数模准备

1.知识方面熟悉一下数学建模的32种基础的常规方法，知道什么方法能解决什么问题，分析问题才有方向。

2.认真学习和研读一下最近几年的研究生数学建模优秀论文，选择几个感兴趣的问题，仔细看看优秀论文的建模思路和写作思路
3.编程技术方面：如果偏向于优化问题，线性模型，运筹学问题Matlab、Lingo更加有优势，如果偏向于数据分析和数据挖掘大数据、神经网络深度学习之类的使用Python更为方便，很多开源技术也很成熟。针对统计类问题Spss方便。有些优秀论文里面最后会有代码，可以多看看学学，能不能运行出来，
我对Python处理数据比较熟悉，个人认为Python处理数据真的特别方便成熟，必学Python3基础知识、Numpy、Pandas、Matplotlib、Sklearn这几个包，如果使用到神经网络就看看Theano包。由于Matlab安装麻烦，安装包很大，其实Matlab能做出来的，Python数据科学这一套也都可以实现同样功能。
3.对几个重要问题有较深的理解和掌握，个人觉得数学建模里面的几个很重要的知识点是：TSP旅行商问题图网络、多目标规划、遗传算法、粒子群算法，找点这些问题和程序代码研究研究。
4.最后讲讲组队很关键，一个队员负责写论文，一旦有思路后，就开始写论文，论文写得好，拿奖可能性越大；另外两个队员负责建模，一个偏向于建模思路，另一个负责算法代码实现，两个人互相配合。三个人一起熬夜，一起加油。
 

 

时间安排1 https://blog.csdn.net/weixin_33898233/article/details/88755085

时间安排https://blog.csdn.net/CSDN_wujian/article/details/84070296