【数学建模】【2024年】【第40届】【MCM/ICM】【F题 减少非法野生动物贸易】【解题思路】

一、题目

(一) 赛题原文

2024 ICM Problem F: Reducing Illegal Wildlife Trade
在这里插入图片描述

Illegal wildlife trade negatively impacts our environment and threatens global biodiversity. It is estimated to involve up to 26.5 billion US dollars per year and is considered to be the fourth largest of all global illegal trades. [1] You are to develop a data-driven 5-year project designed to make a notable reduction in illegal wildlife trade. Your goal is to convince a client to carry out your project. To do this, you must select both a client and an appropriate project for that client.

Your work should explore the following sub-questions:

  • Who is your client? What can that client realistically do? (In other words, your client should have the powers, resources, and interest needed to enact the project you propose.)
  • Explain why the project you developed is suitable for this client. What research, from published literature and from your own analyses, supports the selection of your proposed project? Using a data-driven analysis, how will you convince your client that this is a project they should undertake?
  • What additional powers and resources will your client need to carry out the project? (Remember to use assumptions, but also ground your work in reality as much as you are able.)
  • If the project is carried out what will happen? In other words, what will the measurable impact on illegal wildlife trade be? What analysis did you do to determine this?
  • How likely is the project to reach the expected goal? Also, based on a contextualized sensitivity analysis, are there conditions or events that may disproportionately aid or harm the project’s ability to reach its goal?

While you could limit your approach to illegal wildlife trade, you may also consider illegal wildlife trade as part of a larger complex system. Specifically, you could consider how other global efforts in other domains, e.g., efforts to curtail other forms of trafficking or efforts to reduce climate change coupled with efforts to curtail illegal wildlife trade, may be part of a complex system. This may create synergistic opportunities for unexpected actors in this domain.

If you choose to leverage a complexity framework in your solution, be sure to justify your choice by discussing the benefits and drawbacks of this modeling decision.

Additionally, your team must submit a 1-page memo with key points for your client, highlighting your 5-year project proposal and why the project is right for them as a client (e.g., access to resources, part of their mandate, aligns with their mission statement, etc.).

The judges will specifically be looking for creativity in the selection of the client and in the selection and justification of appropriate modeling processes used throughout the analysis. They will also be looking for exposition that both (1) establishes strong connections between the client and the proposed project and (2) draws clear and direct ties between the data analysis and the design of the proposed project.

(二)赛题翻译

问题F 减少非法野生动物贸易

非法野生动物贸易对我们的环境产生负面影响,并威胁到全球生物多样性。据估计,每年涉及的金额高达265亿美元,被认为是全球第四大非法贸易。你们将制定一个数据驱动的5年项目,旨在显著减少非法野生动物贸易。你的目标是说服客户执行你的项目。要做到这一点,你必须选择一个客户和一个合适的项目。

你的工作应该探索以下问题:

  • 谁是你的客户?这个客户实际能做什么?(换句话说,你的客户应该拥有实施你提议的项目所需的权力、资源和兴趣。)
  • 解释为什么你开发的项目适合这个客户。从已发表的文献和你自己的分析中,有哪些研究支持你选择这个项目?使用数据驱动的分析,你将如何说服你的客户,这是一个他们应该承担的项目?
  • 你的客户需要哪些额外的权力和资源来执行这个项目?(记住要使用假设,但也要尽可能将你的工作建立在现实基础上。)
  • 如果项目实施了,会发生什么?换句话说,对非法野生动物贸易的可衡量影响是什么?你做了什么分析来确定这一点?
  • 项目达到预期目标的可能性有多大?此外,根据情境化的敏感性分析,是否存在可能不成比例地帮助或损害项目实现目标的能力的条件或事件?

虽然您可以限制您对非法野生动物贸易的方法,但您也可以将非法野生动物贸易视为更大的复杂系统的一部分。具体来说,你可以考虑其他领域的其他全球努力,例如,减少其他形式的贩运的努力或减少气候变化的努力以及减少非法野生动物贸易的努力,如何成为一个复杂系统的一部分。这可能会为这一领域中意想不到的行动者创造协同机会。

二、赛题分析

这个数学建模赛题要求设计一个为期五年的数据驱动项目,旨在显著减少非法野生动物贸易。解决问题需要选择一个客户并为其设计合适的项目,探讨项目的可行性、影响以及可能的限制条件。具体来说,需要考虑客户身份、项目可行性、数据支持、资源需求、项目影响以及项目成功概率等方面。

针对第一个问题,需要选择一个合适的客户,这个客户应具备实施所提项目的权力、资源和兴趣。需要考虑客户的职责、使命和资金能力,以确保项目的可行性。

针对第二个问题,需要解释所提项目为何适合该客户,并利用出版的文献和自己的分析研究来支持选择。通过数据分析,需要向客户证明这是一个值得实施的项目,需要提供可行性分析、市场需求分析等支持数据。

针对第三个问题,需要确定客户实施项目所需的额外权力和资源,并做出合理的假设。需要考虑客户可能面临的挑战,并提供解决方案以确保项目的顺利进行。

针对第四个问题,需要评估项目实施后对非法野生动物贸易的影响,并通过数据分析来支持结论。需要提供量化的指标来衡量项目的成功,并根据实际情况调整项目设计。

针对第五个问题,需要评估项目达成预期目标的可能性,并进行敏感性分析以确定可能的影响因素。需要提供解决方案来应对可能的风险,并保证项目的成功实施。

三、解题思路

(一)第一问:客户分析模型

1.客户选择模型建立

  1. 客户评估标准确定:确定关键的客户评估标准,包括权力、资源和兴趣。对这些标准进行权重分配,以反映其在客户选择中的相对重要性。
  2. 客户数据采集与参数化:收集潜在客户的相关数据,如政府预算、组织背景、项目历史等。将这些数据参数化,以便在模型中使用。
  3. 多标准决策模型(MCDM)应用:采用多标准决策模型,如层次分析法(Analytic Hierarchy Process, AHP)或电报法(Technique for Order of Preference by Similarity to Ideal Solution, TOPSIS)。这些模型能够综合考虑多个评估标准,量化评估客户的适合度。
  4. 模型结果解释:解释模型的结果,阐明为何选择的客户在权力、资源和兴趣方面相对其他客户更为优越。强调模型背后的数据支持和客观性。

2.模型选择与详细阐述

采用了多标准决策模型,具体选择了层次分析法(AHP):AHP的原理:AHP通过层次结构和成对比较矩阵的方法,将决策问题分解成多个层次,使复杂问题更易于管理和理解。它允许对不同层次的因素进行比较,以确定其相对重要性。

模型应用:将AHP应用于客户选择,构建了客户选择的层次结构,包括权力、资源和兴趣三个层次。参与者通过成对比较,为每个层次的因素分配权重,形成了相应的比较矩阵。

参数化与权重分配:根据采集到的客户数据,将参数化后的数据输入比较矩阵,进行两两因素的比较。通过AHP计算,得出每个客户在权力、资源和兴趣方面的权重,最终综合得分。

模型结果解释:解释选择的客户相对其他客户的综合得分和优势。强调AHP模型的客观性和可解释性,确保客户选择的合理性。

(二)第二问:文献与项目适用性模型

  1. 文献综述:通过广泛的文献综述,梳理先前的非法野生动物贸易相关研究和项目实践。了解已有的解决方案、技术和战略,为项目提供参考。
  2. 适用性模型选择:采用接受模型(Technology Acceptance Model, TAM)*TAM主要用于评估新技术在用户群体中的接受程度,但也可以扩展到项目策略和方法的接受程度。
  3. TAM模型应用:将TAM的核心概念应用于项目适用性评估。在TAM中,用户对于采用新技术的接受程度受到感知有用性和感知易用性的影响。将这两个概念改编为项目目标和项目方法的“感知适用性”和“感知可操作性”。
  4. 适用性评估:对文献中的各种方法、技术和战略进行感知适用性和感知可操作性的评估。通过问卷调查、专家访谈或焦点小组等方式,收集利益相关者的观点。
  5. TAM参数化:将文献中的发现参数化为TAM的核心变量。为每个方法或策略赋予感知适用性和感知可操作性的分值,形成一个可量化的模型。
  6. 适用性分数计算:利用TAM模型计算每个方法或策略的综合适用性分数。综合考虑感知适用性和感知可操作性,为每个方案生成一个综合评分。
  7. 结果解释:解释TAM模型的结果,突出采用文献中支持的方法相对于其他方法的优势。强调TAM模型的基于用户感知的评估,提供了对项目方法可接受程度的深入理解。

(三)第三问:文献与项目适用性模型

未完待续

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:/a/383901.html

如若内容造成侵权/违法违规/事实不符,请联系我们进行投诉反馈qq邮箱809451989@qq.com,一经查实,立即删除!

相关文章

PyCharm2023.3.2配置conda环境

重点在于Path to conda这一步,需要找到conda.bat这个文件,PyCharm才能识别出现有的conda环境。

分享76个文字特效,总有一款适合您

分享76个文字特效,总有一款适合您 76个文字特效下载链接:https://pan.baidu.com/s/1rIiUdCMQScoRVKhFhXQYpw?pwd8888 提取码:8888 Python采集代码下载链接:采集代码.zip - 蓝奏云 学习知识费力气,收集整理更不…

操作系统(14)----文件系统的结构

目录 一.文件系统的层次结构 1.用户接口: 2.文件目录系统: 3.存取控制模块: 4.逻辑文件系统与文件信息缓冲区: 5.物理文件系统: 二.文件系统的全局结构 1.文件系统在外存中的结构 (1)物…

Linux nohup命令和

参考资料 linux后台运行nohup命令的使用及2>&1字符详解 目录 前期准备一. 基本语法二. 执行时不指定日志文件三. 执行后不想要日志文件四. nohup命令的执行与kill4.1 执行4.2 kill 前期准备 📄handle_file.sh #!/bin/bashecho "文件复制开始..."…

2.11 运算符

1、选择题 1.1、若有以下程序 main() { char a1,b2; printf("%c,",b); printf("%d\n",b-a); } 程序运行后的输出结果是 C A)3,2 B)50,2 C)2,2 D)2,50 解析:b是先赋值后自加&#…

MacOS - M1芯片 Mac 在“恢复”模式中启用系统扩展教程

部分软件需要开启系统扩展才能正常使用,但是默然M1芯片的Mac不能直接打开系统扩展,如下两图。 若要启用系统扩展,您需要在“恢复”环境中修改安全性设置。 若要执行此操作,请将系统关机,然后按住触控ID或电源按钮以开…

寻找最优的路测线 - 华为OD统一考试

OD统一考试(C卷) 分值: 200分 题解: Java / Python / C 题目描述 评估一个网络的信号质量,其中一个做法是将网络划分为栅格,然后对每个栅格的信号质量计算。 路测的时候,希望选择一条信号最好…

《数电》理论笔记-第1章-逻辑代数基础

参考:视频 和 《数字电路与逻辑设计》 电子书 一,第1章 逻辑代数基础 1 数字量和模拟量 略 2 数制(十进制,二进制,八进制和十六进制) 拨电话(BoDH)---(2八10十六&…

【Django】Django项目部署

项目部署 1 基本概念 项目部署是指在软件开发完毕后,将开发机器上运行的软件实际安装到服务器上进行长期运行。 在安装机器上安装和配置同版本的环境[python,数据库等] django项目迁移 scp /home/euansu/Code/Python/website euansuxx.xx.xx.xx:/home…

labelImg和labelme区别

LabelImg和LabelMe是两种常用的标注工具,用于创建标注数据集以供机器学习和计算机视觉任务使用。虽然它们都具有相似的目标,即方便用户进行图像标注,但在某些方面存在一些区别。下面将介绍LabelImg和LabelMe的区别及联系,同时提供…

如何写出别人写不出的内容(译)

(译者序:这篇文章不只是写作,对信息获取、阅读也都有启发。随着社交媒体和 AI 的发展,人们越来越被动的接收海量信息,如何主动查找与整理对自己有用的内容,将是一个不可或缺的能力。) 原文&…

模型 PMF(产品市场契合度)

系列文章 主要是 分享 思维模型,涉及各个领域,重在提升认知。产品与市场高度契合。 1 PMF(Product Market Fit)产品市场契合度 的应用 1.1 PMF在创业过程中的应用-Vincy公司的产品PartnerShare 实现PMF需要企业深入了解目标市场的需求和用户的反馈&…

导数的定义【高数笔记】

【含义】可以抽象成,在一个极其短的时间段内,温度差 / 时间差 【本质】瞬间的平均值 【分类】可以分成几类?每类需要注意的点 【导数存在的必要条件】 【导数与极限的关系】可以参考导数的定义的式子 【题型解法】分几个题型?每个…

C++ shell - 在线 C++ 编译器

C shell - 在线 C 编译器 1. C shell2. Example program3. Options4. ExecutionReferences 1. C shell C Shell v2 https://cpp.sh/ https://cpp.sh/about.html C Shell v2, free online compiler, proudly uses emscripten to compile your code. emscripten is a clang-ba…

联想DP510、DP520、DP515打印机恢复出厂和自定义纸张方法

联想DP510、DP520、DP515恢复出厂设置方法 一、按下打印方式键,同时开机,直至打印头动作停止时松手; 二、水平装入 A4 纸,打印机自动调入并开始打印,若打印机将纸退出,将纸放平重新装入; 三、…

寒假9-蓝桥杯训练

//轨道炮 #include<iostream> using namespace std; #include<algorithm> int logs[100010]; int main() {int n;cin >> n;for (int i 1;i < n;i){cin >> logs[i];}sort(logs 1, logs n 1);int ans 1000000000;for (int i 2;i < n;i){if (…

Java:字符集、IO流 --黑马笔记

一、字符集 1.1 字符集的来历 我们知道计算机是美国人发明的&#xff0c;由于计算机能够处理的数据只能是0和1组成的二进制数据&#xff0c;为了让计算机能够处理字符&#xff0c;于是美国人就把他们会用到的每一个字符进行了编码&#xff08;所谓编码&#xff0c;就是为一个…

【AutoML】AutoKeras 进行 RNN 循环神经网络训练

由于最近这些天都在人工审查之前的哪些问答数据&#xff0c;所以迟迟都没有更新 AutoKeras 的训练结果。现在那部分数据都已经整理好了&#xff0c;20w 的数据最后能够使用的高质量数据只剩下 2k。这 2k 的数据已经经过数据校验并且对部分问题的提问方式和答案内容进行了不改变…

为什么Python是数据科学家的首选语言

这篇文章全面探讨了Python作为数据科学领域首选语言的原因。从Python的历史、特性&#xff0c;到在数据科学中的应用实例&#xff0c;再到与其他数据科学语言的比较&#xff0c;以及在实际企业中的应用&#xff0c;我们深入剖析了Python的优势与挑战&#xff0c;最后对Python的…

Linux:信号的保存

文章目录 信号相关概念信号递达信号未决信号阻塞内核中的示意图 信号集的操作函数 前面对于信号的产生中对操作系统有了一个基础的认知&#xff0c;对于一个真正的操作系统来说&#xff0c;进程是由操作系统进行调度的&#xff0c;那操作系统本身也是代码&#xff0c;是由谁进行…