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，是透過計算機模擬來解決問題的算 法，同時可以透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、資料擬合、引數估計、插值等資料處理演算法（比賽中通常會遇到大量的資料需要 處理，而處理資料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 屬於最最佳化問題，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，需要認真準備） 5、動態規劃、回溯搜尋、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、最最佳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最佳化問題的演算法，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尋最優點的演算法，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 使用一些高階語言作為程式設計工具） 8、一些連續離散化方法（很多問題都是實際來的，資料可以是連續的，而計算機只 認的是離散的資料，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階語言進行程式設計的話，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、函式積分等演算法就需要額外編寫庫函式進行調 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，是透過計算機模擬來解決問題的算 法，同時可以透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、資料擬合、引數估計、插值等資料處理演算法（比賽中通常會遇到大量的資料需要 處理，而處理資料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 屬於最最佳化問題，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，需要認真準備） 5、動態規劃、回溯搜尋、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、最最佳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最佳化問題的演算法，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尋最優點的演算法，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 使用一些高階語言作為程式設計工具） 8、一些連續離散化方法（很多問題都是實際來的，資料可以是連續的，而計算機只 認的是離散的資料，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階語言進行程式設計的話，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、函式積分等演算法就需要額外編寫庫函式進行調 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）