数学建模的分类

按模型的数学方法分

几何模型、图论模型、微分方程模型、概率模型、最优控制模型、规划论模型、马氏链模型等

按模型的特征分

静态和动态模型，确定性模型和随机模型，离散模型和连续性模型、线性模型和非线性模型等

按模型的应用领域分

人口模型、交通模型、经济模型、生态模型、资源模型、环境模型等

按建模的目的分

预测模型、优化模型、决策模型、控制模型等

按对模型的结构了解程度分

白箱模型、灰箱模型、黑箱模型等

十大算法

1、蒙特卡洛算法（随机性模拟算法）

通过计算机仿真来解决问题的算法，同时可以通过模拟来检验自己模型的正确性

2、数据拟合、参数估计、插值等数据处理算法

处理大量数据

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，很多时候可以用数学规划算法来描述

4、图论算法

包括最短路、网络流、二分图等算法必须掌握

**5、动态规划、回溯搜索、分治算法、分支定界等计算机算法

这些问题时用来解决一些较困难的最优化问题的算法

6、最优化理论的经典算法：模拟退火、神经网路、遗传算法

解决较难的最优化问题的算法，算法比较难实现

7、网格算法和穷举法

暴力解题方法

8、一些连续离散化方法

很多问题都是从实际来的，数据可以是连续的，而计算机只认识离散的数据，因此将其离散化后进行差分代替微分、求和代替积分等是非常重要的

9、数值分析算法

进行高级语言进行编程，一些数值分析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、图像处理算法

与图形有关，即使与图形无关，论文中也应该要又较多图片。图形如何展示以及处理就是需要处理的问题

1、灰色预测模型（必掌握）

满足两个条件可用
数据样本点个数少，6-15个
数据呈指数或曲线形式