数学建模的方法有哪些？
综合评价的一般步骤
1.根据评价目的选择合适的评价指标。这些指标很有代表性，很有特色，经常可以测量。评价指标的选取主要以专业知识为基础，即根据相关专业理论和实践，分析各评价指标对结果的影响，选择那些具有代表性、确定性、差异性和独立性的指标，形成评价指标体系。
2.根据评价目的，确定评价指标在评价某事物中的相对重要性，或各指标的权重；3.合理确定各单项指标的评价等级和边界；
4.根据评价目的和数据特点选择合适的综合评价方法，根据历史数据建立综合评价模型；
5.确定多指标综合评价的等级和数量界限。在同类事物综合评价的应用实践中，对选定的评价模型进行检验，并不断进行修正和补充，使其具有科学性、实用性和先进性，进而推广。
问题2:参与数学建模需要哪些算法？1.蒙特卡罗方法:
又称计算机随机模拟法，也称统计实验法。你可以通过模拟来测试你的模型的正确性。
2.数据处理，如数据拟合、参数估计和插值。
比赛中需要处理的数据很多，而数据处理的关键就在于这些方法，这些方法通常由matlab辅助，结合图形也可以处理很多拟合问题。
3.编程问题算法:
包括线性规划、整数规划、多元规划、二次规划等。比赛中很多问题都和策划有关。可以说，很多模型都可以归结为一组不等式作为约束，几个函数表达式作为目标函数。解决这样的问题才是关键。
这种问题一般可以用lingo软件解决。
4.图论问题:
本文主要研究这类问题的算法，包括Dijkstra、Floyd、素数、Bellman-Ford、最大流、二进制匹配等。对熟悉ACM的人来说应该不难。
5.计算机算法设计中的问题；
算法设计包括:动态规划、回溯搜索、分而治之、分支定界法(求解整数解)等。
6.最优化理论的三种非经典算法:
a)模拟退火
b)神经网络
遗传算法
7.网格算法和穷举算法
8.连续问题的离散化方法
因为计算机只能处理离散的问题，而现实中大部分数据都是连续的，所以在用计算机求解之前，需要对连续的问题进行离散化处理。
比如差分代替微分，求和代替积分的思想，都是离散化连续问题的常用方法。
9.数值分析方法
本文主要研究解决数学问题的各种数值计算方法，特别是适合计算机实现的方法和算法。
包括:函数的数值逼近、数值微分与数值积分、非线性回归的数值解、数值代数、常微分方程的数值解等。
Matlab主要用来解决这个问题。
10.图像处理算法
这部分主要利用matlab进行图像处理。
包括展示图片，讲解问题等。
问题3:数学建模的常用方法有哪些？积累算法和模型，做真题，仅此而已。