毕业论文数学建模学科分类

数学建模研究的领域很广泛，既涉及到自然科学，又涉及到社会科学。主要是用数学的相关理论和方法去解决实际问题。说它是自然科学或社会科学都有些以偏概全。若用高中是文科或是理科的分类的话，它更偏理一些

自然科学，主要是数学和算法。数学建模，总的来说，就是把遇到的问题，用数学的方法来建立模型，以计算机辅助求得优化结果.正式的数学建模比赛中，问题的本身是什么学科影响不大，基本都可以看做数学问题，优良的模型和高效的算法才是比赛的核心。 就我对数学建模的经验而言，生活工作中，对问题本身的理解透彻才是核心，数学建模是个复杂的工具，良好的数学素养，扎实的算法才能有效的利用工具。对大多数人，不用数学建模，可以用其他方法解决，只要对问题了解得透彻。但是程序员来说，数学建模就非用不可，因为任何完整的程序都是一个解决问题的标准数学模型。反过来看，建模大赛的命题放弃问题本身也有一定的道理，主要是面向数学和程序了。现实中，一个物理和经济问题的数学建模，没有物理专家和经济专家，要么无法建模，要么不用建模，如果你也解决，难道本专业的专家还用再去求解？除非这个问题已经变成数学问题了。

数学建模只是方法，论文属于哪一类就看你解决的是什么问题，自然科学和社会科学都会运用数学建模的研究方法。比如经济学被认为是一门社会科学，就大量运用数学建模。

数学建模常用模型有哪些？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）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）8、一些连续离散化方法（很多问题都是实际来的，数据可以是连续的，而计算机只认的是离散的数据，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、图象处理算法（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