建模十大算法总结：
1、蒙特卡罗算法。该算法又称随机性模拟算法，是通过计算机仿真来解决问题的算法，同时通过模拟可以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。比赛中通常会遇到大量的数据需要处理，而处理数据的关键就在于这些算法，通常使用Matlab作为工具。
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，很多时候这些问题可以用数学规划算法来描述，通常使用Lindo、Lingo、MATLAB软件实现。
4、图论算法。这类算法可以分为很多种，包括最短路、网络流、二分图等算法，涉及到图论的问题可以用这些方法解决，需要认真准备。
5、动态规划、回溯搜索、分治算法、分支定界等计算机算法。这些算法是算法设计中比较常用的方法，很多场合可以用到竞赛中。
6、最优化理论的三大非经典算法：模拟退火法、神经网络、遗传算法。这些问题是用来解决一些较困难的最优化问题的算法，对于有些问题非常有帮助，但是算法的实现比较困难，需慎重使用。
7、网格算法和穷举法。网格算法和穷举法都是暴力搜索最优点的算法，在很多竞赛题中有应用，当重点讨论模型本身而轻视算法的时候，可以使用这种暴力方案，最好使用一些高级语言作为编程工具。
…… …… 余下全文
算法
1、 蒙特卡罗算法（该算法又称随机性模拟算法，是通过计算机仿真来解决 问题的算法，同时可以通过模拟可以来检验自己模型的正确性，是比赛时必 用的方法）
2、数据拟合、参数估计、插值等数据处理算法（比赛中通常会遇到大量的数 据需要处理，而处理数据的关键就在于这些算法，通常使用Matlab 作为工具）
数问题属于最优化问题，很多时候这些问题可以用数学规划算法来描述，通 常使用Lindo、Lingo 软件实现）
4、图论算法Dijkstra 、 Floyd 、 Prim 、 Bellman-Ford ，最大流，二分匹配等问题。（这类算法可以分为很多种，包括最短路、网络流、二分图等算 法，涉及到图论的问题可以用这些方法解决，需要认真准备）
5、动态规划、回溯搜索、分治算法、分支定界等计算机算法（这些算法是算 法设计中比较常用的方法，很多场合可以用到竞赛中）
问题是用来解决一些较困难的最优化问题的算法，对于有些问题非常有帮助， 但是算法的实现比较困难，需慎重使用）
多竞赛题中有应用，当重点讨论模型本身而轻视算法的时候，可以使用这种 暴力方案，最好使用一些高级语言作为编程工具）
…… …… 余下全文
建模十大算法总结：
1、蒙特卡罗算法。该算法又称随机性模拟算法，是通过计算机仿真来解决问题的算法，同时通过模拟可以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。比赛中通常会遇到大量的数据需要处理，而处理数据的关键就在于这些算法，通常使用Matlab作为工具。
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，很多时候这些问题可以用数学规划算法来描述，通常使用Lindo、Lingo、MATLAB软件实现。
4、图论算法。这类算法可以分为很多种，包括最短路、网络流、二分图等算法，涉及到图论的问题可以用这些方法解决，需要认真准备。
5、动态规划、回溯搜索、分治算法、分支定界等计算机算法。这些算法是算法设计中比较常用的方法，很多场合可以用到竞赛中。
6、最优化理论的三大非经典算法：模拟退火法、神经网络、遗传算法。这些问题是用来解决一些较困难的最优化问题的算法，对于有些问题非常有帮助，但是算法的实现比较困难，需慎重使用。
7、网格算法和穷举法。网格算法和穷举法都是暴力搜索最优点的算法，在很多竞赛题中有应用，当重点讨论模型本身而轻视算法的时候，可以使用这种暴力方案，最好使用一些高级语言作为编程工具。
…… …… 余下全文
负责计算的同学整理有关算法及数据处理与分析步骤的笔记
数学建模中的数据处理
以下是我总结的关于数学建模数据处理的方法以及分析步骤，其中数据指标的无量纲化处理和数据的归一化处理是数据预处理方法；数据聚类分析和判别分析是数据的分类处理；以下的数据处理方法是我从课堂笔记以及网上课件中总结所得，因为字数的限制我只总结了数据处理的方法和分析步骤，一些关于相关算法的原理以及计算过程本文并没有给出。
一、数据指标的无量纲化处理方法（数据标准化）
为何要将数据标准化？
我们在建模的过程中会遇到各种各样的数据，而且绝大多数的数据有着不同的量纲，由于不同变量常常具有不同的单位和不同的变异程度。 不同的单位常使系数的实践解释发生困难，为了使不同的量纲也能进行比较，通常需要对数据做适当的变换。例如：第1个变量的单位是kg，第2个变量的单位是cm，那么在计算绝对距离时将出现将两个事例中第1个变量观察值之差的绝对值（单位是kg）与第2个变量观察值之差的绝对值（单位是cm ）相加的情况。使用者会说5kg的差异怎么可以与3cm的差异相加？ 不同变量自身具有相差较大的变异时，会使在计算出的关系系数中，不同变量所占的比重大不相同。例如如果第1个变量（两水稻品种米粒中的脂肪含量）的数值在2%到4%之间，而第2个变量（两水稻品种的亩产量）的数值范围都在1000与5000之间。为了消除量纲影响和变量自身变异大小和数值大小的影响，故将数据标准化。
…… …… 余下全文
数学建模十大经典算法
一、蒙特卡罗算法
19xx年，美国拉斯阿莫斯国家实验室的三位科学家John von Neumann,Stan Ulam 和 Nick Metropolis
共同发明了，蒙特卡罗方法。
此算法被评为20世纪最伟大的十大算法之一 。
蒙特卡罗方法（Monte Carlo method），又称随机抽样或统计模拟方法，是一种以概率统计理论为指导的一类非常重要的数值计算方法。此方法使用随机数（或更常见的伪随机数）来解决很多计算问题的方法。由于传统的经验方法由于不能逼近真实的物理过程，很难得到满意的结果，而蒙特卡罗方法由于能够真实地模拟实际物理过程，故解决问题与实际非常符合，可以得到很圆满的结果。 蒙特卡罗方法的基本原理及思想如下：
当所求解问题是某种随机事件出现的概率，或者是某个随机变量的期望值时，通过某种“实验”的方法，以这种事件出现的频率估计这一随机事件的概率，或者得到这个随机变量的某些数字特征，并将其作为问题的解。
有一个例子可以使你比较直观地了解蒙特卡洛方法：
假设我们要计算一个不规则图形的面积，那么图形的不规则程度和分析性计算（比如，积分）的复杂程度是成正比的。蒙特卡洛方法是怎么计算的呢？假想你有一袋豆子，把豆子均匀地朝这个图形上撒，然后数这个图形之中有多少颗豆子，这个豆子的数目就是图形的面积。当你的豆子越小，撒的越多的时候，结果就越精确。
…… …… 余下全文
当我谈数学建模时我谈些什么——美赛一等奖经验总结
前言：20xx年3月28号晚，我知道了美赛成绩，一等奖（Meritorious Winner），没有太多的喜悦，只是感觉释怀，一年以来的努力总算有了回报。从国赛遗憾丢掉国奖，到美赛一等，这一路走来太多的不易，感谢我的家人、队友以及朋友的支持，没有你们，我无以为继。
这篇文章在美赛结束后就已经写好了，算是对自己建模心得体会的一个总结。现在成绩尘埃落定，我也有足够的自信把它贴出来，希望能够帮到各位对数模感兴趣的同学。
欢迎大家批评指正，欢迎与我交流，这样我们才都能进步。
个人背景：我20xx年入学，所在的学校是广东省一所普通大学，今年大二，学工商管理专业，没学过编程。
学校组织参加过几届美赛，之前唯一的一个一等奖是三年前拿到的，那一队的主力师兄凭借这一奖项去了北卡罗来纳大学教堂山分校，学运筹学。今年再次拿到一等奖，我创了两个校记录：一是第一个在大二拿到数模美赛一等奖，二是第一个在文科专业拿数模美赛一等奖。我的数模历程如下：
2011.4 校内赛三等奖
2011.8 通过选拔参加暑期国赛培训（学校之前不允许大一学生参加）
…… …… 余下全文
随着20##年全国大学生数学建模竞赛落下帷幕，回顾这一年来点点滴滴的准备和奋斗，校数模组感慨颇多。在这一年的时间内，学校领导对数学建模竞赛给予了高度的重视，在教务处的直接领导下，理学院相关老师对此进行了全校动员、竞赛选拔、暑期培训等相关工作。
现在把近一年的数学建模工作总结如下：
数学建模对我们来说并不陌生，在我们的日常生活和工作中，经常会用到有关建模的概念。例如，我们平时喝酒开车的问题，怎样喝酒，喝酒后要隔多久才能开车，都属于数学建模的范畴；我们平时出远门，会考虑一下出行的路线，以达到既快速又经济的目的；一些厂长经理为了获得更大的利润，往往会策划出一个合理安排生产和销售的最优方案……这些问题和建模都有着很大的联系。
数学建模所要解决的问题决不是单一学科问题，它除了要求我们有扎实的数学知识外，还需要我们不停地去学习和查阅资料，除了我们要学习许多数学分支问题外，还要了解工厂生产、经济投资、保险事业、航天航空、工程建设等方面的知识，这些知识决不是任何专业中都能涉猎得到的。它能极大地拓宽和丰富我们的内涵，让我们感到了知识的重要性，也领悟到了“学习是不断发现真理的过程”这句话的真谛所在，这些知识必将为我们将来的学习工作打下坚实的基础。
…… …… 余下全文