MCM 和 ICM 有什么区别：美赛 A–F 题方向与选题方法

MCM 与 ICM 的区别是什么

MCM 全称是 Mathematical Contest in Modeling，ICM 是 Interdisciplinary Contest in Modeling，均由 COMAP 组织。通常所说的“美赛”涵盖这两项数学建模竞赛。按 2027 规则，团队从六道题中选择一道，提交一份解答；它们不是必须分别报名、各做一份论文的两轮任务。

MCM 的主题常突出数学问题与数据，ICM 更强调跨学科情境。这个区分只是帮助理解方向，不能用于替代具体题面。一个数据题也可能需要决策建议，一个政策题也需要明确的量化依据。

2027 美赛 A–F 题方向

题号	官方方向	赛前可练习的能力（编辑部建议）	要防止的误解
MCM A	连续问题	变化过程、微分方程、数值计算与参数检验	不是套一个方程就完成现实解释
MCM B	离散问题	组合决策、图模型、算法和约束检查	搜索出一个可行解不等于已经证明最优
MCM C	数据洞察	数据清洗、统计分析、误差与外推检验	高拟合指标不等于回答了题目
ICM D	运筹学与网络科学	资源分配、网络关系、优化与鲁棒性	优化目标和约束需要现实依据
ICM E	可持续性	系统关系、多目标、长期情境与权衡	宏观叙述不能代替变量和证据
ICM F	政策	指标设计、利益相关方、政策情境比较	建议不能只来自主观评分

本表按 2026 年 10 月 3 日核验的官方 2027 方向整理。具体题目尚未公布，不能把方向描述写成 2027 题目预测或内部信息；其他年份应看对应官方题面。

美赛选题：比较任务、数据和最小模型

比赛开始后，先由全队共同读题，为每个有把握的候选写一页评估。不要仅用“我们会 Python，所以选 C”或“这题报名少”作决定。可采用下面的比较表，判断当前能提供什么证据。

判断问题	应记录的内容
题目要求交付什么？	预测、解释、优化、评价以及信件等具体任务
数据从哪里来？	题目提供的数据、公开来源、变量定义、缺失和偏差
能做出的最小基线是什么？	一个先能运行、能解释、能检验的方法
如何判断结果可信？	对照、历史验证、极端情境或敏感性分析
哪些环节最不确定？	无法获取的数据、不懂的方法、过大的计算规模
本队如何完成论文？	任务分工、图表、论证和时间安排

选题阶段不必先写出全套求解。目标是识别能完成的核心路径和明显的风险。最终确定后，把所有要求放到任务表中，再逐项安排计算与写作。团队如果缺少可检验的数据，也应说明限制和情境，不凭空填充真实数据。

一个选题判断示例

以下是虚构的赛前练习情境，不是实际 2027 赛题。假设候选一要求预测公交需求，已有结构清楚的历史记录；候选二要求设计区域交通政策，但关键利益相关方信息缺失。某队擅长数据处理、能做时间划分验证，却没有政策评价经验。

候选一可能更适合该队的当前能力，但仍需检查数据是否覆盖题目要求、未来情境是否超出训练范围。候选二也并非无法完成，如果有可用信息和清晰的评价框架，另一支队伍可能更适配。判断依据是任务与证据，不是把某类题永久划为简单或困难。

如果对候选一使用预测模型，可以先做历史均值或简单回归作为基线，再尝试复杂方法。对比时使用一致的验证口径，检查误差和可解释性；不能只挑对自己有利的图表。

赛前怎样测试适合哪类题

从 官方历年题目挑两种不同方向，每种先完成任务拆解和一个小结果。记录完成时间、数据困难、验证方式和写作卡点，再决定下一轮训练重点。

这个方法能帮助团队识别真实能力差距。不能因为某次模拟做得顺利就认定已经具备对应奖项水平。历史题学习见 历年题与 O 奖论文复盘，协作路线见 零基础备赛与组队。