---

一、步骤

---

二、要点

1.模型准备——形成一个比较清晰的“问题”

了解实际背景，明确建模目的，搜集有关信息，掌握对象特征

2.模型假设——作出合理的简化的假设

3.模型构成——用数学语言、符号描述问题

需发挥想象力，使用类比法，或借助已有模型
原则：尽量使用简单的数学工具

4.模型求解——常用求解软件和算法

常用软件：
matlab、mathematica功能较为综合，分别擅长数值运算和符号运算；
Lingo、lindo一般用于优化问题求解；
spss、sas一般用于统计问题求解。

常用算法：
数据拟合、参数估计、插值等数据处理算法，通常使用spss、sas、matlab作为工具；
图论算法、回溯搜索、分治算法、分支定界等计算机算法，模拟退火法、神经网络、遗传算法。

5.模型分析

如对结果的误差分析、统计分析、模型对数据的稳定性分析（如敏感性分析）

6.模型检验

与实际现象、数据相比较，检验模型的合理性、适用性

7.模型应用

与问题性质、建模目的、最终结果有关

---