A：骑自行车人的功率分布（连续）

属于决策、优化类，要求我们开发一个可以应用于任何骑手的模型，制定整个赛程消耗的能量总量，进行种种限制。优化类模型如下

B：人力水力共享（离散）

属于优化与控制、决策，要求我们建立模型、制定水资源的分配。同上，这道题关键在于数据收集和处理，模型可以使用以上A题的模型

C：交易策略（离散）

C题是股票预测，属于数据处理类，我的话会倾向C题，有准确的数据，数据要做预处理，变成持续窗口预测，这样就可以每天预测下一天。大概步骤如下

案例操作 (SPSSPRO免费在线数学建模平台，所有功能全部免费，不限次数不限时间)

预测完就可以将数据做回归，机器学习的算法都可以用。将做了预处理的值都拖过去就可以计算结果。 同样也可以用SPSSPRO，也有机器学习的算法，如下。

D：数据瘫痪？使用我们的分析（运筹学/网络科学）

评价与决策类，通过对该公司的研究建立模型，进而将模型应用于较大或较小的海港。题目中给出了ICM公司运营和数据的简要概述，可以用到的算法如下，层次分析法等

E：林业固碳（环境科学）

优化、评价、决策类，每年美赛E题都是最简单的一道，也是最适合新手小白的一道，这道题主要也是在数据收集上，该问题就是一个优化模型和评价模型的复合模型。

F：一人为我，人人共享（政策）

最后一道题仍然是评价题目，要求我们制定全球公平的定义。跟以上两道题一样都会用到评价模型，这里建议大家可以用层次分析法去定义权重。

每年美赛很多小伙伴都会被收集数据所困扰，果然今年也一样，6道题目只有一道C题目有明确数据，D题也有提供数据，其他A、B、E、F都涉及到了数据的收集，但凡涉及到收集数据的题目证明题目是比较开放的，也是大家所说的语言建模，这种题目就是玄学拿奖了，只要脑洞够大，造数据也能拿O奖。

最后祝大家拿奖！