2026美赛MCM/ICM C题:与星共舞数据分析附Matlab参考代码

简介: ✅作者简介:热爱科研的Matlab仿真开发者,擅长数据处理、建模仿真、程序设计、完整代码获取、论文复现及科研仿真。🍎 往期回顾关注个人主页:Matlab科研工作室 👇 关注我领取海量matlab电子书和数学建模资料 🍊个人信条:格物致知,完整Matlab代码获取及仿真咨询内容私信。🔥 内容介绍 《与星共舞》是一档国际电视节目 IP 的美国版,原版为英国经典节目《舞动奇迹》(前身为《欢乐起舞》)。该节目的改编版本已在阿尔巴尼亚、阿根廷、澳大利亚、中国、法国、印度等多个国家推出。本次问题的研究核心为该节目的美国版,目前该版本已完成 34 季的播出。节目中,明星嘉宾会与专

✅作者简介:热爱科研的Matlab仿真开发者,擅长数据处理、建模仿真、程序设计、完整代码获取、论文复现及科研仿真。
🍎 往期回顾关注个人主页:
Matlab科研工作室
👇 关注我领取海量matlab电子书和数学建模资料
🍊个人信条:格物致知,
完整Matlab代码获取
及仿真咨询内容私信。
🔥
内容介绍
《与星共舞》是一档国际电视节目 IP 的美国版,原版为英国经典节目《舞动奇迹》(前身为《欢乐起舞》)。该节目的改编版本已在阿尔巴尼亚、阿根廷、澳大利亚、中国、法国、印度等多个国家推出。本次问题的研究核心为该节目的美国版,目前该版本已完成 34 季的播出。
节目中,明星嘉宾会与专业舞者组成搭档,每周进行舞蹈表演。专业评委团会为每组搭档的表演打分,观众则可通过电话或线上渠道,为自己当周喜爱的搭档投票。
观众每周可投票一次或多次
,投票次数不设限但
不得超过节目组当周公布的上限
。此外,观众投票仅能为希望留任的明星助力,无法直接投票淘汰某位明星。节目组会结合
评委打分
与
观众投票
的结果,决出当周需要淘汰的搭档 —— 即综合得分最低的一组。最终会有三组搭档晋级总决赛(部分赛季的晋级名额更多),总决赛当周,节目组将依据观众投票与评委打分的综合得分,为晋级搭档排出冠亚季军(或前四、前五名)。
评委打分与观众投票的结果融合方式有多种。该节目美国版前两季采用
排名法
结合两项结果,而第二季的一起争议事件(知名球星杰瑞・莱斯尽管评委打分常年偏低,却仍晋级总决赛),促使节目组对融合规则做出调整,改用
百分比法
替代
排名法
。这两种计算方式的具体示例见附录。
第二十七季,节目再度引发争议:名人选手鲍比・博恩斯虽评委打分始终处于低位,却最终夺冠。为回应此次争议,从第二十八季开始,节目组对淘汰流程稍作修改:先根据评委打分与观众投票的综合结果选出排名末两位的搭档,再在直播节目中由评委投票决定淘汰其中哪一组。大约在同一季,制作方还恢复了前两季采用的排名法,将评委打分与观众投票结果结合。这一规则调整的具体赛季尚无确切记载,但合理推测为第二十八季。
评委打分本应客观体现舞者的专业技术水平,但其评判标准仍存在一定的主观性。观众投票的主观性则更强,投票倾向不仅受舞蹈表演质量的影响,还与明星嘉宾的人气和个人魅力密切相关。事实上,节目组在一定程度上更乐见评委与观众的意见、投票结果出现分歧,因为这类争议能大幅提升观众的关注与参与热情。
本文提供了含评委打分与选手信息的相关数据,并附具体说明。你可自行决定是否补充其他信息或数据,但
所有数据来源均需完整标注
。请基于该数据完成以下研究任务:

构建数学模型(单个或多个),估算每位选手在其参赛各周的观众投票数(该数据未对外公开,属于节目组严格保密的核心信息)。
你所构建的模型,其估算的观众投票数能否推导出与节目每周淘汰结果一致的结论?请给出
一致性度量指标
。
你估算出的观众投票总数的置信度如何?该置信度是否对所有选手、所有比赛周均保持一致?请为估算结果提供
置信度度量指标
。
将观众投票的估算结果与其余数据结合,开展以下分析:
对比分析节目采用的两种票分融合方式(排名法、百分比法)在各季应用后的比赛结果(即对每一季同时应用这两种融合方法)。若不同方法得出的结果存在差异,是否其中一种方法更偏向观众投票的结果?
针对存在
争议的知名选手
(即评委打分与观众投票结果存在明显分歧的选手),分析上述两种票分融合方式的应用效果:票分融合方式的选择,是否会让每位争议选手得到相同的比赛结果?若新增 “由评委从排名末两位的搭档中决定淘汰对象” 这一规则,会对比赛结果产生何种影响?你可参考以下争议选手案例(也可选用你研究中发现的其他案例):▪ 第二季的杰瑞・莱斯:连续 5 周评委打分垫底,却最终获得亚军。▪ 第四季的比利・雷・塞勒斯:连续 6 周评委打分倒数第一,最终位列第五。▪ 第十一季的布里斯托尔・佩林:12 次评委打分排名最低,仍拿下季军。▪ 第二十七季的鲍比・博恩斯:评委打分始终处于低位,却最终夺冠。
基于你的全部分析结果,为节目后续季数
推荐适用的票分融合方式并说明核心原因
;是否建议节目组增设 “由评委从排名末两位的搭档中决定淘汰对象” 这一规则?
结合包含观众投票估算结果的完整数据集,构建模型分析
不同专业舞者
、以及数据中可提取的
明星特质
(年龄、所属行业等)对明星比赛成绩的影响程度:这些因素对明星的比赛表现影响有多大?其对评委打分和观众投票的影响方式是否一致?
设计一套全新的
周度票分融合体系
,将观众投票与评委打分结合,且你认为该体系更具 “公平性”(或在其他维度更优,如大幅提升节目对观众的吸引力)。请详细论证该体系为何值得节目制作方采纳。
撰写一份
总页数不超过 25 页
的研究报告,报告中需包含 1-2 页的备忘录,总结研究核心结果,并为《与星共舞》制作方分析票分融合方式对比赛的影响,同时给出未来季数的票分融合方式建议。
©2026 美国数学建模竞赛组委会 | 官网:www.comap.org | 建模竞赛官网:www.mathmodels.org | 邮箱:info@comap.org
你提交的 PDF 版解题方案需满足
总页数不超过 25 页
,且包含以下内容:
1 页摘要页
目录
完整的解题方案
1-2 页备忘录
参考文献
AI 使用报告(若使用了 AI 工具,该报告不计入 25 页的页数限额)
注意事项
:本次美国数学建模竞赛的参赛作品无明确最低页数要求;25 页的页数限额可用于所有解题内容,以及你希望补充的各类信息(如示意图、图表、计算过程、数据表格等),赛事方接受部分解题方案。允许参赛者谨慎使用 ChatGPT 等生成式 AI 工具(并非完成解题方案的必需工具);若选择使用,参赛者必须遵守美国数学建模竞赛组委会的 AI 使用政策,且需在 PDF 版解题方案的末尾附加 AI 使用报告,该报告不计入 25 页的解题内容限额。
数据文件
:2026_MCM_Problem_C_Data.csv文件包含《与星共舞》第 1 至 34 季的选手信息、比赛结果及各周评委打分数据,数据详细说明见表 1。

  表 1:2026_MCM_Problem_C_Data.csv 数据集字段说明

数据说明
每支舞蹈的评委打分范围为
1 分(最低)
至
10 分(最高)
。a. 部分周次的公示分数包含小数(如 8.5),原因是该明星当周表演了多支舞蹈,公示分数为各舞蹈得分的平均值。b. 部分周次会设置额外加分(如舞蹈对决环节),这些加分将平均分配到对应评委 / 舞蹈的得分中。c. 团体舞蹈的得分会与每位团队成员的个人得分进行平均合并。
评委按其为舞蹈打分的顺序排列;因此,“评委 Y” 在不同周次或不同赛季可能并非同一人。
各赛季的参赛明星人数、节目播出周数均不相同。
第 15 季是唯一一季采用全明星阵容的赛季,所有参赛明星均为往届回归选手。
偶尔会出现单周无明星淘汰,或单周淘汰多名明星的情况。
数据集中的 “N/A” 值出现场景:a. 若当周无第 4 位评委(通常为 3 位评委),则第 4 位评委的得分记为 N/A;b. 若某赛季未播出对应周次(例如第 1 季仅播出 6 周,因此第 7 至 11 周的得分均记为 N/A)。
已被淘汰的明星后续周次得分记为 0。例如,第 1 季中首位被淘汰的明星是特里斯塔・萨特(Trista Sutter),她在第 2 周节目结束后被淘汰,因此该赛季剩余周次(第 3 至 6 周)的得分均记为 0。
选手
评委总分
评委排名
观众投票数 *
观众投票排名 *
排名总和
蕾切尔・亨特(Rachel Hunter)
25
2
110 万
4
6
乔伊・麦金泰尔(Joey McIntyre)
20
4
370 万
1
5
约翰・奥赫利(John O’Hurley)
21
3
320 万
2
5
凯莉・莫纳科(Kelly Monaco)
26
1
200 万
3
4
表 2:按排名融合评委打分与观众投票的示例(第 1 季第 4 周)
从第 3 季开始,节目组改用
百分比法
替代排名法来融合评委打分与观众投票。我们以第 5 季第 9 周的比赛为例进行说明:该周珍妮・加思(Jennie Garth)被淘汰。同样,我们通过人工生成一组观众投票数据,使得最终的百分比融合结果与实际淘汰结果一致。
具体计算逻辑为:
评委得分占比
:将该选手的评委总分,除以当期所有 4 位选手的评委总分之和。
仅按评委得分占比排名时,珍妮位列第 3;但在加入我们人工设定的 1000 万观众投票的占比后,她的综合占比排名降至第 4,从而触发淘汰。
选手
评委总分
评委得分占比
观众投票数 *
观众投票占比 *
占比总和
珍妮・加思(Jennie Garth)
29
29/117 = 24.8%
110 万
1.1/10 = 11%
35.8
玛丽・奥斯蒙德(Marie Osmond)
28
28/117 = 23.9%
370 万
3.7/10 = 37%
60.9
梅尔・B(Mel B)
30
30/117 = 25.6%
320 万
3.2/10 = 32%
57.8
埃利奥・卡斯特罗内维斯(Helio Castroneves)
30
30/117 = 25.6%
200 万
2/10 = 20%
45.6
总计
117
—
1000 万
—
—
表 3:按百分比融合评委打分与观众投票的示例(第 5 季第 9 周)
注:观众投票数为未知数据,表中数值为假设值,仅用于推导出符合最终排名的结果。

  1. 估算观众投票数(含一致性与置信度验证)
    基础思路
    :用已知的淘汰结果和评委得分,反向推导满足融合规则的观众投票数范围。
    基础模型
    :线性不等式组(约束为融合规则)、蒙特卡洛模拟(评估置信度)
    完成步骤:
    按周提取评委得分和淘汰结果
    对每周构建融合规则的约束方程
    求解可行的观众投票区间
    用蒙特卡洛模拟计算一致性准确率和置信区间
  2. 对比两种票分融合方式 + 争议选手分析 + 方法推荐
    基础思路
    :用估算的观众投票数分别代入两种规则,对比结果差异,分析争议选手的敏感性。
    基础模型
    :假设检验(比较结果差异)、敏感性分析(测试规则对争议选手的影响)
    完成步骤
    :
    对每一季分别应用排名 / 百分比法
    统计两种方法的淘汰 / 晋级差异率
    针对争议选手,测试规则变化对其结果的影响
    结合公平性和娱乐性给出推荐
  3. 分析专业舞者与明星特质的影响
    基础思路
    :构建回归模型,量化各因素对评委打分和观众投票的独立影响。
    基础模型
    :多元线性回归(或混合效应模型)、相关性分析
    完成步骤
    :
    提取明星特质(年龄、行业等)和专业舞者信息
    分别对评委得分和估算的观众投票数做回归
    比较系数大小和显著性
    解释影响差异
  4. 设计更优的票分融合体系
    基础思路
    :平衡评委专业性与观众参与度,引入动态权重或保底机制,提升公平性和观赏性。
    基础模型
    :加权融合模型(权重动态调整)、博弈论模型(平衡各方利益)
    完成步骤
    :
    定义 “公平 / 精彩” 的量化指标
    设计融合公式(如评委得分加权 + 观众投票加权 + 争议修正项)
    用历史数据验证新规则的效果
    论证其优势
  5. 撰写竞赛报告与备忘录
    基础思路
    :按 MCM 竞赛要求结构,突出模型创新、结果清晰、建议可行。
    基础模型
    :结构化报告框架(摘要→目录→模型→结果→建议→备忘录)
    完成步骤
    :
    整理各部分结果,提炼核心结论
    撰写 1 页摘要和 1-2 页备忘录
    按逻辑组织内容,控制页数在 25 页内
    补充参考文献和 AI 使用报告
    ⛳️ 运行结果

📣 部分代码
function f = gpsa_tau_mean(x, mu, kappa, model)

% Copyright 2014 James Barrett
%
% Version 1.0.0
% Date: 25 November 2014
% Contact: jbarret@tcd.ie

x = x(:);
gamma = model.gamma;
expx = exp(x);

exp_arg = log(expx/gamma - ones(length(x),1)) - mu;
term1 = exp(-(0.5/kappa)(exp_arg.^2))/(sqrt(2pikappa));
%term2 = (expx/gamma)./(gamma
(expx - ones(length(x),1)));
term2 = (gamma -exp(-x)).^(-1);

f = x.term1.term2;
f = f';
🔗 参考文献

🏆团队擅长辅导定制多种科研领域MATLAB仿真,助力科研梦:
🌈 各类智能优化算法改进及应用
生产调度、经济调度、装配线调度、充电优化、车间调度、发车优化、水库调度、三维装箱、物流选址、货位优化、公交排班优化、充电桩布局优化、车间布局优化、集装箱船配载优化、水泵组合优化、解医疗资源分配优化、设施布局优化、可视域基站和无人机选址优化、背包问题、 风电场布局、时隙分配优化、 最佳分布式发电单元分配、多阶段管道维修、 工厂-中心-需求点三级选址问题、 应急生活物质配送中心选址、 基站选址、 道路灯柱布置、 枢纽节点部署、 输电线路台风监测装置、 集装箱调度、 机组优化、 投资优化组合、云服务器组合优化、 天线线性阵列分布优化、CVRP问题、VRPPD问题、多中心VRP问题、多层网络的VRP问题、多中心多车型的VRP问题、 动态VRP问题、双层车辆路径规划(2E-VRP)、充电车辆路径规划(EVRP)、油电混合车辆路径规划、混合流水车间问题、 订单拆分调度问题、 公交车的调度排班优化问题、航班摆渡车辆调度问题、选址路径规划问题、港口调度、港口岸桥调度、停机位分配、机场航班调度、泄漏源定位
🌈 机器学习和深度学习时序、回归、分类、聚类和降维
2.1 bp时序、回归预测和分类
2.2 ENS声神经网络时序、回归预测和分类
2.3 SVM/CNN-SVM/LSSVM/RVM支持向量机系列时序、回归预测和分类
2.4 CNN|TCN|GCN卷积神经网络系列时序、回归预测和分类
2.5 ELM/KELM/RELM/DELM极限学习机系列时序、回归预测和分类
2.6 GRU/Bi-GRU/CNN-GRU/CNN-BiGRU门控神经网络时序、回归预测和分类
2.7 ELMAN递归神经网络时序、回归\预测和分类
2.8 LSTM/BiLSTM/CNN-LSTM/CNN-BiLSTM/长短记忆神经网络系列时序、回归预测和分类
2.9 RBF径向基神经网络时序、回归预测和分类
2.10 DBN深度置信网络时序、回归预测和分类
2.11 FNN模糊神经网络时序、回归预测
2.12 RF随机森林时序、回归预测和分类
2.13 BLS宽度学习时序、回归预测和分类
2.14 PNN脉冲神经网络分类
2.15 模糊小波神经网络预测和分类
2.16 时序、回归预测和分类
2.17 时序、回归预测预测和分类
2.18 XGBOOST集成学习时序、回归预测预测和分类
2.19 Transform各类组合时序、回归预测预测和分类
方向涵盖风电预测、光伏预测、电池寿命预测、辐射源识别、交通流预测、负荷预测、股价预测、PM2.5浓度预测、电池健康状态预测、用电量预测、水体光学参数反演、NLOS信号识别、地铁停车精准预测、变压器故障诊断
🌈图像处理方面
图像识别、图像分割、图像检测、图像隐藏、图像配准、图像拼接、图像融合、图像增强、图像压缩感知
🌈 路径规划方面
旅行商问题(TSP)、车辆路径问题(VRP、MVRP、CVRP、VRPTW等)、无人机三维路径规划、无人机协同、无人机编队、机器人路径规划、栅格地图路径规划、多式联运运输问题、 充电车辆路径规划(EVRP)、 双层车辆路径规划(2E-VRP)、 油电混合车辆路径规划、 船舶航迹规划、 全路径规划规划、 仓储巡逻
🌈 无人机应用方面
无人机路径规划、无人机控制、无人机编队、无人机协同、无人机任务分配、无人机安全通信轨迹在线优化、车辆协同无人机路径规划
🌈 通信方面
传感器部署优化、通信协议优化、路由优化、目标定位优化、Dv-Hop定位优化、Leach协议优化、WSN覆盖优化、组播优化、RSSI定位优化、水声通信、通信上传下载分配
🌈 信号处理方面
信号识别、信号加密、信号去噪、信号增强、雷达信号处理、信号水印嵌入提取、肌电信号、脑电信号、信号配时优化、心电信号、DOA估计、编码译码、变分模态分解、管道泄漏、滤波器、数字信号处理+传输+分析+去噪、数字信号调制、误码率、信号估计、DTMF、信号检测
🌈电力系统方面
微电网优化、无功优化、配电网重构、储能配置、有序充电、MPPT优化、家庭用电
🌈 元胞自动机方面
交通流 人群疏散 病毒扩散 晶体生长 金属腐蚀
🌈 雷达方面
卡尔曼滤波跟踪、航迹关联、航迹融合、SOC估计、阵列优化、NLOS识别
🌈 车间调度
零等待流水车间调度问题NWFSP
、
置换流水车间调度问题PFSP
、
混合流水车间调度问题HFSP
、零空闲流水车间调度问题NIFSP、分布式置换流水车间调度问题 DPFSP、阻塞流水车间调度问题BFSP

相关文章
|
弹性计算
2024年阿里云免费云服务器及学生云服务器申请教程参考
2024年阿里云继续推出免费学生云服务器与免费试用云服务器,其中学生云服务器最长可免费7个月(1个月首次领用+6个月免费续领),免费试用云服务器分为个人免费云服务器和企业免费云服务器,最长免费试用时长是3个月。下面小编来介绍一下阿里云免费云服务器及学生云服务器的申请教程。
|
10月前
|
人工智能 决策智能
2026年美赛C题——翻译及建模完整思路
《与星共舞》美国版(34季)融合评委打分与观众投票决定淘汰。本文基于公开数据,构建数学模型反推保密的观众投票数,对比排名法与百分比法效果,分析杰瑞·莱斯等争议选手案例,并评估舞者、明星特质影响,最终提出更公平、具观赏性的新票分融合体系。(239字)
1284 1
|
Windows
Anaconda卸载与重装过程记录
本文记录了博主Anaconda卸载与重装过程记录,此为博主电脑环境发生变化,无奈之举,希望对大家有所帮助
3352 0
Anaconda卸载与重装过程记录
|
2月前
|
云安全 人工智能 安全
|
人工智能 编解码 测试技术
TripoSG:3D生成新纪元!修正流模型秒出高保真网格,碾压传统建模
TripoSG 是 VAST AI 推出的基于大规模修正流模型的高保真 3D 形状合成技术,能够从单张图像生成细节丰富的 3D 网格模型,在工业设计、游戏开发等领域具有广泛应用前景。
977 15
TripoSG:3D生成新纪元!修正流模型秒出高保真网格,碾压传统建模
|
8月前
|
人工智能 前端开发 安全
一文讲清 Skills、MCP、Agent 的本质关系:从底层逻辑到工业级 Java 落地
本文面向Agent开发者与AI架构师,权威厘清Skills(原子能力)、MCP(通用通信协议)、Agent(自主闭环智能体)三者本质、层级关系与协同逻辑,纠正常见误读,并提供可运行的Java工业级落地实例,助你夯实理论、解决实战难题。
7542 4
|
人工智能 安全 大数据
阿里云社区博客:开发者与企业的云端技术交流平台
阿里云社区是阿里云官方打造的技术交流平台,汇聚云计算、大数据、人工智能等领域专家与开发者。社区提供技术资源共享、专家互动、实战经验分享及最新技术动态等核心价值。主要板块包括技术文章、问答社区、活动大赛和产品文档,用户可通过注册账号、完善资料参与互动,享受成长体系与特色功能。无论是初学者还是资深专家,都能在此找到成长空间,探索云计算的无限可能。关注官方公众号,获取更多技术干货与活动资讯!
750 7
|
机器学习/深度学习 资源调度 自然语言处理
长短时记忆网络(LSTM)完整实战:从理论到PyTorch实战演示
长短时记忆网络(LSTM)完整实战:从理论到PyTorch实战演示
21484 0