简介这是一份面向2023年全国大学生数学建模竞赛B题参赛者的完整代码与资料包适用于已掌握微积分、线性代数、优化理论等基础建模知识、需要实战参考的团队或个人。压缩包共24个文件大小2.34MB包含4个Python脚本q1.py至q4.py、7个xlsx结果表、5个xml工程配置以及PDF与Word版赛题说明、PNG路径与分层图、RAR压缩包等覆盖从题目理解、模型建立到求解与结果分析的主要环节尤其适合在备赛冲刺阶段对照完整求解流程梳理思路。目前已有2068人浏览学习。除核心分类代码外资源还提供了README说明、附录表格与绘图输出可帮助读者快速定位每一次运行的输入输出同时理解多问拆分、结果汇总与可视化呈现的工程组织方式。参考代码使用Python科学计算生态实现思路清晰便于二次修改与扩展值得结合赛题原文逐模块研读。 2023年国赛B题公布那天不少队伍的第一反应都一样多波束测线问题听名字像工程题翻完题目发现是几何优化题真正动手写代码才发现几何推导只占三分剩下七分全在怎么把公式变成一条条可靠的测线。我这份《2023年数学建模国赛B题代码.zip》不是赛后拼凑的是比赛期间边建模边调试沉淀下来的最终版里面没有黑科技就是把覆盖宽度模型、自适应扫描布线、迭代补测这些方法老老实实落到了Python代码里。这篇文章会把代码包的结构、四个子问题的实现逻辑、最容易翻车的几个细节完整讲一遍。不管是准备下次国赛的新手还是想复盘B题的老手都可以拿这份代码当参照系。1. 赛题回顾2023年B题到底在考什么1.1 从海洋测绘工程到递进的三个层次多波束测深系统MBES是海洋测绘里的主力设备换能器向海底发射一个扇形波束开角通常120°通过波束往返时间和角度解算水深。单次测量得到一条横跨测线方向的条带条带宽度受水深、海底坡度和波束开角共同影响。相邻测线之间必须保持一定重叠率防止漏测但重叠太多又会白白增加航程成本。于是题目把工程问题抽象成了递进的三层第一问是单点几何计算给定深度、坡度、开角算覆盖宽度和重叠率第二问在一维方向上做布设优化找满足重叠率约束的最短测线组合第三、四问把地形从斜坡换成起伏曲面再进一步加上地形未知的条件。这题表面考几何实际考的是优化建模和代码执行力。很多队伍第一问算得飞快到了第二问就开始纠结测线间距怎么取第三问一看到二维地形就不知道如何把局部坡角算出来第四问更是直接懵掉。B题拿奖的分水岭不在公式推导而在于能不能把几何模型封装成可复用的代码然后一层层往上叠优化逻辑。1.2 代码包里应该包含哪些文件我的zip包结构是这样的2023_国赛B题/ ├── data/ # 题目附带的采样点数据、测区参数 ├── geometry.py # 覆盖宽度、重叠率、等效坡角等几何函数 ├── scan_line.py # 扫描布线逻辑第二第三问共用 ├── iteration.py # 第四问的迭代补测 ├── q1.py / q2.py / q3.py / q4.py ├── plot_utils.py # 覆盖条带可视化 └── README.md # 运行说明把几何模型单独放一个文件是这次做得最对的决定。四个子问题全部要用同一套覆盖宽度函数如果每一问都把公式复制一遍后续调整一个符号就要改四个地方很容易漏。扫描布线单独抽出来是因为第二问和第三问的区别只是地形参数从哪来布线循环本身完全一样。第四问的迭代逻辑又复杂一些所以单独一个文件。2. 多波束几何模型覆盖宽度与重叠率的推导和实现2.1 垂直于测线方向的等效坡角多波束条带是在垂直于测线方向的剖面内形成的所以真正决定覆盖宽度的不是海底最大坡度而是海底坡面在这个剖面里的投影坡角。如果测线方向与坡面倾向之间的夹角是β垂直测线方向看到的等效坡角γ_eff满足tanγ_eff tanγ × |sinβ|当测线沿着坡面走向走β0剖面里看海底是平的等效坡角为0当测线沿着坡面倾向走β90°等效坡角等于真实坡角。这个关系特别容易记反有人用cos有人用sin其实只要想清楚测线沿坡面走向时地形在剖面里应该看不到坡度就不会错。2.2 覆盖宽度公式与代码落地覆盖宽度的推导可以这样理解多波束像一只手电筒斜着照在斜坡上照向坡上的一侧光斑被拉长照向坡下的一侧被压缩左右两个边缘波束的交点要分别列三角方程求解不能用一个平均角度近似。设换能器正下方的海水深度为D波束半开角为α开角120°对应α60°等效坡角为γ_eff覆盖宽度W为W D × sinα × [ 1/(cosα - sinα·tanγ_eff) 1/(cosα sinα·tanγ_eff) ]代码实现import numpy as np def cover_width(depth, half_angle_deg, slope_eff_deg): alpha np.deg2rad(half_angle_deg) gamma np.deg2rad(slope_eff_deg) cos_a, sin_a, tan_g np.cos(alpha), np.sin(alpha), np.tan(gamma) denom_up cos_a - sin_a * tan_g denom_down cos_a sin_a * tan_g if denom_up 0 or denom_down 0: return np.inf return depth * sin_a * (1.0 / denom_up 1.0 / denom_down)当denom_up算出来小于等于0时说明坡太陡坡上一侧的边缘波束已经无法正常触底几何上不能按常规方式覆盖。赛题参数不会出现这种情况但如果你改参数测试边界条件就会遇到返回inf至少能让后续布线代码不崩溃。重叠率公式很简单相邻测线间距为d时重叠率η 1 - d/W。反向用就是d (1 - η)·W这个式子是整个布线优化的基石。2.3 用第一问的数据校验几何模型第一问本质上是公式的直接套用把题目给的几组β值逐个换算成γ_eff代入覆盖宽度函数再算重叠率。写完函数第一件事不是急着填表而是画一条W随β变化的曲线betas np.arange(0, 91, 5) Ws [cover_width(70, 60, calc_eff_slope(1.5, beta)) for beta in betas] plt.plot(betas, Ws) plt.xlabel(beta / deg) plt.ylabel(W / m) plt.grid(True)这条曲线应该是光滑且单调的。如果画出来有突变或者摆动说明等效坡角公式的符号或者角度转换出了问题。这个校验动作只花一分钟但能省掉后面所有问题排错的时间。第一问表格里每一列数值都要能在这个函数上复现否则说明你的几何模型和题目设定理解不一致得回头改模型而不是改数据。3. 自适应扫描布线第二问和第三问的优化逻辑3.1 从一端推到另一端重叠率约束下的最大间距第二问给定测线方向后问题变成沿着垂直测线方向找一组测线位置。很多人第一反应是均匀布线拿测区宽度除以某个间距。但海底深度和坡度在变化固定间距在浅水区可能重叠率爆表到了深水区又重叠不足所以间距必须随地形自适应。方法其实很朴素从测区边界开始在当前位置算一个覆盖宽度W按最小重叠率要求算出这一步最大允许间距d (1 - η_min)·W把下一条测线放到这个位置重复直到覆盖整个测区。这是一个贪心策略每一步都取最大间距得到的测线数量就是最少的论文里用反证法几句话就能说明。def scan_lines(W_at, span, eta_min): left, right span lines [] pos left while True: W_now W_at(pos) if not lines: line_pos left W_now / 2.0 else: line_pos pos lines.append(line_pos) if line_pos W_now / 2.0 right: break step (1 - eta_min) * W_now pos line_pos step return lines关键点在于每次计算W用的必须是当前这条测线位置的海底深度和等效坡角不是上一条的。在海深变化快的区域这两个位置算出来的W可能差很多。3.2 边界处理与首末测线的偏移边界是最容易翻车的地方。如果直接把第一条测线放在测区边界xleft上条带有一半面积伸到测区外测区内的覆盖范围反而不完整到最后一条测线同样可能漏掉右边界一小条。正确做法是让第一条测线的条带左边缘刚好贴在测区左边界上也就是把测线位置放在left W/2处。这样从left开始条带正好完全覆盖测区边缘。扫描停止条件也不能写成pos right而要判断当前测线的条带右边缘是否越过right见上面代码里的if条件。这个偏移量看着小但直接决定了边界处有没有漏测。去年的参赛队伍里不少就是栽在这检查重叠率时每一段都满足画覆盖图一看边缘白了一块。3.3 第三问地形变化时的局部等效参数第三问的海底不再是简单斜坡深度是二维函数D(x,y)坡面方向和坡角在测区内到处变化。处理方法是把地形网格化对每个可能放置测线的位置用数值梯度算垂直测线方向的局部坡度。如果测线沿x方向走垂直测线方向就是y方向那么局部等效坡度直接就是∂D/∂y等效坡角γ_eff arctan(∂D/∂y)。根本不需要去算坡面倾向再投影因为垂直于测线方向上的偏导数本身就是投影结果。代码上用scipy.interpolate构造深度插值函数再用np.gradient求梯度from scipy.interpolate import RegularGridInterpolator D_interp RegularGridInterpolator((x_grid, y_grid), D, methodlinear)接下来只是把W_at函数从传深度和坡角改成传坐标在函数内部插值出D和γ_eff扫描布线循环完全复用第二问的代码。这就是把布线逻辑单独抽出来的好处第三问基本没有新增逻辑量。4. 第四问未知地形的迭代补测策略4.1 先粗测后补盲的思路第四问的难点是地形未知题目只给了有限的深度采样点。第一次扫描时只能用现有采样点插值出粗略地形插值结果在采样点稀疏的区域误差很大按它布出的测线很可能在局部漏测。实际做法是迭代式的先按第三问流程生成一组初始测线然后把这些测线上的实测深度当作新信息合并进已知数据重新插值地形找出仍未被覆盖的空白区在空白区补测线重复两三轮直到完全覆盖。这个思路在论文里可以包装成基于反馈修正的逐步加密策略本质上就是个先粗后细的自适应采样。竞赛环境下不需要把迭代写得特别复杂两三轮就够。第一轮用初始采样点插值第二轮补测后一般就能把主要漏测区域封住第三轮查漏。4.2 用插值模拟地形更新的代码框架核心需要一个覆盖掩码函数把每条测线对应的条带区域在网格上标记出来def coverage_mask(lines, D_interp, grid_x, grid_y): mask np.zeros_like(grid_x, dtypebool) for line in lines: line_depth D_interp((grid_x, line)) slope np.gradient(line_depth, axis0) # 按垂直测线方向 W cover_width(line_depth, 60, np.rad2deg(np.arctan(slope))) mask | (np.abs(grid_y - line) W / 2.0) return mask主循环结构known initial_samples for it in range(max_iter): D_interp build_interpolant(known) lines scan_lines(lambda pos: W_at(pos, D_interp), span, eta_min) mask coverage_mask(lines, D_interp, grid_x, grid_y) uncovered_ratio np.mean(~mask) if uncovered_ratio 0.01: break known merge_samples(known, sample_along_lines(lines, D_interp))每次迭代后把mask画出来用颜色区分覆盖和漏测区域。这个可视化比任何指标都直观一眼就能看出漏测是集中在某个角落还是均匀分布。比赛时间紧张不要等程序自动迭代到完美看到mask基本干净就收手。5. 踩坑记录最容易出错的四个细节5.1 角度弧度不分结果完全不对这是最常见的低级错误。numpy的三角默认输入弧度题目给的全是度如果直接把beta45传给np.sin画出来的曲线乱七八糟。我的习惯是函数入口统一接收度在函数内部第一行做deg2rad转换所有三角函数都用转换后的弧度。这样调用方永远不用关心单位风险最小。5.2 坡角方向的正负号判断覆盖宽度公式里坡上侧和坡下侧的分母符号不一样一个用减号一个用加号。写代码时如果没有把坐标系定义清楚很容易把两个符号写反结果算出来的覆盖宽度明显偏小甚至为负。我的建议是先画一张示意图标清楚x正方向、坡面朝哪个方向倾斜、波束开角朝哪边然后对着图写公式。每次检查代码看到这张图符号对不对一目了然。5.3 边界覆盖偏移量容易漏边界偏移这个问题在第一版代码里几乎必现。原因很隐蔽你按间距逐条推进中间的覆盖重叠率都正常只有首尾两条测线各多出半条带宽度在外面肉眼不容易发现。用网格离散化的掩码一画边界漏测就现出原形。解决方式就是3.2里写的首线放在left W/2末线以条带右边缘覆盖到right为停止条件。5.4 验证函数用网格离散化检查漏测最后强烈建议写一个小小的网格校验函数不需要参与正式流程只在调试验证时用。做法就是把测区切成细格子对每条测线根据覆盖宽度把条带内的格子标为已覆盖最后统计没被覆盖的格子比例。这个函数能一次性发现几何模型错误、边界偏移错误、间距步进步长错误三类问题。当年我第一版代码里坡角符号写反覆盖宽度偏小导致中间漏了一大片就是靠这个方法查出来的比肉眼盯数据高效太多。多波束测线问题的代码工程量不大难在几何模型和布线逻辑的每一处细节都得严丝合缝。最后再分享一个我从这次比赛中沉淀下来的习惯写代码之前先画一张坐标系示意图把x正方向、坡面倾斜方向、测线方向、波束开角全部标上去。虽然多花五分钟但这张图几乎能解决上面所有符号问题写论文时也能直接复用。B题的模型本身不复杂真正拉开差距的往往就是这种细节上的严谨程度。本文还有配套的精品资源点击获取