当需要从定量的角度分析和研究一个实际问题时，人们就要在深入调查研究、了解对象信息、作出简化假设、分析内在规律等工作的基础上，用数学的符号和语言，把它表述为数学式子，也就是数学模型，然后用通过计算得到的模型结果来解释实际问题，并接受实际的检验。这个建立数学模型的全过程就称为数学建模。
目录
背景数学
数学建模
数学建模应用
数学建模的意义数学建模
应用数学模型
过程模型准备
模型假设
模型建立
模型求解
模型分析
模型检验
模型应用
起源进入西方国家大学
在中国
大学生数学建模竞赛全国大学生数学建模竞赛
全国大学生数学建模竞赛章程（2008年）
第四届全国大学生数学建模竞赛
国际大学生数学建模竞赛
数学建模资料竞赛参考书
国内教材、丛书
国外参考书(中译本)
专业性参考书
数学建模题目两项题
四项题
数学建模相关数学建模的意义
数学建模经验和体会
最新进展
数学建模应当掌握的十类算法背景 数学
数学建模
数学建模应用
数学建模的意义 数学建模
应用数学模型
过程 模型准备
模型假设
模型建立
模型求解
模型分析
模型检验
模型应用
起源 进入西方国家大学
在中国
大学生数学建模竞赛 全国大学生数学建模竞赛
全国大学生数学建模竞赛章程（2008年）
第四届全国大学生数学建模竞赛
国际大学生数学建模竞赛
数学建模资料 竞赛参考书
国内教材、丛书
国外参考书(中译本)
专业性参考书
数学建模题目 两项题
四项题
数学建模相关 数学建模的意义
数学建模经验和体会
最新进展数学建模应当掌握的十类算法展开 编辑本段背景
数学
近半个多世纪以来，随着计算机技术的迅速发展，数学的应用不仅在工程技术、自然科学等领域发挥着越来越重要的作用，而且以空前的广度和深度向经济、金融、生物、医学、环境、地质、人口、交通等新的领域渗透，所谓数学技术已经成为当代高新技术的重要组成部分。
数学建模
数学模型（Mathematical Model）是一种模拟，是用数学符号、数学式子、程序、图形等对实际课题本质属性的抽象而又简洁的刻划，它或能解释某些客观现象，或能预测未来的发展规律，或能为控制某一现象的发展提供某种意义下的最优策略或较好策略。数学模型一般并非现实问题的直接翻版，它的建立常常既需要人们对现实问题深入细微的观察和分析，又需要人们灵活巧妙地利用各种数学知识。这种应用知识从实际课题中抽象、提炼出数学模型的过程就称为数学建模（Mathematical Modeling）。 不论是用数学方法在科技和生产领域解决哪类实际问题，还是与其它学科相结合形成交叉学科，首要的和关键的一步是建立研究对象的数学模型，并加以计算求解。数学建模和计算机技术在知识经济时代的作用可谓是如虎添翼。
数学建模应用
数学是研究现实世界数量关系和空间形式的科学，在它产生和发展的历史长河中，一直是和各种各样的应用问题紧密相关的。数学的特点不仅在于概念的抽象性、逻辑的严密性，结论的明确性和体系的完整性，而且在于它应用的广泛性，自从20世纪以来，随着科学技术的迅速发展和计算机的日益普及，人们对各种问题的要求越来越精确，使得数学的应用越来越广泛和深入，特别是在21世纪这个知识经济时代，数学科学的地位会发生巨大的变化，它正在从国家经济和科技的后备走到了前沿。经济发展的全球化、计算机的迅猛发展，数理论与方法的不断扩充使得数学已经成为当代高科技的一个重要组成部分和思想库，数学已经成为一种能够普遍实施的技术。培养学生应用数学的意识和能力已经成为数学教学的一个重要方面。
编辑本段数学建模的意义
数学建模
数学建模是一种数学的思考方法，是运用数学的语言和方法，通过抽象、简化建立能近似刻画并"解决"实际问题的一种强有力的数学手段。 数学建模就是用数学语言描述实际现象的过程。这里的实际现象既包涵具体的自然现象比如自由落体现象，也包含抽象的现象比如顾客对某种商品所取的价值倾向。这里的描述不但包括外在形态，内在机制的描述，也包括预测，试验和解释实际现象等内容。 我们也可以这样直观地理解这个概念：数学建模是一个让纯粹数学家（指只懂数学不懂数学在实际中的应用的数学家）变成物理学家，生物学家，经济学家甚至心理学家等等的过程。 数学模型一般是实际事物的一种数学简化。它常常是以某种意义上接近实际事物的抽象形式存在的，但它和真实的事物有着本质的区别。要描述一个实际现象可以有很多种方式，比如录音，录像，比喻，传言等等。为了使描述更具科学性，逻辑性，客观性和可重复性，人们采用一种普遍认为比较严格的语言来描述各种现象，这种语言就是数学。使用数学语言描述的事物就称为数学模型。有时候我们需要做一些实验，但这些实验往往用抽象出来了的数学模型作为实际物体的代替而进行相应的实验，实验本身也是实际操作的一种理论替代。
应用数学模型
应用数学去解决各类实际问题时，建立数学模型是十分关键的一步，同时也是十分困难的一步。建立教学模型的过程，是把错综复杂的实际问题简化、抽象为合理的数学结构的过程。要通过调查、收集数据资料，观察和研究实际对象的固有特征和内在规律，抓住问题的主要矛盾，建立起反映实际问题的数量关系，然后利用数学的理论和方法去分析和解决问题。这就需要深厚扎实的数学基础，敏锐的洞察力和想象力，对实际问题的浓厚兴趣和广博的知识面。数学建模是联系数学与实际问题的桥梁，是数学在各个领域广泛应用的媒介，是数学科学技术转化的主要途径，数学建模在科学技术发展中的重要作用越来越受到数学界和工程界的普遍重视，它已成为现代科技工作者必备的重要能力之。为了适应科学技术发展的需要和培养高质量、高层次科技人才，数学建模已经在大学教育中逐步开展，国内外越来越多的大学正在进行数学建模课程的教学和参加开放性的数学建模竞赛，将数学建模教学和竞赛作为高等院校的教学改革和培养高层次的科技人才的一个重要方面，现在许多院校正在将数学建模与教学改革相结合，努力探索更有效的数学建模教学法和培养面向21世纪的人才的新思路，与我国高校的其它数学类课程相比，数学建模具有难度大、涉及面广、形式灵活，对教师和学生要求高等特点，数学建模的教学本身是一个不断探索、不断创新、不断完善和提高的过程。为了改变过去以教师为中心、以课堂讲授为主、以知识传授为主的传统教学模式，数学建模课程指导思想是：以实验室为基础、以学生为中心、以问题为主线、以培养能力为目标来组织教学工作。通过教学使学生了解利用数学理论和方法去分析和解决问题的全过程，提高他们分析问题和解决问题的能力；提高他们学习数学的兴趣和应用数学的意识与能力，使他们在以后的工作中能经常性地想到用数学去解决问题，提高他们尽量利用计算机软件及当代高新科技成果的意识，能将数学、计算机有机地结合起来去解决实际问题。数学建模以学生为主，教师利用一些事先设计好问题启发，引导学生主动查阅文献资料和学习新知识，鼓励学生 积极开展讨论和辩论，培养学生主动探索，努力进取的学风，培养学生从事科研工作的初步能力，培养学生团结协作的精神、形成一个生动活泼的环境和气氛，教学过程的重点是创造一个环境去诱导学生的学习欲望、培养他们的自学能力，增强他们的数学素质和创新能力，提高他们的数举素质，强调的是获取新知识的能力，是解决问题的过程，而不是知识与结果。接受参加数学建模竞赛赛前培训的同学大都需要学习诸如数理统计、最优化、图论、微分方程、计算方法、神经网络、层次分析法、模糊数学，数学软件包的使用等等“短课程”（或讲座），用的学时不多，多数是启发性的讲一些基本的概念和方法，主要是靠同学们自己去学，充分调动同学们的积极性，充分发挥同学们的潜能。培训中广泛地采用的讨论班方式，同学自己报告、讨论、辩论，教师主要起质疑、答疑、辅导的作用，竞赛中一定要使用计算机及相应的软件，如Spss，Lingo，Mapple，Mathematica，Matlab甚至排版软件等。
数模论文的写作在比赛中可能是你论文质量好坏，得奖与否的最重要的因素。据初步的调查，很多同学在准备比赛时，把自己的主要精力放在阅读往年优秀论文，精通某种软件和算法上面。不可否认，这会使你的建模水平得到提高，但在比赛时，你的想法再好，如果文字表达不清楚，很有可能使你的论文前功尽弃，因此学会如何写数模论文就很有必要了。关于怎么样写论文已经有了很多的介绍文章，这些都足以说明论文写作的重要性。
一、充分重视论文摘要的写作
摘要在整个数模论文中占有及其重要的地位，它是评委对你所写论文的第一印象。在全国大学生数学建模竞赛中，组委会对论文摘要提出了专门的要求，再三明文提醒参赛者要注重摘要的写作。在论文的评阅中，摘要是你的论文是否取得好名次的决定性因素，评委们通过你的摘要就决定是否继续阅读你的论文。换句话说，就算你的论文其他方面写得再好，摘要不行，你的论文也不会得到重视或者根本上就没有评委来阅读你的论文。
在摘要中一定要突出6个方面：问题，方法，模型，算法，结论，特色。简而言之，摘要应该体现你用什么方法，解决了什么问题，得出了什么结论。避免有主观评论，一定要突出重点，让人一看就知道这篇论文的目的是什么，做了什么工作，用的什么方法，得到了什么结果，有什么创新和特色。只有这样的摘要才是成功的。
具体写摘要的时间一般安排在论文基本完成以后，由一个队员具体负责，在写出初稿后由其他队员交替阅读提出修改，直到大家满意为止。
好的摘要都包含了两个共同的特点：简单与清晰。篇幅在一页之内。
范例一：公交车调度方案的优化模型
摘 要
本文建立了公交车调度方案的优化模型，使公交公司在满足一定的社会效益和获得最大经济效益的前提下，给出了理想发车时刻表和最少车辆数。并提供了关于采集运营数据的较好建议。
在模型Ⅰ中，对问题1建立了求最大客容量、车次数、发车时间间隔等模型，运用决策方法给出了各时段最大客容量数，再与车辆最大载客量比较，得出载完该时组乘客的最少车次数462次，从便于操作和发车密度考虑，给出了整分发车时刻表和需要的最少车辆数61辆。模型Ⅱ建立模糊分析模型，结合层次分析求得模型Ⅰ带给公司和乘客双方日满意度为（0.941，0.811）根据双方满意度范围和程度，找出同时达到双方最优日满意度(0.8807,0.8807)，且此时结果为474次50辆；从日共需车辆最少考虑，结果为484次45辆。
对问题2，交待了综合效益目标模型及线性规划法求解。
对问题3，采集方法是遵照前门进中门出的规律，运用两个自动记录机对上下车乘客数记录和自动报站机(加报时间信息)作录音结合，给出准确的各项数据，返站后结合日期储存到公司总调度室。
关键词：公交调度 模糊优化法 层次分析 满意度
范例二：彩票发行方案的最优决策
摘 要
目前，彩票在我国得到了迅速健康的发展，并且为我国的福利公益事业的发展做出了很大 贡献。本文针对目前流行的各种不同彩票发行方案，综合分析了各种奖项出现的可能性、奖项和奖金额的设置以及对彩民的吸引力等因素对各方案的影响，建立了三个模型。
模型I：利用超几何分布原理，建立了头奖期望模型。依照此模型，得出传统型彩票中方案 、乐透型彩票中方案 （即 ）设计较为合理；总体而言，乐透型彩票的方案 头奖期望最大，方案设计最为合理。
模型II：综合考虑影响方案合理性的各种因素，建立了高项奖中奖概率、总中奖概率、奖项的设置以及奖金分配的多目标决策模型，求解得到：①方案19的加权目标函数值最大，在所有方案中它是最合理的一个方案；②“传统型”彩票方案1～4中，方案4较为合理；③“传统型”彩票方案（1～4）的加权目标函数值总体上小于“乐透型”方案（5～29），从普遍意义上讲，“乐透型”方案相对优于“传统型”； ④对于 （从 中选 ）型的方案， 相同时， 为35、30、32、33、34时它们的合理性依次递减。
模型III：考虑到彩票市场供给与需求的关系，并结合彩票管理部门与彩民双方的满意度，建立了多目标最优决策模型。通过彩票市场供给、需求随销售的走势，找到了均衡点，同时利用计算机编程，搜索出了更优的彩票发行方案。
本文还从 的变化对模型的灵敏性作了准确分析，以及从单式投注向复式投注、适当提高总奖金额等方面为设置彩票发行方案作了进一步讨论。
最后据此模型，向彩票管理部门提出了更为积极、实用的彩票发行建议；并从充分认识彩票、入市动机及心态、策略和技巧等三个方面对彩民摸彩、投彩提出了科学的参考意见。
关键词： 机率 期望 多目标决策 超几何分布 满意度
范例三：奥运会临时MS超市网点设计的数学模型
摘 要
本文对调查数据进行了统计分析，在此基础上求出各商区人流量百分比和分布规律，然后进行MS网点的设计，建立了三个模型，并进行了仿真检验。
对问题一，分析得到不同年龄段观众在出行、就餐、消费等方面存在较大差别，因此依照年龄段按照性别的不同，分别对出行、就餐、消费等三个方面总结出观众概率分布的8条规律。
对问题二，利用BP神经网络原理，按照年龄段-性别-商区-进出口将网络分为三级，从就餐习惯和出入场馆两个方面进行链条分析，建立了各场馆最短路径下的人流量模型，编程求解得到20个商区的人流量分布（%）：A1到A10商区分别为11.887、7.621、8.540、10.378、18.963、7.621、8.540、8.036、10.378；B1到B6商区分别为11.686、 13.932、 18.760、 11.686、 13.932、 30.004； C1到C4商区分别为18.75、 20.9843、 18.75、 41.5157。在人流量分布求出后，总结出对称性定理，即人流量以场馆进出口连线为轴斜对称，并给出了详细证明。
在问题三中，对观众购买欲望的相关因素进行了细致分析，建立了购买欲望与年龄、消费额的数学表达式，得到欲望矩阵 ，并对购买能力进行了模糊计算。然后，由两个基本限制条件：满足奥运会期间的购物需求和分布基本均衡，建立了数学表达式，建立了以赢利为目标函数的非线性多目标决策模型：
用Lingo编程求解，得到了一种可参考的MS网点设计方案：A1到A10商区建立大MS个数分别为3、1、0、0、1、3、1、0、0、1，小MS个数分别为0，1，2，2、1、1、1、2、2、1；B1到B6商区建立大MS个数分别为1、2、3、1、2、3，小MS个数分别为2、1、1、2、1、1；C1到C4商区建立大MS个数分别为2、4、2、1，小MS个数分别为2、0、2、1。
考虑到奥运赛程的安排，实际人流量、消费额、赢利等将随时间而发生变化，为进一步优化网点设计方案，根据系统动力学原理，基于Venple5.3技术用计算机对人流量与收益模型进行了系统仿真，并通过调式，对模型进行了检验和评估，从而验证了模型的合理性、科学性和实用性。
最后，对北京2008年奥运会从经济收入、旅游和硬件建设等方面提出了几点建议。
关键词：概率 人流量 对称性 欲望矩阵 多目标决策 系统动力学 系统仿真
范例四：长江水质的综合评价与预测控制
摘 要
本文根据调查数据的统计分析，对近两年的长江水质做出了全方位的综合评价，找到了高锰酸盐和氨氮污染源所在主要地区，并对未来10年水质污染进行了预测，提出了控制方案，给出了一系列较为科学的防污建议。
首先对近两年来长江流域17个主要监测断面的水质抽样，按照时间-空间的先后交互顺序进行统计，建立概率统计评判模型，结果发现：2003-2005年，长江85％的断面满足Ⅰ～Ⅲ类水质要求，12％的断面属Ⅳ、Ⅴ类水质，劣Ⅴ类水质占3％。两年来，长江水质局部变化较大，整体较为平稳，但优质水正在下降，超标水质呈上升趋势。为了寻找污染源，我们以长江干流7个断面作为基本观察点，根据水流量、水流速和降解系数，确立了污染源反馈指标：
经计算发现：江苏南京、湖南岳阳高锰酸盐污染最为严重，湖南岳阳同时又是氨氮污染源的主要地区，较为次之的是安徽安庆和江苏南京，但同比之下相差较大。
其次，对近10年的主要统计数据，按照GM（1，1）灰色原理，建立灰色预测模型，归一化处理后，通过DPS数学统计软件的计算，得到了水质类别的预测值和趋势函数，分析认为：长江 I、II、Ⅲ类水质总量呈现下降趋势，其中 I、Ⅲ类水质急剧下降，劣Ⅴ类水质上升幅度较大，到2014年超标水质总量百分比将达到45.88%，长江水质全面恶化，水生态环境严重失去平衡。为了有效控制污染恶化趋势，防止超标水质的上升，运用二次多项式逐步回归分析，得到废水排放总量关于各类水质百分比的函数，经编程运算，我们提出了长江污水处理方案。未来10年需要处理的污水量依次是：0，0，2.66，5.14，5.76，8.21，10.86，13.71，16.77，20.07（单位：10亿吨）。
最后，基于对长江水质状况的综合评价和未来污染趋势的预测，根据“保护长江万里行”考察团的实践调查，我们深刻意识到：长江流域水生态环境破坏日益严重,前景不容乐观。为防止长江“癌变”，我们提出了几种水环保理念：做到教育先行，努力唤起民众环境保护意识；坚持依法治水，为保护长江立法；实行科学规划，走可持续发展之路；提倡人文环保，构建和谐的生态系统和人居环境。
关键词 监测断面；概率统计评判；污染源反馈；灰色预测；逐步回归；人文环保；
二、论文主体要鲜明、结构要完整
按照数模论文的特点，其论文主体部分就包括以下内容：
（1）问题提出——明确问题
这一部分没有过多的说明，一般是直接 copy 赛题的原文就行了，但我认为在时间充裕情况下可以适当归纳总结；因此可以写点这个问题的一些背景知识。
明确问题即建模的准备阶段，要建立现实问题的数学模型，第一步是要对解决的问题有一个明确清晰的提法，通常我们遇到的某个实际问题，在开始阶段是比较模糊的，又带实际背景，因此在建模前必须对问题进行全面深入细致的了解和调查，查阅有关的文献，同时要着手收集有关的数据，收集数据时事先应考好数据的整理形式，例如利用表格或图形等。在这期间还应仔细分析已有的数据和条件，使问题进一步明确化。即从数据中得到什么信息？数据来源是否可靠？所给的条件有什么意义？那些条件是本质？那些条件是变动的等。对数据和条件的分析会进一步增强我们对问题的了解，使我们要更好地抓住问题的本质及特征，为下一步建模打下好良好的基础。
（2）模型假设——合理的假设
作为题目的原型都是复杂的，具体的，是质和量、现象和本质、偶然和必然的统一体。这样的原型如果不抽象和简化，人们对其认识是困难的，也是很难把握它的本质属性，而建模假设就是根据建模的目的对模型进行抽象，简化。把那些反映问题本质属性的形态，量及其关系抽象出来，简化掉那些非本质的因素，使之摆脱原型的具体复杂形态，形成对建模有用的信息资源和前提条件。
但如何对问题提出合理的假设是一个比较困难的问题,这是因为作得过于简单,则使模型远离现实,无法用来解决现实问题，假设做得过于详细,试图把各个方面的因素都想进去,模型就会十分复杂,甚至难以建立,也对我们计算带来复杂化，一般模型假设遵从以下原则：
①目的性原则,从原型中抽象出与建模目的有关的因素,简化掉无关的因素或关系不大的因素。
②简明性原则，所给的假设条件要简单，精确，有利于构造模型。
③真实性原则，假设条款要符合情理，简化带来的误差应满足实际问题所允许的范围内。
④全面性原则，在对事物原型本身作出的假设的同时，还要给出原型所处的环境条件。
最简单的作法：假设的条件一般可以从题目中挖掘。
（1）根据题目中条件作出假设
（2）根据题目中要求作出假设
需要值得注意的是：
①对我们所解决问题本身没有影响(或影响比较小)但可以使模型得到简化的因素应该在假设中体现。
②不能为了简化问题而大量假设(使求解问题本身与原题意不符)，因此应注意假设的量与度。
（3）．符号说明——不可缺少
在你的论文中不可避免的会出现大量的数学符号，因此在这部分里应把这些符号做一个简要的说明，可以从符号，类型(变量，常量)，单位，含义几个方面来说明(如下表)：
符号
类型
单位
含义
需要注意的是单位量纲要统一，含义解释要准确，清楚。
（4）．问题分析——思路清晰、图文并茂
从题目到模型是一种从具体到抽象的思维过程，本部分即是这一过程的体现。这部分应是论文主体的一个亮点，建议在文字说明的同时用图形或图表列出思维过程，这会使你的思维显得很清晰，让人觉得一目了然。另外，这部分应对题目做整体分析，充分利用题目中的信息和条件，确定用什么方法来建立什么模型。经验告诉我们可以从题目中得到问题的一些初步的判定：比如说可以得到在极限情况下的最大产量，花费的最少时间等，使我们最后得到的方案不能超过(或低于)我们这里分析的量。在这部分应能体现我们解决原问题的雏形。总之，问题分析在整个论文中的作用在于承上启下，也很能反应出参赛者的综合水平。
（5）．模型建立——数学语言
数学模型就是：数学公式、图表、方案等。
模型的建立是将原问题抽象成用数学语言的表达式，其建立方式会由于对问题的理解和着眼点不同而不同。近年来的数学建模竞赛出题主要有两个方向：一是概率统计问题；一是运筹优化问题。因此掌握好以上两方面的知识对于建立模型来说是十分重要的。
另外，我还觉得应注意对每个模型式子的解释一定要清楚到位，其中的数学符号一定要与前面的说明保持一致。
其基本方法为：
在建模的假设的基础上，进一步分析建模假设的条款，首先区分那些是常量，哪些是变量，哪些已知、未知，然后查出各种量所处的位置、作用和它们之间的关系 ,选择恰当的数学工具和构造模型的方法对其进行表征，构造出刻划实际问题的数学模型。
这里要注意两点：其一，构造一具体问题的模型是要尽可能地简单的模型，然后把它与实际问题进行比较，再把其次要的因素加进去，逐渐逼近现实来修改模型，使之趋于完善，这样应形成了由模型一，到模型二，再模型三，……，这样逐步逼迫现实的数学模型。其二，要善于借鉴已有的数学模型，许多的实际问题，尽管现象和背景都不同却有相同的模型。例如，力学中描述的力，质量和加速度之间的关系的的牛顿第二定律F= M a ，经济学中描述单价、销售金额和销售量之间的关系的公式C= p q等，数学模型都是y= k x ，要学会观察和分析，看到问题的本质，抓住本质特征，对我们已有的模型进行修正。
（6）．模型求解——软件帮忙
不同的模型要用到不同数学工具求解，如可以采用解方程，画图形，证明定理，逻辑运算，数值运算等传统的方法和近代的数学方法，建模发展到现代，多数场合的模型一般多用软件编程求解。三大软件(Matlab，Maple，Mathematic)至少应熟悉一种，另外应学会一些专用软件。比如说解概率统计问题的DPS，SAS，SPSS；解运筹优化问题的 Lingo，Lindo 等。熟练利用这些数学软件会为我们求解带来快捷和方便。其次尽量用不同方法求解，这既能反应出你的思维比较开阔，也能间接地验证你所求解结果的正确性。另外应给出主要算法的一些简要步骤，处理或简化问题的方式，并适当应用表格或图像说明。
最后需要提醒大家的是在必要时可以给出数学上的证明，这会使你的论文增色不少。
（7）．模型(结果分析)——检验与修正
建立数学模型的目的在于解决实际问题。因此必须把模型解得的结果返回到实际问题，如果模型的结果与实际问题状况相符合，表明模型经检验是符合实际问题的，相反则不行，它就不能直接应用于实际问题。这时数学模型建立如果没有问题，就需要考虑建模时关于所假设的是否合理，检验是否忽略了不应该忽略的因素或还保留了不应该保留的因素。对假设给出必要的修正，重复前面的建模过程，直到使模型能够反映所给的实际问题。
通常的作法是：
由于在模型假设中，忽略了一些对问题影响的次要因素，这或多或少的使问题得到了简化，但必然会产生一些误差；另外解决问题的方法是很多的，在论文中可能只用了其中的一两种方法，思维可能显得比较局限；而模型本身也会有它的优势和缺陷。因此，我们在这部分应该做的工作主要有下面三点：
A．是否能用其他方式或方法解决。
B．模型的优缺点分析。
C．模型的误差分析或灵敏度分析。
做好上面的工作，既是对原问题的补充说明，更表现一种思维的严谨和逻辑的严密，使你的论文一气呵成，显得很完备。
（8）．模型的评价与推广
什么样的数学模型是好的呢？一般来说一个好的模型应该具备以下五点：
（1）对所给的问题有较全面的考虑。在一个实验问题中往往有许多的因素同时对所研究的对象发生作用，进行数学描述时，应该全面地对这些因素加以考虑。这项工作可分为三步进行：
①列举各种因素；
②选取主要因素计入模型；
③考虑其他因素的影响，对模型进行修正。
（2）在已有的模型上进行创造性的改进。数学模型是现实对象的抽象化，理想化的产物。它不为对象所属领域所独有，可以转移到另外的领域。在生态，经济，社会等领域内建模就常常借用物理领域中的模型，能否对已有的模型作为创造性的改造，是考虑一个数学模型的优劣的重要标志
（3）善于抓住问题的本质，简化变量之间的关系。数学模型应当是实际问题的本质刻画，模型过于复杂，则无法求解或求解困难，反之则不能客观的反映客观实际。
（4）注重结果分析，考虑其在实际中的合理性。数学模型是一个从实际到数学，再从数学到实际问题的过程。由于现在的模型仅仅依赖题中的数据，如果从模型中得到的结果与实际吻合，模型是成功的，反之则失败，要求我们进一步修改。
（5）具有较好的稳定性。数学模型是依赖已有的数据和其他的信息建立起来的，他的价值在于能够从已知的信息预测到未知的东西。因此，一个好的数学模型的结果对原始的数据有较好的依赖性，即原始的数据和参数有微小的变化不会引起结果很大的变动，这是模型适应性和有效性的保证。
由于论文本身的局限性，在这里可以对一些问题做更深入的探讨，这是文章又一亮点，实力比较强的队伍可以在这一块充分发挥。这部分对于整个论文的作用在于画龙点睛。另外，我们对问题的探讨与延拓方式是多种多样的：可以把假设的条件适当放宽了来考虑问题；可以对你的算法做出改进等等，但我认为在这里做做定性的分析就够了，最后主要对问题的横向和纵向两方面进行发散。因为评委的评阅工作至此已经基本结束了。
（9）．参考文献
这里注意一下格式问题，参赛要求有明确规定：
A．书籍的表述方式为：[编号] 作者，书名，出版地：出版社，出版年。
B．参考文献中期刊杂志论文的表述方式为：[编号] 作者，论文名，杂志名，卷期号：起止页码，出版年。
C．参考文献中网上资源的表述方式为：[编号] 作者，资源标题，网址，访问时间。
至于附录，附上相关程序及运行结果，数学上的证明即可，
最后注意一下论文的整体感，特别是文字表述是否准确严密。
三、用数学通用软件编写程序
在编写计算机程序时，基本原则是使用通用的、自己使用最熟悉的软件进行编写，这样可以尽快出结果，即使出错也能很快查出并进行改正。数学通用软件是建立在一定的理论基础和算法基础上的，其计算结果具有一定的可信度，因此，尽量使用matlab、mathematicas、lindo、lingo等数学软件编写的程序，能增加模型结果的可信度。另外，也可利用一些二次开发程序。如TSP，EXCEL，DPS等。
四、要善于合理使用图表
在论文写作中一定要注意能用图表的地方尽量用图表来表示，用图表比用文字阐述要来得清楚直接，一张图表往往能代替一大段干巴巴文字，并且图文并茂也可以为论文增加更多色彩。要知道评委们大都是老教授老专家，为了教授专家们的眼睛，减轻他们受文字的折磨，多用图表绝对是不错的选择。须注意的是图表的引用要规范，在交叉引用的时候一定要小心，不要错位，为此应给每一张图、每一个表都编上号，而且整篇文章的图、表的号码应该连续。图和表在论文中应尽量交替出现，同时排版时也应该让它们处于页面的中部，尽量避免出现在最顶端，这样可以增加文章的视觉美。
五、充分发挥团队的作用
在比赛中，队员之间的配合很重要，每个人对自己这个组的特长，要有一个比较清醒而统一的认识，擅长做哪种类型的题，不擅长做哪种。这样，在选题的时候才不会耽误太多时间。
分工的原则：
•建模：推导数学模型，数学能力强
•编程：计算机能力强
•论文写作：写作能力强
其次，参赛队中应有核心队员，他的作用就相当于计算机中的CPU，核心队员发挥好了，就能带动一个队正常有效开展工作。无论是选题、讨论、写作、协调甚至情绪等，核心队员都应该充分发挥好，起领导作用，才能使整个队伍充满信心地、高效地完成比赛，否则可能导致队伍的情绪低落，没有信心，甚至前功尽弃。
六、合理控制写作进度
做任何事情，合理的时间安排非常重要，建模也是一样，事先要做好一个规划，论文一般分十个大的板块：摘要，问题提出，模型假设，问题分析，模型假设，模型建立，模型求解，结果分析，模型的评价与推广，参考文献，附录。要求我们的队员每天要做完哪几个板块的工作一般先要确定好，这样做才会使工作临阵不乱，保证在规定时间内完成论文写作，以避免由于时间已经用完而任务没有完成的被动局面，严重的最后无法完成论文。
通常的竞赛时间安排：
第一天：上午：确定题目，并查阅文献
下午：开始分析，建立初步模型
晚上：编程，得到初步计算结果 12：00 PM 休息
•第二天：上午：得到第一个模型的合理结果
下午：开始写论文，并考虑对第一个模型的改进
晚上：得到第二个模型的初步结果 12：00 PM 休息
•第三天：上午：得到第二个模型的合理结果
下午：考虑对前二个模型的进一步优化，得到第三个数学模型，
或对前二个模型的正确性进行验证
晚上：得到最后结果，完成整篇论文
参考的论文：
论文:
论文地址：
论文题目:《Session-based Recommendation with Graph Neural Networks》SR-GNN
github:
基于会话的推荐一般是将序列会话建模，将整个session进行编码，变成一个隐向量，然后利用这个隐向量进行下一个点击预测。但是这种方法没有考虑到item直接复杂的转换(transitions)关系，也就是item之间在点击的session中除了时间顺序外还有复杂的有向图内的节点指向关系，所以之前的方法不足以很好的对点击序列进行建模。
现有基于会话的推荐，方法主要集中于循环神经网络和马尔可夫链，论文提出了现有方法的两个缺点：
1）当一个session中用户的行为数量十分有限时，这些方法难以获取准确的用户行为表示。如当使用RNN模型时，用户行为的表示即最后一个单元的输出，论文认为只有这样并非十分准确。
2）根据先前的工作发现，物品之间的转移模式在会话推荐中是十分重要的特征，但RNN和马尔可夫过程只对相邻的两个物品的 单向转移关系 进行建模，而忽略了会话中其他的物品。
为了克服上述缺陷，本文提出了用图神经网络对方法对用户对session进行建模：
下面具体介绍怎么进行图序列推荐
V = {v1,v2...vm}为全部的item，S = { }为一个session里面按时间顺序的点击物品，论文的目标是预测用户下一个要点击的物品vs,n+1，模型的任务是输出所有item的预测概率，并选择top-k进行推荐。
我们为每一个Session构建一个子图，并获得它对应的出度和入度矩阵。
假设一个点击序列是v1->v2->v4->v3，那么它得到的子图如下图中红色部分所示：
另一个例子，一个点击序列是v1->v2->v3->v2->v4，那么它得到的子图如下：
同时，我们会为每一个子图构建一个出度和入度矩阵，并对出度和入度矩阵的每一行进行归一化，如我们序列v1->v2->v3->v2->v4对应的矩阵如下：
这个矩阵里面的值是怎么计算的呢？下面讲一下：
看左边的出度矩阵，第一行为 0 1 0 0 ，代表着v1->v2，因为v1，只有一个指向的item，所以为1；看第二行，0 0 1/2 1/2，因为v2有指向v3和v4的边，所以进行归一化后每一个值都变成了1/2。入度矩阵的计算方法也是一样的，就不再说了。
本文采用的是GRU单元进行序列建模，将图信息嵌入到神经网络中，让GRU充分学习到item之间的关系，传统的GRU只能学到相邻的两个物品之间的关系，加入图信息后就能学到整个session子图的信息。
计算公式如下：
为了刚好的理解这个计算过程，我们还是使用之前那个例子：v1->v2->v3->v2->v4来一步步分析输入到输出的过程。
（1） 是t时刻，会话s中第i个点击对应的输入， 是n✖️2n的矩阵，也就是会话子图的完整矩阵，而 是其中一行，即物品vi所对应的那行，大小为1✖️2n，n代表序列中不同物品的数量。
如果按照例子来看，如果i取2，那么 为 [0 0 1/2 1/2 1/2 0 1/2 0]
进一步的，可以把 :拆解为[ , ]
（2） 可以理解为序列中第i个物品，在训练过程中对应的嵌入向量，这个向量随着模型的训练不断变化，可以理解为隐藏层的状态，是一个d维向量。
(3) H是d*2d的权重向量，也可以看作是一个分块的矩阵，可以理解为H=[Hin|Hout]，每一块都是d*d的向量。
那么我们来看看计算过程：
1）[ ..., ] ，结果是d * n的矩阵，转置之后是n*d的矩阵，计作
2） : H相当于[ ]，即拆开之后相乘再拼接，因此结果是一个1 * 2d的向量。
上面就是完整的第i个点击的输入的计算过程，可以看到，在进入GRU计算之前，通过跟As,i矩阵相乘，把图信息嵌入到了神经网络中取，加深了神经网络学习到的item之间的交互信息。
此外，就是GRU的计算过程了，跟原始的GRU不一样的地方在于输入从xt变成了嵌入了图信息的as,i。
通样也有更新门和重置门，计算方法跟原始GRU一模一样。
这里的 其实就是相当于原始gru中的 ，只不过在SR-GNN里面，进行一轮运算的时候i是没有变化，相当于每个物品单独进去GRU进行计算，得到自己的向量，也就是说在GRU的计算过程中， 是不断变化的，看一下源码更易于理解：
hidden就是公式里面的 ,在gru的每一个step计算中都会进行更新，这里我有个疑问，如果所有item的hidden都更新的话，那么应该是整个序列中所有的item并行进入GRU中进行计算，每一个step都得到自己的vector，当每个item的vector更新后，下一个step就重新根据新的 计算 ，接着计算下一个step。
计算过程大概就是下面这样：
这里有四个GRU并行计算，没次更新自己的hidden状态，输入则考虑所有的hidden和图信息。
从上面的图看来，每一个item都要进行T个step得到自己的item-vec，所以经过T个step后，我们就得到了序列中所有item的向量，即：
图中用蓝色框框画出来的向量，有了这些向量后，我们怎么得到预测结果呢？这就引入了下一个问题。
观察上面的模型结构，我们看到attention，没错，我们认为一个session中的这些item-vec并不都对预测结果产生影响，有些item对结果影响很大，有些影响很小，所以我们进行了加权求和。同时，论文认为session对最后一个item-vec，s1=vn是重要的，所以单独拿出来：
公式(6)就是简单的attention操作，其实从公式上来看就是计算每个vi跟最后一个向量vn的权值，然后进行加权求和。
在最后的输出层，使用sh和每个物品的embedding进行内积计算，这里vi应该是item的embedding层出来的向量，而不是后面一直更新的hidden：
最后通过一个softmax得到最终每个物品的点击概率：
损失函数为交叉熵损失函数：
从数据上来看，SR-GNN超过了经典的GRU4REC，这也说明了图信息的嵌入能带来更好的推荐效果。
本论文很巧妙的将图信息嵌入的神经网络中，更高地让GRU学习到每个item之间的关系，不再局限于相邻的物品之间进行学习。近年来，图神经网络的思想和方法屡屡被用在推荐系统中，学好图神经网络应该是推荐系统的下一个热潮。
随着科学技术特别是信息技术的高速发展，数学建模的应用价值越来越得到众人的重视，
数学建模本身是一个创造性的思维过程，它是对数学知识的综合应用，具有较强的创新性，以下是一篇关于数学建模教育开展策略探究的论文 范文 ，欢迎阅读参考。
大学数学具有高度抽象性和概括性等特点，知识本身难度大再加上学时少、内容多等教学现状常常造成学生的学习积极性不高、知识掌握不够透彻、遇到实际问题时束手无策，而数学建模思想能激发学生的学习兴趣，培养学生应用数学的意识，提高其解决实际问题的能力。数学建模活动为学生构建了一个由数学知识通向实际问题的桥梁，是学生的数学知识和应用能力共同提高的最佳结合方式。因此在大学数学教育中应加强数学建模教育和活动，让学生积极主动学习建模思想，认真体验和感知建模过程，以此启迪创新意识和 创新思维 ，提高其素质和创新能力，实现向素质教育的转化和深入。
一、数学建模的含义及特点
数学建模即抓住问题的本质，抽取影响研究对象的主因素，将其转化为数学问题，利用数学思维、数学逻辑进行分析，借助于数学 方法 及相关工具进行计算，最后将所得的答案回归实际问题，即模型的检验，这就是数学建模的全过程。一般来说",数学建模"包含五个阶段。
1.准备阶段
主要分析问题背景，已知条件，建模目的等问题。
2.假设阶段
做出科学合理的假设，既能简化问题，又能抓住问题的本质。
3.建立阶段
从众多影响研究对象的因素中适当地取舍，抽取主因素予以考虑，建立能刻画实际问题本质的数学模型。
4.求解阶段
对已建立的数学模型，运用数学方法、数学软件及相关的工具进行求解。
5.验证阶段
用实际数据检验模型，如果偏差较大，就要分析假设中某些因素的合理性，修改模型，直至吻合或接近现实。如果建立的模型经得起实践的检验，那么此模型就是符合实际规律的，能解决实际问题或有效预测未来的，这样的建模就是成功的，得到的模型必被推广应用。
二、加强数学建模教育的作用和意义
(一) 加强数学建模教育有助于激发学生学习数学的兴趣，提高数学修养和素质
数学建模教育强调如何把实际问题转化为数学问题，进而利用数学及其有关的工具解决这些问题， 因此在大学数学的教学活动中融入数学建模思想，鼓励学生参与数学建模实践活动，不但可以使学生学以致用，做到理论联系实际，而且还会使他们感受到数学的生机与活力，激发求知的兴趣和探索的欲望，变被动学习为主动参与其效率就会大为改善。数学修养和素质自然而然得以培养并提高。
(二)加强数学建模教育有助于提高学生的分析解决问题能力、综合应用能力
数学建模问题来源于社会生活的众多领域，在建模过程中，学生首先需要阅读相关的文献资料，然后应用数学思维、数学逻辑及相关知识对实际问题进行深入剖析研究并经过一系列复杂计算，得出反映实际问题的最佳数学模型及模型最优解。因此通过数学建模活动学生的视野将会得以拓宽，应用意识、解决复杂问题的能力也会得到增强和提高。
(三)加强数学建模教育有助于培养学生的创造性思维和创新能力
所谓创造力是指"对已积累的知识和 经验 进行科学地加工和创造，产生新概念、新知识、新思想的能力，大体上由感知力、 记忆力 、思考力、 想象力 四种能力所构成"[1].现今教育界认为，创造力的培养是人才培养的关键，数学建模活动的各个环节无不充满了创造性思维的挑战。
很多不同的实际问题，其数学模型可以是相同或相似的，这就要求学生在建模时触类旁通，挖掘不同事物间的本质，寻找其内在联系。而对一个具体的建模问题，能否把握其本质转化为数学问题，是完成建模过程的关键所在。同时建模题材有较大的灵活性，没有统一的标准答案，因此数学建模过程是培养学生创造性思维，提高创新能力的过程[2].
(四)加强数学建模教育有助于提高学生科技论文的撰写能力
数学建模的结果是以论文形式呈现的，如何将建模思想、建立的模型、最优解及其关键环节的处理在论文中清晰地表述出来，对本科生来说是一个挑战。经历数学建模全过程的磨练，特别是数模论文的撰写，学生的文字语言、数学表述能力及论文的撰写能力无疑会得到前所未有的提高。
(五)加强数学建模教育有助于增强学生的团结合作精神并提高协调组织能力建模问题通常较复杂，涉及的知识面也很广，因此数学建模实践活动一般效仿正规竞赛的规则，三人为一队在三天内以论文形式完成建模题目。要较好地完成任务，离不开良好的组织与管理、分工与协作[3].
三、开展数学建模教育及活动的具体途径和有效方法
(一)开展数学建模课堂教学
即在课堂教学中，教师以具体的案例作为主要的教学内容，通过具体问题的建模，介绍建模的过程和思想方法及建模中要注意的问题。案例教学法的关键在于把握两个重要环节：
案例的选取和课堂教学的组织。
教学案例一定要精心选取，才能达到预期的教学效果。其选取一般要遵循以下几点。
1. 代表性：案例的选取要具有科学性，能拓宽学生的知识面，突出数学建模活动重在培养兴趣提高能力等特点。
2. 原始性：来自媒体的信息，企事业单位的 报告 ，现实生活和各学科中的问题等等，都是数学建模问题原始资料的重要来源。
3. 创新性：案例应注意选取在建模的某些环节上具有挑战性，能激发学生的创造性思维，培养学生的创新精神和提高创造能力。
案例教学的课堂组织，一部分是教师讲授，从实际问题出发，讲清问题的背景、建模的要求和已掌握的信息，介绍如何通过合理的假设和简化建立优化的数学模型。还要强调如何用求解结果去解释实际现象即检验模型。另一部分是课堂讨论，让学生自由发言各抒己见并提出新的模型，简介关键环节的处理。最后教师做出点评，提供一些改进的方向，让学生自己课外独立探索和钻研，这样既突出了教学重点，又给学生留下了进一步思考的空间，既避免了教师的"满堂灌",也活跃了课堂气氛，提高了学生的课堂学习兴趣和积极性，使传授知识变为学习知识、应用知识，真正地达到提高素质和培养能力的教学目的[4].
(二)开展数模竞赛的专题培训指导工作
建立数学建模竞赛指导团队，分专题实行教师负责制。每位教师根据自己的专长，负责讲授某一方面的数学建模知识与技巧，并选取相应地建模案例进行剖析。如离散模型、连续模型、优化模型、微分方程模型、概率模型、统计回归模型及数学软件的使用等。学生根据自己的薄弱点，选择适合的专题培训班进行学习，以弥补自己的不足。这种针对性的数模教学，会极大地提高教学效率。
(三)建立数学建模网络课程
以现代 网络技术 为依托，建立数学建模课程网站，内容包括：课程介绍，课程大纲，教师教案，电子课件，教学实验，教学录像，网上答疑等;还可以增加一些有关栏目，如历年国内外数模竞赛介绍，校内竞赛，专家点评，获奖心得交流;同时提供数模学习资源下载如讲义，背景材料，历年国内外竞赛题，优秀论文等。以此为学生提供良好的自主学习网络平台，实现课堂教学与网络教学的有机结合，达到有效地提高学生数学建模综合应用能力的目的。[5,6]
(四)开展校内数学建模竞赛活动
完全模拟全国大学生数模竞赛的形式规则：定时公布赛题，三人一组，只能队内讨论，按时提交论文，之后指导教师、参赛同学集中讨论，进一步完善。笔者负责数学建模竞赛培训近 20 年，多年的实践证明，每进行一次这样的训练，学生在建模思路、建模水平、使用软件能力、论文书写方面就有大幅提高。多次训练之后，学生的建模水平更是突飞猛进，效果甚佳。
如 2008 年我指导的队荣获全国高教社杯大学生数学建模竞赛的最高奖---高教社杯奖，这是此赛设置的唯一一个名额，也是当年从全国(包括香港)院校的约 1 万多个本科参赛队中脱颖而出的。又如 2014 年我校 57 队参加全国大学生数学建模竞赛，43 队获奖，获奖比例达 75%,创历年之最。
(五)鼓励学生积极参加全国大学生数学建模竞赛、国际数学建模竞赛
全国大学生数学建模竞赛创办于 1992 年，每年一届，目前已成为全国高校规模最大的基础性学科竞赛， 国际大学生数学建模竞赛是世界上影响范围最大的高水平大学生学术赛事。参加数学建模大赛可以激励学生学习数学的积极性，提高运用数学及相关工具分析问题解决问题的综合能力，开拓知识面，培养创造精神及合作意识。
四、结束语
数学建模本身是一个创造性的思维过程，它是对数学知识的综合应用，具有较强的创新性，而高校数学教学改革的目的之一是要着力培养学生的创造性思维，提高学生的创新能力。因此应将数学建模思想融入教学活动中，通过不断的数学建模教育和实践培养学生的创新能力和应用能力从而提高学生的基本素质以适应社会发展的要求。
参考文献：
[1]辞海[M].上海辞书出版社，2002,1:237.
[2]许梅生，章迪平，张少林。 数学建模的认识与实践[J].浙江科技学院学报，2003,15(1)：40-42.
[3]姜启源，谢金星，一项成功的高等教育改革实践[J].中国高教研究，2011,12:79-83.
[4]饶从军，王成。论高校数学建模教学[J].延边大学学报(自然科学学版)，2006,32(3)：227-230.
[5]段璐灵。数学建模课程教学改革初探[J].教育与职业，2013,5:140-142.
[6]郝鹏鹏。工程网络课程教学的实践与思考[J]科技视界，2014,29:76-77.
大部分数学知识是抽象的，概念比较枯燥，造成学生学习困难，而数学建模的运用，在很大程度上可以将抽象的数学知识转化成实体模型，让学生更容易理解和学习数学知识。教师要做的就是了解并掌握数学建模的方法，并且把这种 教学方法 运用到数学教学中。
对教师来说，发现好的教学方法不是最重要的，而是如何把方法与教学结合起来。通过对数学建模的长期研究和实践应用，笔者 总结 了数学建模的概念以及运用策略。
一、数学建模的概念
想要更好地运用数学建模，首先要了解什么是数学建模。可以说，数学建模就像一面镜子，可以使数学抽象的影像产生与之对应的具体化物象。
二、在小学数学教学中运用数学建模的策略
1.根据事物之间的共性进行数学建模
想要运用数学建模，首先要对建模对象有一定的感知。教师要创造有利的条件，促使学生感知不同事物之间的共性，然后进行数学建模。
教师应做好建模前的指导工作，为学生的数学建模做好铺垫，而学生要学会尝试自己去发现事物的共性，争取将事物的共性完美地运用到数学建模中。在建模过程中，教师要引导学生把新知识和旧知识结合起来的作用，将原来学习中发现的好方法运用到新知识的学习、新数学模型的构建中，降低新的数学建模的难度，提高学生数学建模的成功率。如在教学《图形面积》时，教师可以利用不同的图形模板，让学生了解不同图形的面积构成，寻找不同图形面积的差异以及图形之间的共性。这样直观地向学生展示图形的变化，可以加深学生对知识的理解，提高学生的学习效率。
2.认识建模思想的本质
建模思想与数学的本质紧密相连，它不是独立存在于数学教学之外的。所以在数学建模过程中，教师要帮助学生正确认识数学建模的本质，将数学建模与数学教学有机结合起来，提高学生解决问题的能力，让学生真正具备使用数学建模的能力。
建模过程并不是独立于数学教学之外的，它和数学的教学过程紧密相连。数学建模是使人对数学抽象化知识进行具体认识的工具，是运用数学建模思想解决数学难题的过程。因此，教师要将它和数学教学组成一个有机的整体，不仅要帮助学生完成建模，更要带领学生认识数学建模的本质，领悟数学建模思想的真谛，并逐渐引导学生使用数学建模解决数学学习过程中遇到的问题。
3.发挥教材在数学建模上的作用
教材是最基础的教学工具，在数学教材中有很多典型案例可以利用在数学建模上，其中很大一部分来源于生活，更易于小学生学习和理解，有助于学生构建数学建模思想。教师要利用好教材，培养学生的建模能力，帮助学生建造更易于理解的数学模型，从而提高学生的学习效率。如在教学加减法时，教材上会有很多数苹果、香蕉的例题，这些就是很好的数学模型，因为贴近生活，可以激发学生的学习兴趣，培养学生数学建模的能力，所以教师应该深入研究教材。
数学建模是一种很好的数学教学方法，教师要充分利用这种教学方法，真正做到实践与理论完美结合。
1、层次分析法，简称AHP，是指将与决策总是有关的元素分解成目标、准则、方案等层次，在此基础之上进行定性和定量分析的决策方法。该方法是美国运筹学家匹茨堡大学教授萨蒂于20世纪70年代初，在为美国国防部研究"根据各个工业部门对国家福利的贡献大小而进行电力分配"课题时，应用网络系统理论和多目标综合评价方法，提出的一种层次权重决策分析方法。
2、多属性决策是现代决策科学的一个重要组成部分，它的理论和方法在工程设计、经济、管理和军事等诸多领域中有着广泛的应用，如：投资决策、项目评估、维修服务、武器系统性能评定、工厂选址、投标招标、产业部门发展排序和经济效益综合评价等.多属性决策的实质是利用已有的决策信息通过一定的方式对一组(有限个)备选方案进行排序或择优.它主要由两部分组成：(l) 获取决策信息.决策信息一般包括两个方面的内容：属性权重和属性值(属性值主要有三种形式：实数、区间数和语言).其中，属性权重的确定是多属性决策中的一个重要研究内容;(2)通过一定的方式对决策信息进行集结并对方案进行排序和择优。
3、灰色预测模型(Gray Forecast Model)是通过少量的、不完全的信息，建立数学模型并做出预测的一种预测方法.当我们应用运筹学的思想方法解决实际问题，制定发展战略和政策、进行重大问题的决策时，都必须对未来进行科学的预测.预测是根据客观事物的过去和现在的发展规律，借助于科学的方法对其未来的发展趋势和状况进行描述和分析，并形成科学的假设和判断。
4、Dijkstra算法能求一个顶点到另一顶点最短路径。它是由Dijkstra于1959年提出的。实际它能出始点到 其它 所有顶点的最短路径。
Dijkstra算法是一种标号法：给赋权图的每一个顶点记一个数，称为顶点的标号(临时标号，称T标号，或者固定标号，称为P标号)。T标号表示从始顶点到该标点的最短路长的上界;P标号则是从始顶点到该顶点的最短路长。
5、Floyd算法是一个经典的动态规划算法。用通俗的语言来描述的话，首先我们的目标是寻找从点i到点j的最短路径。从动态规划的角度看问题，我们需要为这个目标重新做一个诠释(这个诠释正是动态规划最富创造力的精华所在)从任意节点i到任意节点j的最短路径不外乎2种可能，1是直接从i到j，2是从i经过若干个节点k到j。所以，我们假设Dis(i,j)为节点u到节点v的最短路径的距离，对于每一个节点k，我们检查Dis(i,k) + Dis(k,j) < Dis(i,j)是否成立，如果成立，证明从i到k再到j的路径比i直接到j的路径短，我们便设置Dis(i,j) = Dis(i,k) + Dis(k,j)，这样一来，当我们遍历完所有节点k，Dis(i,j)中记录的便是i到j的最短路径的距离。
6、模拟退火算法是模仿自然界退火现象而得，利用了物理中固体物质的退火过程与一般优化问题的相似性从某一初始温度开始，伴随温度的不断下降，结合概率突跳特性在解空间中随机寻找全局最优解。
7、种群竞争模型：当两个种群为争夺同一食物来源和生存空间相互竞争时，常见的结局是，竞争力弱的灭绝，竞争力强的达到环境容许的最大容量。使用种群竞争模型可以描述两个种群相互竞争的过程，分析产生各种结局的条件。
8、排队论发源于上世纪初。当时美国贝尔电话公司发明了自动电话，以适应日益繁忙的工商业电话通讯需要。这个新发明带来了一个新问题，即通话线路与电话用户呼叫的数量关系应如何妥善解决，这个问题久久未能解决。1909年，丹麦的哥本哈根电话公司A.K.埃尔浪(Erlang)在热力学统计平衡概念的启发下解决了这个问题。
9、线性规划是运筹学中研究较早、发展较快、应用广泛、方法较成熟的一个重要分支,它是辅助人们进行科学管理的一种数学方法.在经济管理、交通运输、工农业生产等经济活动中，提高经济效果是人们不可缺少的要求，而提高经济效果一般通过两种途径：一是技术方面的改进，例如改善生产工艺，使用新设备和新型原材料.二是生产组织与计划的改进，即合理安排人力物力资源.线性规划所研究的是：在一定条件下，合理安排人力物力等资源，使经济效果达到最好.一般地，求线性目标函数在线性约束条件下的最大值或最小值的问题，统称为线性规划问题。满足线性约束条件的解叫做可行解，由所有可行解组成的集合叫做可行域。决策变量、约束条件、目标函数是线性规划的三要素。
10、非线性规划：非线性规划是一种求解目标函数或约束条件中有一个或几个非线性函数的最优化问题的方法。运筹学的一个重要分支。20世纪50年代初，库哈(H.W.Kuhn) 和托克 (A.W.Tucker) 提出了非线性规划的基本定理，为非线性规划奠定了理论基础。这一方法在工业、交通运输、经济管理和军事等方面有广泛的应用，特别是在“最优设计”方面，它提供了数学基础和计算方法，因此有重要的实用价值。
数学建模全国优秀论文相关 文章 ：
★ 数学建模全国优秀论文范文
★ 2017年全国数学建模大赛获奖优秀论文
★ 数学建模竞赛获奖论文范文
★ 小学数学建模的优秀论文范文
★ 初中数学建模论文范文
★ 学习数学建模心得体会3篇
★ 数学建模论文优秀范文
★ 大学生数学建模论文范文(2)
★ 数学建模获奖论文模板范文
★ 大学生数学建模论文范文
