数学建模国赛题型和获奖策略

杨利霞

数学建模国赛题型和获奖策略
数学建模题目可以分为四类：
1.评价类问题
2.运筹优化类问题
( p+ ^4 d% t2 y1 O& x& w( N3.预测类问题
4.机理分析类问题（人口模型/物理学/微分方程等）

9 m3 `& }3 m. N" x: @国赛中，优化类问题是一定会出。然后是评价类也是一定会出。其余连也会出现在某个题中。以近几年的一些题型做分析。
5 K0 `0 n- c- I* z9 B7 V文章目录
2019年国赛题型和算法
* }- k; v3 F) a7 s" C, w4 e2020年国赛题型和算法
2021年国赛题型和算法
' l4 e/ J8 o9 I. P4 K# Q3 ]国赛优秀论文
" x6 U" f# V+ M  O& a1 R3 n: z模型总结
; _. {( H2 n8 A+ F9 \2 O2019年国赛题型和算法
  D# ^8 _# E# X9 IA题（评价优化类）：目标规划模型、微分方程模型、差分法
B题（机理分析类）：欧拉刚体旋转定理、模拟退火算法、动力学方程、二阶微分方程
  h: v2 A, h0 T2 N; C0 ~* N; |C题（评价优化类）：目标优化、排队论、蒙特卡洛模拟
2020年国赛题型和算法
A题（机理分析类）：热传导方程、差分法、多目标优化、模拟退火算法
B题（优化）：蒙特卡洛模型、动态规划、博弈论、马尔可夫链
C题（优化）：梯度下降法、主成分分析、遗传算法、多目标规划
5 R: J9 S" N) }6 @2021年国赛题型和算法
; h. {- l5 y) C; UA题（机理分析类）：反射定律、优化算法
B题（评价优化类）：回归分析、层次分析法、模糊综合评价法等
) k1 k0 J' P3 n  {C题（评价优化类）：量化分析、目标规划优化或群智能算法（粒子群法、遗传算法等）
- m- I. L1 Q9 z. S2 y! p, w/ g国赛优秀论文
5 D% p& a0 y* Y5 T# N这里是近几十年的数模优秀论文

链接：https://pan.baidu.com/s/13iRdq1AbSwE83L1gbqydJQ?pwd=73ds
提取码：73ds
, m$ F$ K% _! U8 n0 A1
2
这么多要看完吗？当然不可能！我的建议：
0 [$ l! e: S' }8 }! p! z
认真阅读两到三篇论文，研究他们的方法，能不能复现出来。
- Y, K. y/ U6 L3 u0 F如果是写论文的同学，看看它们的这些论文格式，你能不能写出来。
当你们队伍能够独立复现一篇优秀论文的时候，你们就一定能获奖了，这一步一定要做！国赛前一定要演练。
6 j6 U) b: l  U( t
. a5 _5 [# A) }. _* ~模型总结
' }1 m4 ]6 v5 c5 O3 e; i评价模型：层次分析、 Topsis(优劣解距离法)、 模糊综合评价

9 U" l8 j* p) N; Z$ w! W预测分析模型：微分方程模型、 回归分析、时间序列、马尔可夫、神经网络、插值拟合、 灰色预测模型

优化模型：数学规划模型（多目标、单目标、 0-1 整数规划等）、复杂网络优化、排队论与计算机仿真、图论：最短距离与最大流
! W7 y1 }. }% X, [) c# v& f
数理统计模型：多元分析（主成分分析、聚类分析、因子分析、判别分析、典型相关性分析等）、相关回归分析、假设检验、方差检验、贝叶斯统计

7 G4 u* ?' f2 p分类与判别算法：距离聚类(系统聚类)、关联性聚类，层次聚类、贝叶斯分类与判别、 SVM 支持向量机、决策树、极限学习机

重要的算法：蒙特卡罗算法、数据处理算法(数据拟合、参数估计、插值等)、规划算法(线性规划、整数规划、多元规划、二次规划等)、图论算法、计算机经典算法(动态规划、回溯搜索、分治算法、分支定界等)、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)、网格算法和穷举法、元胞自动机。
————————————————
版权声明：本文为CSDN博主「川川菜鸟」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
# l8 q% i6 N) [, n' y" W原文链接：https://blog.csdn.net/weixin_46211269/article/details/126730985
5 A  R: c5 s( u$ l; X* d, s$ G/ D  K

" f+ ]6 o  D& T4 l