數學建模應該本著什麼指導思想，必須依賴於複雜的演算法和數學模型么？

---

1.演算法未必複雜。
擬合用最小二乘法可以實現，用神經網路也可以實現。但是如果結果相差無幾，你何必要用神經網路吃力不討好呢？
優化問題用最速梯度法可解，用遺傳演算法、模擬退火亦可解，但是一個用最速梯度就可以輕易解決的問題，你會用現代智能演算法嗎？用了還未必就有最優解呢。
2.模型未必複雜。
物理學的建立其實都是數學建模的過程，數學建模是一座橋樑，把抽象和現實連接起來。但是牛頓第二定律很複雜嗎？質能方程很複雜嗎？大道至簡，有的模型雖然簡單，卻刻畫出了最本質最深刻的規律，展現出一種動人心魄的美感。做到這一步的建模者已然返璞歸真。
3.何時用複雜的模型或演算法
遙想當年第一次建模（人口題），需要給出人口結構的演變，Malthusian模型和Logistic模型都不能做到這一點，就採用了Leslie模型；另一次想解決一個複雜的規劃問題用lingo失敗，想了辦法編碼轉化成模擬退火演算法也做出來了。
4.小結
說了這麼多，想必你應該已經大概了解了。用複雜的模型或演算法，不是為了裝逼，而是因為有用它的必要。所謂不忘初心，方能始終，數學建模的初衷也不是為了博得評委老師的歡心，不是為了得一個獎，而是為了找到一條最有效的解決實際問題的途徑。

---

又到了數學建模比賽的日子了？其實針對lz的問題，lz只需要知道數學建模裡邊針對建模方法有很多種。比如概率分析模型，模擬分析模型或者物理學實驗模型等。每一個問題的解決都可能綜合用到一種或者多種模型。演算法可以算是特定問題場合下對綜合模型的一個統稱。

---

先說一下去年的建模自己醬油，現在後悔的要死，看著同事每天建模跑程序，我靠！還沒出來？這內存，怎麼又有問題？好好學吧。。。

---

推薦閱讀：