欢迎来到本博客❤️❤️❤️
目录
1 两个值得参加的数学建模比赛
1.1 高教社杯”全国大学生数学建模竞赛
1.2 中国研究生数学建模竞赛
2 经常需要用到的软件
3找代码网站推荐
4 2022全国大学生数学建模竞赛学习（思路、代码持续更新中……）
4.1思路、代码持续更新中……
4.2 数学建模学习要求和收获
1 两个值得参加的数学建模比赛
1.1 高教社杯”全国大学生数学建模竞赛
竞赛简介：全国大学生数学建模竞赛（以下简称竞赛）是中国工业与应用数学学会主办的面向全国大学生的群众性科技活动，旨在激励学生学习数学的积极性，提高学生建立数学模型和运用计算机技术解决实际问题的综合能力
竞赛时间：9.15-9.18日
赛题数量：4道或5道题
奖项设置：从各赛区送交的优秀答卷中评选出全国一等、二等奖,获奖比例为全国参赛队数的百分之十左右
综合难度：⭐⭐⭐⭐⭐
竞赛含金量：⭐⭐⭐⭐⭐
竞赛官网：http://www.mcm.edu.cn/
1.2 中国研究生数学建模竞赛
竞赛简介：中国研究生数学建模竞赛作为教育部学位与研究生教育发展中心指导、中国科协青少年科技中心主办的“中国研究生创新实践系列大赛”主题赛事之一，是一项面向在校研究生进行数学建模应用研究的学术竞赛活动。
竞赛时间：每年9月中旬
赛题数量：6道题目
综合难度：⭐⭐⭐⭐⭐
竞赛含金量：⭐⭐⭐⭐⭐
竞赛官网：学校统一组织报名，仅限研究生参加
2 经常需要用到的软件
MATLAB：数模的全能战士，优化类的算法，评价类的算法其实都可以编写，这也是参加数模前必须要了解的软件，缺点就是算法编写起来有时候比较复杂。
Lingo：主要用于求解一些线性优化，小型的非线性优化问题，优点是入门很容易，程序通俗易懂，缺点求解大规模优化问题速度较慢。
SPSS：主要用于求解评价类问题，比如层次分析法，主成分分析法等等，可以直接在SPSS用，不用编程。
CPLEX+yalmip：这个软件其实是我研究生才了解到的，Cplex是商业软件，可以直接在matlab中调用，在一些大规模的优化问题时可以有效提高求解速度。
Origin/Visio：绘图软件，Visio主要用于绘制流程图，Origin绘图功能超级强大，比直接在MATLAB中绘图要好看的多。好看的排版和图片也是拿奖的很重要的条件呢。
Word/LATEX：排版软件，就不多介绍了。一般来说，word就足够了。
3找代码网站推荐
前面两本书要细看，理解透，起码有印象某个用法在哪一页，其他的做到有所了解：
(1)模型/函数的输入是什么
(2)结果/输出是什么
(3)实现的是什么功能
前面两步是找到程序跑通代码，会把输入和一些参数修改运行即可,推荐找程序的网站：
联合开发网：http://www.pudn.com/
CSDN专业开发者社区:https://www.csdn.net/
当码网：http://www.downma.com/
MATALAB中文论坛:https://www.ilovematlab.cn/
电子发烧会论坛：https://bbs.elecfans.com/jishu_286991_1_1.html
4 2022全国大学生数学建模竞赛学习（思路、代码持续更新中……）
4.1思路、代码持续更新中……
2022全国大学生数学建模竞赛学习（思路、代码持续更新中……）
4.2 数学建模学习要求和收获
这里主要从数学方面，编程方面，写作方面，算法方面，学习途径四个角度来说
(1)数学方面：对于高等数学有一定的了解，比如求解方程组，数据处理中的归一化，方差，标准差，矩阵运算，积分求解，解高次方程，行列式求解，微分方程建立于求解等等。当然，最好也学过一些计算数学方面的知识。总之，这方面的知识越多，对模型的建立帮助就越大。不过，对于本科期间的建模，所需要的数学知识并不多深。
(2)编程方面：在编程语言发展过程中，出现的语言有几千种，如今比较常用的有C语言(面向过程），python(面向对象），matlab(专用于数学计算)等等。对于C语言，个人认为，在建模中不建议用，主要原因是编程太复杂，且数据多时**，对C语言不精通的人编写的语言往往非常慢**。对于python，我认为不错，它的numpy,pandas,matplotlib库等库专为计算而生，对于计算非常友好，而且易于编程，对于一些新手非常适合。最后的matlab可以说与python差不多，也适用于计算，而且语法更为简单，同时，功能也非常强大。所以，python和matlab在建模中都是比较适合的
(3)写作方面:对于word必须非常熟悉，尤其是插入公式，排版等，同时，最好学会latex(专业的论文写作排版软件)。还有，学会各种表述，比如问题分析如何表述，问题求解如何表述等等。总之，就是要达到能把复杂概念用简单易懂的语句表述出来。
(4)算法方面：至少要知道且会运用各种插值方法，多元线性（非线性）回归，灰色预测，动态规划，贪心算法，层次分析，微分方程与偏微分方程，整数规划，排队论，时间序列分析，因子分析，动力系统，差分，最好再会设计神经网络。对于求解，则要会梯度下降，牛顿类算法等等。
5，学习途径：中国大学mooc平台，B站（本人常用)等等，主要是要找到适合自己的课程,并且坚持下去。