一、模型与数学模型的基本概念
1.模型的分类：
2.数学模型的分类：
方式1：按所用的数学知识：
初等模型、几何模型、微积分模型、微分方程模型、图论模型、概率统计模型、规划论模型等
方式2：按所解决的问题领域分类：
物理模型：自然科学领域内的问题
非物理模型：经济模型、交通模型、人口模型、生态模型、环境模型、医学模型、社会学模型、
方式3：按建模目的分类：
描述模型、分析模型、预报模型、优化模型、决策模型、控制模型
方式4：按模型的表现特性分类：
确定模型、随机模型、静态模型、动态模型、离散模型、连续模型
二、建模的一般步骤
模型假设：针对问题特点和建模目的做出合理的、简化的假设（合理与简化之间作出折中）
建立模型：用数学的语言、符号描述问题（尽量采用简单的数学工具）
1.问题表述：
问题表述（问题重述）是根据建模的目的和信息将实际问题翻译成自己理解的数学问题
2.模型求解:
选择适当的数学方法（MATLAB或者是计算机语言）求得数学模型的解答
3.解释对象：
在模型求解出结果后，对结果进行分析以及其中蕴含的浅/深层信息
4.验证问题：
用现实对象的信息检验得到的答案
三、数模论文的结构
四、关于团队协作与分工
1.团队分工：
（1）建模分工：
建模在竞赛中负责建立模型的整体脉络，需要多接触数学类的知识如运筹学、模糊数学、数据分析，以便在建模时能够匹配相应的模型。
建模人员必须要掌握的模型：
评价类：层次分析法、模糊综合评价、TOPSIS、神经网络
预测类：回归预测、时间序列预测、神经网络预测、马尔科夫预测
优化类：线性和非线性规划、整数规划、0-1规划、多目标和智能优化
数据处理：插值拟合、归一化、主成分分析
聚类分析：k-means聚类、SVM聚类分析、随机深林和决策树
相关性分析：灰色关联分析、皮尔逊系数
图与网络：最短路径、旅行商（TSP问题）、最小生成树、网络最大流
其他算法：微分方程、元胞自动机、蒙特卡洛算法
（2）编程分工：
负责为建立的数学模型进行编程，需要掌握使用的软件有MATLAB、LINGO和SPASS等。
必须能够熟练掌握各种常用建模算法的编程实现，并事先将其分门别类的储存好
对于常见的选择、循环等语句结构和微分方程组的求解都能熟练掌握
对于数据可视化、绘图等也能熟练掌握
（3）论文编写：
使用学术型语言写出建模论文，能够清晰的表达出模型建立的过程，需要较强的语言能力。
2.团队协作：
在选题刚公布时，编程和写作的队员是没有任何工作的，所有人应该集中起来研究赛题，确定选题后分析思路。
建立模型工作开始后，分工开始安排，建模人员搭建何种模型，编程人员需要提前编写模型实现过程，写作人员针对模型逻辑开始撰写问题分析和模型建立等内容。
若有收获，就点个赞吧
0 人点赞
