目录数学建模都是大家抄来抄去吗 高校数学建模课程中心 数学建模课程主要讲什么 数学建模难度大吗 江苏省数学建模竞赛
数学建模，就是根据实际问题来建立数学模型，对数学模型来进行求解，然后根据结果去解决实际问题。当需要从腊逗吵定量的角度分析和指判研究一个实际问题轮侍时，人们就要在深入调查研究、了解对象信息、作出简化假设、分析内在规律等工作的基础上，用数学的符号和语言作表述来建立数学模型。
我们身边经常会接触到一些模型，比如常见的飞机模型、车辆模型等，总体而言其主要特征是对一些事物的部分特征作出的模拟和抽象。而数学建模，简单来说就是使用数学符号对于某些事物进行抽象和模拟。
数学建模的现状：
为了适应科学技术发展的需要和培养高质量、高层次科技人才，数学建模已经在大学教育中逐步开展，国内外越来越多的大学正在进行数学建模课程的教学和参加开放性的数学建模竞赛，将数学建模教学和竞赛作为高等院校的教学改革和培养高层次的科技人才的一个重要方面。
许多院校正在将数学建模与教学改革相结合，努力探索更有效的数学建模教学法和培养面向21世纪的人才的新思路，与我国高校的其它数学类课程相比，数学建模具有难度大、涉及面广、形式灵活，对教师和学生要求高等特点，数学建模的教学本身是一个不断探索、不断创新、不断完善和提高的过程。
参考资料来源：-数学建模
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，对队友备悄的信任，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》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，追求姿核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。
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，不多介绍了，最好能掌握神经网络箱和遗传算法箱的使用方法。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，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，说得仿册渣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。
数学建模课程的主要内容如下：
数学建模课程共十三章，包括指标合成方法、趣味数模、离散模型、数据处理方法、排队论、优化模型、图论模喊戚型、线性回归模型等内容。
数学模型一般是实际事物的一种数学简化。它常常是以某种意义上接近实际事物的抽象形式存在的,但它和真实的事物有着本质的区别。要描述一个实际现象可猛禅以有很多种方式,比如录音,录像,比喻,传言等等。
为了使描述更具科学性,逻辑性,客观性和可重复性,人们采用一种普遍认为比较严格的语言来描述各种现象,这种语言就是数学。使用数学语言描述的事物就称为数学模型。有时候我们需要做一些实验,但这些实验往往用抽象出来了的数学模型作为实际物体的代替而进行相应的实验,实验本身也是实际操作的一种理论替代。
数学建模的几个过程：
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,利用适当的数学工枝渗尘具来刻划各变量之间的数学关系,建立相应的数学结构。
模型求利用获取的数据资料,对模型的所有参数做出计算（估计）。
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。
数学建模是数学的分支，不是专业，是根据实际问题来建立数学模型，对数学模型来进行求解，然后根据结果去解决实际问题。
当升历需要从定量的角度分析和研究一个实际问题时，人们就要在深入调查研究、了解对象信息、作出简化假设、分析内在规律等工作的基础上，用数学的符号和语言作表述来建立数学模型。
近半个多世纪以来，随着计算机技术的迅速发展，数学的应用不仅在工程技术、自然吵乎搜科学等领域发挥着越来越重要的作用，而且以空前的广度和深度向经济、管理、金融、生物、医学、环境、地质、人口、交通等新的领域渗透，所谓数学技术已经成为当代高新技术的重要组成部分。顷含
数学建模的应用：
数学是研究现实世界数量关系和空间形式的科学，在它产生和发展的历史长河中，一直是和各种各样的应用问题紧密相关的。数学的特点不仅在于概念的抽象性、逻辑的严密性、结论的明确性和体系的完整性，而且在于它应用的广泛性。
自从20世纪以来，随着科学技术的迅速发展和计算机的日益普及，人们对各种问题的要求越来越精确，使得数学的应用越来越广泛和深入，特别是在21世纪这个知识经济时代，数学科学的地位会发生巨大的变化，它正在从国家经济和科技的后备走到了前沿。
以上内容参考：—数学建模
数学建模竞赛的内容：
竞赛题目一般来源于工程技术和管理科学等方面经过适当简化加工的实际问题，不要求参赛者预先掌握深入的专门知识，只需要学过普通高校的数学课程。
题目有较橡雹亏大的灵活性供参赛者发挥其创造能力。参赛者应根据题目要求，完成一篇包括模型假设、建立和求解、计算方法的设计和计算机实现、结肆圆果的分析和检验、模型的改进等方面的论文。竞赛评奖以假设的合理性、建模的创造性、结果的正确性和文字表述的清晰程度为主要标准。
数学建模大赛步骤：
建模是一个非常复杂和创造性的工作。现实世界中的事物是如此的多样化和繁杂，以至于不可能指定如何使用一些规则和规则来构建各种模型。下面是对建模的一般步骤和原则的概括总结：
1、模型准备：首先要了解问题的梁神实际背景，明确课题的要求，收集各种必要的信息。
2、模型假设：为了使用数学方法，通常需要对问题做出合理的假设，突出问题的主要特征，忽略问题的次要方面。
3、模型组成：根据所做的假设和事物之间的关系，构造出各量之间的关系，构成问题。
4、模型求解：利用已知的数学方法来求解前一步得到的数学问题，往往需要进一步的简化或假设。对于数学问题，要尽可能小心地使用简单的数学。
