数学建模中常用的方法:类比法、二分法、差分法、变分法、图论法、层次分析法、数据拟合法、回归分析法、数学规划(线性规划，非线性规划，整数规划，动态规划，目标规划)、机理分析、排队方法、对策方法、决策方法、模糊评判方法、时间序列方法、灰色理论方法、现代优化算法(禁忌搜索算法，模拟退火算法，遗传算法，神经网络)。
这些方法可以解一些模型:优化模型、微分方程模型、统计模型、概率模型、图论模型、决策模型。
拟合与插值方法(给出一批数据点，确定满足特定要求的曲线或者曲面，从而反映对象整体的变化趋势): matlab可以实现一元函数，包括多项式和非线性函数的拟合以及多元函数的拟合，即回归分析，从而确定函数; 同时也可以用matlab实现分段线性、多项式、样条以及多维插值。
2数学建模方法一
在分析建模思路的过程中，我们认为要分两步来实现这个终极的目标，首先要求解出各商区内理想的超市数量，可以用目标规划实现。然后根据各类型超市的商圈范围具体设置各超市的位置。这样下来，我们要做什么工作，用什么方法就基本清楚了，下面的工作就是具体实现的问题了。目标建模方法还有一个优点是便于写论文，可以提前设计结果的表现形式，比如这道问题中，我就提前设计好了表现结果的表格，告诉编程的队友，结果放在这个表格中，这样他编程也有了目标。
目标建模方法和上面提到的项目管理有很好的一致性，在项目管理中，也要提前制定项目计划，而目标建模中的目标是计划制定中最核心的部分，所以这些方法在本质上是相同。需要提到的，在实际建模比赛中根本也不必刻意去搞清楚这些，否则自己的思路和行为会被这些规则约束的，反而影响成绩。只要本着将事情做好的思想做事就行了，黑猫白猫抓住老鼠才是能猫。
[图片0]
3数学建模方法二
建模型: 建模型是最为关键的一步，新手往往是无从下手，这是因为知识面不光，缺乏背景知识。背景知识对建模型来讲是很重要的，如果课题的背景刚好是本专业的，那就会知道问题的关键是什么，该怎么样去解决，而事实上往往不是这样，问题的背景是所不熟悉的领域，这个时候就需要查资料了解这个问题的背景和了解问题的发展，特点，关键所在以及前人是怎么解决的等等。因此需要训练查找资料和查找文献的能力。
解模型: 模型建好了，该怎么解是个常常令人头痛的问题。这个不仅是新手，而且一般是令绝大多数同学头痛的问题，辛辛苦苦把模型建了，但是解不出结果来，这个时候往往时间很紧了，常常令人无奈，所以培训的时候多做这些方面的训练是十分必要的。解模型实质上就是算法的实践。一般来讲是用matlab，mathematica，lingo，lindo，spss等等数学软件来求解，当然有的时候c/c++是很实用的工具。
4数学建模方法三
数值分析(numericalanalysis)，是数学的一个分支，主要研究连续数学(区别于离散数学)问题的算法。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。这类算法是针对高级语言而专门设的，如果你用的是 MATLAB、Mathematica，大可不必准备，因为像数值分析中有很多函数一般的数学软件是具备的。
在数学建模竞赛中:比如 01 年 A 题中需要你会读 BMP 图象、美国赛 98 年 A 题需要你知道三维插值计算，03 年 B 题要求更高，不但需要编程计算还要进行处理，而数模论文中也有很多图片需要展示，因此图象处理就是关键。做好这类问题，重要的是把 MATLAB 学好，特别是图象处理的部分。
以上就数学建模方法与分析的相关建议，希望能帮助您。