这门课解决什么问题

数学建模的痛点不在背公式，而在拿到一个模糊的实际问题后，不知道怎么把它翻译成可计算的模型、怎么选算法、怎么把求解结果写成一篇能交差的论文。很多上班族和转行者想系统补这块，往往是东看一篇优化理论、西抄一段代码，真到比赛或工作里要用时仍然无从下手。这门课把场景压在两类典型任务上：一是国赛、美赛那种三天高压出题的竞赛流程，二是工作里遇到的数据预测、资源分配、评价排序等小规模建模需求。它不追求把数学原理讲到研究生推导深度，而是帮你走通“读题、定模型、写代码、出图、成文”这条完整链路，解决的是“学了理论但落不了地”的断层问题。

适合什么基础，建议先看哪几块

这门资料不适合零数学基础的人。默认你学过微积分、线性代数和一点概率统计，编程方面能看懂基本的循环和函数写法，但不需要你已经是熟练的开发者。如果你是转行做数据分析或运筹相关岗位，或者本科没系统学过建模、工作几年后想补一块硬技能，这个起点是合适的。建议先把绪论和比赛指南过一遍，弄清楚整个流程和团队分工，这决定了后面学算法时心里有框架；接着直接进入常用基础模型和预测模型这两块，它们覆盖了评价类、优化类、时间序列和回归预测，是日常和比赛里复用率最高的部分。MATLAB 和 LINGO 的入门内容不要跳，尤其 LINGO 处理线性规划和整数规划比手写通用代码更稳，很多人恰恰没用熟它。历届赛题讲解放在算法之后看，用来验证自己能不能把模型对上题。

资料怎么配合练习，学完能独立做什么

看视频时不要只记结论，每个基础模型和预测模型都要自己跑一遍：先用课程里的样例数据复现代码，确认结果能对上，再换一组自己找的数据重做一遍，看模型是否还稳。LINGO 部分重点练集和集循环函数，这是写大规模规划题时绕不开的写法；MATLAB 部分把绘图脚本单独存下来，论文里的图表格式后面会反复用。练习节奏上，建议每学完一个模型类别，就找一道对应的历年赛题，限时四小时独立完成建模、求解和写作，再对照课程里的论文写作经验自查结构和表达。这样走完一轮后，你应该能独立完成这些事：给一个业务或竞赛题目，判断它属于评价、优化还是预测类型，选出合适的模型，用 MATLAB 或 LINGO 写出可运行的求解代码，把结果整理成带图表、有结论的建模论文。对上班族来说，这意味着遇到资源排班、销量预测、指标综合评分这类需求时，你能拿出一套有数字支撑的方案，而不是只靠经验拍脑袋。


01 课程绪论（试听课） · 02 备赛及比赛经验分享 · 03 常用建模编程软件介绍 · 04 常用基础数学模型算法 · 05 常用预测数学模型算法 · 06

课程目录

*   01 课程绪论（试听课）/

  *   01 数学建模课程体系概览/

    *   01 数学建模课程体系概览

    *   02 数学建模比赛指南

    *   03 历届赛题讲解

    *   04 组队及团队分工

*   02 备赛及比赛经验分享/

  *   01 备赛及比赛经验分享/

    *   01 如何备赛

    *   02 比赛前准备

    *   03 比赛论文写作经验分享

    *   04 获奖经验分享

*   03 常用建模编程软件介绍/

  *   01 常用建模编程软件介绍/

    *   01 MATLAB入门

    *   02 MATLAB编程基础

    *   03 MATLAB进阶

    *   04 LINGO基础和入门

    *   05 LINGO集和集循环函数的使用

    *   06 LINGO高级建模

    *   07 R与RStudio

    *   08 R语言基础

    *   09 R语言数据可视化1

    *   10 R语言数据可视化2

    *   11 Tableau和Visio

    *   12 Latex基础知识

    *   13 Latex数学公式

    *   14 Latex环境与自定义命令

    *   15 Latex图形表格与参考文献

    *   16 Mathtype软件基础

*   04 常用基础数学模型算法/

  *   01 基础模型/

    *   01 插值与拟合

    *   02 聚类算法概述

    *   03 K-means聚类

    *   04 FCM聚类

    *   05 DBSCAN聚类

    *   06 其他常用聚类算法

  *   02 数学实验/

    *   01 高等数学

    *   02 线性代数

    *   03 概率论与数理统计

*   05 常用预测数学模型算法/

  *   01 常用预测数学模型算法/

    *   01 回归分析概述

    *   02 线性回归与非线性回归

    *   03 多项式回归与逐步回归

    *   04 微分方程模型

    *   05 微分方程SI模型

    *   06 微分方程SIS模型

    *   07 微分方程SIR模型

    *   08 微分方程SIRS模型

    *   09 时间序列概述

    *   10 详解ARIMA模型

    *   11 高精度时间序列预测模型

    *   12 何为BP神经网络

    *   13 详解BP神经网络关键参数

    *   14 MATLAB工具箱案例实现

    *   15 BP神经网络参数优化

*   06 常用评价数学模型算法/

  *   01 常用评价数学模型算法/

    *   01 层次分析法概述

    *   02 层次分析法的基本步骤

    *   03 MATLAB案例实现

    *   04 模糊综合评价综述

    *   05 模糊综合评价案例详解

    *   06 TOPSIS综合评价基础

    *   07 TOPSIS综合评价案例详解

*   07 优化模型与运筹学模型/

  *   01 优化模型/

    *   01 遗传算法简介

    *   02 遗传算法应用

    *   03 模拟退火算法和TSP问题

  *   02 运筹学模型/

    *   01 穷举法

    *   02 单服务员排队系统

    *   03 最小生成树简介

    *   04 最小生成树应用

    *   05 0-1规划和分配问题

    *   06 整数规划和下料问题

*   08 比赛真题案例讲解及写作技巧/

  *   01 比赛真题案例讲解及写作技巧/

    *   01 美赛O奖论文解析

    *   02 国赛一等奖论文解析

    *   03 省赛一等奖论文解析

    *   04 数学建模论文写作12大核心要素