數學建模學習心得
數學建模也激發我們學習數學的興趣，豐富了數學探索的情感體驗。小編整理了學習數學建模心得體會範文，希望對你有幫助!
篇【1】
以前在大一時就曾聽說過數學建模這一學科，但只是很膚淺的瞭解，還錯誤的以為這門學科只是跟數學有關係，只要數學學好了，學好數學建模就輕而易舉了。因為自己數學一直很好，對數學建模很感興趣，也很自信，於是，大二時毫無疑問地選修了數學建模這門專業選修課，但是選擇了以後才發現根本不像自己想象的那樣簡單。選修課時，對數學建模有了進一步瞭解，數學建模主要包括三大部分的內容：統計，優化，微分和差分。但是這也只是表面上的瞭解而已，上課老師只針對某一部分，告訴你要針對這一部分具體該怎麼做，只是一種固定的模式，沒有自己的任何建模思想。
百度上對數學建模的定義是這樣子的：當需要從定量的角度分析和研究一個實際問題時，人們就要在深入調查研究、瞭解物件資訊、作出簡化假設、分析內在規律等工作的基礎上，用數學的符號和語言，把它表述為數學式子，也就是數學模型，然後用通過計算得到的模型結果來解釋實際問題，並接受實際的檢驗。這個建立數學模型的全過程就稱為數學建模。不論是用數學方法在科技和生產領域解決哪類實際問題，還是與其它學科相結合形成交叉學科，首要的和關鍵的一步是建立研究物件的數學模型，並加以計算求解。數學建模和計算機技術在知識經濟時代的作用可謂是如虎添翼。
數學建模是一種模擬，是用數學符號、數學式子、程式、圖形等對實際課題本質屬性的抽象而又簡潔的刻劃，它或能解釋某些客觀現象，或能預測未來的發展規律，或能為控制某一現象的發展提供某種意義下的最優策略或較好策略。數學模型一般並非現實問題的直接翻版，它的建立常常既需要人們對現實問題深入細微的觀察和分析，又需要人們靈活巧妙地利用各種數學知識。這種應用知識從實際課題中抽象、提煉出數學模型的過程就稱為數學建模數學建模數學建模數學建模。
經過了這段時間對數學建模的學習，我終於對數學建模有了進一步的認識，數學建模是一個經歷觀察、思考、歸類、抽象與總結的過程，也是一個資訊捕捉、篩選、整理的過程，更是一個思想與方法的產生與選擇的過程。它給我們再現了一種“微型科研”的過程。它激發我們學習數學的興趣，豐富了數學探索的情感體驗;有利於我們自覺檢驗、鞏固所學的數學知識，促進知識的深化、發展;有利於我們體會和感悟數學思想方法。
記得第一節課時，老師給我們解釋什麼是數學建模，老師舉了一個簡單的例子，“問題：樹上有十隻鳥，開槍打死一隻，還剩幾隻?”，當時我們都覺得很奇怪，這問題很高深嗎?這和數學建模有什麼關係嗎?緊接著老師就給我們解釋了這道題，“是無聲手槍或別的無聲的槍嗎?不是。槍聲有多大?80—100分貝。那就是說會震得耳朵疼?是。在這個城市裡打鳥犯不犯法?不犯。您確定鳥裡真的沒有聾子?沒有。有沒有關在籠子裡的?沒有。邊上還有沒有其他的樹，樹上還有沒有其他的鳥?沒有有沒有殘疾的鳥或餓得飛不動的鳥?沒有。打鳥的人眼有沒有花?保證是十隻?沒有花，就十隻。有沒有傻得不怕死的鳥?都怕死。會不會一槍打死兩隻?不會。所有的鳥都可以自由活動嗎?完全可以。如果您的回答沒有騙人，打死的鳥要是掛在是掛在樹上沒掉下來，那麼就剩一隻，若果掉下來，就一隻不剩。”這就是數學建模。從不同度思考一個問題，想盡所有的可能，正所謂智者千慮，絕無一失，這才是數學建模的高手。然後，老師講了數學建模能力的培養與提升，讓我們感覺到，原來學好數學建模並不是一件簡單的事靠的是分析題意的能力、查詢資料的能力、建立數學模型的能力、問題的轉化能力、現學現用的能力、程式設計能力、論文寫作能力等多方面的能力。
篇【2】
數學建模論文也有固定的結構，其中包括摘要、問題重述與分析、問題假設、符號說明、模型建立與求解、模型檢驗、結果分析、模型的進一步討論、模型優缺點等一系列的步驟。與此同時數學建摸論文的模組設計也有固定的格式，問題的背景、問題的重述、基本假設與符號說明、問題的分析與模型的準備、模型的建立、模型的求解、模型的檢驗、模型的靈敏度與穩定性分析、模型的科學性及現實意義、模型的使用說明、模型的進一步討論與改進、模型評價與推廣、寫給××的意見、參考文獻、附錄等。緊接著老師又給我們講述了數學建模論文的一系列寫作技巧，讓我獲益匪淺。
數學建模中常用演算法有很多種，1、蒙特卡羅演算法該演算法又稱隨機性模擬演算法，是通過計算機模擬來解決問題的演算法，同時可以通過模擬可以來檢驗自己模型的正確性，是比賽時必用的方法2、資料擬合\引數估計\插值等資料處理演算法比賽中通常會遇到大量的資料需要處理，而處理資料的關鍵就在於這些演算法，通常使用Matlab作為工具3、線性規劃\整數規劃\多元規劃\二次規劃等規劃類問題建模競賽大多數問題屬於最優化問題，很多時候這些問題可以用數學規劃演算法來描述，通常使用Lindo、Lingo軟體實現4、圖論演算法這類演算法可以分為很多種，包括最短路、網路流、二分圖等演算法，涉及到圖論的問題可以用這些方法解決，需要認真準備5、動態規劃\回溯搜尋\分治演算法\分支定界等計算機演算法這些演算法是演算法設計中比較常用的方法，很多場合可以用到競賽中
6、最優化理論的三大非經典演算法：模擬退火法、神經網路、遺傳演算法這些問題是用來解決一些較困難的最優化問題的演算法，對於有些問題非常有幫助，但是演算法的實現比較困難，需慎重使用7、網格演算法和窮舉法網格演算法和窮舉法都是暴力搜尋最優點的演算法，在很多競賽題中有應用，當重點討論模型本身而輕視演算法的時候，可以使用這種暴力方案，最好使用一些高階語言作為程式設計工具
8、一些連續離散化方法很多問題都是實際來的，資料可以是連續的，而計算機只認的是離散的資料，因此將其離散化後進行差分代替微分、求和代替積分等思想是非常重要的9、數值分析演算法如果在比賽中採用高階語言進行程式設計的話，那一些數值分析中常用的演算法比如方程組求解、矩陣運算、函式積分等演算法就需要額外編寫庫函式進行呼叫10、圖象處理演算法賽題中有一類問題與圖形有關，即使與圖形無關，論文中也應該要不乏圖片的，這些圖形如何展示以及如何處理就是需要解決的問題，通常使用Matlab進行處理
但是數學建模到底是什麼樣子的，舉幾個例子：例子一：三個學生住旅館，服務員收費30元，於是三個學生每人交了10元。後來老闆對服務員說當天特價，只用收25元，要服務員把多的5元退給三人。愛貪小便宜的服務員想：“5元給三個人也不好分，自己留下2元，給他們一人一元正好。”於是，服務員退還了學生3元並私吞了2元。現在的結果是：每個學生只出了9元，一共27元，加上服務員的2元，才29元。剩下的1元錢哪裡去了?我們先從最易理解的角度考慮，三位顧客付了30英鎊，其中25英鎊是餐費，3英鎊是找頭，2英鎊是小費。於是„„這個等式完全成立，並且不存在丟失錢的問題。但這種分析卻不能打消困惑者的疑惑。27-2=25.這是個有意義的加法公式，27+2=29，純屬不三不四的胡扯，用來混淆視聽，迷惑人。只是由於結果及其接近30，從而使人相信這兩個數字是有著緊密連續的，實際上這個式子沒有任何意義。