数学十大算法

㈠ 十大数学猜想还有哪些未全部被证明

纳维叶－斯托克斯方程，贝赫和斯维讷通－戴尔猜想。

数学猜想即关于数学学术方面的猜想(或称猜测、假设等)，这些猜想有的被验证为正确的，并成为定理；有的被验证为错误的；还有一些正在验证过程中。

数学猜想是推动数学理论发展的强大动力。数学猜想是数学发展中最活跃、最主动、最积极的因素之一，是人类理性中最富有创造性的部分。

数学猜想能够强烈地吸引数学家全身心投入，积极开展相关研究，从而强力推动数学发展。数学猜想一旦被证实，就将转化为定理，汇入数学理论体系之中，从而丰富了数学理论。

㈡ 世界十大数学难题是什么

.表达物理世界特征的所有（可测量的）无量纲参数原则上是否都可以推算，或者是否存在一些仅仅取决于历史或量子力学偶发事件，因而也是无法推算的参数？

爱因斯坦的表述更为清楚：上帝在创造宇宙时是否有选择？想象上帝坐在控制台前，准备引发宇宙大爆炸．“我该把光速定在多少”？“我该让这种名叫电子的小点带多少电荷”？“我该把普朗克常数--即决定量子大小的参数--的数值定在多大”？他是不是为了赶时间而胡乱抓来几个数字？抑或这些数值必须如此，因为其中深藏着某种逻辑？

2. 量子引力如何帮助解释宇宙起源？

现代物理学的两大理论是标准模型和广义相对论．前者利用量子力学来描述亚原子粒子以及它们所服从的作用力，而后者是有关引力的理论．很久以来，物理学家希望合二为一，得到一种“万物至理”--即量子引力论，以便更深入地了解宇宙，包括宇宙是如何随着大爆炸自然地诞生的．实现这种融合的首要候选理论是超弦理论，或者叫M理论--这是其名称的最新“升级版”，M代表“魔法”（magic）、“神秘”（mystery）或“所有理论之母”（mother of all theories）．

3. 质子的寿命有多长，如何来理解？

以前人们认为质子与中子不同，它永远不会分裂成更小的颗粒．这曾被当成真理．然而在70年代，理论物理学家认识到，他们提出的各种可能成为“大一统理论”--该理论把除引力外的所有作用力汇于一炉--的理论暗示：质子必须是不稳定的．只要有足够长的时间，在极其偶然的情况下，质子是会分裂的．

办法是捕捉到正在死去的质子．许多年来，实验人员一直在地下实验室中密切注视大型的水槽，等待着原子内部质子的死去．但迄今为止质子的死亡率是零，这意味着要么质子十分稳定，要么它们的寿命很长--估计在10亿亿亿亿年以上．

4. 自然界是超对称的吗？如果是，超对称性是如何破灭的？

许多物理学家认为，把包括引力在内的所有作用力统一成为单一的理论要求证明两种差异极大的粒子实际上存在密切的关系，这种关系就是所谓的超对称现象．第一种粒子是费密子，可以把它们粗略地说成是物质的基本组件，就像质子、电子和中子一样．它们聚集在一起组成物质．另一种粒子是玻色子，它们是传递作用力的粒子，类似于传递光的光子．在超对称的条件下，每一个费密子都有一个与之对应的玻色子，反之亦然．

物理学家有杜撰古怪名字的冲动，他们把所谓的超级对称粒子称为“sparticle”．但由于在自然界中还没有观察到sparticle，物理学家还需要解释这种对称性“破灭”的原因：随着宇宙冷却并凝结成现在的这种不对称状态，在其诞生之际所存在的数学上的完美被打破了．

5. 为什么宇宙表现为一个时间维数和三个空间维数？

这只是因为还没有想到一个可以接受的答案，只是因为除了上下、左右、前后，人们无法想象在更多的方向上运动．这并不意味着宇宙原本就是这样的．实际上，根据超弦理论，肯定还存在着另外六个维数，每一维都呈卷曲状，十分微小，因而无法察觉．如果这一理论是正确的，那么为什么只有这三个维数是伸展开来的，留给我们这个相对幽闭恐怖的空间呢？

6. 为什么宇宙常数有它自身的数值？它是否为零，是否真正恒定？

直到最近，宇宙学家仍然认为宇宙是以一个稳定的速度在膨胀．但最近的观察发现，宇宙可能膨胀得越来越快．人们用一个叫宇宙常数的数字来描述这种轻微的加速．这个常数是否如人们早期所认为的是零，或者是一个非常小的数值，物理学家现在还无法做出解释．根据一些基本计算，这个常数应该很大--是我们观测结果的大约10到122倍．换句话说，宇宙应该以跳跃般的速度在膨胀．而实际情况并非如此，肯定有什么机制在压制这种作用．如果宇宙真是超对称性的，那宇宙常数就该被完全抵消掉．但这种对称性--如果确实存在的话--看来已经破灭．如果这个常数随时间的变化而变化的话，那情况就更加复杂了．

7. M理论的基本自由度（M理论的低能极限是11维的超引力，它包含5种相容的超弦理论）是多少？这一理论理否真实地描述了自然？

多年来，超弦理论最大的弱点是它有5个不同的版本．到底哪一个--如果有的话--描述了宇宙？反对这一理论的人最近已经接受了被称为M理论的最主要的11维理论框架．但情况却因此变得更加复杂．

在M理论前，所有的亚原子粒子都被说成是由微小的超弦组成的．M理论给组成亚原子的物质谱加了一种叫做“膜”（brane）的更为神秘的物质，它就像生理学上的膜一样，但最多有9个维数度．现在的问题是，什么是更基本的物质组成单位，是膜组成了弦还是刚好相反？或者另外存在着一些更基本的物质单位，只是人们没有想到罢了？最后，这两种东西中是否有一种确实存在，或者M理论仅仅是一种迷人的大脑游戏？

8. 黑洞信息悖论的解决方法是什么？

根据量子理论，信息--无论它描述的是粒子运动的速度还是油墨颗粒组成文件的确切方式--是不会从宇宙中消失的．但物理学家基普·索恩、约翰·普雷希尔和斯蒡芬·霍金却提出了一个固定的假设：如果你把一本大不列颠网络全书扔进黑洞中去，将会发生什么事？宇宙中是否有其他同样的网络全书是无关紧要的．正如物理学中所定义的，信息并不等同于含义，信息仅指二进制的数字，或是一些其他的代码，它被用来精确地描述一个物体或一种方式．所以看起来那些特定的书本里的信息将被吞没，并永远地消失．但人们觉得这是不可能的．

霍金博士和索恩博士相信那些信息确实消失了，而量子力学必须对此作出解释．普雷希尔博士推测信息其实并没有消失；它也许以某种形式显示于黑洞的表面，如同在一个宇宙中的银幕上．

9. 何种物理学能够解释基本粒子的重力与其典型质量之间的巨大差距？

换言之，为什么重力比其他的作用力（如电磁力）要弱得多？一块磁铁能够吸起一个回形针，即使整个地球的引力在把它往下拉．

根据最近的一种说法，重力实际上要大得多．它仅仅是看上去比较弱而已，因为大部分重力陷入了某一个额外的维数度之中．如果我们可以用高能粒子加速器俘获全部的重力，也许就有可能制造出微型黑洞．虽然这看上去会引起固体垃圾处理业的兴趣，但这些黑洞很可能刚一形成就消失了．

10. 我们能否定量地理解量子色动力学中的夸克和胶子约束以及质量差距的存在？

量子色动力学（QCD）是描述强核子力的理论．这种力由胶子携带，它把夸克结合成质子和中子这样的粒子．根据量子色动力学理论，这些微小的亚粒子永远受到约束．你无法把一个夸克或胶子从质子中分离出来，因为距离越远，这种强作用力就越大，从而迅速地把它们拉回原位．

㈢ 数学乘法计算方法有哪些

小学数学简便算法六大方法归类：提去公因式（实际上是运用了乘法分配律）借来借去；折分法；加法结合律；拆分法和乘法分配律结合；利用基准数。

㈣ 小学数学的计算中，算法有哪些例如：凑十法，想加算减

算法也就只有整数、小数、分数、百分数的加、减、乘、除，四则混合运算，乘方（只限于平方、立方），小数、分数、百分数的互化，形体周长、面积、体积计算，计量单位的换算，简单的有理数加减法。

至于运算的技巧就有很多，一般都是运算定律、性质进行简便计算，如加法交换律、加法结合律、连减性质、乘法交换律、乘法结合率、除法商不变性质，……很多，教师会在不同的阶段教学生灵活运用这些知识，提高学生的计算能力。

你说的凑十法只是计算技巧的一种。

㈤ 一般数学模型的验证有哪些方法

数学建模应当掌握的十类算法

1．蒙特卡罗算法
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，是比赛时必用的方法。
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Lindo、Lingo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
这些问题是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，需慎重使用。
7．网格算法和穷举法
网格算法和穷举法都是暴力搜索最优点的算法，在很多竞赛题中有应用，当重点讨论模型本身而轻视算法的时候，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
很多问题都是实际来的，数据可以是连续的，而计算机只认的是离散的数据，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．图象处理算法
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进行处理。

㈥ 世界十大数学难题

难题”之一：P（多项式算法）问题对NP（非多项式算法）问题
难题”之二： 霍奇(Hodge)猜想
难题”之三： 庞加莱(Poincare)猜想
难题”之四： 黎曼(Riemann)假设
难题”之五： 杨－米尔斯(Yang-Mills)存在性和质量缺口
难题”之六： 纳维叶－斯托克斯(Navier-Stokes)方程的存在性与光滑性
难题”之七： 贝赫(Birch)和斯维讷通－戴尔(Swinnerton-Dyer)猜想
难题”之八：几何尺规作图问题
难题”之九：哥德巴赫猜想
难题”之十：四色猜想

㈦ 数学中都有什么算法啊

定义法、配方法、待定系数法、换元法、反证法、数学归纳法、导数法、赋值法、消去法、定比分离法、比较法、分析法、综合法 ,还有很多桑
介里有几个比较详细的哈.
一、换元法
“换元”的思想和方法,在数学中有着广泛的应用,灵活运用换元法解题,有助于数量关系明朗化,变繁为简,化难为易,给出简便、巧妙的解答.
在解题过程中,把题中某一式子如f(x),作为新的变量y或者把题中某一变量如x,用新变量t的式子如g(t)替换,即通过令f(x)=y或x=g(t)进行变量代换,得到结构简单便于求解的新解题方法,通常称为换元法或变量代换法.
用换元法解题,关键在于根据问题的结构特征,选择能以简驭繁,化难为易的代换f(x)=y或x=g(t).就换元的具体形式而论,是多种多样的,常用的有有理式代换,根式代换,指数式代换,对数式代换,三角式代换,反三角式代换,复变量代换等,宜在解题实践中不断总结经验,掌握有关的技巧.
例如,用于求解代数问题的三角代换,在具体设计时,宜遵循以下原则：（1）全面考虑三角函数的定义域、值域和有关的公式、性质；（2）力求减少变量的个数,使问题结构简单化；（3）便于借助已知三角公式,建立变量间的内在联系.只有全面考虑以上原则,才能谋取恰当的三角代换.
换元法是一种重要的数学方法,在多项式的因式分解,代数式的化简计算,恒等式、条件等式或不等式的证明,方程、方程组、不等式、不等式组或混合组的求解,函数表达式、定义域、值域或最值的推求,以及解析几何中的坐标替换,普通方程与参数方程、极坐标方程的互化等问题中,都有着广泛的应用.
二、消元法
对于含有多个变数的问题,有时可以利用题设条件和某些已知恒等式（代数恒等式或三角恒等式）,通过适当的变形,消去一部分变数,使问题得以解决,这种解题方法,通常称为消元法,又称消去法.
消元法是解方程组的基本方法,在推证条件等式和把参数方程化成普通方程等问题中,也有着重要的应用.
用消元法解题,具有较强的技巧性,常常需要根据题目的特点,灵活选择合适的消元方法
三、待定系数法
按照一定规律,先写出问题的解的形式（一般是指一个算式、表达式或方程）,其中含有若干尚待确定的未知系数的值,从而得到问题的解.这种解题方法,通常称为待定系数法；其中尚待确定的未知系数,称为待定系数.
确定待定系数的值,有两种常用方法：比较系数法和特殊值法.
四、判别式法
实系数一元二次方程
ax2+bx+c=0 (a≠0) ①
的判别式△=b2-4ac具有以下性质：
＞0,当且仅当方程①有两个不相等的实数根
△ ＝0,当且仅当方程①有两个相等的实数根；
＜0,当且仅当方程②没有实数根.
对于二次函数
y=ax2+bx+c (a≠0)②
它的判别式△=b2-4ac具有以下性质：
＞0,当且仅当抛物线②与x轴有两个公共点；
△ ＝0,当且仅当抛物线②与x轴有一个公共点；
＜0,当且仅当抛物线②与x轴没有公共点.
五、 分析法与综合法
分析法和综合法源于分析和综合,是思维方向相反的两种思考方法,在解题过程中具有十分重要的作用.
在数学中,又把分析看作从结果追溯到产生这一结果的原因的一种思维方法,而综合被看成是从原因推导到由原因产生的结果的另一种思维方法.通常把前者称为分析法,后者称为综合法.
六、 数学模型法
例（哥尼斯堡七桥问题）18世纪东普鲁士哥尼斯堡有条普莱格河,这条河有两个支流,在城中心汇合后流入波罗的海.市内办有七座各具特色的大桥,连接岛区和两岸.每到傍晚或节假日,许多居民来这里散步,观赏美丽的风光.年长日久,有人提出这样的问题：能否从某地出发,经过每一座桥一次且仅一次,然后返回出发地?
数学模型法,是指把所考察的实际问题,进行数学抽象,构造相应的数学模型,通过对数学模型的研究,使实际问题得以解决的一种数学方法.
七、配方法
所谓配方,就是把一个解析式利用恒等变形的方法,把其中的某些项配成一个或几个多项式正整数次幂的和形式.通过配方解决数学问题的方法叫配方法.其中,用的最多的是配成完全平方式.配方法是数学中一种重要的恒等变形的方法,它的应用十分非常广泛,在因式分解、化简根式、解方程、证明等式和不等式、求函数的极值和解析式等方面都经常用到它.
八、因式分解法
因式分解,就是把一个多项式化成几个整式乘积的形式.因式分解是恒等变形的基础,它作为数学的一个有力工具、一种数学方法在代数、几何、三角等的解题中起着重要的作用.因式分解的方法有许多,除中学课本上介绍的提取公因式法、公式法、分组分解法、十字相乘法等外,还有如利用拆项添项、求根分解、换元、待定系数等等.
九、换元法
换元法是数学中一个非常重要而且应用十分广泛的解题方法.我们通常把未知数或变数称为元,所谓换元法,就是在一个比较复杂的数学式子中,用新的变元去代替原式的一个部分或改造原来的式子,使它简化,使问题易于解决.
介里LL没有说很详细桑,内啥简便算法我也一起说了桑丶
乘法交换律,乘法分配律,加法交换律,加法结合律,乘法分配律,

㈧ 初学者，数学建模需要准备些什么东西

数学建模应当掌握的十类算法
‍‍ 1、蒙特卡罗算法（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，是比赛时必用的方法） 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Lindo、 Lingo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（这些问题是 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，需慎重使用） 7、网格算法和穷举法（网格算法和穷举法都是暴力搜索最优点的算法，在很多竞赛 题中有应用，当重点讨论模型本身而轻视算法的时候，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（很多问题都是实际来的，数据可以是连续的，而计算机只 认的是离散的数据，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、图象处理算法（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 进行处理）
数学建模资料
竞赛参考书
l、中国大学生数学建模竞赛，李大潜主编，高等教育出版社(1998)． 2、大学生数学建模竞赛辅导教材，(一)(二)(三)，叶其孝主编，湖南教育 出版社(1993，1997，1998)． 3、数学建模教育与国际数学建模竞赛 《工科数学》专辑，叶其孝主编， 《工科数学》杂志社，1994)．
国内教材、丛书
1、数学模型，姜启源编，高等教育出版社(1987年第一版，1993年第二版，2003年第三版；第一版在 1992年国家教委举办的第二届全国优秀教材评选中获"全国优秀教材奖")． 2、数学模型与计算机模拟，江裕钊、辛培情编，电子科技大学出版社，(1989)． 3、数学模型选谈(走向数学从书)，华罗庚，王元着，王克译，湖南教育出版社；(1991)． 4、数学建模--方法与范例，寿纪麟等编，西安交通大学出版社(1993)． 5、数学模型，濮定国、 田蔚文主编，东南大学出版社(1994)． 6..数学模型，朱思铭、李尚廉编，中山大学出版社，(1995) 7、数学模型，陈义华编着，重庆大学出版社，(1995) 8、数学模型建模分析，蔡常丰编着，科学出版社，(1995)． 9、数学建模竞赛教程，李尚志主编，江苏教育出版社，(1996)． 10、数学建模入门，徐全智、杨晋浩编，成都电子科大出版社，(1996). 11、数学建模，沈继红、施久玉、高振滨、张晓威编，哈尔滨工程大学出版社，(1996). 12、数学模型基础，王树禾编着，中国科学技术大学出版社，(1996). 13、数学模型方法，齐欢编着，华中理工大学出版社，(1996)． 14、数学建模与实验，南京地区工科院校数学建模与工业数学讨论班编，河海大学 出版社，(1996)． 15、数学模型与数学建模，刘来福、曾文艺编，北京师范大学出版杜(1997)． 16. 数学建模，袁震东、洪渊、林武忠、蒋鲁敏编，华东师范大学出版社. 17、数学模型，谭永基，俞文吡编，复旦大学出版社，(1997)． 18、数学模型实用教程，费培之、程中瑗层主编，四川大学出版社，(1998)． 19、数学建模优秀案例选编(工科数学基地建设丛书)，汪国强主编，华南理工大学出版社，(1998)． 20、经济数学模型(第二版)(工科数学基地建设丛书)，洪毅、贺德化、昌志华 编着，华南理工大学出版社，(1999)． 21、数学模型讲义，雷功炎编，北京大学出版社(1999)． 22、数学建模精品案例，朱道元编着，东南大学出版社，(1999)， 23、问题解决的数学模型方法，刘来福，曾文艺编着、北京师范大学出版社，(1999)． 24、数学建模的理论与实践，吴翔，吴孟达，成礼智编着，国防科技大学出版社， (1999)． 25、数学建模案例分析，白其岭主编，海洋出版社，(2000年，北京)． 26、数学实验(高等院校选用教材系列)，谢云荪、张志让主编，科学出版社，(2000)． 27、数学实验，傅鹏、龚肋、刘琼荪，何中市编，科学出版社，(2000)． 28、数学建模与数学实验，赵静、但琦编，高等教育出版社，(2000).
国外参考书(中译本)
1、数学模型引论， E．A。Bender着，朱尧辰、徐伟宣译，科学普及出版社(1982). 2、数学模型，[门]近藤次郎着，官荣章等译，机械工业出版社，(1985)． 3、微分方程模型，(应用数学模型丛书第1卷)，[美]W．F．Lucas主编，朱煜民等 译，国防科技大学出版社，(1988)． 4、政治及有关模型，(应用数学模型丛书第2卷)，[美W．F．Lucas主编，王国秋 等译，国防科技大学出版社，(1996)． 5、离散与系统模型，(应用数学模型丛书第3卷)，[美w．F．Lucas主编，成礼智 等译，国防科技大学出版社，(1996)． 6、生命科学模型，(应用数学模型丛书第4卷)，[美1W．F．Lucas主编，翟晓燕等 译，国防科技大学出版社，(1996)． 7、模型数学--连续动力系统和离散动力系统，[英1H．B．Grif6ths和A．01dknow 着，萧礼、张志军编译，科学出版社，(1996)． 8、数学建模--来自英国四个行业中的案例研究，(应用数学译丛第4号)， 英]D．Burglles等着，叶其孝、吴庆宝译，世界图书出版公司，(1997)
专业性参考书
(这方面书籍很多，仅列几本供参考) ： 1、水环境数学模型，[德]W．KinZE1bach着，杨汝均、刘兆昌等编纂，中国建筑工 业出版社，(1987)． 2、科技工程中的数学模型，堪安琦编着，铁道出版社(1988) 3、生物医学数学模型，青义学编着，湖南科学技术出版杜(1990)． 4、农作物害虫管理数学模型与应用，蒲蛰龙主编，广东科技出版社(1990)． 5、系统科学中数学模型，欧阳亮编着， E山东大学出版社，(1995)． 6、种群生态学的数学建模与研究，马知恩着，安徽教育出版社，(1996) 7、建模、变换、优化--结构综合方法新进展，隋允康着，大连理工大学出版社， (1986) 8、遗传模型分析方法，朱军着，中国农业出版社(1997)． (中山大学数学系王寿松编辑，2001年4月)
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（或近似计算）。
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，再次重复建模过程。
模型应用
应用方式因问题的性质和建模的目的而异。

1、努力学习数学知识，完善自己的知识体系，尤其是与数学相关的知识体系，比如高等数学、工程数学和应用数学的相关知识；
2、扩充自己的知识面，你可以看到很多赛题都是很现实的社会热点问题，相关的背景知识是非常必要的；
3、多看一些案例分析的教程，在学习案例分析时的注意点是：如何考虑现实问题中的各个因素，综合运用所学知识，建立适当的模型；如何进行模型的优化；如何求解模型；如何解释模型的解。
还要逐步去理解数学建模中最难的三个问题，1、如何用学到的数学思想来表述所面对的问题，所谓的建模。2、应用学到的数学知识解刚刚建立的数学模型，并进行优化。3、将刚刚得到的数学上的解解释为现实问题中的现象或者是方法。这三个过程体现了一个“现实——>数学——>现实”的一个过程。这其实就是最难的地方。这需要你首先了解面临的实际问题，然后从现实中转入数学，再从数学中跳出来回到现实。
4、说到matlab，我建议你借一本matlab手册做参考书就行了！毕竟matlab只是实现你数学模型的基础，这不是说matlab不重要，其实matlab也很重要！
祝你快乐！

㈨ 数学建模需要掌握哪些编程语言和技术

数学建模需要掌握MATLAB、Python、SAS、Lingo等编程语言。