数学建模笔记
数学建模知识点
数学建模知识点
以下是 7 条关于数学建模知识点：
1. 什么是函数呀？就像汽车的速度和行驶距离的关系，你给它一个速度，它就能通过时间算出跑了多远，这就是函数在发挥作用。
比如咱们做成本和利润的分析，不就是找出那个能告诉我们怎么赚钱的函数嘛！
2. 线性规划可太重要啦！想象一下，你要安排很多事情，怎么才能让资源利用最大化呢？就像搭积木，得找个最稳最好的方式去摆。
比如说要安排生产任务，怎么分配人力和时间，才能达到最高效率呢！
3. 概率这东西很神奇哦！就好比抽奖，你永远不知道下一次会不会中，但可以算出大概的可能性。
像是判断明天会不会下雨的概率，难道不有趣吗？
4. 统计可真是个好帮手！它就像个细心的记录员，把各种数据整理得清清楚楚。
就像统计一个班级里同学们的成绩分布，这样不就能看出大家的学习情况啦？
5. 模型检验呀，那可不能马虎！这就像你买了个新东西，得试试它好不好用。
比如我们建了个预测销量的模型，得看看预测得准不准呀！
6. 微分方程也很有意思哟！就像研究事物变化的规律。
比如传染病的传播，通过微分方程就可以模拟它怎么扩散的。
哇，是不是很神奇？
7. 建模的思路那得清晰呀！不能乱了阵脚。
就像你要去一个陌生地方，得先规划好路线。
比如碰到一个实际问题，得想清楚从哪里开始，怎么一步一步解决，这就是好的思路的重要性！
我的观点结论是：数学建模知识点丰富有趣又实用，学会了能解决好多实际问题呢！。
数学建模重要知识点总结
数学建模重要知识点总结一、微积分微积分是数学建模中最重要的数学工具之一，它包括微分和积分两大部分。
微分是求函数的导数，用于描述函数的变化率和曲线的切线。
而积分则是求函数的不定积分或定积分，用于描述函数的面积、体积等性质。
在数学建模中，微积分可以用于建立问题的数学模型，求解微分方程和积分方程，对函数进行优化等。
例如，在物理建模中，我们经常会用到微积分来描述物体的运动、速度和加速度等。
在经济学建模中，微积分可以用来描述供求关系、利润最大化等问题。
二、线性代数线性代数是研究向量空间、线性映射和矩阵等数学对象的学科。
在数学建模中，线性代数可以用于描述多维空间中的几何关系、解线性方程组、求解最小二乘问题等。
例如，在计算机图形学中，线性代数可以用来描述和变换三维物体的位置和姿态。
在统计学建模中，线性代数可以用来对数据进行降维、拟合线性模型等。
三、概率论与数理统计概率论与数理统计是研究随机现象的规律性和统计规律的学科。
在数学建模中，概率论与数理统计可以用于描述随机现象的概率分布、推断总体参数、假设检验等。
例如，在风险管理建模中，我们经常会用到概率论与数理统计来描述风险的分布和进行风险评估。
在机器学习建模中，概率论与数理统计可以用来对数据进行建模和推断。
四、数学优化数学优化是研究如何在给定约束条件下，找到使目标函数取得极值的方法和理论。
在数学建模中，数学优化可以用来对问题进行建模和求解。
例如，在生产调度问题中，我们可以用数学优化来寻找最优的生产计划；在投资组合优化中，我们可以用数学优化来构建最优的资产配置。
五、微分方程微分方程是研究未知函数及其导数之间关系的方程。
在数学建模中，微分方程可以用来描述系统的动力学行为、生物种群的增长规律、热传导过程等。
我们可以通过对微分方程进行数值求解、解析求解或者定性分析，来获得系统的行为特征。
六、离散数学离散数学是研究离散结构及其性质的数学学科，包括集合论、图论、逻辑和代数等内容。
数学模型复习知识点
内在规律，做出一些必要的简化假设，还用适当的数学工具，得到的一个数学结构。
2.数学模型的一般步骤：模型准备、模型假设、模型的构成、模型求解、模型分析、模型检验、模型应用。
3.数学建模的过程描述：表述、求解、解释、验证几个阶段。
并且通过这些阶段阶段完成从现实对象到数学模型，再从数学模型到现实兑现的循环。
4.量纲其次原则：以若干物理量为基本量纲，运用物理学公式，对相关的物理问题求解，用数学公式表示一些物理量之间的关系时，公式等号两端必须有相同的量纲。
5.量纲分析：就是利用量纲其次原则建立的物理量之间的数学模型。
6.层次分析法的基本步骤：建立层次结构模型、构造成对比较矩阵、计算权向量并做一致性检验、计算组合权向量并做组合一致性检验。
7.模型的逼真性：即为根据客观事物的特性，作出能真实反映其内部机理，较直观模型的可行性：即根据内部机理的数量规律，通过对数据的测量和统计分析，按照一定准侧做出的与数据拟合最好的模型。
模型的逼真性和可行性相辅相成，只有相互依存，才能使模型构成的更好。
8.（效用函数）无差别曲线：描述甲对物品x和y的偏爱程度，如果占有x1数量的x和y1数量和占有x2的x和y2的y，对甲某来说是同样满足的话，称p2和p1对甲是无差别的。
9.无差别曲线的特点：无差别曲线有无数条、无差别曲线是下凸的、单调的、互不相交的。
10.对无差别曲线做下凸形状作如下解释：当人们占有的x较少时，人们宁愿用较多的△y 换取较少的△x，当人们占有较多的△x时，人们愿意用较多的△x换取较少的△y满足这种特性的曲线是下凸的。
11.数学规划模型属于多元函数的条件极值问题的范围，其决策变量个数n和约束条件个数一般较大，并且最优解往往在可行域的边界上取得，数学规划是解决这类问题的有效方法。
分类：①线性规划②非线性规划③整数规划12.数学建模的重要意义：①在一般工程技术领域，数学建模仍然大有用武之地。
②在高新技术领域，数学模型几乎是必不可少的工具。
数学建模常用知识点总结
数学建模常用知识点总结1.1 矩阵及其运算矩阵是一个矩形的数组，由行和列组成。
可以进行加法、减法和数乘运算。
1.2 矩阵的转置对矩阵进行转置就是把矩阵的行和列互换得到的新矩阵。
1.3 矩阵乘法矩阵A和矩阵B相乘得到矩阵C，要求A的列数等于B的行数，C的行数是A的行数，列数是B的列数。
1.4 矩阵的逆只有方阵才有逆矩阵，对于矩阵A，如果存在矩阵B，使得AB=BA=I，那么B就是A的逆矩阵。
1.5 行列式行列式是一个标量，是一个方阵所表示的几何体积的无向量。
1.6 特征值和特征向量对于矩阵A，如果存在标量λ和非零向量x，使得Ax=λx，那么λ就是A的特征值，x就是对应的特征向量。
1.7 线性相关和线性无关对于一组向量，如果存在一组不全为零的系数，使得它们的线性组合等于零向量，那么这组向量就是线性相关的。
1.8 空间与子空间空间是向量的集合，子空间是一个向量空间的子集，并且本身也是一个向量空间。
1.9 线性变换对于向量空间V和W，如果满足T(v+u)=T(v)+T(u)和T(kv)=kT(v)，那么T就是一个线性变换。
1.10 最小二乘法对于一个线性方程组，如果方程个数大于未知数个数，可以使用最小二乘法来求得最优解。
1.11 奇异值分解矩阵分解的方法之一，将一个任意的矩阵分解为三个矩阵的乘积。
1.12 特征分解对于一个对称矩阵，可以将其分解为特征向量和特征值的乘积。
1.13 线性代数在建模中的应用在数学建模中，线性代数是非常重要的基础知识，它可以用来表示和分析问题中的数据，解决矩阵方程组、优化问题、回归分析等。
二、微积分2.1 极限和连续性极限是指一个函数在某一点上的局部性质，连续性则是函数在某一点上的全局性质。
2.2 导数和微分对于一个函数y=f(x)，它的导数可以表示为f’(x)，其微分可以表示为dy=f’(x)dx。
2.3 泰勒级数泰勒级数是一种用多项式逼近函数的方法，在建模中可以用来进行函数的近似计算。
初中数学模型笔记
初中数学模型笔记一、引言在学习数学的过程中，我们常常遇到一些与实际问题相关的数学模型。
通过建立数学模型，我们可以更好地理解问题，并通过数学方法求解和分析。
本文将介绍初中数学中常见的几种数学模型以及其应用。
二、线性模型1. 定义线性模型是指满足线性关系的模型。
在一元一次方程和一元一次不等式的学习中，我们可以将问题转化为线性模型来求解。
2. 应用举例a. 速度问题假设小明骑自行车从A地到B地，已知他以固定的速度每小时骑行x公里，要求我们根据已知条件求解他从A地到B地的时间。
此时，我们可以建立线性模型：时间 = 距离 ÷速度通过解一元一次方程，我们可以求解出小明从A地到B地的所需时间。
b. 配对问题某商店进行商品促销，商品A和商品B以不同的价格进行销售，要求我们根据商品价格的不同，求出使销售总额最大的配对。
此时，我们可以建立线性模型：销售总额 = 商品A的销售数量 ×商品A的价格 + 商品B的销售数量 ×商品B的价格通过解一元一次不等式，我们可以求解出使销售总额最大的商品配对。
三、几何模型1. 定义几何模型是指利用几何图形和几何关系来解决问题的模型。
在几何学的学习中，我们可以通过建立几何模型来求解各种空间问题。
2. 应用举例a. 面积问题某房间的形状是矩形，已知矩形的长和宽，要求我们计算房间的面积。
此时，我们可以建立几何模型：房间的面积 = 长 ×宽通过计算乘积，我们可以求解出房间的面积。
b. 体积问题某水池的形状是圆柱体，已知水池的底面半径和高，要求我们计算水池的体积。
此时，我们可以建立几何模型：水池的体积 = 圆底面积 ×高通过计算圆底面积并乘以高，我们可以求解出水池的体积。
四、概率模型1. 定义概率模型是指通过概率计算来解决问题的模型。
在概率论的学习中，我们可以通过建立概率模型来分析和预测随机事件的发生。
2. 应用举例a. 投掷骰子问题假设我们投掷一个普通的六面骰子，要求我们计算点数是偶数的概率。
数学建模培训笔记
数学建模求解的设计的唯美【与假设一致】和解答【取名一定的函数和性质】
5.模型分析：灵敏度、稳定性、误差分析
《针对决策变量之外的模型参数，涉及常用的技巧：单变量分析、多变量进行方向导的参数进行，如：生猪出售的r、g；但是整数规划中该项可能并无实际意义
11.坚持就好，用心办事！态度很重要！
12.成功的论文必然留下了大笔的遗憾，因为深挖掘
13.编程尽量模块化
14.样条插值—基于工业加工中的特殊性决定，而实际中常常有普通的线条插值即可
15.深挖掘，避免浅尝辄止；避免眼高手低；任何事物写出来即可
16.计算机模拟：
1.连续随机数的产生机制
2.离散随机数产生
8.论证应天衣无缝、举反例则当一阵见血
9.多目标效应函数的构造
1.线性加权U= ,其中U= =1
2.指数加权U= ,其中U= =1
3.U=max{ |i=1..n}或max{ |i=1..n }
4.对 进行优先排序，逐次给出优先次序，逐步缩小搜索区域
10.勤奋、思考、交流讨论、编程、精益求精，态度决定一切
数学建模笔记
1.假设的合理性，建模的创造性，结果的正确性，文字表达的清晰程度
2.创新意识、团队精神
3.会想、会算、会写
4.Mathematica、Lingo；科技论文的撰写、word公式编辑器
5.最优化是数学建模的灵魂
6.数学建模的步骤：
1.问题描述：背景介绍，常常介绍关注问题的具体方面
2.模型假设：问题简化；常常将非线性问题简化成线性问题；非初等函数初等化《前提是合理，其次是进行简化》
3. 、定积分模拟积分、连续系统的模拟
4.期望值准则常常定义符合函数
七年级下册数学模型笔记
七年级下册数学模型笔记数学模型是数学与实际生活问题相结合的一种工具，通过将问题抽象化、数学化，从而可以用数学的方法来解决实际问题。
在七年级下册数学课程中，我们学习了各种数学模型，并通过实例应用，深入理解数学模型的应用方法和意义。
本文将就七年级下册数学模型进行笔记整理，包括比例、百分数、平均数、图形与几何等多个模型的应用。
1. 比例模型比例是数学中常见的一种关系，表示两个量之间的等比关系。
在比例模型中，我们常常遇到问题是根据已知的比例关系来求解未知的数值。
比例模型常见的题目类型有以下几种：（1）已知两个量的比例关系，求解未知数值。
例如：已知小明走路每分钟行走500米，那么30分钟内他走了多少米？（2）已知两个量的比例关系，求解比例关系的比值。
例如：车辆行驶120公里，耗费汽油3升，求行驶300公里耗费汽油多少升？2. 百分数模型百分数是指以100为基准的比例关系，常用于表示比例、增减等情况。
在百分数模型中，我们需要将题目中给定的百分数关系转化为实际数值进行计算。
百分数模型常见的题目类型有以下几种：（1）已知某一数值占另一数量的百分比，求解具体数值。
例如：某商品原价500元，现以8折出售，求实际售价是多少？（2）已知某一数量增减了百分之几，求解变化后的数值。
例如：某城市人口增长了25%，原有人口是100万，求增长后的人口数。
3. 平均数模型平均数是用来表示一组数值的中间值，代表了总体的代表性。
在平均数模型中，我们需要根据题目中给定的平均数和其他数值，求解未知数值。
平均数模型常见的题目类型有以下几种：（1）已知一组数的平均数和其中的某个数，求解其他数的和。
例如：一份调查报告显示，某班级15名学生的平均年龄为13岁，已知其中10名学生年龄的和为140岁，求剩下5名学生年龄的和。
（2）已知一组数的平均数和其中的某些数之和，求解其他数的个数。
例如：某班级30名学生，平均成绩为80分，已知其中20名学生的成绩总和为1500分，求剩下10名学生的平均成绩。
数学建模方法知识点总结
数学建模方法知识点总结一、问题分析和建模1.问题分析数学建模的第一步是对实际问题进行分析和理解。
这包括确定问题的背景和范围，理解问题的关键要素，分析问题的复杂程度和不确定性，并确定问题的数学建模的可行性和必要性。
在问题分析阶段，需要充分调研、分析和理解现实世界中的问题，并准确把握问题的本质和特点，为建模和求解奠定基础。
2.建模的基本步骤建模的基本步骤包括确定问题的数学模型的类型，选择合适的数学模型，建立数学模型，进行模型的分析和求解，验证模型的有效性和适用性。
在建模的过程中，需要充分考虑问题的实际背景和要求，选择合适的数学工具和方法，保证模型的准确性和实用性。
3.模型假设在建立数学模型时，需要明确模型的假设，包括输入变量和输出变量，模型的非线性程度，问题的约束条件等。
模型假设的准确性和合理性对于模型的可靠性和有效性至关重要。
二、数学建模的数学方法1.微积分微积分是数学建模中最基本和最常用的工具之一，包括导数、积分、微分方程等。
在建立数学模型和求解问题时，常常涉及到对函数的求导和积分，微分方程的建立和求解等。
2.线性代数线性代数是数学建模中重要的数学工具，包括矩阵和向量的理论和方法，线性方程组的求解，特征值和特征向量的计算等。
在建模和求解问题时，常常需要用到线性代数的知识和方法。
3.概率论与统计学概率论和统计学是数学建模中涉及到的另一个重要领域，包括概率分布，随机变量，样本统计量，假设检验等。
在建立数学模型和分析问题时，需要考虑问题的不确定性和随机性，因此概率论和统计学的知识和方法非常重要。
4.优化方法优化方法是数学建模中用于求解最优化问题的重要工具，包括线性规划、非线性规划、整数规划等。
在建模和求解问题时，常常需要考虑优化问题，选择合适的优化方法进行求解。
5.离散数学与图论离散数学和图论是数学建模中用于处理离散结构和关系的重要工具，包括图的表示和遍历，图的匹配和覆盖，图的着色和路径等。
在建模和求解问题时，常常需要用到离散数学和图论的知识和方法。
大学数学建模知识点总结
大学数学建模知识点总结一、概率论基础知识1. 集合论基础知识集合的概念、集合的运算、集合的性质、集合的表示方法等。
2. 随机变量及其分布随机变量的概念、随机变量的分布、离散型随机变量、连续型随机变量等。
3. 数理统计基础知识抽样、统计量、分布函数、统计分布函数、极限定理等。
二、线性代数知识1. 行列式及其性质行列式的概念、行列式的性质、行列式的运算规则等。
2. 矩阵及其运算矩阵的概念、矩阵的运算、矩阵的性质、矩阵的逆、矩阵的转置等。
3. 矩阵方程组矩阵方程组的概念、矩阵方程组的求解、矩阵方程组的解的存在性和唯一性等。
三、微积分知识1. 极限函数极限的定义、函数极限的性质、无穷小量、无穷大量、极限的性质等。
2. 导数导数的概念、导数的求法、导数的性质、高阶导数、隐函数的导数等。
3. 微分方程微分方程的概念、微分方程的解、微分方程的分类、微分方程的求解方法等。
四、数理逻辑知识1. 命题与命题的联结词命题的概念、命题的分类、联结词的概念、联结词的分类、逻辑联结词的性质等。
2. 推理与证明推理的概念、推理的方法、证明的方法、证明的逻辑、直接证明、间接证明、数学归纳法等。
五、数学建模方法1. 模型建立模型的概念、模型的分类、模型的建立方法、模型的验证等。
2. 模型求解模型求解的方法、模型求解的工具、模型求解的步骤等。
3. 模型分析模型分析的方法、模型分析的工具、模型分析的步骤等。
六、优化理论1. 最优化问题最优化问题的概念、最优化问题的分类、最优化问题的求解方法、最优化问题的应用等。
2. 线性规划线性规划的概念、线性规划的模型、线性规划的求解方法、线性规划的应用等。
七、统计推断1. 参数估计参数估计的概念、参数估计的方法、参数估计的性质、参数估计的应用等。
2. 假设检验假设检验的概念、假设检验的原理、假设检验的方法、假设检验的应用等。
八、时间序列分析1. 时间序列的概念时间序列的定义、时间序列的分类、时间序列的性质、时间序列的应用等。
数学建模读书笔记
数学建模是通过对实际问题进行抽象、简化，反复探索，构件一个能够刻划客观原形的本质特征的数学模型，并用来分析、研究和解决实际问题的一种创新活动过程。
数学建模的几个过程:模型准备：了解问题的实际背景，明确其实际意义，掌握对象的各种信息。
用数学语言来描述问题。
模型假设：根据实际对象的特征和建模的目的，对问题进行必要的简化，并用精确的语言提出一些恰当的假设。
模型建立：在假设的基础上，利用适当的数学工具来刻划各变量之间的数学关系，建立相应的数学结构。
（尽量用简单的数学工具）模型求解：利用获取的数据资料，对模型的所有参数做出计算（估计）。
模型分析：对所得的结果进行数学上的分析。
模型检验：将模型分析结果与实际情形进行比较，以此来验证模型的准确性、合理性和适用性。
如果模型与实际较吻合，则要对计算结果给出其实际含义，并进行解释。
如果模型与实际吻合较差,则应该修改假设，在次重复建模过程。
模型应用：应用方式因问题的性质和建模的目的而异数学建模就是建立数学模型，建立数学模型的过程就是数学建模的过程，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、简化建立能近似刻划并"解决"实际问题的一种强有力的数学手段。
数学模型的分类（1）按模型的应用领域分类：生物数学模型，医学数学模型，地质数学模型，数量经济学模型，数学社会学模型等。
（2）按是否考虑随机因素分类：确定性模型与随机性模型（3）按是否考虑模型的变化分类：静态模型与动态模型（4）按应用离散方法或连续方法分类：离散模型与连续模型（5）按建立模型的数学方法分类：几何模型，微分方程模型，图论模型，规划论模型，马氏链模型等。
（6）按人们对是物发展过程的了解程度分类：白箱模型：指那些内部规律比较清楚的模型。
如力学、热学、电学以及相关的工程技术问题。
灰箱模型：指那些内部规律尚不十分清楚，在建立和改善模型方面都还不同程度地有许多工作要做的问题。
如气象学、生态学经济学等领域的模型。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
数学模型按照不同的分类标准有许多种类:
1。
按照模型的数学方法分，有几何模型，图论模型，微分方程模型.概率模型，最优控制模型,规划论模型,马氏链模型.
２。
按模型的特征分,有静态模型和动态模型,确定性模型和随机模型，离散模型和连续性模型，线性模型和非线性模型.
3.按模型的应用领域分,有人口模型,交通模型,经济模型，生态模型，资源模型。
环境模型。
4.按建模的目的分,有预测模型，优化模型,决策模型，控制模型等。
５.按对模型结构的了解程度分，有白箱模型,灰箱模型,黑箱模型。
数学建模的十大算法：
1.蒙特卡洛算法（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,比较好用的算法。
)
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lingｏ、linｇdo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(这些问题时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，需谨慎使用）
7.网格算法和穷举法(当重点讨论模型本身而情史算法的时候，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（很多问题都是从实际来的，数据可以是连续的,而计算机只认得是离散的数据,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.图像处理算法（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来处理问题。
）
数学建模方法
统计：1.预测与预报2。
评价与决策3。
分类与判别４.关联与因果
优化:5。
优化与控制
1.预测与预报
①灰色预测模型（必须掌握)
满足两个条件可用：
ａ数据样本点个数少，６—1５个
b数据呈现指数或曲线的形式
②微分方程预测(备用)
无法直接找到原始数据之间的关系,但可以找到原始数据变化速度之间的关系,通过公式推导转化为原始数据之间的关系.
③回归分析预测(必须掌握）
求一个因变量与若干自变量之间的关系，若自变量变化之后,求因变量如何变化；
样本点的个数有要求:
a自变量之间协方差比较小，最好趋于零,自变量间的关系小；
b样本点的个数n＞3k+1，ｋ为自变量的个数；
c因变量要符合正态分布
④马尔科夫预测（备用)
一个序列之间没有信息的传递，前后没有联系,数据与数据之间随机性强，相互不影响；今天的温度与昨天、后天没有直接联系，预测后天温度高、中、低的概率，只能得到概率
⑤时间序列预测（必须掌握）
与马尔科夫预测互补，至少有2个点需要信息的传递,ARＭA模型，周期模型,季节模型等.
⑥小波分析预测
⑦神经网络预测
⑧混沌序列预测
2.评价与决策
①模糊综合评判：评价一个对象优、良、中、差等层次评价，评价一个学校等,不能排序
②主成分分析:评价多个对象的水平并排序,指标间关联性很强。
③层次分析法：做决策，通过指标，综合考虑做决定
④数据包络（ＤEA）分析法:优化问题，对各省发展状况进行评判
⑤秩和比综合评价法:评价各个对象并排序,指标间关联性不强
⑥优劣解距离法（TOPSＩＳ法）
⑦投影寻踪综合评价法：糅合多种算法，比如遗传算法、最优化理论
⑧方差分析、协方差分析等
方差分析：看几类数据之间有无差异,差异性影响，例如:元素对麦子的产量有无影响，差异量的多少；（1992年作物生长的施肥问题)
协方差分析：有几个因素，我们只考虑一个因素对问题的影响，忽略其他因素,但注意初始数据的量纲以及初始情况。
(2００６年,艾滋病疗法的评价以及预测问题）
3.分类与判别
①距离聚类（系统聚类）常用
②关联性聚类(常用)
③层次聚类
④密度聚类
⑤其他聚类
⑥贝叶斯判别(统计判别方法）
⑦费舍尔判别（训练的样本比较少)
⑧模糊识别(分好类的数据点比较少）
4.关联与因果
①灰色关联分析方法(样本点的个数较少）
②Supｅrmａn或ｋeｎdａll等级相关分析
③Pｅｒｓon相关（样本点的个数比较多）
④Ｃoｐｕｌa相关(比较难,金融数学,概率密度）
⑤典型相关分析（因变量Y1２3４，自变量组X1234，各自变量组相关性比较强,问哪一个因变量与哪一个自变量关系比较紧密？）
5.优化与控制
①线性规划、整数规划、0－1规划(有约束,确定的目标）
②非线性规划与智能优化算法
③多目标规划和目标规划(柔性约束，目标含糊，超过)
④动态规划
⑤网络优化（多因素交错复杂）
⑥排队论与计算机仿真
⑦模糊规划(范围约束）
⑧灰色规划（难）
涉及到的数学建模方法
集合理论、线性代数、微积分、组合概率、统计（回归）分析、优化方法（规划）、图论与网络优化、综合评价、插值与拟合、差分计算、微分方程、排队论、模糊数学、随机决策、多目标决策、随机模拟、灰色系统理论、神经网络、时间序列、机理分析等方法。