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
. x, K- C0 k: F% F; \, h数学建模题目可以分为四类：
1.评价类问题
3 g( D  I; F% H- i: M: t, o2.运筹优化类问题
3.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）
, Y5 d+ \/ z" Y
8 K3 o$ ]+ ~; w. @  ~2 e2 R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。
2 p1 S: E% o. }文章目录
2019年国赛题型和算法
; l# o; I8 F' [: p" A2020年国赛题型和算法
( W! E, U- Y. h; ^* ^8 M* K- n2021年国赛题型和算法
国赛优秀论文
' h/ [8 b" [" K% o/ ^2 M5 H模型总结
2019年国赛题型和算法
. [+ F2 w, n6 n6 EA题（评价优化类）：目标规划模型、微分方程模型、差分法
) e2 O+ U0 ]& o8 l; U3 n2 uB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
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
/ d6 i+ K  d. {3 YB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
2021年国赛题型和算法
8 l) A: A& w; d- CA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
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）
/ _$ t+ ~9 @# R$ F国赛优秀论文
7 I4 ], b* P& r. K7 C这里是近几十年的数模优秀论文

, R; D/ k. j' U8 u9 Z5 d" q链接：https://pan.baidu.com/s/13iRdq1AbSwE83L1gbqydJQ?pwd=73ds
提取码：73ds
$ e" q2 @, J; U" |4 `8 h1
2 r! M2 n  A+ |0 b/ w! _7 `7 |2
, w; G7 l3 p) Q4 v4 G4 l# k1 P这么多要看完吗？当然不可能！我的建议：
( Q' a! \7 b! m! t
认真阅读两到三篇论文，研究他们的方法，能不能复现出来。
8 k+ j' x3 J0 e) G! e. c9 ?% M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。
; l9 y' w) S$ t+ ]  @, E  C! r3 ^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。
3 i) P" L- f8 W9 F- e5 W! C4 F
模型总结
9 w, Q4 S+ H. ^9 q' `评价模型：层次分析、 Topsis(优劣解距离法)、 模糊综合评价

2 q4 n: @/ G6 K& V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
' e0 S) A7 a0 z' a3 x: v
4 c+ w4 ^9 X" k/ C- \# w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
0 `' R, a' |0 l& X6 c
: N, [/ ]/ B# Z7 f& d" E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
/ P( @8 h! ^) i. k8 F
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。
. N" u$ |, m" G- z+ E————————————————
9 p$ Z2 s1 x& t/ a+ N& P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。
5 s9 _* R# l9 i( ^- L% }原文链接：https://blog.csdn.net/weixin_46211269/article/details/126730985