘流量的乘积。所以叫多目标非线性规划不是随便起的名字。求解用 NSGA2。这个算法的核心是 nondominated sorting 加拥挤度距离先按支配关系把种群分层第一层是非支配解再在同一层里按拥挤度挑保证帕累托前沿分布均匀。参数上种群规模一般取 100 到 200迭代代数 200 到 500交叉概率 0.9 左右变异概率取 1 除以决策变量个数。约束处理用罚函数最省事把越界量平方后乘一个大系数加到目标上。跑完之后得到一条帕累托前沿横轴是经济效益纵轴是缺水率方差每个点都是一套可行的分配方案。怎么从前沿上挑最终方案是很多人写不好的地方。可以直接报极值点效益最大或公平最好也可以用膝点法找拐弯最急的那个点因为拐点之后再多牺牲公平换来的效益增量已经很小还可以用 TOPSIS 按理想点距离排序。论文选了哪一套要写清楚并解释为什么这套准则符合题意。只贴一张前沿图不选点等于把决策问题又扔回给评委。4.4 真题演练经济效益数字怎么自圆其说论文给出的年度经济效益是 287.01 亿美元同时说明上游水库需要 10 个月满足既定需求、下游水库需要 12 个月一年供水结束后大约有 20 亿立方米水量流入下游海湾而未被利用。这几个数字就是第二问和第三问的落点也是摘要里最值钱的部分。下面给出目标函数的实现骨架你可以把它接到任意 NSGA2 实现上。import numpy as np N_AREA, N_SEC 5, 3 # 辖区数、行业数农、工、居 DEMAND np.array([ [120, 60, 40], [90, 70, 55], [60, 30, 25], [45, 25, 20], [30, 20, 15]], dtypefloat) # 各辖区各行业年需水百万立方米 PRICE_W np.array([0.15, 0.90, 1.60]) # 分行业水价美元/立方米示意值 COST_T np.array([0.02, 0.05, 0.03, 0.06, 0.04]) # 各辖区输水成本系数 PRICE_E 0.1041 # 电价美元/千瓦时 KWH_PER_UNIT 1200.0 # 每百万立方米下泄对应的发电量示意值 def objectives(x): x: 长度 N_AREA*N_SEC 的向量返回 [负经济效益, 缺水率方差]越小越好 alloc x.reshape(N_AREA, N_SEC) alloc np.clip(alloc, 0, DEMAND) # 硬约束不超过需求 water_income (alloc * PRICE_W).sum() # 售水收入 power_income alloc.sum() * KWH_PER_UNIT * PRICE_E trans_cost (alloc.sum(axis1) * COST_T).sum() econ water_income power_income - trans_cost deficit 1 - alloc.sum(axis1) / DEMAND.sum(axis1) deficit np.clip(deficit, 0, 1) equity deficit.var() # 缺水率方差越小越公平 return np.array([-econ, equity]) print(objectives(np.full(N_AREA * N_SEC, 20.0)))这段代码有三个设计取舍值得在论文里明说。第一目标取“负经济效益”是因为 NSGA2 默认做最小化符号一改就不用改算法内部。第二np.clip用来保证分配量不超过需求这属于硬约束比用罚函数更干净但代价是搜索空间被截断可能错过边界最优解所以论文里应该说明约束处理方式并做一次对比。第三缺水率用“1 减 实际比需求”的均值向量取方差衡量的是辖区之间的不均衡程度不是总缺水量。如果你换成最小化总缺水量模型会退化成“谁需求大谁挨饿”公平性讨论就没了。回到那个 287.01 亿美元。这个数不是重点重点是它怎么被拆解和验证。一篇合格的论文至少要说清三件事收入项里售水和售电各占多少成本项里输水成本占比多少把分配方案代回水量平衡后两座水库的月末蓄水量是否仍在可行区间内。第三件事最容易被跳过但它恰恰是“结果可信”的唯一证据。如果代回去发现某个月末蓄水量低于死库容那你的经济效益再漂亮也是不可行解。5. 易错点五个最容易在B题上失分的地方5.1 更新周期凭感觉定成常数错在哪直接在假设里写“设模型每月更新一次”或者“取 30 天为一个调度周期”然后全程不再讨论。为什么错题目背景明确强调长期干旱和来水不确定你的周期如果跟来水不确定性无关第四问的敏感性分析就没有着力点评委会认为你没有回应题意。怎么答对把周期当成要解出来的量先估计转移矩阵再模拟连续干旱天数分布取众数或分位数并按季节、按水库分开列一张周期表。哪怕最后结论正好是 30 天你也要把“为什么恰好是 30 天”的推导写出来。5.2 单位不统一算出来的水量差三个数量级错在哪库容用百万立方米需求用亿立方米流量用立方米每秒发电量用千瓦时中间不做换算就相加。为什么错这是最典型的翻车点而且它不会报错代码照跑结果照出只是数字荒谬。评委看到“年度经济效益 2.87 亿美元”或者“缺水量 4000 万立方米”这种明显不合理的量级会直接怀疑整篇的可信度。怎么答对在符号表里给每个变量标单位所有公式推导前后各做一次量纲检查代码里用常量做显式换算比如MAF_TO_M3 1.233e9不要在心里默默乘。5.3 多目标直接加权成单目标错在哪把经济效益和公平性各乘一个权重加起来变成一个单目标优化问题。为什么错权重怎么定你说不清而且一旦加权帕累托前沿就没了评委看不到“公平换效益”的边际替代关系等于把这道题最核心的权衡丢掉了。怎么答对保留多目标跑出前沿再用膝点法或 TOPSIS 选一个方案并说明选点准则。如果确实要加权就把权重当敏感性变量跑一组权重、给一组解展示结论对权重是否敏感。5.4 公平性只有形容词没有指标错在哪通篇写“我们兼顾了各辖区的公平”但模型里没有任何一个量能算出公平。为什么错不可量化的目标等于没有目标第二问的“解决利益冲突”就成了空话。怎么答对至少给一个可计算的指标缺水率方差、基尼系数、最差辖区满意度、加权基尼任选其一写清定义、取值范围和取值方向然后把它放进目标函数或者约束里。指标选哪个不重要重要的是它出现在模型里而不只是文字里。5.5 第三问答成一句“减少需求”错在哪当水和电都不够时回答“建议减少用水、提高效率、发展可再生能源”。为什么错这是政策建议不是模型答案。题目问的是“你的模型怎么办”要的是在你的模型框架内可执行的规则。怎么答对写分层削减规则按行业优先级排序农业先削减、工业其次、居民最后给触发阈值比如蓄水量低于某个比例时启动第一级削减用第一问算出的缺口量确定每一级削减多少最后说明削减后模型的目标值怎么变。规则要能被代回模型跑出数字否则还是空话。还有一个隐性易错点虽然不在上面五条里但值得单独记住图表的坐标轴没有单位、图例和正文对不上、帕累托前沿只画点不画坐标含义。这些细节不涉及模型对错但评委翻论文只有那么点时间图看不清就直接跳过你的分析就白写了。6. 保底做法交卷前我会强制走一遍的六步清单走到最后一步讲讲怎么把上面这些内容落到一篇能在有限时间里交出去、并且不丢基础分的论文上。我带过的队伍里最常见的失败不是模型想不出来是想太多然后写不完。所以下面这套流程的核心是“先保结构完整再谈模型精致”。步骤动作时间占比自检问题1拆四问画依赖链5%四个问题是不是共用一套变量2定决策变量、目标、约束15%每个约束能不能写成一行不等式3挑一个“别人不会算”的量先算20%更新周期有没有被算出来4主模型求解拿到可行解30%解代回水量平衡后是否可行5敏感性分析改参数不改结论15%结论方向有没有变为什么变6摘要与图表回头对齐数字15%摘要里的每个数图表里能不能找到第 3 步是这套流程里最值钱的一步。任何一道资源分配题都有一个“看起来是背景、其实是关键变量”的量这道题是更新周期换成能源调度可能就是机组启停的最小间隔换成物流可能是补货周期。你把这个量算出来论文立刻就有了自己的观点不再是对题目要求的逐条应付。第 6 步我要求学生把摘要单独打印出来拿着它去论文正文里逐句找对应。摘要写“经济效益约 287 亿美元”正文里必须有一张表或者一段推导给出这个数摘要写“更新周期按季节分为 10 天、11 天、17 天”第三部分必须有那张按季节分组的表。找不到对应的句子就删掉或者补上宁可摘要少写两句也不要出现文摘不一致。押题方向上这类“资源分配 多目标 不确定性”的骨架复用力很强。流域配水可以换成区域电力调度、应急物资分配、碳排放配额分解、生产线的产能分配题目换了你要做的还是那四件事把不确定性量化成一个可调参数把公平性写成可计算的指标把冲突画成帕累托前沿把不够用时的削减写成可执行的规则。练透一道等于给后面一类题准备了一个模板。从那次之后我每次拿到资源分配类题目都强制先问自己一句“这个模型多久更新一次”然后再动笔写任何一个公式。这句话救过我至少两次因为它逼着我把“不确定性”从背景描述里拽出来变成模型里一个实实在在的决策变量。希望帮到你。本文还有配套的精品资源点击获取