文章目錄
- 一、知識儲備
- 前言
- 一、優化類
- 二、圖論
- 三.四預測類和統計
- 五、資料處理
- 六、評價類
- 七、圖形類
- 八、模擬與仿真（！）
- 九、方程
- 十、資料建模&機器學習方法
- 十一、其他模型
- 二、工具和資料
- 三、歷年試題和論文下載
- 四、文獻查找
- 五、比賽必知
- 四、你是小白學不會？別擔心！
一、知識儲備
前言
不要擔心你現在是小白，不要擔心你現在沒準備好，此文帶你逆襲，不再發愁，看著我出的文章來就好了！當然如果你有更好的資料可以一起看，為什么我建立這個專欄，因為我每一篇文章都是自己親自嘗試，代碼親自一行一行寫的，不像別人從pdf全部復制下來給大家看，我用我自己的口水話講解，保證了小白都能聽懂，
無論你現在此時什么水平，這一篇文章都值得你看一看，查漏補缺也好，還是從零開始好，沖刺最后幾天，所有心思放到這上面，一定能學的很好，學習有疑問可以主頁加我聯系方式，不說能幫助到你，一起討論吧，
一、優化類
線性規劃（運輸問題、指派問題、對偶理論、靈敏度分析）
整數規劃（分支定界、列舉試探、蒙特卡洛）
非線性規劃（約束極值、無約束極值）
目標規劃（單目標、多目標）
動態規劃（動態、靜態、線性動規、區域動規、樹形動規、背包動規）
動態優化（變分法）
優化演算法（貪婪演算法、禁忌搜索、模擬退火、遺傳演算法、人工神經網路、蟻群演算法、粒子群演算法、人群搜索演算法、人工免疫演算法、集成演算法、TSP問題、QAP問題、JSP問題）
模糊逼近演算法
二、圖論
最小生成樹（prim演算法、Kruskal演算法）
匹配問題（匈牙利演算法）
網路流（最大流問題、最小費用最大流問題）
三.四預測類和統計
GM（1，1）灰度預測
時間序列模型
回歸（一元線性回歸、多元線性回歸MLR、非線性回歸、多元逐步回歸MSR、主元回歸法PCR、部分最小二乘回歸法PLSR）（重點）
Bayes統計預測
分類模型（邏輯回歸、決策樹、神經網路）
判別分析模型（距離判別、Fisher判別、Bayes判別）
引數估計（點估計、極大似然估計、Bayes估計）
假設檢驗
方差分析
經驗分布函式
正交試驗
模糊數學（模糊分類、模糊決策）
隨機森林
五、資料處理
影像處理
插值與擬合（Lagrange插值、Newton插值、Hermite插值、三次樣條插值、線性最小二乘）
搜索演算法（回溯、分治、排序、網格、窮舉）
數值分析方法（方程組求解、矩陣運算、數值積分、逐次逼近法、牛頓迭代法）
模糊逼近
動態加權
序列分析
主成分分析
因子分析
聚類分析
灰色關聯分析法
資料包絡分析法（DEA）
六、評價類
層次分析法（AHP）
模糊綜合評價
基于層次分析的模糊綜合評價
動態加權綜合評價
七、圖形類
演算法流程圖
條形圖
直方圖
散點圖
餅圖
折線圖
莖葉圖
箱線圖
Venn圖
誤差分析圖
概率分布圖
漏斗模型
金字塔模型
魚骨分析法
等高線曲面圖
思維導圖
八、模擬與仿真（！）
蒙特卡洛
元胞自動機
九、方程
微分方程（Malthus人口模型、Logistic模型、戰爭模型）
穩定狀態模型（Volterra 模型）
常微分方程的解法（離散化、Euler方法、Runge—Kutta方法、線性多步法）
差分方程（蛛網模型、遺傳模型）
偏微分方程數值解（定解問題、差分解法、有限元分析）
十、資料建模&機器學習方法
云模型
Logistic回歸
主成分分析
支持向量機（SVM）
K-均值（K-Means）
近鄰法
Logistic回歸
主成分分析
支持向量機（SVM）
K-均值（K-Means）
近鄰法
十一、其他模型
排隊論
博弈論
貯存倫
馬氏鏈模型
決策論：
單目標決策
多目標決策
交叉驗證方法（Holdout 驗證、K-fold cross-validation、留一驗證）
比例關系（這就很簡單，基本一樣能看出來）
類比分析（不要忽略類比）
物理規律建模（看著有規律的）
二、工具和資料
英文修改工具（用于檢查論文英文語法等錯誤）
下載地址：https://pc.qq.com/detail/18/detail_13078.html
（主要是我發現官網下載不下來）無腦安裝就是，主要是登陸進去，全中文的，
建議使用微博掃面二維碼登錄，下載一個新浪微博，我用郵箱注冊登錄說我密碼不對
texstudio軟體（論文排版用）
國家資料：https://data.stats.gov.cn/
matlab軟體系和lingo軟體（編程用）
三、歷年試題和論文下載
很詳細，自己進去看：
https://www.shumo.com/wiki/doku.php?id=start
四、文獻查找
你的能用谷歌搜索，不能用谷歌搜索的趕緊準備，百度引擎搜出來的東西太lj了，一堆廣告
中國知網：https://www.cnki.net/
谷歌學術：codechina.csdn.net/weixin_46211269/test
百度學術：https://xueshu.baidu.com/
萬方資料：https://www.wanfangdata.com.cn/index.html
國外的：https://www.sciencedirect.com/
五、比賽必知
- 拿到題目之后需要盡快確定題目型別
- 一定要關注數學建模官方論壇，看題目給的參考文獻
- 寫論文的一定要跟建模和編程的同步，幫著查資料，不要等別人出結果你才開始，
- 前面兩問題是一定也可以做出來的，后面的問題做不出來，也要把思路清晰的寫下來，哪怕最終結果出不來，也要在論文中寫下來，
- 所有的能做成圖的一定要作圖，因為圖能表達清晰！
- 不要作弊，不要作弊，不要去找高水平的人幫忙做，審核很嚴格，國賽呀！
- 比賽前一定要做兩套去年和前年的題，不然比賽臨場發揮會很緊張很難的！
四、你是小白學不會？別擔心！
如果你需要課件和pdf講解，公眾號：川川菜鳥 回復：數學建模
需要歷年的ABCDE題論文回復：歷年數學建模論文
或者你可以加我，我發給你，最后幾天拼一把！
我在數學建模專欄從零開始在講，用自己最簡單的話來講解，盡量保證小白都能聽懂，因為我也是邊學邊寫的筆記，當然我寫的并不完整，因為我花了大量的時間在寫別的博客去了，但是應付建模基礎知識夠了，由于資料在b站找了下，有講的好的，但是又要付費，公開的又講的腦殼繞，我就沒看了，然后就是看著自己的資料，應該最近幾天學校會組織培訓，大家一定要看！
對于小白，我在數學建模開設了一個專欄，講過二十幾篇基礎和二十篇模型與演算法，雖然不全，但是我講解很詳細，師傅領進門，剩下全靠個人，希望能幫助到大家，
傳送門：數學建模小白系列
轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/297759.html
標籤：AI
上一篇：機器學習數學基礎之線代篇——線性代數python手冊（建議收藏）
下一篇：漏洞利用三：445埠漏洞利用