規劃類方法：有約束條件求最優解；eg：利用現有資源安排生產以取得最大經濟效益；
圖與網路：某具體事物之間的聯絡；
排隊論：也稱隨機服務系統理論，解決性態問題、最優化問題、排隊系統的統計推斷；
對策論：又稱博弈論、競賽論，具有競爭性的問題，每方都力求選取對自己最有利的方案，找到乙個最合理的方案並求解；
層次分析法：略；
插值與擬合：插值，求過已知有限個資料點的近似函式；擬合，已知有限個資料點，求近似函式，不要求過已知點，只求某種意義上偏差最小；
方差分析：用數理統計的方法分析實驗結果，鑑別各影響因素對結果的影響程度，關心的試驗結果稱之為指標，可以控制的條件稱為因素或因子，因素所處的狀態稱之為水平，方法有單因素、多因素方差分析；
回歸分析：對擬合問題做出的統計分析，由曲線擬合所得到的函式為點估計，應進行假設檢驗或進行區間估計，也可通過方差分析評價優劣；eg：依據經驗建立回歸模型、可信度檢驗、判斷某變數對 y 的影響程度、診斷回歸模型是否符合資料、利用回歸模型對 y 進行預設/控制；
微分方程建模：實際問題描述導致的求解微分方程的定解問題；
差分方程：離散狀態轉移的數學工具，可將連續的模型離散化；
穩定狀態模型：建模的主要目的並不是要尋求動態過程每個瞬時的性態，而是研究某種意義 下穩定狀態的特徵，特別是當時間充分長以後動態過程的變化趨勢的問題；
常微分方程的數值解法：離散化；
偏微分方程的數值解法：差分法、泊松、拉普拉斯；
馬氏鏈模型：一種特殊隨機序列，研究隨機現象變化過程中的概率規律性，未來時刻的變化只與現在有關；
動態優化模型：求最優控制函式使得某個泛函達到極值，有變分法、最優控制理論法；
神經網路模型：用以模式識別、影象處理、智慧型控制、組合優化、金融**與管理、通訊、機械人及專家系統等；
目標規劃：實際中的多目標問題（目標有不同地位），求解有加權重係數法、優先順序法、有效解法；
模糊數學模型：解決一些分類無明顯界限的問題；
現代優化演算法：啟發式演算法，求解np-hard問題，主要有禁忌搜尋、模擬退火、遺傳演算法、人工神經網路；
時間序列模型：按時間順序排列的、隨時間變化且相互關聯的資料序列即時間序列，分析時間序列的方法，有加法模型、乘法模型、混合模型；
存貯論：研究存貯系統的性質、執行規律及尋找最優策略的學科，有確定性跟隨機性之分，輸入->存貯->輸出；
經濟與金融方面的優化問題：主要涉及 lingo 的使用；
生產與服務運作管理中的優化問題：eg：裝置問題、下料問題、面試順序；
灰色系統理論及應用：與白箱問題相對，對於無法研究清楚內部機理的問題，依據某種思維邏輯與推斷構造模型。研究在大量資訊缺乏或紊亂的情況下實際問題的解決；
支援向量機：克服「維數災難」和過學習等困難的強有力的方法；
排序理論與方法：生產過程中的作業安排問題。
蒙特卡羅演算法（隨機性模擬演算法）：在計算機**時，用於隨機性模擬；
資料處理演算法（資料擬合、引數估計、插值等）：影象處理、資料走勢；
規劃類演算法：一般解決最優化問題，可用 lindo 、lingo 求解；
圖論演算法：包括最短路、網路流、二分圖、dijkstra、floyd、prim、bellman-ford，最大流，二分匹配等演算法；
計算機演算法：用於演算法設計；
最優化理論的三大經典演算法：模擬退火、神經網路、遺傳演算法，解決較困難的最優化問題；
網格演算法與窮舉法：暴力搜尋，重點討論模型本身輕視演算法的問題；
連續資料離散化演算法：運用差分代替微分、求和代替積分思想；
數值分析演算法：matlab 已內建；
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...
《數學建模演算法與應用》方法概述
數學建模演算法與應用 方法概述 序言 學習司守奎 數學建模演算法與應用 第2版過程中，給出乙個內容的提綱，希望可以在回憶複習時快速建立知識結構。包含了數學建模所需用到的一些方法和常見問題型別。其中前半部分 方法類 為一些常用數學建模方法，單獨拿出來介紹 後半部分為總結的 問題類 主要為規劃 分類 優...