從2016年開始，每年美賽MCM/ICM各出3題，即總共六題。
MCM俗稱數學模組化競賽，有三道題：problem A , problem B 和problem C。A題是連續型的題，B題是離散型的題，C題是資料處理的題，大都是會給出大量的表格資料進行資料處理。
ICM俗稱交叉學科競賽，有三道題：problem D, problem E, problem F。與mcm不同的是，題目上會給你一些參考的資料，友善你盡快找到查資料的方向。problem D是運籌學和網絡科學等類型的題目，problem E近往年都是關于環境方面的綜合題目，現在改成了可持續性題目。problem F是政策的題目。
總的來說，MCM 偏自然、理工，而ICM偏社科、人文。更多的模組化er更傾向于選擇MCM的ABC題。MCM出的題目更偏向于運用數理知識模組化解決，ICM則更偏重于運用跨學科知識，以下是自2016年起每年選題人數比例：
2016-2022年曆年參賽隊伍數如下圖所示：
由上圖可知除了2020年疫情原因，參賽人數整體為逐年增長趨勢。
這個是美賽常用的模型代碼，以及各題型常用的代碼！
比賽時會分享各個賽題的思路代碼模型以及講解視訊！
數學模組化競賽中應當掌握的十類算法：
1、蒙特卡羅算法
該算法又稱随機性模拟算法，是通過計算機仿真來解決問題的算法，同時可以通過模拟
可以來檢驗自己模型的正确性，是比賽時必用的方法；
2、資料拟合、參數估計、插值等資料處理算法
比賽中通常會遇到大量的資料需要處理，而處理資料的關鍵就在于這些算法，通常使用
Matlab 作為工具；
3、線性規劃、整數規劃、多元規劃、二次規劃等規劃類問題
模組化競賽大多數問題屬于最優化問題，很多時候這些問題可以用數學規劃算法來描述，
通常使用 Lindo、Lingo 軟體實作；
4、圖論算法
這類算法可以分為很多種，包括最短路、網絡流、二分圖等算法，涉及到圖論的問題可
以用這些方法解決，需要認真準備；
5、動态規劃、回溯搜尋、分治算法、分支定界等計算機算法
這些算法是算法設計中比較常用的方法，很多場合可以用到競賽中）
6、最優化理論的三大非經典算法
模拟退火法、神經網絡、遺傳算法（這些問題是用來解決一些較困難的最優化問題的算
法，對于有些問題非常有幫助，但是算法的實作比較困難，需慎重使用
7、網格算法和窮舉法
網格算法和窮舉法都是暴力搜尋最優點的算法，在很多競賽題中有應用，當重點讨論模
型本身而輕視算法的時候，可以使用這種暴力方案，最好使用一些進階語言作為程式設計工
具；
8、一些連續離散化方法
很多問題都是實際來的，資料可以是連續的，而計算機隻認的是離散的資料，是以将其
離散化後進行差分代替微分、求和代替積分等思想是非常重要的；
9、數值分析算法
如果在比賽中采用進階語言進行程式設計的話，那一些數值分析中常用的算法比如方程組求
解、矩陣運算、函數積分等算法就需要額外編寫庫函數進行調用；
10、圖象處理算法
賽題中有一類問題與圖形有關，即使與圖形無關，論文中也應該要不乏圖檔的，這些圖
形如何展示以及如何處理就是需要解決的問題，通常使用 Matlab 進行處理；
各個算法對應的賽題載體：
1、蒙特卡羅算法：
在大多數模組化賽題中都離不開計算機的仿真，随機性模拟是非常常見的算法之一。
舉個例子就是 97 年的 A 題，每個零件都有自己的标定值，也都有自己的容差等級，而求解最優的組合方
案将要面對着的是一個極其複雜的公式和 108 種容差選取方案，根本不可能去解析求解的，那如何去找到
最優的方案呢？随機性模拟搜尋最優方案就是其中的一種方法，在每個零件可行的區間中按照正态分布随
機的選取一個标定值和選取一個容內插補點作為一種方案，然後通過蒙特卡羅算法仿真出大量的方案，從中選
取一個最佳的。另一個例子就是去年的彩票第二問，要求設計一種更好的方案，首先方案的優劣決定于很多複雜的因素，同樣不可能刻畫出一個模型進行求解，隻能靠随機仿真模拟。
2、資料拟合、參數估計、插值等算法：
資料拟合在很多賽題中有應用，與圖形處理有關的問題很多與拟合有關系，一個例子就是 98 年美賽 A 題，
生物組織切片的三維插值處理，94 年 A 題逢山開路，山體海拔高度的插值計算，還有吵的沸沸揚揚可能會
考的非典問題也要用到資料拟合算法，觀察資料的走向進行處理。此類問題在 Matlab 中有很多資料處理現
成的函數可以調用，熟悉 Matlab，這些方法都能遊刃有餘的做好。
3、規劃類問題算法：
競賽中很多問題都和數學規劃有關，可以說不少的模型都可以歸結為一組不等式組作為限制條件、幾個
函數表達式作為目标函數的問題，遇到這類問題，求解就是關鍵了，比如 98B，用很多不等式完全可以把
問題刻畫清楚，是以列舉出規劃後用 Lindo、Lingo 等軟體來進行解決比較友善，是以還需要熟悉這兩個軟
件。
4、圖論問題：
98B、00B、95 鎖具裝箱等問題展現了圖論問題的重要性，這類問題算法有很多，包括：Dijkstra、Floyd、
Prim、Bellman-Ford，最大流，二分比對等問題。每一個算法認真的話都應該寫一遍，否則到比賽時再寫就
晚了，
5、計算機算法設計中的問題：
計算機算法設計包括很多内容：動态規劃、回溯搜尋、分治算法、分支定界。比如 92B 用分支定界法，
97B 是典型的動态規劃問題，此外 98B 展現了分治算法。這方面問題和 acm 中的問題類似，推薦的書籍有
《計算機算法設計與分析》電子工業出版社等與計算機算法有關的書。
6、最優化理論的三大非經典算法：
模拟退火法、神經網絡、遺傳算法。這十幾年來最優化理論有了飛速發展，這三類算法發展很快，近幾
年的賽題越來越複雜，很多問題沒有什麼很好的模型可以借鑒，于是這三類算法很多時候可以派上用場，
比如：97A 的模拟退火算法、00B 的神經網絡分類算法、象 01B 這種難題也可以使用神經網絡、還有美國
競賽 89A 也和 BP 算法有關系，當時是 86 年剛提出 BP 算法，89 年就考了，說明賽題可能是當今前沿科技
的抽象展現。03B 伽馬刀問題也是目前研究的課題，目前算法最佳的是遺傳算法。
7、網格算法和窮舉算法
網格算法和窮舉法一樣，隻是網格法是連續問題的窮舉。比如要求在 N 個變量情況下的最優化問題，那
麼可以對這些變量可取的空間進行采點，比如在[a,b]區間内取 M+1 個點，就是在 a、a+(b-a)/M、
a+2*(b-a)/M、……、b 那麼這樣循環就需要進行(M+1)^N 次運算，是以計算量很大。
比如 97 年 A 題、99 年 B 題都可以用網格法搜尋，這種方法最好在運算速度叫快的計算機中進行，還有要
用進階語言來做，最好不要用 Matlab 做網格，否則會算很久的。窮舉法大家都熟悉，就不說了。
8、一些連續離散化方法
大部分實體問題的程式設計解決，都和這種方法有一定的聯系，實體問題是反映我們生活在一個連續的世界
中，計算機求解隻認離散的變量，是以需要将連續量進行離散處理，這種方法應用很廣，大都和上面的很
多算法有關，事實上，網格算法、蒙特卡羅算法、模拟退火都用了這個思想。
9、數值分析算法
這類算法是針對進階語言而專門設的，如果你用的是 Matlab、Mathematica，大可不必準備，因為象數值
分析中有很多函數一般的數學工具是具備的。
10、圖象處理算法
01A 題中需要你會讀 bmp 圖象、98 美賽 A 需要你知道三維插值計算，03B 要求更高，不但需要程式設計計算
還要進行處理，而數模論文中也有很多圖檔需要展示，是以圖象處理就是關鍵，做好這類問題，重要的是
把 Matlab 學好，特别是圖象處理的部分。
歡迎複制連結到浏覽器中打開，
https://docs.qq.com/doc/DY2lYaE9RaVd2RUhs
比賽時會分享各個賽題的思路代碼模型以及講解視訊！