數學建模中什麼是數學規劃

A. 數學建模都應該學些什麼

首先是數學建模方面的知識，大師級的一些優秀書籍必須是要看幾本的：
(1) 數學模型 姜啟源、謝金星、 葉俊 高等教育出版社
(2) 數學建模案例選集 姜啟源、 謝金星 高等教育出版社
(3) 實用運籌學：模型、方法與計算 韓中庚 主編/2007年12月/清華大學出版社

模型的求解方面，需要用到Matlab、lingo等數學軟體， 現在Matlab書籍很多，適合數學建模的，下面幾本還不錯：

(1) MATLAB 7.0從入門到精通（修訂版） 劉保柱，蘇彥華，張宏林 編著/2010年05月/人民郵電出版社
(2) 優化建模LINDO/LINGO軟體 謝金星，薛毅 編著/2005年07月/清華大學出版社

還有一本新書，覺得對參加數學建模競賽還是很給力的：

matlab在數學建模中的應用 卓金武，魏永生，秦健，李必文編著 北航出版社出版

這幾位作者都是參加過建模競賽的，書中有經驗介紹，有很多實際建模競賽中開發的Matlab源程序，還有原版的獲獎論文，覺得對參加數學建模競賽的應該還是很有啟發的。

B. 數學建模的方法有哪些

1. 預測模塊：灰色預測、時間序列預測、神經網路預測、曲線擬合（線性回歸）；
   

2. 歸類判別：歐氏距離判別、fisher判別等 ；
   

3. 圖論：最短路徑求法 ；
   

4. 最優化：列方程組 用lindo 或 lingo軟體解 ；
   

5. 其他方法：層次分析法 馬爾可夫鏈 主成分析法 等 。

建模常用演算法，僅供參考：

1. 蒙特卡羅演算法（該演算法又稱隨機性模擬演算法，是通過計算機模擬來解決 問題的演算法，同時間=可以通過模擬可以來檢驗自己模型的正確性，是比賽時必 用的方法） 。
   

2. 數據擬合、參數估計、插值等數據處理演算法（比賽中通常會遇到大量的數 據需要處理，而處理數據的關鍵就在於這些演算法，通常使用Matlab 作為工具） 。
   

3. 線性規劃、整數規劃、多元規劃、二次規劃等規劃類問題（建模競賽大多 數問題屬於最優化問題，很多時候這些問題可以用數學規劃演算法來描述，通 常使用Lindo、Lingo 軟體實現） 。
   

4. 圖論演算法（這類演算法可以分為很多種，包括最短路、網路流、二分圖等算 法，涉及到圖論的問題可以用這些方法解決，需要認真准備） 。
   

5. 動態規劃、回溯搜索、分治演算法、分支定界等計算機演算法（這些演算法是算 法設計中比較常用的方法，很多場合可以用到競賽中） 。
   

6. 最優化理論的三大非經典演算法：模擬退火法、神經網路、遺傳演算法（這些 問題是用來解決一些較困難的最優化問題的演算法，對於有些問題非常有幫助， 但是演算法的實現比較困難，需慎重使用） 。
   

7. 網格演算法和窮舉法（網格演算法和窮舉法都是暴力搜索最優點的演算法，在很 多競賽題中有應用，當重點討論模型本身而輕視演算法的時候，可以使用這種 暴力方案，最好使用一些高級語言作為編程工具） 。
   

8. 一些連續離散化方法（很多問題都是實際來的，數據可以是連續的，而計 算機只認的是離散的數據，因此將其離散化後進行差分代替微分、求和代替 積分等思想是非常重要的） 。
   

9. 數值分析演算法（如果在比賽中採用高級語言進行編程的話，那一些數值分 析中常用的演算法比如方程組求解、矩陣運算、函數積分等演算法就需要額外編 寫庫函數進行調用） 。
   

10. 圖象處理演算法（賽題中有一類問題與圖形有關，即使與圖形無關，論文 中也應該要不乏圖片的，這些圖形如何展示以及如何處理就是需要解決的問 題，通常使用Matlab 進行處理）。
    

C. 數學建模的思路是什麼

說就是把實際問題用數學語言抽象概括，從數學角度來反映或近似地反映實際問題，得出的關於實際問題的數學描述。其形式是多樣的，可以是方程（組）、不等式、函數、幾何圖形等等。

在數學建模中常用思想和方法：類比法、二分法、量綱分析法、差分法、變分法、圖論法、層次分析法、數據擬合法、回歸分析法、數學規劃、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。

模型准備

了解問題的實際背景，明確其實際意義，掌握對象的各種信息。以數學思想來包容問題的精髓，數學思路貫穿問題的全過程，進而用數學語言來描述問題。要求符合數學理論，符合數學習慣，清晰准確。

根據實際對象的特徵和建模的目的，對問題進行必要的簡化，並用精確的語言提出一些恰當的假設。在假設的基礎上，利用適當的數學工具來刻劃各變數常量之間的數學關系，建立相應的數學結構（盡量用簡單的數學工具）。

D. 數學建模具體有些什麼內容如何進行

一、定義
數學建模是一種數學的思考方法,是運用數學的語言和方法,通過抽象、簡化建立能近似刻畫並"解決"實際問題的一種強有力的數學手段.
數學建模就是用數學語言描述實際現象的過程.這里的實際現象既包涵具體的自然現象比如自由落體現象,也包涵抽象的現象比如顧客對某種商品所取的價值傾向.這里的描述不但包括外在形態,內在機制的描述,也包括預測,試驗和解釋實際現象等內容.
我們也可以這樣直觀地理解這個概念：數學建模是一個讓純粹數學家（指只懂數學不懂數學在實際中的應用的數學家）變成物理學家,生物學家,經濟學家甚至心理學家等等的過程.
數學模型一般是實際事物的一種數學簡化.它常常是以某種意義上接近實際事物的抽象形式存在的,但它和真實的事物有著本質的區別.要描述一個實際現象可以有很多種方式,比如錄音,錄像,比喻,傳言等等.為了使描述更具科學性,邏輯性,客觀性和可重復性,人們採用一種普遍認為比較嚴格的語言來描述各種現象,這種語言就是數學.使用數學語言描述的事物就稱為數學模型.有時候我們需要做一些實驗,但這些實驗往往用抽象出來了的數學模型作為實際物體的代替而進行相應的實驗,實驗本身也是實際操作的一種理論替代.
二、數學建模的幾個過程
模型准備：了解問題的實際背景,明確其實際意義,掌握對象的各種信息.用數學語言來描述問題.
模型假設：根據實際對象的特徵和建模的目的,對問題進行必要的簡化,並用精確的語言提出一些恰當的假設.
模型建立：在假設的基礎上,利用適當的數學工具來刻劃各變數之間的數學關系,建立相應的數學結構.
模型求利用獲取的數據資料,對模型的所有參數做出計算（估計）.
模型分析：對所得的結果進行數學上的分析.
模型檢驗：將模型分析結果與實際情形進行比較,以此來驗證模型的准確性、合理性和適用性.如果模型與實際較吻合,則要對計算結果給出其實際含義,並進行解釋.如果模型與實際吻合較差,則應該修改假設,再次重復建模過程.
模型應用：應用方式因問題的性質和建模的目的而異.

E. 常見30種數學建模模型是什麼

1、蒙特卡羅演算法。

2、數據擬合、參數估計、插值等數據處理演算法。

3、線性規劃、整數規劃、多元規劃、二次規劃等規劃類問題。

4、圖論演算法。

5、動態規劃、回溯搜索、分治演算法、分支定界等計算機演算法。

6、最優化理論的三大非經典演算法。

7、網格演算法和窮舉法。

8、一些連續離散化方法。

9、數值分析演算法。

10、圖象處理演算法。

應用數學去解決各類實際問題時，建立數學模型是十分關鍵的一步，同時也是十分困難的一步。建立教學模型的過程，是把錯綜復雜的實際問題簡化、抽象為合理的數學結構的過程。

要通過調查、收集數據資料，觀察和研究實際對象的固有特徵和內在規律，抓住問題的主要矛盾，建立起反映實際問題的數量關系，然後利用數學的理論和方法去分析和解決問題。

(5)數學建模中什麼是數學規劃擴展閱讀：

數學建模是一個讓純粹數學家（指只研究數學，而不關心數學在實際中的應用的數學家）變成物理學家、生物學家、經濟學家甚至心理學家等等的過程。這里的實際現象既包涵具體的自然現象比如自由落體現象，也包含抽象的現象比如顧客對某種商品所取的價值傾向。這里的描述不但包括外在形態、內在機制的描述，也包括預測、試驗和解釋實際現象等內容。

F. 數學建模規劃問題

可以分為：按是否線性可分為線性規劃和非線性規劃，一次是線性的，其他就是非線性的，按是否份過程階段 分動態規劃和非動態規劃，按目標函數的多少分，可以分單目標規劃和多目標規劃 。
線性和非線性的比較常見，我說說其他的吧。
動態規劃(dynamic programming)是運籌學的一個重要分支,它是解決多階段決策問題的一種有效的數量化方法.動態規劃是由美國學者貝爾曼(R.Bellman)等人所創立的.1951年貝爾曼首先提出了動態規劃中解決多階段決策問題的最優化原理,並給出了許多實際問題的解法.1957年貝爾曼發表了《動態規劃》一書,標志著運籌學這一重要分支的誕生.
動態規劃從創立到現在五十多年來,無論在工程技術,企業管理還是在工農業生產及軍事等部門都有廣泛的應用,並獲得了顯著的效果.在管理方面,動態規劃可用於資源分配問題,最短路徑問題,庫存問題,背包問題,設備更新問題,最優控制問題等等.所以動態規劃是現代管理學中進行科學決策不可缺少的工具.
動態規劃的優點在於,它把一個多維決策問題轉化為若干個一維最優化(optimization)問題,而對一維最優化問題一個一個地去解.這種方法是許多求極值方法所做不到的,它幾乎優於所有現存的優化方法.除此之外,動態規劃能求出全局極大或極小,這一點也優於其他優化方法.需要指出的是,動態規劃是求解最優化問題的一種方法,是解決問題的一種途徑,而不是一種新的演算法.在前面我們學習了用單純形解線性規劃問題,凡是具有線性規劃問題那樣統一的數學模型都可以用單純形法去求解,而動態規劃問題的求解卻沒有統一的方法(類似於單純形法).因此在用動態規劃求解最優化問題中,必須對具體問題具體分析,針對不同的問題,使用動態規劃的最優化原理(optimization principle)和方法,建立起與其相應的數學模型,然後再用動態規劃方法去求解.根據動態規劃這些特點,要求我們在學好動態規劃的基本原理和方法的同時,還應具有豐富的想像力,只有這樣才能建好模型求出問題的最優解.
可根據時間變數是離散的還是連續的,把動態規劃問題的模型分為離散決策過程和連續決策過程,根據決策過程的演變是確定性的還是隨機性的,動態規劃問題的模型又可分為確定性的決策過程和隨機性的決策過程,即離散確定性,離散隨機性,連續確定性,連續隨機性四種決策過程模型.我們主要研究離散確定性模型.

2.隨機規劃和模糊規劃是處理隨機和模糊優化問題的兩大數學規劃工具，稱之為不確定規劃。主要目的是為不確定環境中的優化理論奠定一個基礎。不確定規劃理論由三大類組成：期望值模型，機 會約束規劃和相關機會規劃。
3.隨機規劃的概念比較少見
可以參考一下運籌學的分支
數學規劃的研究對象是計劃管理工作中有關安排和估值的問題，解決的主要問題是在給定條件下，按某一衡量指標來尋找安排的最優方案。它可以表示成求函數在滿足約束條件下的極大極小值問題。

數學規劃和古典的求極值的問題有本質上的不同，古典方法只能處理具有簡單表達式，和簡單約束條件的情況。而現代的數學規劃中的問題目標函數和約束條件都很復雜，而且要求給出某種精確度的數字解答，因此演算法的研究特別受到重視。

這里最簡單的一種問題就是線性規劃。如果約束條件和目標函數都是呈線性關系的就叫線性規劃。要解決線性規劃問題，從理論上講都要解線性方程組，因此解線性方程組的方法，以及關於行列式、矩陣的知識，就是線性規劃中非常必要的工具。

線性規劃及其解法—單純形法的出現，對運籌學的發展起了重大的推動作用。許多實際問題都可以化成線性規劃來解決，而單純形法有是一個行之有效的演算法，加上計算機的出現，使一些大型復雜的實際問題的解決成為現實。

非線性規劃是線性規劃的進一步發展和繼續。許多實際問題如設計問題、經濟平衡問題都屬於非線性規劃的范疇。非線性規劃擴大了數學規劃的應用范圍，同時也給數學工作者提出了許多基本理論問題，使數學中的如凸分析、數值分析等也得到了發展。還有一種規劃問題和時間有關，叫做「動態規劃」。近年來在工程式控制制、技術物理和通訊中的最佳控制問題中，已經成為經常使用的重要工具。

排隊論是運籌學的又一個分支，它有叫做隨機服務系統理論。它的研究目的是要回答如何改進服務機構或組織被服務的對象，使得某種指標達到最優的問題。比如一個港口應該有多少個碼頭，一個工廠應該有多少維修人員等。

排隊論最初是在二十世紀初由丹麥工程師艾爾郎關於電話交換機的效率研究開始的，在第二次世界大戰中為了對飛機場跑道的容納量進行估算，它得到了進一步的發展，其相應的學科更新論、可靠性理論等也都發展起來。

因為排隊現象是一個隨機現象，因此在研究排隊現象的時候，主要採用的是研究隨機現象的概率論作為主要工具。此外，還有微分和微分方程。排隊論把它所要研究的對象形象的描述為顧客來到服務台前要求接待。如果服務台以被其它顧客佔用，那麼就要排隊。另一方面，服務台也時而空閑、時而忙碌。就需要通過數學方法求得顧客的等待時間、排隊長度等的概率分布。

排隊論在日常生活中的應用是相當廣泛的，比如水庫水量的調節、生產流水線的安排，鐵路分成場的調度、電網的設計等等。

對策論也叫博弈論，前面講的田忌賽馬就是典型的博弈論問題。作為運籌學的一個分支，博弈論的發展也只有幾十年的歷史。系統地創建這門學科的數學家，現在一般公認為是美籍匈牙利數學家、計算機之父——馮·諾依曼。

最初用數學方法研究博弈論是在國際象棋中開始的——如何確定取勝的著法。由於是研究雙方沖突、制勝對策的問題，所以這門學科在軍事方面有著十分重要的應用。近年來，數學家還對水雷和艦艇、殲擊機和轟炸機之間的作戰、追蹤等問題進行了研究，提出了追逃雙方都能自主決策的數學理論。近年來，隨著人工智慧研究的進一步發展，對博弈論提出了更多新的要求。

搜索論是由於第二次世界大戰中戰爭的需要而出現的運籌學分支。主要研究在資源和探測手段受到限制的情況下，如何設計尋找某種目標的最優方案，並加以實施的理論和方法。在第二次世界大戰中，同盟國的空軍和海軍在研究如何針對軸心國的潛艇活動、艦隊運輸和兵力部署等進行甄別的過程中產生的。搜索論在實際應用中也取得了不少成效，例如二十世紀六十年代，美國尋找在大西洋失蹤的核潛艇「打穀者號」和「蠍子號」，以及在地中海尋找丟失的氫彈，都是依據搜索論獲得成功的。

運籌學有廣闊的應用領域，它已滲透到諸如服務、庫存、搜索、人口、對抗、控制、時間表、資源分配、廠址定位、能源、設計、生產、可靠性、等各個方面。

應該排隊論和隨機規劃是比較接近的
具體的還希望你問一下專業的老師
希望對你有幫助

G. 數學建模中規劃的分類

可以分為 按是否線性 分為線性規劃 和 非線性規劃 一次是線性的 其他就是非線性的 按是否份過程階段 分動態規劃 非動態規劃 按目標函數的多少分 可以分單目標規劃 和 多目標規劃

H. 數學建模需要哪些知識

數學建模需要的知識：

1、蒙特卡羅演算法（該演算法又稱隨機性模擬演算法，是通過計算機模擬來解決問題的演算法，同時可以通過模擬可以來檢驗自己模型的正確性，是比賽時必用的方法）。

2、數據擬合、參數估計、插值等數據處理演算法（比賽中通常會遇到大量的數據需要處理，而處理數據的關鍵就在於這些演算法，通常使用Matlab作為工具）。

3、線性規劃、整數規劃、多元規劃、二次規劃等規劃類問題（建模競賽大多數問題屬於最優化問題，很多時候這些問題可以用數學規劃演算法來描述，通常使用Lindo、Lingo軟體實現）。

4、圖論演算法（這類演算法可以分為很多種，包括最短路、網路流、二分圖等演算法，涉及到圖論的問題可以用這些方法解決，需要認真准備）。

5、動態規劃、回溯搜索、分治演算法、分支定界等計算機演算法（這些演算法是演算法設計中比較常用的方法，很多場合可以用到競賽中）。

6、最優化理論的三大非經典演算法：模擬退火法、神經網路、遺傳演算法（這些問題是用來解決一些較困難的最優化問題的演算法，對於有些問題非常有幫助，但是演算法的實現比較困難，需慎重使用）。

I. 什麼叫做數學建模

當需要從定量的角度分析和研究一個實際問題時，人們就要在深入調查研究、了解對象信息、作出簡化假設、分析內在規律等工作的基礎上，用數學的符號和語言，把它表述為數學式子，也就是數學模型，然後用通過計算得到的模型結果來解釋實際問題，並接受實際的檢驗。這個建立數學模型的全過程就稱為數學建模。
數學建模是一種數學的思考方法，是運用數學的語言和方法，通過抽象、簡化建立能近似刻畫並"解決"實際問題的一種強有力的數學手段。 數學建模就是用數學語言描述實際現象的過程。這里的實際現象既包涵具體的自然現象比如自由落體現象，也包含抽象的現象比如顧客對某種商品所取的價值傾向。這里的描述不但包括外在形態，內在機制的描述，也包括預測，試驗和解釋實際現象等內容。 我們也可以這樣直觀地理解這個概念：數學建模是一個讓純粹數學家（指只懂數學不懂數學在實際中的應用的數學家）變成物理學家，生物學家，經濟學家甚至心理學家等等的過程。 數學模型一般是實際事物的一種數學簡化。它常常是以某種意義上接近實際事物的抽象形式存在的，但它和真實的事物有著本質的區別。要描述一個實際現象可以有很多種方式，比如錄音，錄像，比喻，傳言等等。為了使描述更具科學性，邏輯性，客觀性和可重復性，人們採用一種普遍認為比較嚴格的語言來描述各種現象，這種語言就是數學。使用數學語言描述的事物就稱為數學模型。有時候我們需要做一些實驗，但這些實驗往往用抽象出來了的數學模型作為實際物體的代替而進行相應的實驗，實驗本身也是實際操作的一種理論替代。
數學建模掌握的十類演算法
1、蒙特卡羅演算法（該演算法又稱隨機性模擬演算法，是通過計算機模擬來解決問題的算 法，同時可以通過模擬可以來檢驗自己模型的正確性，是比賽時必用的方法） 2．數據擬合、參數估計、插值等數據處理演算法（比賽中通常會遇到大量的數據需要 處理，而處理數據的關鍵就在於這些演算法，通常使用Matlab作為工具） 3．線性規劃、整數規劃、多元規劃、二次規劃等規劃類問題（建模競賽大多數問題 屬於最優化問題，很多時候這些問題可以用數學規劃演算法來描述，通常使用Lindo、 Lingo軟體實現） 4．圖論演算法（這類演算法可以分為很多種，包括最短路、網路流、二分圖等演算法，涉 及到圖論的問題可以用這些方法解決，需要認真准備） 5．動態規劃、回溯搜索、分治演算法、分支定界等計算機演算法（這些演算法是演算法設計 中比較常用的方法，很多場合可以用到競賽中） 6．最優化理論的三大非經典演算法：模擬退火法、神經網路、遺傳演算法（這些問題是 用來解決一些較困難的最優化問題的演算法，對於有些問題非常有幫助，但是演算法的實 現比較困難，需慎重使用） 7．網格演算法和窮舉法（網格演算法和窮舉法都是暴力搜索最優點的演算法，在很多競賽 題中有應用，當重點討論模型本身而輕視演算法的時候，可以使用這種暴力方案，最好 使用一些高級語言作為編程工具） 8．一些連續離散化方法（很多問題都是實際來的，數據可以是連續的，而計算機只 認的是離散的數據，因此將其離散化後進行差分代替微分、求和代替積分等思想是非 常重要的） 9．數值分析演算法（如果在比賽中採用高級語言進行編程的話，那一些數值分析中常 用的演算法比如方程組求解、矩陣運算、函數積分等演算法就需要額外編寫庫函數進行調 用） 10．圖象處理演算法（賽題中有一類問題與圖形有關，即使與圖形無關，論文中也應該 要不乏圖片的，這些圖形如何展示以及如何處理就是需要解決的問題，通常使用Matlab 進行處理）

J. 數學建模的概念是什麼

數學建模就是用數學語言描述實際現象的過程。這里的實際現象既包涵具體的自然現象比如自由落體現象，也包涵抽象的現象比如顧客對某種商品所取的價值傾向。這里的描述不但包括外在形態，內在機制的描述，也包括預測，試驗和解釋實際現象等內容。
我們也可以這樣直觀地理解這個概念：數學建模是一個讓純粹數學家（指只懂數學不懂數學在實際中的應用的數學家）變成物理學家，生物學家，經濟學家甚至心理學家等等的過程。
數學模型一般是實際事物的一種數學簡化。它常常是以某種意義上接近實際事物的抽象形式存在的，但它和真實的事物有著本質的區別。要描述一個實際現象可以有很多種方式，比如錄音，錄像，比喻，傳言等等。為了使描述更具科學性，邏輯性，客觀性和可重復性，人們採用一種普遍認為比較嚴格的語言來描述各種現象，這種語言就是數學。使用數學語言描述的事物就稱為數學模型。有時候我們需要做一些實驗，但這些實驗往往用抽象出來了的數學模型作為實際物體的代替而進行相應的實驗，實驗本身也是實際操作的一種理論替代。
數學是研究現實世界數量關系和空間形式的科學，在它產生和發展的歷史長河中，一直是和各種各樣的應用問題緊密相關的。數學的特點不僅在於概念的抽象性、邏輯的嚴密性，結論的明確性和體系的完整性，而且在於它應用的廣泛性，進入20世紀以來，隨著科學技術的迅速發展和計算機的日益普及，人們對各種問題的要求越來越精確，使得數學的應用越來越廣泛和深入，特別是在即將進入21世紀的知識經濟時代，數學科學的地位會發生巨大的變化，它正在從國或經濟和科技的後備走到了前沿。經濟發展的全球化、計算機的迅猛發展，數學理倫與方法的不斷擴充使得數學已經成為當代高科技的一個重要組成部分和思想庫，數學已經成為一種能夠普遍實施的技術。培養學生應用數學的意識和能力已經成為數學教學的一個重要方面。
應用數學去解決各類實際問題時，建立數學模型是十分關鍵的一步，同時也是十分困難的一步。建立教學模型的過程，是把錯綜復雜的實際問題簡化、抽象為合理的數學結構的過程。要通過調查、收集數據資料，觀察和研究實際對象的固有特徵和內在規律，抓住問題的主要矛盾，建立起反映實際問題的數量關系，然後利用數學的理論和方法去分析和解決問題。這就需要深厚扎實的數學基礎，敏銳的洞察力和想像力，對實際問題的濃厚興趣和廣博的知識面。數學建模是聯系數學與實際問題的橋梁，是數學在各個領械廣泛應用的媒介，是數學科學技術轉化的主要途徑，數學建模在科學技術發展中的重要作用越來越受到數學界和工程界的普遍重視，它已成為現代科技工作者必備的重要能力之。為了適應科學技術發展的需要和培養高質量、高層次科技人才，數學建模已經在大學教育中逐步開展，國內外越來越多的大學正在進行數學建模課程的教學和參加開放性的數學建模競賽，將數學建模教學和競賽作為高等院校的教學改革和培養高層次的科技人才的個重要方面，現在許多院校正在將數學建模與教學改革相結合，努力探索更有效的數學建模教學法和培養面向21世紀的人才的新思路，與我國高校的其它數學類課程相比，數學建模具有難度大、涉及面廣、形式靈活，對教師和學生要求高等特點，數學建模的教學本身是一個不斷探索、不斷創新、不斷完善和提高的過程。為了改變過去以教師為中心、以課堂講授為主、以知識傳授為主的傳統教學模式，數學建模課程指導思想是：以實驗室為基礎、以學生為中心、以問題為主線、以培養能力為目標來組織教學工作。通過教學使學生了解利用數學理論和方法去分析和解決問題的全過程，提高他們分析問題和解決問題的能力；提高他們學習數學的興趣和應用數學的意識與能力，使他們在以後的工作中能經常性地想到用數學去解決問題，提高他們盡量利用計算機軟體及當代高新科技成果的意識，能將數學、計算機有機地結合起來去解決實際問題。數學建模以學生為主，教師利用一些事先設計好問題啟發，引導學生主動查閱文獻資料和學習新知識，鼓勵學生 積極開展討論和辯論，培養學生主動探索，努力進取的學風，培養學生從事科研工作的初步能力，培養學生團結協作的精神、形成一個生動活潑的環境和氣氛，教學過程的重點是創造一個環境去誘導學生的學習慾望、培養他們的自學能力，增強他們的數學素質和創新能力，提高他們的數舉素質，強調的是獲取新知識的能力，是解決問題的過程，而不是知識與結果。接受參加數學建模競賽賽前培訓的同學大都需要學習諸如數理統計、最優化、圖論、微分方程、計算方法、神經網路、層次分析法、模糊數學，數學軟體包的使用等等「短課程」（或講座），用的學時不多，多數是啟發性的講一些基本的概念和方法，主要是靠同學們自己去學，充分調動同學們的積極性，充分發揮同學們的潛能。培訓中廣泛地採用的討論班方式，同學自己報告、討論、辯論，教師主要起質疑、答疑、輔導的作用，競賽中一定要使用計算機及相應的軟體，如Mathemathmatica,Matlab,Mapple，甚至排版軟體等。
數學建模的幾個過程
模型准備：了解問題的實際背景，明確其實際意義，掌握對象的各種信息。用數學語言來描述問題。
模型假設：根據實際對象的特徵和建模的目的，對問題進行必要的簡化，並用精確的語言提出一些恰當的假設。
模型建立：在假設的基礎上，利用適當的數學工具來刻劃各變數之間的數學關系，建立相應的數學結構。（盡量用簡單的數學工具）
模型求解：利用獲取的數據資料，對模型的所有參數做出計算（估計）。
模型分析：對所得的結果進行數學上的分析。
模型檢驗：將模型分析結果與實際情形進行比較，以此來驗證模型的准確性、合理性和適用性。如果模型與實際較吻合，則要對計算結果給出其實際含義，並進行解釋。如果模型與實際吻合較差,則應該修改假設，再次重復建模過程。
模型應用：應用方式因問題的性質和建模的目的而異。