建模算法导图——————（此图转jianshu）
线性规划
如何利用现有资源来安排生产，以取得最大经济效益 ？
目标函数 max/min z={x1,x2,…}
约束条件 s.t. 不等式方程组
%《司守奎黄皮书》P1 ——升级为《目标规划》见P430
非线性离散数据拟合
①——万能办法
②——最小二乘法曲线拟合（matlab实现）
层次分析法（聚类）
一种层次权重决策分析方法。这种方法的特点是在对复杂的决策问题的本质、影响因素及其内在关系等进行深入分析的基础上，利用较少的定量信息使决策的思维过程数学化，从而为多目标、多准则或无结构特性的复杂决策问题提供简便的决策方法。
e.g.
假如有3个旅游胜地A、B、C供你选择，你会根据诸如景色、费用和居住、饮食、旅途条件等一些准则去反复比较这3个候选地点．首先，你会确定这些准则在你的心目中各占多大比重，如果你经济宽绰、醉心旅游，自然分别看重景色条件，而平素俭朴或手头拮据的人则会优先考虑费用，中老年旅游者还会对居住、饮食等条件寄以较大关注。其次，你会就每一个准则将3个地点进行对比，譬如A景色最好，B次之；B费用最低，C次之；C居住等条件较好等等。最后，你要将这两个层次的比较判断进行综合，在A、 B、C中确定哪个作为最佳地点。
灰色预测
只适合指数增长的预测！灰色模型对原始数据作累加生成（或其他方法生成）得到近似的指数规律再进行建模的方法。优点——不需要很多的数据，一般只需要4个数据，就可以解决历史数据少、序列的完整性及可靠性低的问题。
%《司守奎黄皮书》
马尔可夫预测
系统未来时刻的情况只与现在有关，而与过去的历史无直接关系！
e.g.研究一个商店的累计销售额，如果现在时刻的累计销售额已知，则未来某一时刻的累计销售额与现在时刻以前的任一时刻累计销售额无关。
%《司守奎黄皮书》P412
遗传算法
模拟自然界的生命进化机制，在人工系统中实现特定目标的优化。
实质——通过群体搜索技术，根据适者生存的原则逐代进化，最终得到最优解/准最优解。
%《司守奎黄皮书》P329
朴素贝叶斯
假定给定目标值时属性之间相互条件独立。也就是说没有哪个属性变量对于决策结果来说占有着较大的比重，也没有哪个属性变量对于决策结果占有着较小的比重。虽然这个简化方式在一定程度上降低了贝叶斯分类算法的分类效果，但是在实际的应用场景中，极大地简化了贝叶斯方法的复杂性。
多元线性回归
在回归分析中，如果有两个或两个以上的自变量，就称为多元回归。
人工神经网络
支持向量机（分类）
数据挖掘中的一项技术，在模式识别领域应用广泛。
主要思想：能找到一个超平面，能够尽可能地将两类数据点正确分开。
数学建模十大算法
-
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，同时可以通过模拟来检验自己模型的正确性，几乎是比赛时必用的方法。
-
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。
-
线性规划、整数规划、多元规划、二次规划等规划类算法。 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 软件求解。
-
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。
-
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，竞赛中很多场合会用到。
-
最优化理论的三大非经典算法：模拟退火算法、神经网络算法、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，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。
-
网格算法和穷举法。 两者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。
-
一些连续数据离散化方法。 很多问题都是实际来的，数据可以是连续的，而计算机只能处理离散的数据，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。
-
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。
-
图象处理算法。 赛题中有一类问题与图形有关，即使问题与图形无关，论文中也会需要图片来说明问题，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。
