分類判別:歐氏距離判別、費希爾判別等。
圖論:如何求最短路徑？；
最優化:方程組？用lindo或lingo軟件求解；
其他方法:層次分析法、馬爾可夫鏈主成分分析法等。
建模常用算法，僅供參考:
蒙特卡羅算法(這種算法也叫隨機模擬算法，是壹種通過計算機模擬來解決問題的算法，同時=妳可以通過模擬來檢驗妳的模型的正確性，這是競賽中必須的方法)。
數據擬合、參數估計、插值等數據處理算法(比賽中通常有大量的數據需要處理，處理數據的關鍵就在於這些算法，通常以Matlab為工具)。
線性規劃、整數規劃、多元規劃、二次規劃等規劃問題(建模競賽中的問題大多屬於優化問題，很多時候這些問題都可以用數學規劃算法來描述，通常用Lindo和Lingo軟件來實現)。
圖論算法(這類算法可以分為很多種，包括最短路徑，網絡流，二分圖等等。圖論相關的問題可以用這些方法解決，需要認真準備)。
動態規劃、回溯搜索、分治算法、分支定界等計算機算法(這些算法是算法設計中常用的，在很多場合的競賽中也可以用到)。
最優化理論的三種非經典算法:模擬退火法、神經網絡、遺傳算法(這些問題用於解決壹些困難的最優化問題，對壹些問題很有幫助，但算法的實現比較困難，要謹慎使用)。
網格算法和窮舉法(網格算法和窮舉法都是暴力搜索的最佳算法，在很多競賽題中都有應用。當專註於模型本身而忽略算法時，可以使用這種暴力的方案，最好使用壹些高級語言作為編程工具)。
壹些連續的離散化方法(很多問題都是實用的，數據可以是連續的，但是計算機只識別離散數據，所以離散化，用積分代替求和代替微分是很重要的)。
數值分析算法(如果在競賽中使用高級語言編程，數值分析中的壹些常用算法，如解方程、矩陣運算、函數積分等等，需要編寫額外的庫函數來調用)。
圖像處理算法(競賽中有壹類與圖形相關的問題，即使與圖形無關，但論文中應該有很多圖片，如何顯示和處理這些圖形是要解決的問題，壹般用Matlab來處理)。