① 数学建模需要怎样的编程水平
其实，负责编程的同学，并不是说比谁代码写得长，谁代码写得好，而是应该为建模的同学提供一个结果（只从数模拿奖（功利的角度出发）无论结果的好坏，甚至是否有结果，在比赛即将结束的时刻，都应该给建模队友一个所得过去的“答案”），所以可以在做一些数模问题的时候，用一些较为“傻瓜”的软件，比如SPSS，这个软件可以解决统计学中的很多问题，比如2012年的国赛葡萄酒评价问题，这道题就是使用SPSS的代表。所以说，以其说是会编程，不如说是应该会使用相关软件，让所建模型输出一个不错的结果。还有作图软件Origin，在进行一些简单的作图时候，可以使用Origin而没有必要去使用Matlab进行画图，一般情况下，在问题不太复杂的时候，是没有必要使用Matlab的。还有一款软件叫做Visio，这款软件是画流程图的利器，比如说写完一段程序附上程序框图，或者用系统动力学解决一个问题时画的系统流图，得到的效果都是非常棒的（PS：初次学习建模的同学，无论如何一定要在Matlab上面下一点功夫，即使没有办法掌握，也需要知道如何修改别人的优秀程序，为我所用）。
② 数学建模与编程
如果你C语言很熟悉的话完全可以，C++只是在C语言的基础上做了一些扩展，在解决数学建模上两者是差不多的。不过建议你用MATLAB，它对于许多数学矩阵上的运算十分方便。
编程不是建模的重点，但是又是必要的一个环节，掌握一门编程语言才能很好地把握建模的过程。
③ 数学建模，编程
可以参加，但你学的没什么卵用
④ 大学生数学建模容易吗是否要用C语言来编程序，要是需要那如何编
大学生数学建模不是很容易,需要有较强的数学功底
以及编写程序的能力
用C语言建模的话,一般要具体问题具体分析,举个例子:求二元一次方程的根
一般是用MATLAB,数学专用建模工具
⑤ 要学习数学建模的编程，需要学会什么软件
matlab maple lingo,一般都用这三个.不用着急全学会,碰到实际问题在解决问题的过程中学习比较好.
数模想法最重要,关键看有没有创新,编程只是工具
⑥ 数学建模在编程中真的那么重要吗！
不能简单的说重要与不重要。
数学建模与编程有着相辅相成的作用。学习数学建模有利于锻炼人的思维能力，对于编程肯定是有利的，另外编程所用的许多算法都源自于数学，学习好数学建模对于编程的作用当然不可小视，但是，至于实际作用有多大，那就因人因实际情况而异了；同样，编程所用的一些算法常常应用于数学建模问题的解决，它对于提高我们的编程水平，提高我们用计算机程序解决实际问题的能力是大有益处的。
近年来，数学建模越来越依靠计算机来解决实际问题，计算机的应用促进了数学的进一步发展，与此同时，数学的发展也促进了计算机技术的飞跃。
对于你的专业，我不能轻易地说数学建模对你重要不重要，我只是想对你提一个建议，如果有机会、有兴趣、有时间的话，你可以适当的学一学，不要苛求达到什么水平，不要有功利思想，只要有兴趣，你就专心的学（不只是数学建模），没兴趣绝对不要强求，也许将来你会发现自己没有做错选择。
作为一个曾经参加过数学建模并且一直深爱着数学建模的人，给你说了一大堆，希望对你有所帮助。
⑦ 有会数学建模编程的吗
数学建模大赛主要考察的是数学抽象能力、模型建立能力、数据采集能力、逻辑分析计算能力。
以一个例题为例，“请为智能洗衣机设置一个智能程序，达到最佳的洗衣效果”
这就要求你理解怎么洗衣服干净的抽象能力，影响洗衣效果的有哪些？衣服和水的比例问题；洗衣液浓度对污点漂洗效果问题；换水几次对洗涤效果的影响；洗衣机滚筒旋转速度和时间对洗涤效果的影响；等等。
每个影响因素都是一个参数，然后将这个参数组合到一个未知的函数中，通过已有的或自己猜想的逻辑关系或公式对函数进行补充，然后计算验证，再纠偏改进再验证
当确定函数逼近真实后，对函数求最优解。
编程只是一个工具，因为整个过程需要进行多次迭代，以及求解，是超出人的计算能力的。
好像没规定必须3个人吧，最多3个人而已。因为工作量大，人少了不合适。
⑧ 数学建模是计算机编程吗
数学建模主要分为三部分：建模，编程和写作；往往建立一个数学模型后需要也必须借助于计算机求解。
⑨ 数学建模需要什么基础需要编程吗
不知是指是哪一方面的。数学建模当然需要数学知识作为基础了。
⑩ 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）。