數學建模初學

❶ ！！！！！數學建模入門！！！！！

1，你要看的書：高數，線代，概率統計，圖論方法，最優化方法.
2，對編程要求比較高，用matlab的話，基本都是傻瓜式操作。學好C語言，matlab用起來就得心應手了。不過，就我個人感受matlab為了方便使用而省去了很多規則，不夠嚴謹，容易出錯.
3，多長時間不好說，我大一結束時，C應該學完了，高數，線代也學了。概率統計，圖論就要自己看了。兩個月應該夠了。

❷ 初學者如何在最短時間內學好數學建模

去數學中國這個網站看看，裡面把建模需要的模型都總結了，還有就是多看些國賽論文。。主要就是拿到題有想法。國賽快開始了，加油哈~~~

❸ 數學建模從大幾開始學好呢

從大一進學校就開始學比較好，剛剛經歷高中的全面學習是知識面記得比較好的時期

❹ 數學建模新手怎麼入門啊，我是大二學生，數學基礎一般。

做題就對了。
如果你是數學系的。
有數學建模這門課程的，
書上的例子就已經很好了。
還有習題可以做啊。
數學就是做題，嘿嘿。樂在其中。

❺ 數學建模怎麼入門

以下建議針對非數學系的新人，可以有計劃的學習，不過別忘記，比賽是3個人的事情，所以下面涉及的知識僅靠一個人是不太可能勝任的（不排除有大牛人），這時候隊友的分工協作就尤為重要了。
首先是我擅長的離散型的模型。如果你是計算機專業的，又有ACM經驗的話，那麼你可以大展身手了。不過對於非計算機專業的同學（比如當年的我）來說，應該是沒有什麼演算法的經驗了，所以恆心和毅力，對隊友的信任，以及RP值（這點我超級自信）就非常重要了。
模型方面：姜啟源的那本《數學模型》第三版，謝金星的《優化建模與LINDO/LINGO軟體》就可以了，不用抱著一堆書結果什麼都看不了。
演算法的實現對於數學建模起著決定性的作用，一般要會以下演算法。不過不用像計算機專業的那樣，追求log
n或者n或者nlog
n的演算法復雜度，只要能出結果就行，10min還是20min都可以。不過千萬不要用LINGO求解TSP啊，要好多年才出結果。
1、
動態規劃（工序調度，排課表，排比賽場次）
2、
0-1規劃（投資，下料，運輸）
3、
線性規劃（投資，下料，運輸）
4、
圖的一系列問題（深度廣度搜索，遍歷，TSP，著色等等）
5、
網路流（多半轉化成規劃問題）
6、
最好能掌握神經網路，遺傳，模擬退火，蟻群，禁忌搜索中的一種或多種，因為離散的賽題多半是組合優化的問題，大多數模型在現有演算法能力下是沒有精確解的（二維下料，排課表，TSP等等），所以啟發式演算法就顯得尤為重要，比如遺傳演算法，MATLAB7.X已經有這個工具箱了，但是一定要弄清原理，知道怎麼編碼，怎麼確定種群規模和遺傳代數，怎麼確定遺傳概率和交叉概率。怎麼避免早熟，怎麼跳離局部最優。
軟體方面：
1、
C/C++/JAVA/BASIC。隨便會一種就可以，C的演算法效率絕對比MATLAB高出很多，所以一般的演算法還是用C實現吧。
2、
MATLAB。很無敵的數學軟體，不多介紹了，最好能掌握神經網路工具箱和遺傳演算法工具箱的使用方法。演算法的話，它可以實現的的C/C++也可以，用什麼就看個人喜好了。
3、
LINGO。很無敵的規劃模型的求解軟體，對於離散模型來說，這個必須掌握。別忘記求解的時候在「全局最優」復選框前打鉤，不然結果可能是局部最優。（LingoàOptionsàGlobal
Solverà
Use
Global
Solver）
然後是我不擅長的連續模型（可以說完全不懂，囧）。這個對編程能力的要求相對低一點，但是數學基本功要好，主要涉及的知識是數理統計和微分方程。
統計類問題：聚類，判別，單因素多因素方差分析，回歸，擬合，還有那叫什麼灰色預測的和時間序列分析的模型，聽說很好用，但是我不會。
微分方程：不說什麼了，這個我完全不懂，應該就是什麼龍格庫塔那類的，用MATLAB算參數的，其他的我也不說什麼了，說得太多隻能暴露我的無知。
以上就是我的一點點心得，希望可以對參加數學建模的同學有幫助，如果不僅僅是為了比賽獲獎，當作一項愛好也是不錯的選擇。

❻ 數學建模該怎麼入門

以下建議針對非數學系的新人，可以有計劃的學習，不過別忘記，比賽是3個人的事情，所以下面涉及的知識僅靠一個人是不太可能勝任的（不排除有大牛人），這時候隊友的分工協作就尤為重要了。

首先是我擅長的離散型的模型。如果你是計算機專業的，又有ACM經驗的話，那麼你可以大展身手了。不過對於非計算機專業的同學（比如當年的我）來說，應該是沒有什麼演算法的經驗了，所以恆心和毅力，對隊友的信任，以及RP值（這點我超級自信）就非常重要了。

模型方面：姜啟源的那本《數學模型》第三版，謝金星的《優化建模與LINDO/LINGO軟體》就可以了，不用抱著一堆書結果什麼都看不了。

演算法的實現對於數學建模起著決定性的作用，一般要會以下演算法。不過不用像計算機專業的那樣，追求log n或者n或者nlog n的演算法復雜度，只要能出結果就行，10min還是20min都可以。不過千萬不要用LINGO求解TSP啊，要好多年才出結果。

1、 動態規劃（工序調度，排課表，排比賽場次）

2、 0-1規劃（投資，下料，運輸）

3、 線性規劃（投資，下料，運輸）

4、 圖的一系列問題（深度廣度搜索，遍歷，TSP，著色等等）

5、 網路流（多半轉化成規劃問題）

6、 最好能掌握神經網路，遺傳，模擬退火，蟻群，禁忌搜索中的一種或多種，因為離散的賽題多半是組合優化的問題，大多數模型在現有演算法能力下是沒有精確解的（二維下料，排課表，TSP等等），所以啟發式演算法就顯得尤為重要，比如遺傳演算法，MATLAB7.X已經有這個工具箱了，但是一定要弄清原理，知道怎麼編碼，怎麼確定種群規模和遺傳代數，怎麼確定遺傳概率和交叉概率。怎麼避免早熟，怎麼跳離局部最優。

軟體方面：

1、 C/C++/JAVA/BASIC。隨便會一種就可以，C的演算法效率絕對比MATLAB高出很多，所以一般的演算法還是用C實現吧。

2、 MATLAB。很無敵的數學軟體，不多介紹了，最好能掌握神經網路工具箱和遺傳演算法工具箱的使用方法。演算法的話，它可以實現的的C/C++也可以，用什麼就看個人喜好了。

3、 LINGO。很無敵的規劃模型的求解軟體，對於離散模型來說，這個必須掌握。別忘記求解的時候在「全局最優」復選框前打鉤，不然結果可能是局部最優。（LingoàOptionsàGlobal Solverà Use Global Solver）

然後是我不擅長的連續模型（可以說完全不懂，囧）。這個對編程能力的要求相對低一點，但是數學基本功要好，主要涉及的知識是數理統計和微分方程。

統計類問題：聚類，判別，單因素多因素方差分析，回歸，擬合，還有那叫什麼灰色預測的和時間序列分析的模型，聽說很好用，但是我不會。

微分方程：不說什麼了，這個我完全不懂，應該就是什麼龍格庫塔那類的，用MATLAB算參數的，其他的我也不說什麼了，說得太多隻能暴露我的無知。

以上就是我的一點點心得，希望可以對參加數學建模的同學有幫助，如果不僅僅是為了比賽獲獎，當作一項愛好也是不錯的選擇。

❼ 初學者，數學建模需要准備些什麼東西

數學建模應當掌握的十類演算法
‍‍ 1、蒙特卡羅演算法（該演算法又稱隨機性模擬演算法，是通過計算機模擬來解決問題的算 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、數據擬合、參數估計、插值等數據處理演算法（比賽中通常會遇到大量的數據需要 處理，而處理數據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，需要認真准備） 5、動態規劃、回溯搜索、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索最優點的演算法，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 使用一些高級語言作為編程工具） 8、一些連續離散化方法（很多問題都是實際來的，數據可以是連續的，而計算機只 認的是離散的數據，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級語言進行編程的話，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、函數積分等演算法就需要額外編寫庫函數進行調 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，論文中也應該 要不乏圖片的，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）
數學建模資料
競賽參考書
l、中國大學生數學建模競賽，李大潛主編，高等教育出版社(1998)． 2、大學生數學建模競賽輔導教材，(一)(二)(三)，葉其孝主編，湖南教育 出版社(1993，1997，1998)． 3、數學建模教育與國際數學建模競賽 《工科數學》專輯，葉其孝主編， 《工科數學》雜志社，1994)．
國內教材、叢書
1、數學模型，姜啟源編，高等教育出版社(1987年第一版，1993年第二版，2003年第三版；第一版在 1992年國家教委舉辦的第二屆全國優秀教材評選中獲"全國優秀教材獎")． 2、數學模型與計算機模擬，江裕釗、辛培情編，電子科技大學出版社，(1989)． 3、數學模型選談(走向數學從書)，華羅庚，王元著，王克譯，湖南教育出版社；(1991)． 4、數學建模--方法與範例，壽紀麟等編，西安交通大學出版社(1993)． 5、數學模型，濮定國、 田蔚文主編，東南大學出版社(1994)． 6..數學模型，朱思銘、李尚廉編，中山大學出版社，(1995) 7、數學模型，陳義華編著，重慶大學出版社，(1995) 8、數學模型建模分析，蔡常豐編著，科學出版社，(1995)． 9、數學建模競賽教程，李尚志主編，江蘇教育出版社，(1996)． 10、數學建模入門，徐全智、楊晉浩編，成都電子科大出版社，(1996). 11、數學建模，沈繼紅、施久玉、高振濱、張曉威編，哈爾濱工程大學出版社，(1996). 12、數學模型基礎，王樹禾編著，中國科學技術大學出版社，(1996). 13、數學模型方法，齊歡編著，華中理工大學出版社，(1996)． 14、數學建模與實驗，南京地區工科院校數學建模與工業數學討論班編，河海大學 出版社，(1996)． 15、數學模型與數學建模，劉來福、曾文藝編，北京師范大學出版杜(1997)． 16. 數學建模，袁震東、洪淵、林武忠、蔣魯敏編，華東師范大學出版社. 17、數學模型，譚永基，俞文吡編，復旦大學出版社，(1997)． 18、數學模型實用教程，費培之、程中瑗層主編，四川大學出版社，(1998)． 19、數學建模優秀案例選編(工科數學基地建設叢書)，汪國強主編，華南理工大學出版社，(1998)． 20、經濟數學模型(第二版)(工科數學基地建設叢書)，洪毅、賀德化、昌志華 編著，華南理工大學出版社，(1999)． 21、數學模型講義，雷功炎編，北京大學出版社(1999)． 22、數學建模精品案例，朱道元編著，東南大學出版社，(1999)， 23、問題解決的數學模型方法，劉來福，曾文藝編著、北京師范大學出版社，(1999)． 24、數學建模的理論與實踐，吳翔，吳孟達，成禮智編著，國防科技大學出版社， (1999)． 25、數學建模案例分析，白其嶺主編，海洋出版社，(2000年，北京)． 26、數學實驗(高等院校選用教材系列)，謝雲蓀、張志讓主編，科學出版社，(2000)． 27、數學實驗，傅鵬、龔肋、劉瓊蓀，何中市編，科學出版社，(2000)． 28、數學建模與數學實驗，趙靜、但琦編，高等教育出版社，(2000).
國外參考書(中譯本)
1、數學模型引論， E．A。Bender著，朱堯辰、徐偉宣譯，科學普及出版社(1982). 2、數學模型，[門]近藤次郎著，官榮章等譯，機械工業出版社，(1985)． 3、微分方程模型，(應用數學模型叢書第1卷)，[美]W．F．Lucas主編，朱煜民等 譯，國防科技大學出版社，(1988)． 4、政治及有關模型，(應用數學模型叢書第2卷)，[美W．F．Lucas主編，王國秋 等譯，國防科技大學出版社，(1996)． 5、離散與系統模型，(應用數學模型叢書第3卷)，[美w．F．Lucas主編，成禮智 等譯，國防科技大學出版社，(1996)． 6、生命科學模型，(應用數學模型叢書第4卷)，[美1W．F．Lucas主編，翟曉燕等 譯，國防科技大學出版社，(1996)． 7、模型數學--連續動力系統和離散動力系統，[英1H．B．Grif6ths和A．01dknow 著，蕭禮、張志軍編譯，科學出版社，(1996)． 8、數學建模--來自英國四個行業中的案例研究，(應用數學譯叢第4號)， 英]D．Burglles等著，葉其孝、吳慶寶譯，世界圖書出版公司，(1997)
專業性參考書
(這方面書籍很多，僅列幾本供參考) ： 1、水環境數學模型，[德]W．KinZE1bach著，楊汝均、劉兆昌等編纂，中國建築工 業出版社，(1987)． 2、科技工程中的數學模型，堪安琦編著，鐵道出版社(1988) 3、生物醫學數學模型，青義學編著，湖南科學技術出版杜(1990)． 4、農作物害蟲管理數學模型與應用，蒲蟄龍主編，廣東科技出版社(1990)． 5、系統科學中數學模型，歐陽亮編著， E山東大學出版社，(1995)． 6、種群生態學的數學建模與研究，馬知恩著，安徽教育出版社，(1996) 7、建模、變換、優化--結構綜合方法新進展，隋允康著，大連理工大學出版社， (1986) 8、遺傳模型分析方法，朱軍著，中國農業出版社(1997)． (中山大學數學系王壽松編輯，2001年4月)
過程
模型准備
了解問題的實際背景，明確其實際意義，掌握對象的各種信息。用數學語言來描述問題。
模型假設
根據實際對象的特徵和建模的目的，對問題進行必要的簡化，並用精確的語言提出一些恰當的假設。
模型建立
在假設的基礎上，利用適當的數學工具來刻劃各變數之間的數學關系，建立相應的數學結構（盡量用簡單的數學工具）。
模型求解
利用獲取的數據資料，對模型的所有參數做出計算（或近似計算）。
模型分析
對所得的結果進行數學上的分析。
模型檢驗
將模型分析結果與實際情形進行比較，以此來驗證模型的准確性、合理性和適用性。如果模型與實際較吻合，則要對計算結果給出其實際含義，並進行解釋。如果模型與實際吻合較差,則應該修改假設，再次重復建模過程。
模型應用
應用方式因問題的性質和建模的目的而異。

1、努力學習數學知識，完善自己的知識體系，尤其是與數學相關的知識體系，比如高等數學、工程數學和應用數學的相關知識；
2、擴充自己的知識面，你可以看到很多賽題都是很現實的社會熱點問題，相關的背景知識是非常必要的；
3、多看一些案例分析的教程，在學習案例分析時的注意點是：如何考慮現實問題中的各個因素，綜合運用所學知識，建立適當的模型；如何進行模型的優化；如何求解模型；如何解釋模型的解。
還要逐步去理解數學建模中最難的三個問題，1、如何用學到的數學思想來表述所面對的問題，所謂的建模。2、應用學到的數學知識解剛剛建立的數學模型，並進行優化。3、將剛剛得到的數學上的解解釋為現實問題中的現象或者是方法。這三個過程體現了一個「現實——>數學——>現實」的一個過程。這其實就是最難的地方。這需要你首先了解面臨的實際問題，然後從現實中轉入數學，再從數學中跳出來回到現實。
4、說到matlab，我建議你借一本matlab手冊做參考書就行了！畢竟matlab只是實現你數學模型的基礎，這不是說matlab不重要，其實matlab也很重要！
祝你快樂！

❽ 怎樣學習數學建模

數學建模知識應該具備的數學基礎有高等數學、線性代數、概率論與數理統計，在此基礎上重點看一下運籌學的書籍。當然，數學建模不僅僅是要求數學知識扎實，還需要參賽者廣泛涉獵知識（包括物理、生物、心理學等），因為許多數學建模題目要求背景知識比較深，比如說12年MCM A題要求畫出一棵樹，這就需要參賽隊員了解某類植物樹葉生長具備的特點，涉及生物學知識；第二屆MATHORCUP全球數學建模挑戰賽A題也涉及到空氣動力學知識。因此，數學建模是以數學為基礎，綜合各門學科（涵蓋自然科學和社會科學）的一項賽事。

具備上述基礎知識以後，就著重看一些建模方面的書籍，如：趙靜和但琦的《數學建模與數學實驗》、姜啟源和謝金星的《數學模型》、《運籌學》、肖華勇的《實用數學建模與軟體應用》。每一本書都有自己的特色，也沒必要仔仔細細地把整本書都看完，甚至你可以只知道模型的大致步驟，真正用到的時候再翻書詳細了解這個模型。因為數學建模本身就是一個學習的過程，在短短3天時間里，將陌生的知識轉化成自己的知識是具有挑戰的，更何況還要對模型進行改進，但是正是這樣，我們才能不斷接觸新知識，不斷培養自己的學習能力。

熟悉模型之後，基本能夠看懂大部分的優秀論文了。個人認為看一些「高教杯」特等獎論文及美賽Outstanding對自己思路、知識、寫作能力提升非常快，這些論文一般邏輯性很強，層次感出眾。在欣賞優秀論文的過程中，還要注意模型的適用范圍，舉個例子來說，對於預測類的題目，比較常用的預測模型有時間序列模型、灰色預測模型、貝葉斯預測模型、神經網路預測模型等，這些模型並不是對所有的數據都是適的，有些模型需要先對數據進行剔除、平均等處理，這些細節需要特別注意，一旦不注意就會影響整篇論文的量。

上述三步進行之後，接下來就是實戰演練了。參加完後主動找組委會要評語（因為那些評語里記錄著你的不足，便於今後改正）。

❾ 數學建模需要學些什麼

准備一些基本知識吧，比如線性規劃、運籌學方面的東西、隨即過程、微分方程的定性理論等等，技術方面學一學matlab、spss、stata、sas、maple、c/c++等等。 找一本關於數學建模的書看看吧，大概可以知道有些什麼樣的題目。 這樣的書挺多的，寫的大同小異。 不過建模競賽書上所講的東西都是些很基本的建模方法，真正建模競賽的題目要綜合運用這些方法來解決的。看這些書可以有一個初步的認識。真正什麼是建模，大概只有你參加一次建模競賽就能有體會了。