演算法型別
資料處理
補全、剔除、選取資料、分析資料、分析走勢等
關聯與分析
原因、為什麼？推測、兩者關係、提出方案
分類與判別
分類、分級、判定、隸屬、劃分、異常值、識別等
評價與決策
評價、評判、提出方案、選擇方案、擇優、後果
**與預報
未來形勢、走勢、**、變化、效果、未來、影響
優化與控制
排程、合理安排、選址、調整、優化、排隊
主要針對工程性很強的賽題。是指我們在進行賽題分析時，遇到含有關鍵字賽題無法找到能夠直接選用的模型時，可通過搜尋類似的案例，將其模型應用於自己的建模過程
主要針對數學物理較強的賽題。
數學建模方法
線性回歸其實就是尋找一條直線擬合資料點，使得損失函式最小。直線的表示式為 y omega x omega x dots omega x dots b 損失函式的表示式為 j frac sum y y 如上圖所示，只要自變數 x 沿著負梯度的方向變化，就可以到達函式的最小值了，反之，如果沿著正梯度方向...
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...