抽象
从杂乱现实里抽出关键变量，写下假设：什么重要、什么可以暂时忽略。
认识建模
数学建模，到底在做什么？
一句话：用数学把现实问题说清楚，算出可以检验的结论，再把结论说回现实。
先记住这件事
现实问题往往没有标准答案：哪个方案更好、资源怎么分配、趋势会怎样走。数学建模做的，不是「解出唯一正确答案」，而是把问题翻译成能计算的关系，在合理假设下给出可用、可解释的结论。
求解
用方程、优化、统计或模拟，把变量之间的关系算出来，得到数字与图表。
解释
把计算结果翻译回现实语言，说明结论成立的条件，并检查是否靠谱。
竞赛里最终交的是一篇论文：问题怎么理解、假设是什么、模型怎么建、结果怎么检验。代码是手段，论文才是交付物。
用一个日常例子看懂
通常 1 斤面配 1 斤馅大约能包 100 个饺子。如果馅多了、面没变，想把馅全包完：应该包小一点多包几个，还是包大一点少包几个？如果选包大饺子，50 个大概能包多少馅？
- 抽象
假设面皮厚度差不多、形状差不多，用「半径」描述饺子大小。
- 求解
馅的体积大致跟半径的三次方有关，皮的面积跟二次方有关。数量减半时，单个饺子能装的馅大约变成原来的 √2 倍。
- 解释
所以更合理的是包大一点；大约 50 个大饺子能装下约 1.4 斤馅。直觉对了，模型还给出了可复核的数字。
这就是数学建模：把「包大还是包小」这种日常判断，写成可计算的关系，得到别人也能验算的结论。
它和数学竞赛、编程竞赛有什么不同
- 数学竞赛题目封闭，答案唯一，比的是证明与技巧。
- 编程竞赛输入输出清楚，比的是算法实现与效率。
- 数学建模问题开放，没有标准答案；比的是假设是否合理、模型是否自洽、结论是否站得住。
赛场上通常怎么推进
- 01
读懂并界定问题
弄清要回答什么、已知什么、受什么限制，写出必要假设。这一步错了，后面公式再漂亮也没用。
- 02
建立模型并算出来
按问题类型选方法，把关系写成模型，求出结果，配上必要图表。
- 03
检验，再写成论文
用数据或常理检查结论是否合理；最后写成别人能读懂、能复核的论文。
常见问题可以分成这些类
先判断题目在问什么，再选方法。多数赛题落在下面几类里。
- 评价类多个方案、多个指标，谁更好？TOPSIS、AHP、熵权法
- 预测类根据已有信息，下一步会怎样？回归、时间序列、灰色预测
- 优化类在限制条件下，怎么安排最划算？线性规划、整数规划
- 分类聚类这些对象属于哪一类，或怎么分组？聚类、判别、SVM
- 图论网络怎么连通、怎么走、怎么调度？最短路、匹配、网络流
- 模拟仿真解析算不动时，用试验估计结果蒙特卡洛、离散事件仿真
适合谁
- 本科生通常以国赛为主赛，美赛为国际出口。
- 专科 / 高职国赛有高职高专组；五一、认证杯适合入门。
- 研究生研赛（华为杯）是研究生阶段的核心赛事。
- 零基础先理解「抽象—求解—解释」，再完整跑通一次短周期赛事。