首先**，我们先说说数学建模主要比赛及具体时间：
2月中旬：MCM/ICM：美国大学生数学建模竞赛>
4月中旬：TZMCM：数学中国数学建模网络挑战赛
4月18号：东北三省大学生数学建模联赛
4月30号：华中地区大学生数学建模联赛
5月1号：苏北地区大学生数学建模联赛
5月27号：EMCM：中国电机工程学（电工）杯数学建模竞赛
5月27号：MathorCup大学生数学建模挑战赛/<
9月中旬：CUMCM：全国大学生数学建模竞赛
9月24号：GMCM：研究生数学建模竞赛
11月17号：APMCM：亚太地区大学生数学建模竞赛
11月24号：CAMCM：数学中国数学建模国际赛（小美赛）
注意：上面红色字体的比赛是含金量比较高的，推荐大家参加这几项比赛就行了。其中：中国电机工程学（电工）杯数学建模竞赛建议工科类的同学都可以参加一下，题目主要是电子类型的，含金量还是ok的。
数学建模竞赛涉及到的算法主要分为两大类型（统计、优化）
特点：
• 统计：1.预测与预报、2.评价与决策、3.分类与判别、4.关联与因果
• 优化：5.优化与控制
接下来我们来详细讲讲：
（1）预测与预报
①灰色预测模型（必须掌握）
特点：
满足两个条件可用：
• a数据样本点个数少，6-15个
• b数据呈现指数或曲线的形式
②微分方程预测（备用）
特点：
无法直接找到原始数据之间的关系，但可以找到原始数据变化速度之间的关系，通过公式推导转化为原始数据之间的关系。
③回归分析预测（必须掌握）
特点：
• 求一个因变量与若干自变量之间的关系，若自变量变化之后，求因变量如何变化；
• 样本点的个数有要求：
• a自变量之间协方差比较小，最好趋于零，自变量间的关系小；
• b样本点的个数n>3k+1，k为自变量的个数；
• c因变量要符合正态分布
④马尔科夫预测（备用）
特点：
一个序列之间没有信息的传递，前后没有联系，数据与数据之间随机性强，相互不影响；今天的温度与昨天、后天没有直接联系，预测后天温度高、中、低的概率，只能得到概率
⑤时间序列预测（必须掌握）
特点：
与马尔科夫预测互补，至少有2个点需要信息的传递，ARMA模型，周期模型，季节模型等。
⑥小波分析预测
⑦神经网络预测
⑧混沌序列预测
（2）关联与因果
①灰色关联分析方法
特点：
样本点的个数较少
②Superman或kendall等级相关分析
③Person相关
特点：
样本点的个数比较多
④Copula相关
特点：
比较难，金融数学，概率密度
⑤典型相关分析
特点：
因变量Y123,自变量组X123，各自变量组相关性比较强，问哪一个因变量与哪一个自变量关系比较紧密？
（3）评价与决策
①模糊综合评判
特点：
评价一个对象优、良、中、差等层次评价，评价一个学校等，不能排序
②主成分分析
特点：
评价多个对象的水平并排序，指标间关联性很强。
③层次分析法
特点：
做决策，通过指标，综合考虑做决定
④数据包络(DEA)分析法
特点：
优化问题，对各省发展状况进行评判
⑤秩和比综合评价法
特点：
评价各个对象并排序，指标间关联性不强
⑥优劣解距离法（TOPSIS法）
⑦投影寻踪综合评价法
特点：
糅合多种算法，比如遗传算法、最优化理论
⑧方差分析、协方差分析
方差分析
特点：
看几类数据之间有无差异，差异性影响，例如：元素对麦子的产量有无影响，差异量的多少；（1992年作物生长的施肥问题）
协方差分析
特点：
有几个因素，我们只考虑一个因素对问题的影响，忽略其他因素，但注意初始数据的量纲以及初始情况。（2006年，艾滋病疗法的评价以及预测问题）
（4）分类与判别
①距离聚类（系统聚类）常用
②关联性聚类（常用）
③层次聚类
④密度聚类
⑤其他聚类
⑥贝叶斯判别
特点：
统计判别方法
⑦费舍尔判别
特点：
训练的样本比较少
⑧模糊识别
特点：
分好类的数据点比较少
（5）优化与控制
①线性规划、整数规划、0-1规划
特点：
有约束，确定的目标
②非线性规划与智能优化算法
③多目标规划和目标规划
特点：
柔性约束，目标含糊，超过
④动态规划
⑤网络优化
特点：
多因素交错复杂
⑥排队论与计算机仿真
⑦模糊规划
特点：
范围约束
⑧灰色规划（难）
上述红色字体的模型是必须掌握的。说了这么多，刚接触的同学可能会感觉有点懵。
简单来说数学建模需要掌握的基本知识及技能有：Matlab软件的基本使用、十大经典算法、三大智能算法。
掌握了这些算法的使用范围和具体实现的代码基本上足够了，后面就是根据在小组里面，你负责的内容进行针对性学习。比如说：
负责算法方面的同学：在保证高数、线代、概率论ok的情况下，需要深入的去学习这些算法的基本原理及推导步骤，如果能把这些算法都完全推导理解的话，那就很强啦！等搞定这些算法后，还可以学习一下图像处理方面的算法和深度学习的算法知识，比如混沌时间序列，CNN、RNN这类的。
负责代码方面的同学：需要掌握这十大经典算法和三大智能算法的Matlab代码，然后再掌握一门编程语言。这边推荐：Python或者R语言，因为入门较为简单，用Python和R画出来的图像蛮好的，这点算是个挺好的加分项，再然后学点数据结构的知识，刷点算法题基本上就够了（可以百度搜索LeetCode然后开始刷或者是刷ACM竞赛题也ok）。
负责论文方面的同学：多看下往年的优秀论文的格式，自己整套写作模板出来方便比赛的时候节省调格式的时间，想参加美国大学生数学建模竞赛的话那还得多看点美赛的优秀论文，从里面摘抄点好词好句啥的，如果会用LaTex写论文那就更好了。
最最重要的是队友选择要慎重啊！！！一定一定要找合得来的，并且抗压能力强的，积极的队友。不然到时候队友罢工，三天时间一个人负责算法，编程，论文的滋味那只能叫一个酸爽，基本上甭想睡觉咯。。。。这点我是深有体会过几次！！！撑到第三天，鼻血汪汪流，心跳贼快，差点猝死在那边。。。。
接下来，我将跟大家聊聊这些必须掌握的算法的适用范围和注意事项，以及提供给大家对应模型的Matlab代码，还有比较经典的一些模型的参考论文。
具体模型的链接：
然后，我们还可以再来聊聊数学建模主要涉及了什么模型，加深一下大家对数学建模的理解（感兴趣的可以往下继续看）
数学模型按照不同的分类标准有许多种类：
1.按照模型的数学方法分有：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。
2.按模型的特征分有：静态模型和动态模型，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。
3.按模型的应用领域分有：人口模型，交通模型，经济模型，生态模型，资源模型。环境模型。
4.按建模的目的分有：预测模型，优化模型，决策模型，控制模型等。
5.按对模型结构的了解程度分有：白箱模型，灰箱模型，黑箱模型。
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（这些问题时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，需谨慎使用）。
7.网格算法和穷举法（当重点讨论模型本身而情史算法的时候，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）。
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，而计算机只认得是离散的数据，因此将其离散化后进行差分代替微分、求和代替积分等思想是非常重要的。
9. 数值分析算法（如果在比赛中采用高级语言进行编程的话，那一些数值分析中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（赛题中有一类问题与图形有关，即使与图形无关，论文中也应该要不乏图片的，这些图形如何展示以及如何处理就是需要解决的问题，通常使用Matlab来处理问题）。
感谢大家的阅读，谢谢！！！
