前言
这里简单总结一些资料，为后期个人参赛做准备。
其中的优秀案例皆以博客/链接的形式总结归纳，详细见对应原作者博客。
基础知识
一些需要提前掌握的算法：
1. 时间序列算法、拟合插值算法、基础的图论算法
2. 多元线性回归
3. 整数规划、线性规划、多元规划、二次规划等
4. 排队论、层次分析法
5. 灰色预测、灰色综合评价
6. 聚类算法、分类算法、预测算法等
一些相关的资料收集：
数学建模—十大经典常用算法（线性回归、逻辑回归、决策树、支持向量机、聚类、神经网络、遗传算法、粒子群算法、蚁群算法、模拟退火算法）
数学建模竞赛中应当掌握的十类算法（蒙特卡罗算法；数据拟合、参数估计、插值等数据处理算法；线性规划、整数规划、多元规划、二次规划等规划类算法；图论算法；动态规划、回溯搜索、分治算法、分支定界等计算机算法；最优化理论的三大非经典算法：模拟退火算法、神经网络算法、遗传算法；网格算法和穷举法；一些连续数据离散化方法；数值分析算法；图象处理算法）
数学建模入门到进阶—数学建模各类常用的算法全解析（评价类、预测类、优化类）
数学建模—30+种常用算法模型（写作与排版经验、入门到实战经验分析与总结）
数学建模【三大模型+十大算法】
数学建模的32种常规方法及案例代码 （穷举法、贪心算法、回溯算法、分支界限法、整数规划、线性规划、最小生成树算法、最短路径算法、最大流算法、拓扑排序、图着色算法、背包问题算法、网络流算法、插值与拟合算法、数值积分算法、方程求解算法、近似算法、目标规划、蒙特卡洛方法、调度算法、稀疏矩阵算法、傅里叶变换、插值算法、随机优化算法、数值微分算法、整数分拆算法、谱方法、最大团算法、近似求解算法、松弛算法、凸优化算法）
C. 汽车制造涂装-总装缓存调序区调度优化问题
示例1：（国二，C题排名88/1134）
（1）问题重述
（2）问题1模型建立
（3）问题2模型建立
（4）算例分析
示例2：（国二）
示例3：（奖项未知）
