知识源于沉淀 本文对历年全国竞赛真题进行了梳理，分享了一些关于数学建模的感悟和经验，供有兴趣的同学参考。同时我也写了一些我踩过的坑，帮你防雷击。希望对你有帮助。
历年全国大学生数学建模竞赛(CUMCM)。注:完整问题、打包、下载的链接见文末。
文章目录
历年真题整理重点中的重点学习练习制胜法宝常用的建模方法A题主打方法B题主打方法C题主打方法常用的数学建模方法最后
2021年全国大学生数学建模竞赛(CUCM)。rar
2020年全国大学生数学建模竞赛(CUCM)。rar
2019年全国大学生数学建模竞赛(CUCM)。rar
2018年全国大学生数学建模竞赛(CUCM)..2017年全国大学生数学建模竞赛(CUCM)。rar
2016年全国大学生数学建模竞赛(CUCM)。rar
2015年全国大学生数学建模竞赛(CUCM)。rar
2014年全国大学生数学建模竞赛..2013年全国大学生数学建模竞赛(CUCM)。rar
2012全国大学生数学建模竞赛(CUCM)。rar
2011年全国大学生数学建模竞赛(CUCM) 2010..
1.专注。如果你想在数学建模竞赛中取得好成绩，学习和练习是必不可少的。提前学习和掌握一些数学模型是取得好成绩的基础。练习是提升实力的最好方法，不断的训练和总结至关重要！
2.学习
以下针对基础薄弱的同学
针对正在建模的同学:可以看一些关于数学模型的书籍，比如李航的《统计学习法》和蒋启元的《数学模型》等这两本书都挺经典的。看这类书可能会很无聊很难，所以坚持很重要。你不需要全部掌握。只要前期有一个大概的印象，就可以先构建一个知识框架(一类问题有哪些模型)，然后需要的时候就可以想到，再去查阅相关文献。
3.针对编程的同学
首先可以自学一些简单的算法，比如递归，动态规划。有能力的同学可以研究一些启发式算法(蚁群算法等。)，而且如果他们对数据分析感兴趣，还可以学习机器学习。建议的编程工具是matlab和python(当然其他的也可以，不过这两个可能比较好用，适合初学者)。现在有一些自动数据分析的工具，比如SPSS，相当简单，自己就能看懂。
对于写作的同学:很多人误以为负责写作的人一定要有很强的写作能力，最好是汉语言专业的。其实写论文不是写作文，不需要华丽的辞藻。关键是论文写的清晰有条理，理工科的学生也是能胜任的。所以写的同学也需要了解一些数学模型知识，否则文章和模型会脱节。其次，练习写作最好的方法就是模仿别人的论文。可以重点看一下往年的获奖论文。
4.针对团队
数学建模是一个团队项目，所以团队成员的配合也很重要。虽然数学建模分为建模、编程、写作三个部分，但是在比赛中，三个人的分工并不是那么明确，每项工作都需要大家的共同努力。一个团队三个同学可以一起找出往年的获奖论文，分别研究。因为每个人的研究角度肯定不一样，然后写下自己的经验和总结。比如建模的同学可以录一些用过的模型。一开始他们肯定很多模型是未知的，所以需要自己或者团队一起查资料，不断学习，渐渐的就会积累很多模型。
5.练习
实战是提升自己最好的方法。团队成立后，需要更多的练习来培养团队成员之间的默契。这里可以推荐一下最近签约的数字杯全国赛，它的赛制和高教社杯全国大学生数学建模竞赛一模一样。适合作为参加高教社杯全国大学生数学建模竞赛的练习赛和选拔赛，成为数学建模行业继全国赛和美国赛之后的第三个竞赛。是全国比赛前很好的训练，也会为数学建模的学习打下坚实的基础。扫描代码注册
6.制胜法宝
其实数学建模是有一些套路的(一般人我不告诉ta)。下面是中大奖必备的法宝:
是不是所有的问题都有一个数学模型(数学公式，数学框架)；【/br/】问题都解决了吗，和问的问题对应吗？
看格式细节。所有的公式、数字和表格都有编号。公式下面有解释清楚的变量吗？公式、数字、表格都有说明为什么要做之前吗？以下都说明他们得到了什么；
每道题要尽量丰富，每道题平均3-4个图(辅助说明图、结果对比图)；
参考文献和附录是否整理，证明材料是否有个人信息；
明确问题和模型之间是否有联系，联系是否足够强。
另外，数学建模最大的误区是，建模最重要，其实写作才是最关键的。再聪明的模型，也解释不清楚，拿不到高分。所以在比赛或练习中一定要对比以上几点。
常用的建模方法
问题A的主要方法
机理分析与优化建模
规划模型
电、磁、热和力
差分方程
微分方程
偏微分方程
有限元法、有限差分法、元胞自动机
等物理学中的统计方法。
主题b主要方法
数学优化建模
线性规划、整数规划、0-1规划
非线性规划和智能优化算法
多目标规划和目标规划
动态规划
网络优化
排队论和计算机模拟
随机优化
c主题主要方法
随机优化建模
线性规划、整数规划、0-1规划
因子分析和变量筛选
一般回归和广义回归
多元统计
模糊规划
其他方法
常用的数学建模方法
综合评价(多维化简为一维)
属于哪一类？排名如何？最好的方案是什么？
模糊综合评价
主成分综合评价、因子分析、投影寻踪综合评价
层次分析法(AHP)、熵值法、秩和比综合评价、TOPSIS法
灰色关联分析、数据包络(DEA)分析
分类与判别
⑴模糊聚类
⑵系统聚类
⑶层次聚类
⑷密度聚类
⑸其他聚类
⑹贝叶斯判别
⑺费舍尔判别
⑻模糊识别
⑼神经网络
⑽支持向量机
不建议在国赛中使用神经网络，神经网络就差不多是一个黑盒，模型的解释性较差，即使它往往有更高的精度。
相关、因果和比较
人相关、Sperman秩相关系数或kendall秩相关系数、Copula相关
标准化回归、路径分析
典型相关系数、偏最小二乘回归
主成分分析、因子分析、对应分析、岭回归、主成分回归等。[/br/方差分析、协方差分析
混合线性模型
独立性检验
非参数符号检验、秩和检验
非参数
结构方程模型中的M检验和H检验
预测与预报
1.单一系列预测:
灰色预测模型
时间序列预测(ARIMA，ARCH，X11，GARCH)
小波分析预测，神经网络预测
混沌序列预测，相位空重构理论
马尔可夫预测。
2.回归分析和预测
线性回归、逐步回归、非线性回归
Logistic回归、Probit回归
虚拟变量回归
响应面回归、正交二次回归等
动态方程、微分方程预测
生存分析、泊松回归、分位数回归
向量自回归。整数规划、0-1规划
非线性规划和智能优化算法
多目标规划和目标规划
动态规划
网络优化
排队论和计算机模拟
模糊规划
随机优化
比赛前尽量了解或熟悉以上常见的建模方法，比赛过程中也可以根据需要参考以上方法。
一般来说，在建模过程分析的基础上，在建模部分的最后，至少要写一个清晰的模型。
成功的经验不一定能复制，但可以借鉴。我希望更多的数字和模拟爱好者可以通过这条微博积累经验，为他们未来的比赛奠定坚实的基础！更多的还可以参加实践，这是仅次于全国赛和美国赛的第三大赛，被多所高校推广甚至列为全国赛选拔赛:2022年第七届数字杯数学建模挑战赛正在报名中！2022第七届数字杯大学生数学建模挑战赛——数字杯数学建模官网
