下面是近20年来数学建模国赛的相关信息汇总，只包含本科组题目，其中模型&算法来源于每年优秀论文中的方法或模型，黑体加粗的是多篇论文中提到最多的模型或算法。后面几年的参考论文较少，因此无法列出太多的模型，仅供参考。(可能有些模型太老了，我们没听说过，或者已经改名了，这里以原文为准）

19年的相关资料还未找到，先鸽一波

分析上表看出，一般情况下，A题需要具备很强的数理分析能力，B题涉及多学科内容，考验学科交叉。

再分析近年B题，发现题目越来越精简，附件数据越来越少，甚至不提供附件。更考验获取信息和数据的能力。（搜索术、爬虫）。

另外，各种模型（不限于数学类）越来越丰富，从以前的纯数学分析，到近年来各种模型的崛起和普及，那些“大名鼎鼎”的模型被越来越多地应用。（可视化）

仔细分析上表，发现使用较多的算法或模型有：最小二乘法、模拟退火算法、神经网络、遗传算法、聚类分析、多目标优化、灰色预测、层次分析、线性回归等。

总结所有论文的建模部分，发现大部分优秀论文都采用“多对一”模式，即用多个模型分析一道题目，并对不同模型的分析结果进行加权处理，不同模型之间相互检验，相互支持，以提高文章说服力。

最后，发现九十多篇优秀论文中，大部分使用matlab为主要编程语言，外加两个必备软件“Lingo, spss”，基本没有团队用Python，可能是因为它的参考源码较少，不利于快速完成建模，不过近年来人工智能算法逐渐发展，类似神经网络、深度学习等，Python数据分析也逐渐被推广和普及。