数学建模初学

❶ ！！！！！数学建模入门！！！！！

1，你要看的书：高数，线代，概率统计，图论方法，最优化方法.
2，对编程要求比较高，用matlab的话，基本都是傻瓜式操作。学好C语言，matlab用起来就得心应手了。不过，就我个人感受matlab为了方便使用而省去了很多规则，不够严谨，容易出错.
3，多长时间不好说，我大一结束时，C应该学完了，高数，线代也学了。概率统计，图论就要自己看了。两个月应该够了。

❷ 初学者如何在最短时间内学好数学建模

去数学中国这个网站看看，里面把建模需要的模型都总结了，还有就是多看些国赛论文。。主要就是拿到题有想法。国赛快开始了，加油哈~~~

❸ 数学建模从大几开始学好呢

从大一进学校就开始学比较好，刚刚经历高中的全面学习是知识面记得比较好的时期

❹ 数学建模新手怎么入门啊，我是大二学生，数学基础一般。

做题就对了。
如果你是数学系的。
有数学建模这门课程的，
书上的例子就已经很好了。
还有习题可以做啊。
数学就是做题，嘿嘿。乐在其中。

❺ 数学建模怎么入门

以下建议针对非数学系的新人，可以有计划的学习，不过别忘记，比赛是3个人的事情，所以下面涉及的知识仅靠一个人是不太可能胜任的（不排除有大牛人），这时候队友的分工协作就尤为重要了。
首先是我擅长的离散型的模型。如果你是计算机专业的，又有ACM经验的话，那么你可以大展身手了。不过对于非计算机专业的同学（比如当年的我）来说，应该是没有什么算法的经验了，所以恒心和毅力，对队友的信任，以及RP值（这点我超级自信）就非常重要了。
模型方面：姜启源的那本《数学模型》第三版，谢金星的《优化建模与LINDO/LINGO软件》就可以了，不用抱着一堆书结果什么都看不了。
算法的实现对于数学建模起着决定性的作用，一般要会以下算法。不过不用像计算机专业的那样，追求log
n或者n或者nlog
n的算法复杂度，只要能出结果就行，10min还是20min都可以。不过千万不要用LINGO求解TSP啊，要好多年才出结果。
1、
动态规划（工序调度，排课表，排比赛场次）
2、
0-1规划（投资，下料，运输）
3、
线性规划（投资，下料，运输）
4、
图的一系列问题（深度广度搜索，遍历，TSP，着色等等）
5、
网络流（多半转化成规划问题）
6、
最好能掌握神经网络，遗传，模拟退火，蚁群，禁忌搜索中的一种或多种，因为离散的赛题多半是组合优化的问题，大多数模型在现有算法能力下是没有精确解的（二维下料，排课表，TSP等等），所以启发式算法就显得尤为重要，比如遗传算法，MATLAB7.X已经有这个工具箱了，但是一定要弄清原理，知道怎么编码，怎么确定种群规模和遗传代数，怎么确定遗传概率和交叉概率。怎么避免早熟，怎么跳离局部最优。
软件方面：
1、
C/C++/JAVA/BASIC。随便会一种就可以，C的算法效率绝对比MATLAB高出很多，所以一般的算法还是用C实现吧。
2、
MATLAB。很无敌的数学软件，不多介绍了，最好能掌握神经网络工具箱和遗传算法工具箱的使用方法。算法的话，它可以实现的的C/C++也可以，用什么就看个人喜好了。
3、
LINGO。很无敌的规划模型的求解软件，对于离散模型来说，这个必须掌握。别忘记求解的时候在“全局最优”复选框前打钩，不然结果可能是局部最优。（LingoàOptionsàGlobal
Solverà
Use
Global
Solver）
然后是我不擅长的连续模型（可以说完全不懂，囧）。这个对编程能力的要求相对低一点，但是数学基本功要好，主要涉及的知识是数理统计和微分方程。
统计类问题：聚类，判别，单因素多因素方差分析，回归，拟合，还有那叫什么灰色预测的和时间序列分析的模型，听说很好用，但是我不会。
微分方程：不说什么了，这个我完全不懂，应该就是什么龙格库塔那类的，用MATLAB算参数的，其他的我也不说什么了，说得太多只能暴露我的无知。
以上就是我的一点点心得，希望可以对参加数学建模的同学有帮助，如果不仅仅是为了比赛获奖，当作一项爱好也是不错的选择。

❻ 数学建模该怎么入门

以下建议针对非数学系的新人，可以有计划的学习，不过别忘记，比赛是3个人的事情，所以下面涉及的知识仅靠一个人是不太可能胜任的（不排除有大牛人），这时候队友的分工协作就尤为重要了。

首先是我擅长的离散型的模型。如果你是计算机专业的，又有ACM经验的话，那么你可以大展身手了。不过对于非计算机专业的同学（比如当年的我）来说，应该是没有什么算法的经验了，所以恒心和毅力，对队友的信任，以及RP值（这点我超级自信）就非常重要了。

模型方面：姜启源的那本《数学模型》第三版，谢金星的《优化建模与LINDO/LINGO软件》就可以了，不用抱着一堆书结果什么都看不了。

算法的实现对于数学建模起着决定性的作用，一般要会以下算法。不过不用像计算机专业的那样，追求log n或者n或者nlog n的算法复杂度，只要能出结果就行，10min还是20min都可以。不过千万不要用LINGO求解TSP啊，要好多年才出结果。

1、 动态规划（工序调度，排课表，排比赛场次）

2、 0-1规划（投资，下料，运输）

3、 线性规划（投资，下料，运输）

4、 图的一系列问题（深度广度搜索，遍历，TSP，着色等等）

5、 网络流（多半转化成规划问题）

6、 最好能掌握神经网络，遗传，模拟退火，蚁群，禁忌搜索中的一种或多种，因为离散的赛题多半是组合优化的问题，大多数模型在现有算法能力下是没有精确解的（二维下料，排课表，TSP等等），所以启发式算法就显得尤为重要，比如遗传算法，MATLAB7.X已经有这个工具箱了，但是一定要弄清原理，知道怎么编码，怎么确定种群规模和遗传代数，怎么确定遗传概率和交叉概率。怎么避免早熟，怎么跳离局部最优。

软件方面：

1、 C/C++/JAVA/BASIC。随便会一种就可以，C的算法效率绝对比MATLAB高出很多，所以一般的算法还是用C实现吧。

2、 MATLAB。很无敌的数学软件，不多介绍了，最好能掌握神经网络工具箱和遗传算法工具箱的使用方法。算法的话，它可以实现的的C/C++也可以，用什么就看个人喜好了。

3、 LINGO。很无敌的规划模型的求解软件，对于离散模型来说，这个必须掌握。别忘记求解的时候在“全局最优”复选框前打钩，不然结果可能是局部最优。（LingoàOptionsàGlobal Solverà Use Global Solver）

然后是我不擅长的连续模型（可以说完全不懂，囧）。这个对编程能力的要求相对低一点，但是数学基本功要好，主要涉及的知识是数理统计和微分方程。

统计类问题：聚类，判别，单因素多因素方差分析，回归，拟合，还有那叫什么灰色预测的和时间序列分析的模型，听说很好用，但是我不会。

微分方程：不说什么了，这个我完全不懂，应该就是什么龙格库塔那类的，用MATLAB算参数的，其他的我也不说什么了，说得太多只能暴露我的无知。

以上就是我的一点点心得，希望可以对参加数学建模的同学有帮助，如果不仅仅是为了比赛获奖，当作一项爱好也是不错的选择。

❼ 初学者，数学建模需要准备些什么东西

数学建模应当掌握的十类算法
‍‍ 1、蒙特卡罗算法（该算法又称随机性模拟算法，是通过计算机仿真来解决问题的算 法，同时可以通过模拟可以来检验自己模型的正确性，是比赛时必用的方法） 2、数据拟合、参数估计、插值等数据处理算法（比赛中通常会遇到大量的数据需要 处理，而处理数据的关键就在于这些算法，通常使用Matlab作为工具） 3、线性规划、整数规划、多元规划、二次规划等规划类问题（建模竞赛大多数问题 属于最优化问题，很多时候这些问题可以用数学规划算法来描述，通常使用Lindo、 Lingo软件实现） 4、图论算法（这类算法可以分为很多种，包括最短路、网络流、二分图等算法，涉 及到图论的问题可以用这些方法解决，需要认真准备） 5、动态规划、回溯搜索、分治算法、分支定界等计算机算法（这些算法是算法设计 中比较常用的方法，很多场合可以用到竞赛中） 6、最优化理论的三大非经典算法：模拟退火法、神经网络、遗传算法（这些问题是 用来解决一些较困难的最优化问题的算法，对于有些问题非常有帮助，但是算法的实 现比较困难，需慎重使用） 7、网格算法和穷举法（网格算法和穷举法都是暴力搜索最优点的算法，在很多竞赛 题中有应用，当重点讨论模型本身而轻视算法的时候，可以使用这种暴力方案，最好 使用一些高级语言作为编程工具） 8、一些连续离散化方法（很多问题都是实际来的，数据可以是连续的，而计算机只 认的是离散的数据，因此将其离散化后进行差分代替微分、求和代替积分等思想是非 常重要的） 9、数值分析算法（如果在比赛中采用高级语言进行编程的话，那一些数值分析中常 用的算法比如方程组求解、矩阵运算、函数积分等算法就需要额外编写库函数进行调 用） 10、图象处理算法（赛题中有一类问题与图形有关，即使与图形无关，论文中也应该 要不乏图片的，这些图形如何展示以及如何处理就是需要解决的问题，通常使用Matlab 进行处理）
数学建模资料
竞赛参考书
l、中国大学生数学建模竞赛，李大潜主编，高等教育出版社(1998)． 2、大学生数学建模竞赛辅导教材，(一)(二)(三)，叶其孝主编，湖南教育 出版社(1993，1997，1998)． 3、数学建模教育与国际数学建模竞赛 《工科数学》专辑，叶其孝主编， 《工科数学》杂志社，1994)．
国内教材、丛书
1、数学模型，姜启源编，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年国家教委举办的第二届全国优秀教材评选中获"全国优秀教材奖")． 2、数学模型与计算机模拟，江裕钊、辛培情编，电子科技大学出版社，(1989)． 3、数学模型选谈(走向数学从书)，华罗庚，王元著，王克译，湖南教育出版社；(1991)． 4、数学建模--方法与范例，寿纪麟等编，西安交通大学出版社(1993)． 5、数学模型，濮定国、 田蔚文主编，东南大学出版社(1994)． 6..数学模型，朱思铭、李尚廉编，中山大学出版社，(1995) 7、数学模型，陈义华编著，重庆大学出版社，(1995) 8、数学模型建模分析，蔡常丰编著，科学出版社，(1995)． 9、数学建模竞赛教程，李尚志主编，江苏教育出版社，(1996)． 10、数学建模入门，徐全智、杨晋浩编，成都电子科大出版社，(1996). 11、数学建模，沈继红、施久玉、高振滨、张晓威编，哈尔滨工程大学出版社，(1996). 12、数学模型基础，王树禾编著，中国科学技术大学出版社，(1996). 13、数学模型方法，齐欢编著，华中理工大学出版社，(1996)． 14、数学建模与实验，南京地区工科院校数学建模与工业数学讨论班编，河海大学 出版社，(1996)． 15、数学模型与数学建模，刘来福、曾文艺编，北京师范大学出版杜(1997)． 16. 数学建模，袁震东、洪渊、林武忠、蒋鲁敏编，华东师范大学出版社. 17、数学模型，谭永基，俞文吡编，复旦大学出版社，(1997)． 18、数学模型实用教程，费培之、程中瑗层主编，四川大学出版社，(1998)． 19、数学建模优秀案例选编(工科数学基地建设丛书)，汪国强主编，华南理工大学出版社，(1998)． 20、经济数学模型(第二版)(工科数学基地建设丛书)，洪毅、贺德化、昌志华 编著，华南理工大学出版社，(1999)． 21、数学模型讲义，雷功炎编，北京大学出版社(1999)． 22、数学建模精品案例，朱道元编著，东南大学出版社，(1999)， 23、问题解决的数学模型方法，刘来福，曾文艺编著、北京师范大学出版社，(1999)． 24、数学建模的理论与实践，吴翔，吴孟达，成礼智编著，国防科技大学出版社， (1999)． 25、数学建模案例分析，白其岭主编，海洋出版社，(2000年，北京)． 26、数学实验(高等院校选用教材系列)，谢云荪、张志让主编，科学出版社，(2000)． 27、数学实验，傅鹏、龚肋、刘琼荪，何中市编，科学出版社，(2000)． 28、数学建模与数学实验，赵静、但琦编，高等教育出版社，(2000).
国外参考书(中译本)
1、数学模型引论， E．A。Bender著，朱尧辰、徐伟宣译，科学普及出版社(1982). 2、数学模型，[门]近藤次郎著，官荣章等译，机械工业出版社，(1985)． 3、微分方程模型，(应用数学模型丛书第1卷)，[美]W．F．Lucas主编，朱煜民等 译，国防科技大学出版社，(1988)． 4、政治及有关模型，(应用数学模型丛书第2卷)，[美W．F．Lucas主编，王国秋 等译，国防科技大学出版社，(1996)． 5、离散与系统模型，(应用数学模型丛书第3卷)，[美w．F．Lucas主编，成礼智 等译，国防科技大学出版社，(1996)． 6、生命科学模型，(应用数学模型丛书第4卷)，[美1W．F．Lucas主编，翟晓燕等 译，国防科技大学出版社，(1996)． 7、模型数学--连续动力系统和离散动力系统，[英1H．B．Grif6ths和A．01dknow 著，萧礼、张志军编译，科学出版社，(1996)． 8、数学建模--来自英国四个行业中的案例研究，(应用数学译丛第4号)， 英]D．Burglles等著，叶其孝、吴庆宝译，世界图书出版公司，(1997)
专业性参考书
(这方面书籍很多，仅列几本供参考) ： 1、水环境数学模型，[德]W．KinZE1bach著，杨汝均、刘兆昌等编纂，中国建筑工 业出版社，(1987)． 2、科技工程中的数学模型，堪安琦编著，铁道出版社(1988) 3、生物医学数学模型，青义学编著，湖南科学技术出版杜(1990)． 4、农作物害虫管理数学模型与应用，蒲蛰龙主编，广东科技出版社(1990)． 5、系统科学中数学模型，欧阳亮编著， E山东大学出版社，(1995)． 6、种群生态学的数学建模与研究，马知恩著，安徽教育出版社，(1996) 7、建模、变换、优化--结构综合方法新进展，隋允康著，大连理工大学出版社， (1986) 8、遗传模型分析方法，朱军著，中国农业出版社(1997)． (中山大学数学系王寿松编辑，2001年4月)
过程
模型准备
了解问题的实际背景，明确其实际意义，掌握对象的各种信息。用数学语言来描述问题。
模型假设
根据实际对象的特征和建模的目的，对问题进行必要的简化，并用精确的语言提出一些恰当的假设。
模型建立
在假设的基础上，利用适当的数学工具来刻划各变量之间的数学关系，建立相应的数学结构（尽量用简单的数学工具）。
模型求解
利用获取的数据资料，对模型的所有参数做出计算（或近似计算）。
模型分析
对所得的结果进行数学上的分析。
模型检验
将模型分析结果与实际情形进行比较，以此来验证模型的准确性、合理性和适用性。如果模型与实际较吻合，则要对计算结果给出其实际含义，并进行解释。如果模型与实际吻合较差,则应该修改假设，再次重复建模过程。
模型应用
应用方式因问题的性质和建模的目的而异。

1、努力学习数学知识，完善自己的知识体系，尤其是与数学相关的知识体系，比如高等数学、工程数学和应用数学的相关知识；
2、扩充自己的知识面，你可以看到很多赛题都是很现实的社会热点问题，相关的背景知识是非常必要的；
3、多看一些案例分析的教程，在学习案例分析时的注意点是：如何考虑现实问题中的各个因素，综合运用所学知识，建立适当的模型；如何进行模型的优化；如何求解模型；如何解释模型的解。
还要逐步去理解数学建模中最难的三个问题，1、如何用学到的数学思想来表述所面对的问题，所谓的建模。2、应用学到的数学知识解刚刚建立的数学模型，并进行优化。3、将刚刚得到的数学上的解解释为现实问题中的现象或者是方法。这三个过程体现了一个“现实——>数学——>现实”的一个过程。这其实就是最难的地方。这需要你首先了解面临的实际问题，然后从现实中转入数学，再从数学中跳出来回到现实。
4、说到matlab，我建议你借一本matlab手册做参考书就行了！毕竟matlab只是实现你数学模型的基础，这不是说matlab不重要，其实matlab也很重要！
祝你快乐！

❽ 怎样学习数学建模

数学建模知识应该具备的数学基础有高等数学、线性代数、概率论与数理统计，在此基础上重点看一下运筹学的书籍。当然，数学建模不仅仅是要求数学知识扎实，还需要参赛者广泛涉猎知识（包括物理、生物、心理学等），因为许多数学建模题目要求背景知识比较深，比如说12年MCM A题要求画出一棵树，这就需要参赛队员了解某类植物树叶生长具备的特点，涉及生物学知识；第二届MATHORCUP全球数学建模挑战赛A题也涉及到空气动力学知识。因此，数学建模是以数学为基础，综合各门学科（涵盖自然科学和社会科学）的一项赛事。

具备上述基础知识以后，就着重看一些建模方面的书籍，如：赵静和但琦的《数学建模与数学实验》、姜启源和谢金星的《数学模型》、《运筹学》、肖华勇的《实用数学建模与软件应用》。每一本书都有自己的特色，也没必要仔仔细细地把整本书都看完，甚至你可以只知道模型的大致步骤，真正用到的时候再翻书详细了解这个模型。因为数学建模本身就是一个学习的过程，在短短3天时间里，将陌生的知识转化成自己的知识是具有挑战的，更何况还要对模型进行改进，但是正是这样，我们才能不断接触新知识，不断培养自己的学习能力。

熟悉模型之后，基本能够看懂大部分的优秀论文了。个人认为看一些“高教杯”特等奖论文及美赛Outstanding对自己思路、知识、写作能力提升非常快，这些论文一般逻辑性很强，层次感出众。在欣赏优秀论文的过程中，还要注意模型的适用范围，举个例子来说，对于预测类的题目，比较常用的预测模型有时间序列模型、灰色预测模型、贝叶斯预测模型、神经网络预测模型等，这些模型并不是对所有的数据都是适的，有些模型需要先对数据进行剔除、平均等处理，这些细节需要特别注意，一旦不注意就会影响整篇论文的量。

上述三步进行之后，接下来就是实战演练了。参加完后主动找组委会要评语（因为那些评语里记录着你的不足，便于今后改正）。

❾ 数学建模需要学些什么

准备一些基本知识吧，比如线性规划、运筹学方面的东西、随即过程、微分方程的定性理论等等，技术方面学一学matlab、spss、stata、sas、maple、c/c++等等。 找一本关于数学建模的书看看吧，大概可以知道有些什么样的题目。 这样的书挺多的，写的大同小异。 不过建模竞赛书上所讲的东西都是些很基本的建模方法，真正建模竞赛的题目要综合运用这些方法来解决的。看这些书可以有一个初步的认识。真正什么是建模，大概只有你参加一次建模竞赛就能有体会了。