1樓：匿名使用者
1、蒙特卡羅演算法（該演算法又稱隨機性模擬演算法，是通過計算機**來解決問題的算
法，同時可以通過模擬可以來檢驗自己模型的正確性，是比賽時必用的方法）
2、資料擬合、引數估計、插值等資料處理演算法（比賽中通常會遇到大量的資料需要
處理，而處理資料的關鍵就在於這些演算法，通常使用matlab作為工具）
3、線性規劃、整數規劃、多元規劃、二次規劃等規劃類問題（建模競賽大多數問題
屬於最優化問題，很多時候這些問題可以用數學規劃演算法來描述，通常使用lindo、
lingo軟體實現）
4、圖論演算法（這類演算法可以分為很多種，包括最短路、網路流、二分圖等演算法，涉
及到圖論的問題可以用這些方法解決，需要認真準備）
5、動態規劃、回溯搜尋、分治演算法、分支定界等計算機演算法（這些演算法是演算法設計
中比較常用的方法，很多場合可以用到競賽中）
6、最優化理論的三大非經典演算法：模擬退火法、神經網路、遺傳演算法（這些問題是
用來解決一些較困難的最優化問題的演算法，對於有些問題非常有幫助，但是演算法的實
現比較困難，需慎重使用）
7、網格演算法和窮舉法（網格演算法和窮舉法都是暴力搜尋最優點的演算法，在很多競賽
題中有應用，當重點討論模型本身而輕視演算法的時候，可以使用這種暴力方案，最好
使用一些高階語言作為程式設計工具）
8、一些連續離散化方法（很多問題都是實際來的，資料可以是連續的，而計算機只
認的是離散的資料，因此將其離散化後進行差分代替微分、求和代替積分等思想是非
常重要的）
9、數值分析演算法（如果在比賽中採用高階語言進行程式設計的話，那一些數值分析中常
用的演算法比如方程組求解、矩陣運算、函式積分等演算法就需要額外編寫庫函式進行調
用）10、圖象處理演算法（賽題中有一類問題與圖形有關，即使與圖形無關，**中也應該
要不乏**的，這些圖形如何展示以及如何處理就是需要解決的問題，通常使用matlab
進行處理）
作用：應用數學去解決各類實際問題時，建立數學模型是十分關鍵的一步，同時也是十分困難的一步。建立教學模型的過程，是把錯綜複雜的實際問題簡化、抽象為合理的數學結構的過程。
要通過調查、收集資料資料，觀察和研究實際物件的固有特徵和內在規律，抓住問題的主要矛盾，建立起反映實際問題的數量關係，然後利用數學的理論和方法去分析和解決問題。這就需要深厚紮實的數學基礎，敏銳的洞察力和想象力，對實際問題的濃厚興趣和廣博的知識面。數學建模是聯絡數學與實際問題的橋梁，是數學在各個領械廣泛應用的媒介，是數學科學技術轉化的主要途徑，數學建模在科學技術發展中的重要作用越來越受到數學界和工程界的普遍重視，它已成為現代科技工作者必備的重要能力之。
參考資料：http://baike.
數學建模常用模型有哪些？？？
2樓：匿名使用者
1、蒙特卡羅演算法（該演算法又稱隨機性模擬演算法，是通過計算機**來解決問題的算
法，同時可以通過模擬可以來檢驗自己模型的正確性，是比賽時必用的方法）
2、資料擬合、引數估計、插值等資料處理演算法（比賽中通常會遇到大量的資料需要
處理，而處理資料的關鍵就在於這些演算法，通常使用matlab作為工具）
3、線性規劃、整數規劃、多元規劃、二次規劃等規劃類問題（建模競賽大多數問題
屬於最優化問題，很多時候這些問題可以用數學規劃演算法來描述，通常使用lindo、
lingo軟體實現）
4、圖論演算法（這類演算法可以分為很多種，包括最短路、網路流、二分圖等演算法，涉
及到圖論的問題可以用這些方法解決，需要認真準備）
5、動態規劃、回溯搜尋、分治演算法、分支定界等計算機演算法（這些演算法是演算法設計
中比較常用的方法，很多場合可以用到競賽中）
6、最優化理論的三大非經典演算法：模擬退火法、神經網路、遺傳演算法（這些問題是
用來解決一些較困難的最優化問題的演算法，對於有些問題非常有幫助，但是演算法的實
現比較困難，需慎重使用）
7、網格演算法和窮舉法（網格演算法和窮舉法都是暴力搜尋最優點的演算法，在很多競賽
題中有應用，當重點討論模型本身而輕視演算法的時候，可以使用這種暴力方案，最好
使用一些高階語言作為程式設計工具）
8、一些連續離散化方法（很多問題都是實際來的，資料可以是連續的，而計算機只
認的是離散的資料，因此將其離散化後進行差分代替微分、求和代替積分等思想是非
常重要的）
9、數值分析演算法（如果在比賽中採用高階語言進行程式設計的話，那一些數值分析中常
用的演算法比如方程組求解、矩陣運算、函式積分等演算法就需要額外編寫庫函式進行調
用）10、圖象處理演算法（賽題中有一類問題與圖形有關，即使與圖形無關，**中也應該
要不乏**的，這些圖形如何展示以及如何處理就是需要解決的問題，通常使用matlab
進行處理）
作用：應用數學去解決各類實際問題時，建立數學模型是十分關鍵的一步，同時也是十分困難的一步。建立教學模型的過程，是把錯綜複雜的實際問題簡化、抽象為合理的數學結構的過程。
要通過調查、收集資料資料，觀察和研究實際物件的固有特徵和內在規律，抓住問題的主要矛盾，建立起反映實際問題的數量關係，然後利用數學的理論和方法去分析和解決問題。這就需要深厚紮實的數學基礎，敏銳的洞察力和想象力，對實際問題的濃厚興趣和廣博的知識面。數學建模是聯絡數學與實際問題的橋梁，是數學在各個領械廣泛應用的媒介，是數學科學技術轉化的主要途徑，數學建模在科學技術發展中的重要作用越來越受到數學界和工程界的普遍重視，它已成為現代科技工作者必備的重要能力之。
參考資料：http://baike.
3樓：匿名使用者
線性規劃模型、非線性規劃模型、結構模型、層次分析法、回歸分析法等
數學建模常見模型有哪些？
4樓：匿名使用者
這問題問的
常見模型很多，個人感覺微分方程模型和優化模型、概率模型是相對比較常用的吧！
5樓：鯤……鵬
fdgdfgdsfg
數學建模是什麼?
6樓：demon陌
數學建模就是根據實際問題來建立數學模型，對數學模型來進行求解，然後根據結果去解決實際問題。
當需要從定量的角度分析和研究乙個實際問題時，人們就要在深入調查研究、了解物件資訊、作出簡化假設、分析內在規律等工作的基礎上，用數學的符號和語言作表述來建立數學模型。
數學建模就是建立數學模型，建立數學模型的過程就是數學建模的過程。數學建模是一種數學的思考方法，是運用數學的語言和方法，通過抽象、簡化建立能近似刻畫並"解決"實際問題的一種強有力的數學手段。
擴充套件資料：
從基本物理定律以及系統的結構資料來推導出模型。
1. 比例分析法--建立變數之間函式關係的最基本最常用的方法。
2. 代數方法--求解離散問題(離散的資料、符號、圖形)的主要方法。
3. 邏輯方法--是數學理論研究的重要方法，對社會學和經濟學等領域的實際問題，在決策，對策等學科中得到廣泛應用。
4. 常微分方程--解決兩個變數之間的變化規律，關鍵是建立"瞬時變化率"的表示式。
5. 偏微分方程--解決因變數與兩個以上自變數之間的變化規律。
從大量的觀測資料利用統計方法建立數學模型。
1. 回歸分析法--用於對函式f(x)的一組觀測值(xi, fi)i=1,2…n，確定函式的表示式，由於處理的是靜態的獨立資料，故稱為數理統計方法。
2. 時序分析法--處理的是動態的相關資料，又稱為過程統計方法。
3. 回歸分析法--用於對函式f(x)的一組觀測值(xi, fi)i=1,2…n，確定函式的表示式，由於處理的是靜態的獨立資料，故稱為數理統計方法。
4. 時序分析法--處理的是動態的相關資料，又稱為過程統計方法。
7樓：寶寶
在我的理解：
數學建模就是指對於乙個現實物件,為了乙個特定目的,根據其內在規律,作出必要的簡化假設,運用適當的數學工具,得到的乙個數學結構。他的意義在於利用數學方法解決實際問題。
如果想要學好數學建模必須學習：高數，線性代數，c語言，還涉及到模糊數學（部分），同時在建模過程中學會matlab和lingo等軟體的使用。能夠培養乙個人的開發能力和自主學習能力，還是很有用處的。
數學模型(姜啟源、謝金星) 很適合新手，在內容編排上也是國產風格，按模型知識點分類，一塊一塊講，面面俱到。
數學建模方法與分析.(紐西蘭)mark.m．meerschaert 它是典型的外國教材風格，從乙個模型例子開始，娓娓道來，跟你講述數學建模的方方面面，其中反覆強調的乙個數學建模五步法，後來細細體會起來的確很有道理，看完大部分這本書的內容，就可以體會並應用這個方法了。
8樓：匿名使用者
現在幾乎所有工科，還有一些人文社科，如果你讀到博士，就會發現裡面有各種數學模型。例如
1. 人口增長模型。本來我們只是觀察到乙個村落，沒有外界影響，人會慢慢變多。
那只是最粗略的觀察。後來發現人的增長速度大致跟人的基數有關係，就可以用常微分方程描述成乙個動態系統。我們就可以知道人口會成指數增長。
後來又發現不完全對，當人口到達一定水平，資源不夠，人的增長就會受到限制，於是給我們的模型添一項修正，再研究新模型發現，噢，原來如果受到資源限制，最終人口會停在某個水平。隨著我們觀察到更多，我們可以把觀察到的翻譯成數學語言「添」到舊模型，就可以得到更多數學結果，翻譯回來，我們對人口增長這個問題就能得到更多認識。
2. 德州撲克（或者其他撲克遊戲）。這個涉及多個玩家，每個玩家都要最大化自己利潤，所以可以模擬成game(博弈)。
而由於翻牌的時候帶有不確定性（不知道下一張翻出來的牌是什麼），所以這是乙個隨機的過程。現在大家都用馬爾科夫博弈來建模。建完模能怎樣？
賺錢算不算乙個用處？現在已經有很多德州撲克的軟體很牛。有軟體可以確保在一對一的時候打敗人類，但是多人局還不行，計算需要的時間還太長。
3. 懷孕**。target在美國是家大超市，他們有所有消費者的記錄。
通過一些統計分析，他們發現某個女孩極可能最近剛懷孕，於是給她推銷相關產品。數學模型在**？這裡的模型就是女孩懷孕概率和各項女孩的消費行為的定量關係。
4. 撲克牌相關的一些魔術。經常會有人通過撲克牌來表演魔術，而有些魔術不需要手快，不需要障眼法，不需要道具，只需要數學（或者說概率）。
通過某些步驟，有些人可以讓下一張翻出的牌是你想要的牌的概率極高。berkeley有個數學教授就專門研究這個，cool爆了！
5. 音訊處理。前一陣子不是老在聊「我是歌手」和「中國好聲音」的修音問題嗎？
修音也跟數學建模有關係。一段**可以被看成一段訊號，有頻率，有振幅。我們可以把它model成一些波的疊加。
這樣建模以後我們就可以很方便地做一些**修改了。例如低音太難聽了，要把它去掉，那就弄走低頻的一些波。要再加入一段伴奏，那就在原來的波上再疊加一段新的代表伴奏的波。
這裡蜻蜓點水寫了幾個。其實還有挺多好玩的，開個專欄都可以了。by the way，現在還有不少人用數學研究神學和哲學，你們可以到coursera網路課程上搜到。
數學建模其實就是用數學語言把現實問題「翻譯」成數學問題。
數學建模中模型的優劣如何評價
1.模型的靈敏度分析 2模型的強健性分析 優勢就是使用數學模型能更有說服力，邏輯推理更嚴緊，更直觀。劣勢就是籠統 非精確。怎樣的模型才能叫做好的模型？例如對inter 建模，i ab，brite，glp等等模型層出不窮。每種模型都在關注著某種實際問題的生成機制，當然也能在一定意義上反映真實世界的結構...
數學建模需要掌握哪些知識,學習數模需要具備哪些知識
軟體方面主要掌握matlab,spss的相關操作，能寫matlab程式。數學方面的書主要還是了解一些比較重要的數學模型，知道模型的來龍去脈及其原理，以便自己也能學會利用，其他的數學基本的公式，某些要記的東西都可以不看。最主要的還是要學會查詢資料，有現學現用的能力。祝你建模成功。在數學建模中主要運用的...
數學建模在生活中的應用有哪些方面
可以毫不誇張的說,數學建模的應用遍及生活的方方面面.比如說投資組合 飼料配方 指派問題 車輛排程 人口預報等等.數學建模在實際生活中有哪些應用？制定銷售計畫 制定生產最優計畫 趨勢 資料曲線 人口數量 如果你再動點運籌學就更好了 了解一下基本的數學模型，多看看歷年的 著重分析幾篇即可 比如說有的專家...