如何准备数学建模？(附建模必备资料)

数学建模就是根据实际问题来建立数学模型，对数学模型来进行求解，然后根据结果去解决实际问题。

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作表述来建立数学模型。

那我们怎么用固定的套路进行建模，之后拿奖呢？

还没有开始建模我们怎么准备建模呢？

建模说白了就是要交一篇论文上去，你论文水平越高，拿奖的概率越大。而对于初学者，对于科研都没有很熟悉，没有基本的套路，也就是懵逼了。其实不要慌，论文主要就分为两个部分，一是写，第二个就是做实验。对于写文章，也是有套路的，跟写八股文差不多，一开始要引出来，就像你今天去哪个食堂吃的饭呀，这个时候你得想你为啥要吃饭？因为饿了，之后就是你为啥去那个食堂吃饭？因为便宜，好吃等等，也就是介绍自己的方法，之后你的说你自己的方法好呀，不好也得说好呀，那怎么评判我的方法是不是好呢？那不得做点实验对比一下子，做个灵敏度分析分析稳定，牛逼。

还有一点就是作图做表，就像你饭好吃，实惠，但是丑，跟屎长一样，即使很香，你也不想吃。我记得我之前的一篇做海浪的文章就是，啥也没做出来，表面功夫做足，也拿了个二等奖。

所以最大的套路我觉得还是包装，至少是蛮重要的一个套路。

知道了这些比较套路的东西之后，也还是要弄点干货的，不然你到时候怎么混都不知道，基本算法怎么使用都不知道怎么能行呢？想套路评委都套路不了，这里给大家提供福利了。

资料代码目录

这里提供的资料还是蛮多的，里面的资料都附有完整代码和文章解释，相对来说是比较全面的，是网上的一位小哥整理的，这里我将他打包整理，并压缩，放入百度云网盘里面了，方便非百度云会员的同学下载。

《MATLAB 神经网络30个案例分析》
《基于MATLAB的高等数学问题求解》
模拟退火算法-最优路径
层次分析法(AHP)
元胞自动机(Cellular Automata)
模糊数学模型(Fuzzy Mathematical Model
目标规划(Goal Programming)
图论(Graph Theory)
灰色系统建模(Grey System)
启发式算法(Heuristic Algorithm)
免疫算法(Immune Algorithm)
整数规划(Integer Programming)
《MATLAB智能算法案例》(Intelligence Algorithm)
插值(Interpolation)
线性规划(Linear Programming)
多元分析(Multivarite Analysis)
神经网络(Neural Network)
非线性规划(Non Linear Programming)
常微分方程(Oridinary Differential Equation)
偏微分方程(Partial Differential Equation)
偏最小二乘法(Partial Least Squares)
《模式识别与机器学习》(Pattern Recognition and Machine Learning)
回归分析(Regression Analysis)
时间序列模型(Time Series)

现在人工智能，神经网络比较火，建议大家还看点相关视频，到时候说不定也能说上几句，做个拓展。这里附上链接。Matlab与机器学习入门进阶与提高 13课

建模五步法

第一步:提出问题. 大家可能会想,题目不是已经给出问题了吗? 是的,但是这里的提出问题是指：用数学语言去表达。首先，题目一定要通读若干遍，“看不懂，读题目；看不懂，读题目”，如此反复循环的同时查阅相关资料。这通常需要大量的工作，而且要根据题目的特点做一些假设。看的差不多了，就开始用数学形式提出问题，当然，在这之前，先引用或者定义一些专业术语。接下来进行符号说明，统一符号（这点很重要，三个人之间便于沟通，论文便于展现），并列出整个问题涉及的变量，包括恰当的单位，列出我们已知或者作出的假设（用数学语言描述，比如等式，不等式）。做完这些准备工作后，就开始正式提出问题啦。用明确的数学语言写出这个问题的表达式，加上之前的准备工作，就构成了完整的问题。这部分的内容反映到论文结构上，相当于前言，问题提出，模型建立部分。注意，刚开始建立的模型很挫没关系，我们随时可以返回来进行修改的。
第二步:选择建模方法. 在有了用数学语言表述的问题后，我们需要选择一个或者多个数学方法来获得解。许多问题，尤其是运筹优化，微分方程的题目，一般都可以表述成一个已有有效的标准求解形式。这里可以通过查阅相关领域的文献，获得具体的方法。为什么不是查阅教材呢？基本上教材讲的都是基础的，针对特定问题的，教材上一般找不到现成的方法，但是教材依然是很重要的基础工具，有时候想不出思路，教材（比如姜启源那本）翻来翻去，会产生灵感，可以用什么模型。
第三步:推导模型的公式. 我们要把第二步的方法实现出来，也就是论文的模型建立部分。我们要对建立的问题进行变形，推导，转化为可以运行标准方法解答的形式。这部分通常是借鉴参考文献的过程，做一些修改，以适应本题的情况。
第四步:求解模型. 这里是编程的队友登场的时刻了。统计模型：SPSS,Eviews，Stata ，都是菜单式操作，easy的。数据分析：R，数据库SQL Server，IBMDB2微分方程：Maple,Mathematic,MATLAB运筹规划：Matlab，Lingo智能算法：Matlab，R时间序列：统计模型中的那些软件，或者R，Matlab 图像处理：Matlab，C++总结： Matlab是必须的，再来个SPSS，一般情况下够用了。
第五步:回答问题. 也就是论文的讨论部分。这部分是对你整篇论文成果的总结，一定要写的有深度。除此之外，通常还要写上一些灵敏度分析，如果是统计模型的话，要有模型检验。论文通常会需要画一些图表，可以使用Matlab、R等软件来画跟数据有关的图，使用Visio或者PPT画流程图之类的图。

原文链接

如何准备数学建模【国赛】【美赛】？

我的微信公众号名称：深度学习与先进智能决策
微信公众号ID：MultiAgent1024
公众号介绍：主要研究分享深度学习、机器博弈、强化学习等相关内容！期待您的关注，欢迎一起学习交流进步！