logistic模型
主成分分析法
k均值貝葉斯判別法
灰色**
經典灰色演算法
遺傳演算法
神經網路
模擬退火演算法
粒子群演算法
乙個變數，根據較少資料，算出期望和方差，根據正態分佈的熵可以用大量資料畫圖表示。
用於確定性的描述。求確定度，進行**並畫圖直觀表示。
定性變數的概率分析。
用於因變數只有0 1兩種情況下的值**。
多個變數且相互之間關係複雜，對矩陣標準化後求特徵值特徵向量，選取互不相關的主成分進行分析。
從大量關係不明的多個自變數中選取主要影響因素，對結果進行**
從一團資料，找到中點。不同與主成分分析，主成分分析找的是主變數。
找資料團的中點，聚類分析
類似於logistic模型，根據訓練資料對測試資料進行分類。不同的是logistic模型用簡單的回歸分析，貝葉斯判別法用離散概率進行分析。matlab中有完整的貝葉斯運算封裝。
利用工具箱對結果性質進行**。可以替代logistic模型
可以統計圖直觀表示各個因變數與各個自變數的相關程度
灰色**關鍵是常微分方程，本質也是資料擬合，不過處理複雜，效果更好，且最少4組資料就能進行
缺點：受異常變數影響太大
重點是**，尤其是單個變數的**
模仿生物進化理論，計算適應度通過複製決定下一代中各個資料比例，根據生成隨機數配和概率決定交配，交配隨機產生交配點，產生染色體互換。之後根據隨機數和概率產生資料突變。
其中約束條件相當於大自然，目標函式相當於進化主線
對於有目標函式和約束條件，但都很複雜的情況可以考慮直接用ga工具箱。這種型別的如果約束條件簡單直接參考規劃部分的**。
模仿神經系統，設定多層神經，每層設定若干節點，正向根據啟用函式，調整閾值和權值，輸出解；再根據解計算誤差，根據偏微分方程，找出梯度下降最快方向，改變權值和閾值，若干次迭代得到結果。
對於多輸入，多輸出，關鍵資料之間關係不清楚的情況，直接用工具箱或者模板**。
模擬高溫物體降溫過程中分子的運動，高溫運動激烈，降溫過程中每個溫度點都計算內能，相互之間比較交換，直到找到約束條件內的最小值。
tsp路徑最優化模型，揹包模型等。適用沒有明顯的多個自變數且有約束條件，關係非常複雜，選擇非常多的情況。
模擬種群-鴿子覓食過程，剛開始隨機分布，通過自我學習與社會學習種群集中到食物附近。
沒有約束條件，先隨機生成輸入變數，根據輸出變數的適應度，分別修改輸入變數的值，迭代設定次數後輸入變數集中在最優解附近，找到最優解後代入目標函式。
適合沒有約束條件找最優解。能夠比較精確確定解的大致範圍後，可以再用其他演算法精確求解，防止陷入區域性最小值
數學建模演算法
1.層次分析法 2.模糊綜合評價 3.熵值法 4.topsis法 5.資料報絡分析 6.秩和比法 7.灰色關聯分析 1.窮舉法 2.貪心演算法 3.爬山法 4.模擬退火演算法 5.遺傳演算法 6.蟻群演算法 7.線性規劃，非線性規劃，動態規劃 8.梯度下降法 9.禁忌搜尋 10.牛頓迭代法 11.人...
數學建模常用演算法
數學建模中常用的方法 模擬法 二分法 差分法 變分法 圖論法 層次分析法 資料擬合法 回歸分析法 數學規劃 線性規劃，非線性規劃，整數規劃，動態規劃，目標規劃 機理分析 排隊方法 對策方法 決策方法 模糊評判方法 時間序列方法 灰色理論方法 現代優化演算法 禁忌搜尋演算法，模擬退火演算法，遺傳演算法...
數學建模常用演算法
數學建模中常用的方法 模擬法 二分法 差分法 變分法 圖論法 層次分析法 資料擬合法 回歸分析法 數學規劃 線性規劃，非線性規劃，整數規劃，動態規劃，目標規劃 機理分析 排隊方法 對策方法 決策方法 模糊評判方法 時間序列方法 灰色理論方法 現代優化演算法 禁忌搜尋演算法，模擬退火演算法，遺傳演算法...