① 數學建模需要怎樣的編程水平
其實，負責編程的同學，並不是說比誰代碼寫得長，誰代碼寫得好，而是應該為建模的同學提供一個結果（只從數模拿獎（功利的角度出發）無論結果的好壞，甚至是否有結果，在比賽即將結束的時刻，都應該給建模隊友一個所得過去的「答案」），所以可以在做一些數模問題的時候，用一些較為「傻瓜」的軟體，比如SPSS，這個軟體可以解決統計學中的很多問題，比如2012年的國賽葡萄酒評價問題，這道題就是使用SPSS的代表。所以說，以其說是會編程，不如說是應該會使用相關軟體，讓所建模型輸出一個不錯的結果。還有作圖軟體Origin，在進行一些簡單的作圖時候，可以使用Origin而沒有必要去使用Matlab進行畫圖，一般情況下，在問題不太復雜的時候，是沒有必要使用Matlab的。還有一款軟體叫做Visio，這款軟體是畫流程圖的利器，比如說寫完一段程序附上程序框圖，或者用系統動力學解決一個問題時畫的系統流圖，得到的效果都是非常棒的（PS：初次學習建模的同學，無論如何一定要在Matlab上面下一點功夫，即使沒有辦法掌握，也需要知道如何修改別人的優秀程序，為我所用）。
② 數學建模與編程
如果你C語言很熟悉的話完全可以，C++只是在C語言的基礎上做了一些擴展，在解決數學建模上兩者是差不多的。不過建議你用MATLAB，它對於許多數學矩陣上的運算十分方便。
編程不是建模的重點，但是又是必要的一個環節，掌握一門編程語言才能很好地把握建模的過程。
③ 數學建模，編程
可以參加，但你學的沒什麼卵用
④ 大學生數學建模容易嗎是否要用C語言來編程序，要是需要那如何編
大學生數學建模不是很容易,需要有較強的數學功底
以及編寫程序的能力
用C語言建模的話,一般要具體問題具體分析,舉個例子:求二元一次方程的根
一般是用MATLAB,數學專用建模工具
⑤ 要學習數學建模的編程，需要學會什麼軟體
matlab maple lingo,一般都用這三個.不用著急全學會,碰到實際問題在解決問題的過程中學習比較好.
數模想法最重要,關鍵看有沒有創新,編程只是工具
⑥ 數學建模在編程中真的那麼重要嗎！
不能簡單的說重要與不重要。
數學建模與編程有著相輔相成的作用。學習數學建模有利於鍛煉人的思維能力，對於編程肯定是有利的，另外編程所用的許多演算法都源自於數學，學習好數學建模對於編程的作用當然不可小視，但是，至於實際作用有多大，那就因人因實際情況而異了；同樣，編程所用的一些演算法常常應用於數學建模問題的解決，它對於提高我們的編程水平，提高我們用計算機程序解決實際問題的能力是大有益處的。
近年來，數學建模越來越依靠計算機來解決實際問題，計算機的應用促進了數學的進一步發展，與此同時，數學的發展也促進了計算機技術的飛躍。
對於你的專業，我不能輕易地說數學建模對你重要不重要，我只是想對你提一個建議，如果有機會、有興趣、有時間的話，你可以適當的學一學，不要苛求達到什麼水平，不要有功利思想，只要有興趣，你就專心的學（不只是數學建模），沒興趣絕對不要強求，也許將來你會發現自己沒有做錯選擇。
作為一個曾經參加過數學建模並且一直深愛著數學建模的人，給你說了一大堆，希望對你有所幫助。
⑦ 有會數學建模編程的嗎
數學建模大賽主要考察的是數學抽象能力、模型建立能力、數據採集能力、邏輯分析計算能力。
以一個例題為例，「請為智能洗衣機設置一個智能程序，達到最佳的洗衣效果」
這就要求你理解怎麼洗衣服干凈的抽象能力，影響洗衣效果的有哪些？衣服和水的比例問題；洗衣液濃度對污點漂洗效果問題；換水幾次對洗滌效果的影響；洗衣機滾筒旋轉速度和時間對洗滌效果的影響；等等。
每個影響因素都是一個參數，然後將這個參數組合到一個未知的函數中，通過已有的或自己猜想的邏輯關系或公式對函數進行補充，然後計算驗證，再糾偏改進再驗證
當確定函數逼近真實後，對函數求最優解。
編程只是一個工具，因為整個過程需要進行多次迭代，以及求解，是超出人的計算能力的。
好像沒規定必須3個人吧，最多3個人而已。因為工作量大，人少了不合適。
⑧ 數學建模是計算機編程嗎
數學建模主要分為三部分：建模，編程和寫作；往往建立一個數學模型後需要也必須藉助於計算機求解。
⑨ 數學建模需要什麼基礎需要編程嗎
不知是指是哪一方面的。數學建模當然需要數學知識作為基礎了。
⑩ 數學建模需要掌握哪些編程語言和技術
數學建模應當掌握的十類演算法及所需編程語言：
1、蒙特卡羅演算法（該演算法又稱隨機性模擬演算法，是通過計算機模擬來解決問題的演算法，同時可以通過模擬可以來檢驗自己模型的正確性，是比賽時必用的方法）。
2、數據擬合、參數估計、插值等數據處理演算法（比賽中通常會遇到大量的數據需要處理，而處理數據的關鍵就在於這些演算法，通常使用Matlab作為工具）。
3、線性規劃、整數規劃、多元規劃、二次規劃等規劃類問題（建模競賽大多數問題屬於最優化問題，很多時候這些問題可以用數學規劃演算法來描述，通常使用Lindo、 Lingo軟體實現）。
4、圖論演算法（這類演算法可以分為很多種，包括最短路、網路流、二分圖等演算法，涉及到圖論的問題可以用這些方法解決，需要認真准備）。
5、動態規劃、回溯搜索、分治演算法、分支定界等計算機演算法（這些演算法是演算法設計中比較常用的方法，很多場合可以用到競賽中）。
6、最優化理論的三大非經典演算法：模擬退火法、神經網路、遺傳演算法（這些問題是用來解決一些較困難的最優化問題的演算法，對於有些問題非常有幫助，但是演算法的實現比較困難，需慎重使用）。
7、網格演算法和窮舉法（網格演算法和窮舉法都是暴力搜索最優點的演算法，在很多競賽題中有應用，當重點討論模型本身而輕視演算法的時候，可以使用這種暴力方案，最好使用一些高級語言作為編程工具）。
8、一些連續離散化方法（很多問題都是實際來的，數據可以是連續的，而計算機只認的是離散的數據，因此將其離散化後進行差分代替微分、求和代替積分等思想是非常重要的）。
9、數值分析演算法（如果在比賽中採用高級語言進行編程的話，那一些數值分析中常用的演算法比如方程組求解、矩陣運算、函數積分等演算法就需要額外編寫庫函數進行調用）。
10、圖象處理演算法（賽題中有一類問題與圖形有關，即使與圖形無關，論文中也應該要不乏圖片的，這些圖形如何展示以及如何處理就是需要解決的問題，通常使用Matlab進行處理）。