⑴ 数学建模需要哪些基础知识 有哪些辅导资料
需要数学知识、计算机知识、最好找个字迹漂亮的队友。
过程
模型准备
了解问题的实际背景，明确其实际意义，掌握对象的各种信息。用数学语言来描述问题。
模型假设
根据实际对象的特征和建模的目的，对问题进行必要的简化，并用精确的语言提出一些恰当的假设。
模型建立
在假设的基础上，利用适当的数学工具来刻划各变量之间的数学关系，建立相应的数学结构（尽量用简单的数学工具）。
模型求解
利用获取的数据资料，对模型的所有参数做出计算（或近似计算）。
模型分析
对所得的结果进行数学上的分析。
模型检验
将模型分析结果与实际情形进行比较，以此来验证模型的准确性、合理性和适用性。如果模型与实际较吻合，则要对计算结果给出其实际含义，并进行解释。如果模型与实际吻合较差,则应该修改假设，再次重复建模过程。
模型应用
应用方式因问题的性质和建模的目的而异。
数学建模应当掌握的十类算法
1、蒙特卡罗算法（该算法又称随机性模拟算法，是通过计算机仿真来解决问题的算 法，同时可以通过模拟可以来检验自己模型的正确性，是比赛时必用的方法） 2、数据拟合、参数估计、插值等数据处理算法（比赛中通常会遇到大量的数据需要 处理，而处理数据的关键就在于这些算法，通常使用Matlab作为工具） 3、线性规划、整数规划、多元规划、二次规划等规划类问题（建模竞赛大多数问题 属于最优化问题，很多时候这些问题可以用数学规划算法来描述，通常使用Lindo、 Lingo软件实现） 4、图论算法（这类算法可以分为很多种，包括最短路、网络流、二分图等算法，涉 及到图论的问题可以用这些方法解决，需要认真准备） 5、动态规划、回溯搜索、分治算法、分支定界等计算机算法（这些算法是算法设计 中比较常用的方法，很多场合可以用到竞赛中） 6、最优化理论的三大非经典算法：模拟退火法、神经网络、遗传算法（这些问题是 用来解决一些较困难的最优化问题的算法，对于有些问题非常有帮助，但是算法的实 现比较困难，需慎重使用） 7、网格算法和穷举法（网格算法和穷举法都是暴力搜索最优点的算法，在很多竞赛 题中有应用，当重点讨论模型本身而轻视算法的时候，可以使用这种暴力方案，最好 使用一些高级语言作为编程工具） 8、一些连续离散化方法（很多问题都是实际来的，数据可以是连续的，而计算机只 认的是离散的数据，因此将其离散化后进行差分代替微分、求和代替积分等思想是非 常重要的） 9、数值分析算法（如果在比赛中采用高级语言进行编程的话，那一些数值分析中常 用的算法比如方程组求解、矩阵运算、函数积分等算法就需要额外编写库函数进行调 用） 10、图象处理算法（赛题中有一类问题与图形有关，即使与图形无关，论文中也应该 要不乏图片的，这些图形如何展示以及如何处理就是需要解决的问题，通常使用Matlab 进行处理）
数学建模资料
竞赛参考书
l、中国大学生数学建模竞赛，李大潜主编，高等教育出版社(1998)． 2、大学生数学建模竞赛辅导教材，(一)(二)(三)，叶其孝主编，湖南教育 出版社(1993，1997，1998)． 3、数学建模教育与国际数学建模竞赛 《工科数学》专辑，叶其孝主编， 《工科数学》杂志社，1994)．
国内教材、丛书
1、数学模型，姜启源编，高等教育出版社(1987年第一版，1993年第二版，2003年第三版；第一版在 1992年国家教委举办的第二届全国优秀教材评选中获"全国优秀教材奖")． 2、数学模型与计算机模拟，江裕钊、辛培情编，电子科技大学出版社，(1989)． 3、数学模型选谈(走向数学从书)，华罗庚，王元着，王克译，湖南教育出版社；(1991)． 4、数学建模--方法与范例，寿纪麟等编，西安交通大学出版社(1993)． 5、数学模型，濮定国、 田蔚文主编，东南大学出版社(1994)． 6..数学模型，朱思铭、李尚廉编，中山大学出版社，(1995) 7、数学模型，陈义华编着，重庆大学出版社，(1995) 8、数学模型建模分析，蔡常丰编着，科学出版社，(1995)． 9、数学建模竞赛教程，李尚志主编，江苏教育出版社，(1996)． 10、数学建模入门，徐全智、杨晋浩编，成都电子科大出版社，(1996). 11、数学建模，沈继红、施久玉、高振滨、张晓威编，哈尔滨工程大学出版社，(1996). 12、数学模型基础，王树禾编着，中国科学技术大学出版社，(1996). 13、数学模型方法，齐欢编着，华中理工大学出版社，(1996)． 14、数学建模与实验，南京地区工科院校数学建模与工业数学讨论班编，河海大学 出版社，(1996)． 15、数学模型与数学建模，刘来福、曾文艺编，北京师范大学出版杜(1997)． 16. 数学建模，袁震东、洪渊、林武忠、蒋鲁敏编，华东师范大学出版社. 17、数学模型，谭永基，俞文吡编，复旦大学出版社，(1997)． 18、数学模型实用教程，费培之、程中瑗层主编，四川大学出版社，(1998)． 19、数学建模优秀案例选编(工科数学基地建设丛书)，汪国强主编，华南理工大学出版社，(1998)． 20、经济数学模型(第二版)(工科数学基地建设丛书)，洪毅、贺德化、昌志华 编着，华南理工大学出版社，(1999)． 21、数学模型讲义，雷功炎编，北京大学出版社(1999)． 22、数学建模精品案例，朱道元编着，东南大学出版社，(1999)， 23、问题解决的数学模型方法，刘来福，曾文艺编着、北京师范大学出版社，(1999)． 24、数学建模的理论与实践，吴翔，吴孟达，成礼智编着，国防科技大学出版社， (1999)． 25、数学建模案例分析，白其岭主编，海洋出版社，(2000年，北京)． 26、数学实验(高等院校选用教材系列)，谢云荪、张志让主编，科学出版社，(2000)． 27、数学实验，傅鹏、龚肋、刘琼荪，何中市编，科学出版社，(2000)． 28、数学建模与数学实验，赵静、但琦编，高等教育出版社，(2000).
国外参考书(中译本)
1、数学模型引论， E．A。Bender着，朱尧辰、徐伟宣译，科学普及出版社(1982). 2、数学模型，[门]近藤次郎着，官荣章等译，机械工业出版社，(1985)． 3、微分方程模型，(应用数学模型丛书第1卷)，[美]W．F．Lucas主编，朱煜民等 译，国防科技大学出版社，(1988)． 4、政治及有关模型，(应用数学模型丛书第2卷)，[美W．F．Lucas主编，王国秋 等译，国防科技大学出版社，(1996)． 5、离散与系统模型，(应用数学模型丛书第3卷)，[美w．F．Lucas主编，成礼智 等译，国防科技大学出版社，(1996)． 6、生命科学模型，(应用数学模型丛书第4卷)，[美1W．F．Lucas主编，翟晓燕等 译，国防科技大学出版社，(1996)． 7、模型数学--连续动力系统和离散动力系统，[英1H．B．Grif6ths和A．01dknow 着，萧礼、张志军编译，科学出版社，(1996)． 8、数学建模--来自英国四个行业中的案例研究，(应用数学译丛第4号)， 英]D．Burglles等着，叶其孝、吴庆宝译，世界图书出版公司，(1997)
专业性参考书
(这方面书籍很多，仅列几本供参考) ： 1、水环境数学模型，[德]W．KinZE1bach着，杨汝均、刘兆昌等编纂，中国建筑工 业出版社，(1987)． 2、科技工程中的数学模型，堪安琦编着，铁道出版社(1988) 3、生物医学数学模型，青义学编着，湖南科学技术出版杜(1990)． 4、农作物害虫管理数学模型与应用，蒲蛰龙主编，广东科技出版社(1990)． 5、系统科学中数学模型，欧阳亮编着， E山东大学出版社，(1995)． 6、种群生态学的数学建模与研究，马知恩着，安徽教育出版社，(1996) 7、建模、变换、优化--结构综合方法新进展，隋允康着，大连理工大学出版社， (1986) 8、遗传模型分析方法，朱军着，中国农业出版社(1997)． (中山大学数学系王寿松编辑，2001年4月)
⑵ 数学建模需要哪些知识
数学建模应当掌握的十类算法及所需编程语言：
1、蒙特卡罗算法（该算法又称随机性模拟算法，是通过计算机仿真来解决问题的算法，同时可以通过模拟可以来检验自己模型的正确性，是比赛时必用的方法）。
2、数据拟合、参数估计、插值等数据处理算法（比赛中通常会遇到大量的数据需要处理，而处理数据的关键就在于这些算法，通常使用Matlab作为工具）。
4、图论算法（这类算法可以分为很多种，包括最短路、网络流、二分图等算法，涉及到图论的问题可以用这些方法解决，需要认真准备）。
5、动态规划、回溯搜索、分治算法、分支定界等计算机算法（这些算法是算法设计中比较常用的方法，很多场合可以用到竞赛中）。
6、最优化理论的三大非经典算法：模拟退火法、神经网络、遗传算法（这些问题是用来解决一些较困难的最优化问题的算法，对于有些问题非常有帮助，但是算法的实现比较困难，需慎重使用）。
7、网格算法和穷举法（网格算法和穷举法都是暴力搜索最优点的算法，在很多竞赛题中有应用，当重点讨论模型本身而轻视算法的时候，可以使用这种暴力方案，最好使用一些高级语言作为编程工具）。
8、一些连续离散化方法（很多问题都是实际来的，数据可以是连续的，而计算机只认的是离散的数据，因此将其离散化后进行差分代替微分、求和代替积分等思想是非常重要的）。
9、数值分析算法（如果在比赛中采用高级语言进行编程的话，那一些数值分析中常用的算法比如方程组求解、矩阵运算、函数积分等算法就需要额外编写库函数进行调用）。
10、图象处理算法（赛题中有一类问题与图形有关，即使与图形无关，论文中也应该要不乏图片的，这些图形如何展示以及如何处理就是需要解决的问题，通常使用Matlab进行处理）。
⑶ 数学建模要学哪些知识还请大牛帮忙解答，希望能给出一些具体的建议，比如先学什么再学什么，真心万分感
1建模基础知识、常用工具软件的使用
一、掌握建模必备的数学基础知识（如初等数学、高等数学等），数学建模中常用的但尚未学过的方法，如图论方法、优化中若干方法、概率统计以及运筹学等方法。
二、，针对建模特点，结合典型的建模题型，重点学习一些实用数学软件（如 Mathematica 、Matlab、Lindo 、Lingo、SPSS）的使用及一般性开发,尤其注意同一数学模型可以用多个软件求解的问题。
例如, 贷款买房问题: 某人贷款8 万元买房，每月还贷款880.87 元，月利率1％。
（1）已经还贷整6 年。还贷6 年后，某人想知道自己还欠银行多少钱，请你告诉他。
（2）此人忘记这笔贷款期限是多少年，请你告诉他。
这问题我们可以用 Mathematica 、Matlab、Lindo 、Lingo 等多个不同软件包编程求解
2 建模的过程、方法
数学建模是一项非常具有创造性和挑战性的活动，不可能用一些条条框框规定出各种模型如何具体建立。但一般来说，建模主要涉及两个方面：第一，将实际问题转化为理论模型；第二，对理论模型进行计算和分析。简而言之，就是建立数学模型来解决各种实际问题的过程。这个过程可以用如下图1来表示。
3常用算法的设计
建模与计算是数学模型的两大核心，当模型建立后，计算就成为解决问题的关键要素了，而算法好坏将直接影响运算速度的快慢答案的优劣。根据竞赛题型特点及前参赛获奖选手的心得体会，建议大家多用数学软件（Mathematica,Matlab,Maple,Lindo,Lingo,SPSS 等）设计算法，这里列举常用的几种数学建模算法.
（1）蒙特卡罗算法（该算法又称随机性模拟算法，是通过计算机仿真来解决问题的算法，同时可以通过模拟可以来检验自己模型的正确性，是比赛时必用的方法，通常使用Mathematica、Matlab 软件实现）。
（2）数据拟合、参数估计、插值等数据处理算法（比赛中通常会遇到大量的数据需要处理，而处理数据的关键就在于这些算法，通常使用Matlab 作为工具）。
（3）线性规划、整数规划、多元规划、二次规划等规划类问题（建模竞赛大多数问题属于最优化问题，很多时候这些问题可以用数学规划算法来描述，通常使用Lindo、Lingo 软件实现）。
（4）图论算法（这类算法可以分为很多种，包括最短路、网络流、二分图等算法，涉及到图论的问题可以用这些方法解决，需要认真准备，通常使用Mathematica、Maple 作为工具）。
（5）动态规划、回溯搜索、分治算法、分支定界等计算机算法（这些算法是算法设计中比较常用的方法，很多场合可以用到竞赛中，通常使用Lingo 软件实现）。
（6）图象处理算法（赛题中有一类问题与图形有关，即使与图形无关，论文中也应该要不乏图片的，这些图形如何展示以及如何处理就是需要解决的问题，通常使用Matlab 进行处理）。
（7）最优化理论的三大非经典算法：模拟退火法、神经网络、遗传算法（这些问题是用来解决一些较困难的最优化问题的算法，对于有些问题非常有帮助，但是算法的实现比较困难，需慎重使用，通常使用Lingo、 Matlab、SPSS 软件实现）。
4 论文结构，写作特点和要求
答卷（论文）是竞赛活动成绩结晶的书面形式，是评定竞赛活动的成绩好坏、高低，获奖级别的唯一依据。因此，写好数学建模论文在竞赛活动中显得尤其重要，这也是参赛学生必须掌握的。为了使学生较好地掌握竞赛论文的撰写要领，（1）要求同学们认真学习和掌握全国大学生数学建模竞赛组委会最新制定的论文格式要求且多阅读科技文献。（2）通过对历届建模竞赛的优秀论文（如以中国人民解放军信息工程学院李开锋、赵玉磊、黄玉慧2004 年获全国一等奖论文：奥运场馆周边的MS 网络设计方案为范例）进行剖析，总结出建模论文的一般结构及写作要点，去学习体会和摸索。
参加全国大学生数学建模竞赛应注意的问题
一、心里要有“底”
首先，赛题来自于哪个实际领地的确难以预料，但绝不会过于“专”，它毕竟是经过简化、加工的。大部分赛题仅凭意识便能理解题意，少数赛题的实际背景可能生疏，只需要查阅一些资料，便可以理解题意。其次，所有的赛题当然要用到数学知识，但一定不会过于高深。用得较多的有运筹学、概率与统计、计算方法、离散数学、微分方程等方面的一部分理论和方法，这些内容在赛前培训要学过一些，真的用到了，总知道在哪些资料中查找。
⑷ 仿真的方法
主要是指建立仿真模型和进行仿真实验的方法，可分为两大类：连续系统的仿真方法和离散事件系统的仿真方法（见仿真方法）。人们有时将建立数学模型的方法也列入仿真方法，这是因为对于连续系统虽已有一套理论建模和实验建模的方法，但在进行系统仿真时，常常先用经过假设获得的近似模型来检验假设是否正确,必要时修改模型,使它更接近于真实系统。对于离散事件系统建立它的数学模型就是仿真的一部分。
⑸ 请问仿真与模拟的区别是什么
一、作用不同
1、仿真
随着军事和科学技术的迅猛发展，仿真已成为各种复杂系统研制工作的一种必不可少的手段，尤其是在航空航天领域，仿真技术已是飞行器和卫星运载工具研制必不可少的手段，可以取得很高的经济效益。
2、模拟
模拟的作用表现在：
①能对高度复杂的内部交互作用的系统进行研究和实验。
②能设想各种不同方案，观察这些方案对系统的结构和行为的影响。
③能反映变量间的相互关系，说明哪些变量更重要，如何影响其他变量和整个系统。
④能研究不同时期相互间的动态联系，反映系统行为随时间变化而变化的情况。
二、意义不同
1、仿真
海湾战争期间“爱国者”导弹和“飞毛腿”导弹之间的较量，也反映出了仿真模拟的参与。现代战略导弹的进攻威力很大，射程很远，更要命的是常常装有多个真真假假的弹头，用来迷惑敌方，以便顺利突破敌方强大的防空网。
2、模拟
模拟是在设计的最初阶段开始进行，这期间设计人员会借助它来对初始代码进行评估。开发人员需在设计进程的初期阶段--一般在获得硬件前的几个月--使用模拟器对复杂的多核系统进行建模。
三、方法不同
1、仿真
连续系统的仿真方法和离散事件系统的仿真方法（见仿真方法）。人们有时将建立数学模型的方法也列入仿真方法，这是因为对于连续系统虽已有一套理论建模和实验建模的方法。
但在进行系统仿真时，常常先用经过假设获得的近似模型来检验假设是否正确，必要时修改模型,使它更接近于真实系统。对于离散事件系统建立它的数学模型就是仿真的一部分。
2、模拟
进行模拟的步骤包括确定问题、收集资料、制订模型、建立模型的计算程序、鉴定和证实模型、设计模型试验、进行模拟操作和分析模拟结果。
这里所说的模型必须是模拟模型，一般地说，随机模型比确定性模型、动态模型比静态模型、非线性模型比线性模型更多地使用模拟方法来分析和求解，而成为模拟模型。
模拟模型比较灵活，不求最优解，可以回答如果在某个时期采取某种行动对后续时期将会产生什么后果一类的问题。除模拟模型外，进行模拟还需要电子计算机程序、模拟语言、实验设计技术等必要的知识。
⑹ 系统仿真的概念是什么
系统仿真的概念是根据系统分析的目的，在分析系统各要素性质及其相互关系的基础上，建立能描述系统结构或行为过程的、且具有一定逻辑关系或数量关系的仿真模型，据此进行试验或定量分析，以获得正确决策所需的各种信息。
计算机试验常被用来研究仿真模型（simulation model）。仿真也被用于对自然系统或人造系统的科学建模以获取深入理解。仿真可以用来展示可选条件或动作过程的最终结果。
仿真也可用在真实系统不能做到的情景，这是由于不可访问（accessible）、太过于危险、不可接受的后果、或者设计了但还未实现、或者压根没有被实现等。
仿真的主要论题是获取相关选定的关键特性与行为的有效信息源，仿真时使用简化的近似或者假定，仿真结果的保真度（fidelity）与有效性。模型验证（verification）与有效性（validation）的过程、协议是学术学习、改进、研究、开发仿真技术的热点，特别是对计算机仿真。
(6)模拟仿真需要离散数学知识扩展阅读
仿真软件分为仿真语言、仿真程序包和仿真软件系统三类。其中仿真语言是应用最广泛的仿真软件。仿真程序包是针对仿真的专门应用领域建立起来的程序系统。软件设计人员将常用的程序段设计成通用的子程序模块，并设计一个主程序模块，用于调用子程序模块。
仿真研究人员使用这种程序包可免去繁重的程序编制工作。仿真程序包除不具备仿真软件的功能①以外，至少具备功能②、③、④中的任一种。
仿真软件系统以数据库为核心将仿真软件的所有功能有机地统一在一起，构成一个完善的系统。它由建模软件、仿真运行软件（语言）、输出结果分析报告软件和数据库管理系统组成。
型科学计算、复杂系统动态特性建模研究、过程仿真培训、系统优化设计与调试、故障诊断与专家系统等，提供通用的、一体化的、全过程支撑的，基于微机环境的开发与运行支撑平台。软件采用了动态内存机器码生成技术、分布式实时数据库技术和面向对象的图形化建模方法，在仿真领域处于国内领先水平。
它主要用于能源、电力、化工、航空航天、国防军事、经济等研究领域，既可用于科研院所的科学研究，也可用于实际工程项目。
⑺ 数学建模需要掌握哪些编程语言和技术
数学建模应当掌握的十类算法及所需编程语言：
1、蒙特卡罗算法（该算法又称随机性模拟算法，是通过计算机仿真来解决问题的算法，同时可以通过模拟可以来检验自己模型的正确性，是比赛时必用的方法）。
2、数据拟合、参数估计、插值等数据处理算法（比赛中通常会遇到大量的数据需要处理，而处理数据的关键就在于这些算法，通常使用Matlab作为工具）。
3、线性规划、整数规划、多元规划、二次规划等规划类问题（建模竞赛大多数问题属于最优化问题，很多时候这些问题可以用数学规划算法来描述，通常使用Lindo、 Lingo软件实现）。
4、图论算法（这类算法可以分为很多种，包括最短路、网络流、二分图等算法，涉及到图论的问题可以用这些方法解决，需要认真准备）。
5、动态规划、回溯搜索、分治算法、分支定界等计算机算法（这些算法是算法设计中比较常用的方法，很多场合可以用到竞赛中）。
6、最优化理论的三大非经典算法：模拟退火法、神经网络、遗传算法（这些问题是用来解决一些较困难的最优化问题的算法，对于有些问题非常有帮助，但是算法的实现比较困难，需慎重使用）。
7、网格算法和穷举法（网格算法和穷举法都是暴力搜索最优点的算法，在很多竞赛题中有应用，当重点讨论模型本身而轻视算法的时候，可以使用这种暴力方案，最好使用一些高级语言作为编程工具）。
8、一些连续离散化方法（很多问题都是实际来的，数据可以是连续的，而计算机只认的是离散的数据，因此将其离散化后进行差分代替微分、求和代替积分等思想是非常重要的）。
9、数值分析算法（如果在比赛中采用高级语言进行编程的话，那一些数值分析中常用的算法比如方程组求解、矩阵运算、函数积分等算法就需要额外编写库函数进行调用）。
10、图象处理算法（赛题中有一类问题与图形有关，即使与图形无关，论文中也应该要不乏图片的，这些图形如何展示以及如何处理就是需要解决的问题，通常使用Matlab进行处理）。
⑻ 仿真模拟的三大组成部分
对一个工程技术系统进行模拟仿真，包括了建立模型、实验求解和结果分析三个主要步骤。
建立系统数学模型
模拟仿真是一基于模型的活动，是用模型模拟来代替真实系统进行实验和研究。因此，首先就要对待仿真的问题进行定量描述，这就是建立系统的数学模型。
模型是对真实世界的模仿，真实世界是五彩缤纷的，因此模型也是千姿百态的；
根据模型中是否包含随机因素，可分为随机型和确定型模型。
根据模型是否具有时变性，可分为动态模型和静态模型。
根据模型参数是否在空间连续变化，可分为分布参数模型和集中参数模型。
根据模型参数是否随时间连续变化，可分为连续系统模型和离散系统模型。
根据模型的数学描述形式，又可分为常微分方程、偏微分方程、差分方程、离散事件模型等。
对于上述不同类型的模型，这里不作深入的论述，只讨论建立系统数学模型中的几个共性问题。
1）建模的过程是一个信息处理的过程，换而言之，信息是构造模型的“原材料”，根据建模所用的不同类型“原材料”可将建模方法归为两类：
一类是演绎法建模，即利用先验的技术信息建模。其过程是：从某些前提、假设、原理和规则出发，通过数学逻辑推导来建立模型。因此，这是一个从一般到特殊的过程，即根据普遍的技术原理推导出被仿真对象的特殊描述。
另一类是归纳法建模，即利用对真实系统的试验数据信息建模。其过程是：通过对真实系统的测试获得数据，这些数据中包含着能反映真实系统本质的信息，然后通过数据处理的方法，从中得出对真实系统规律性的描述，例如大家熟知的最小二乘回归模型等。这是一个从特殊到一般的过程。
但是实际应用中，常常是通过上述两类方法的结合完成模型的建立，即混合法建模。
不管用哪种方法建模，其关键都在于真实系统的了解程度。如果对真实系统没有充分的和正确的了解，那么所建的模型将不能准确地模仿出真实系统的本质。
2）模型的可信度。既然模型是对真实系统的模仿，那么就有一个模仿得像不像的问题，这就是模型的相似度、精度的可信度的问题。
模型的可信度取决于建模所用的信息“原材料”（先验知识、试验数据）是否正确完备，还取决于所用建模方法（演绎、归纳）是否合理、严密。此外，对于许多仿真 软件来说，还要将数学模型转化为仿真算法所能处理的仿真模型。因此，这里还有一个模型的转换精度问题。建模中任何一个环节的失误，都会影响模型的可信度。
为此，在模型建立好以后，对模型进行可信度检验是不可缺少的重要步骤。检验模型呆信度的方法通常是：首先由熟悉被仿真系统的专家对模型作分析评估，然后对建模所用数据进行统计分析，最后对模型进行试运行，将初步仿真结果与估计结果相比较。
仿真计算
仿真计算是对所建立的仿真模型进行数值实验和求解的过程，不同的模型有不同的求解方法。例如：对于连续系统，通常用常微分方程、传递函数，甚至偏微分方程对 其进行描述。由于要得到这些方程的解析解几乎是不可能的，所以总是采用数值解法，如：对于常微分方程主要采用各种数值积分法，对于偏微分方程则采用有限差 分法、特征法、蒙特卡罗法或有限元方法等。
又例如：对于离散事件系统，通常采用概率模型，其仿真过程实际上是一个数值实验的过程，而这些参数又必须符合一定的概率分布规律。对于不同类型的离散事件系统（如随机服务系统、随机库存系统、随机网络计划等）有不同的仿真方法。
随着被仿真对象复杂程度的提高和对仿真实时性的迫切要求，研究新的仿真算法一直是一项重要的任务，特别是研究各种并行的仿真算法。
仿真结果的分析
要 想通过模拟仿真得出正确、有效地结论，必须对仿真结果进行科学的分析。早期的仿真软件都是以大量数据的形式输出仿真的结果，因此有必要对仿真结果数据进行 整理，进行各种统计分析，以得到科学的结论。现代仿真软件广泛采用了可视化技术，通过图形、图表，甚至动画生动逼真地显示出被仿真对象的各种状态，使模拟 仿真的输出信息更加丰富、更加详尽、更加有利于对仿真结果的科学分析。