2024 数学建模国赛 C 题模型及算法（无废话版）

目录

需要掌握的数学模型/ 算法

需要掌握的 Python 专业库

需要掌握的软件/ 工具

写在开始

本人获 2023 年数学建模国赛 C 题国家级一等奖，备赛期间专攻 C 题。本文总结了在备赛期间总结的模型和算法，足以应对 90% 国赛 C 题中涉及到的问题。本文只是一个索引，后续会持续更新其中所涉及到的模型、算法的详解、实现以及应用，敬请期待。由于精力有限，更新速度有限，如果有任何问题可以后台私信我。

需要掌握的数学模型/ 算法

1. 评价体系/评价类问题

   • 层次分析法（AHP）

   • 熵权法（EWM）

   • 客观赋权法（CRITIC）

   • 优劣解距离法（TOPSIS）

   • 多准则妥协解排序法（VIKOR）链接

2. 时间序列处理

   • 自相关性函数（ACF）

   • 时间序列分解（STL）

   • 差分整合移动平均自回归模型（ARIMA）

   • 长短时记忆网络（LSTM）

   • 灰色关联度分析（GRA）

3. 数据降维

   • 主成分分析法（ACF）

   • 因子分析（FA）

4. 聚类问题（无监督）

   • K-均值聚类（K-means）

   • 密度聚类（DBSCAN）

   • 层次化聚类（HC）

   • 邓恩指标（DI）

5. 分类问题（有监督）

   • 多层感知机（MLP）

   • 决策树（Decision Tree）

   • 支持向量机（SVM）

   • K-近邻（KNN）

6. 集成学习（Bagging/ Boosting）

   • 随机森林（Random Forest）

   • 梯度提升树（GBDT）

   • XGBoost

   • LightGBM

7. 回归问题

   • 多元线性回归（MLR）

   • 逻辑斯特回归（Logistic Regression）

   • 岭回归（Ridge Regression）

   • 套索回归（Lasso Regression）

   • 弹性网络回归（ElasticNet Regression）

   • 逐步回归（Stepwise Regression）

8. 关联分析

   • 关联规则（Association Rules）

9. 统计学方法/统计模型

   • 相关系数（Correlation coefficient）

   • 正态分布检验

   • 非参数检验

   • 参数检验

   • 差异性检验

10. 智能优化算法

    • 遗传算法（GA）

    • 粒子群算法/鸟群算法（PSO）

    • 蚁群算法（ACO）

需要掌握的 Python 专业库

• 数据处理 pandas/ numpy

• 专业绘图 matplotlib/ seaborn

• 统计模型 scipy.stats/ statsmodels

• 机器学习 scikit-learn

• 智能优化 scikit-opt

需要掌握的软件/ 工具

• 数据分析 Excel/ SPSS/ SPSSPRO

• 论文写作 Word/ Latex（Overleaf）

• 专业绘图 Visio/ ProcessOn