前言
参加数学建模国赛，作为编程手究竟需要达到什么水平？工欲善其事必先利其器，那肯定是要把编程语言熟练应用，至少得有一种擅长的。数模比赛必备工具通常包含 Python、MATLAB、LINGO、SPSS 等。
高频出现的编程要求
-
数据处理能力：包括对数据清洗、整理、插值拟合以及统计分析、数据挖掘等。在数据量比较大的赛题中，对数据处理能力要求比较高，如 2012 年高教杯全国大学生赛 A 题'葡萄酒的评价'、2013 年全国研究生赛 E 题'中等收入定位与人口度量模型研究'都是这种类型的题，而且数据量大的赛题在历届竞赛中出现的频次较高，应高度重视。
-
多媒体信息处理能力：包括数字信号、图片信息、视频信息的处理等。这在最近几年特别是全国研究生建模竞赛中多次出现，如 2017 年 D 题'基于监控视频的前景目标提取'、2019 年 A 题'无线智能传播模型'(涉及通信信号处理) 和 C 题'视觉情报信息分析'(图像视频信息处理),2013 年全国大学生赛 A 题'车道被占用对城市道路通行能力的影响'(视频处理) 等。在备赛过程中，应掌握基本的数字信号处理、数字图像处理等算法和原理，当然这要求较多的专业知识，有一定难度。（这类要求较高，若是相关专业方向的编程手可以仔细准备）。
-
优化算法编程实现能力：包括线性规划、非线性规划、多目标规划等以及常用智能优化算法的实现，重点熟练使用 MATLAB 或 LINGO 的优化实现。优化类问题是历年竞赛中出现频次最高的一类赛题，应当高度重视。
-
数值计算能力：重点在微分方程类的赛题中应用。比如 2014 年全国大学生赛 A 题'嫦娥三号软着陆轨道设计与控制策略'、2012 年全国研究生赛 B 题'基于卫星无源探测的空间飞行器主动段轨道估计与误差分析'等。
-
软件工具箱的使用：MATLAB 有各式各样的工具箱，包括神经网络工具箱、Simulink 工具箱 (控制类仿真等)、模糊工具箱、数字图像处理工具箱和金融工具箱等。
-
数据图形可视化呈现：即用图表和图形展现数据。计算结果的可视化呈现，绘制精准、美观的图形，将使得竞赛论文图文并茂，实现加分。
常用的编程软件
1、统计类
- SPSS：界面简洁，很容易上手，做葡萄酒性能指标评价题时，很多国一文章采用的软件。
- SAS：比 SPSS 稍微复杂点，大多数情况下可以用 SPSS。
2、计算类
- MATLAB：常用的仿真软件，大多工科生都非常熟悉的软件，而且对大多数题而言都很适用。
- Python：大数据分析的题目很实用。
- Mathematica：科学计算软件，很好地结合了数值和符号计算引擎、图形系统、编程语言、文本系统、和与其他应用程序的高级连接。
- LINGO：非常适合计算线性规划类的问题，很方便。
3、文档类 数模最后呈现在评委面前的是论文，一个好的排版非常重要。论文里需要展现的还有公式、插图，使用相应的软件会提升论文的美感。
- 文字：LaTeX 排版的效果很好，Word 虽然方便，但美观性稍逊于 LaTeX，推荐使用 LaTeX。
- 公式：MathType，功能强大使用方便的公式编辑器，不推荐使用 Word 自带的公式编辑器。
- 作图：很多软件会自带画图功能，运算结果图不推荐使用 Excel 作图，画折线图可以用 MATLAB，很简短的程序就能得到非常美观的图片了。流程图、场景图等示意图对于更清晰地说明问题很有帮助，推荐使用 Visio，功能很全。
Matlab 还是 Python
刚开始参与数学建模的同学，往往会面临一个问题：做数模离不开编程，而 MATLAB 和 Python 都挺适合做数模的，究竟是学 MATLAB 还是 Python？
Matlab MATLAB 是收费软件，强大的功能带来高效。 MATLAB 是收费的，贵就贵在强大的内建函数和各种工具箱。 这背后，是顶尖的数学家、程序员和专业领域专家几十年的心血，当然功能强大；研发成本巨大，自然卖得贵。 强大的功能带来的是高效。数学建模竞赛只有三四天的时间，所以效率很重要。有些人在参加数学建模竞赛用 Python 或其他语言编程，当别人使用 MATLAB 现成的工具箱几秒钟出答案时，他们还在遥遥无期地 debug。
MATLAB 的高效体现在以下几点：
- 自带齐全的工具包。安装 MATLAB 时就已经装好了工具箱。而用 Python 的话，还需自行安装和设置各种工具包，中间可能遇到各种出错。
