写在前面

一般来说对于初次参加美赛的同学大多没接触完整的数学建模，或者只是简单的学过C/C++语言等课程。总之对很多建模软件、编程语言大家不是特别熟悉，这次保研派通过此次推送给大家介绍几个好用的软件及如何快速入门学会使用。

另外，美赛组委会对使用的数模软件、编程语言没有明确要求，也就是说只要能编程并且可以得出有效的建模结果、图线的软件均可。每年参赛者最常用的几个软件分别是MATLAB、C/C++（结合编译器）、python（结合编译器）、fortran、R

常用美赛软件汇总

1、MATLAB

MATLAB中文名叫矩阵实验室，MATLAB里的所有运算都是以矩阵为基础的，所以想学好MATLAB，线性代数是必须的，交互界面非常友好，并且支持全中文界面，MATLAB不算是一门编程语言，自身就是一个数值运算及绘图的平台，编程语法和C非常相近，有一定C语言基础的同学找本入门教材/算例走一遍流程就能上手。非官方统计，MATLAB使用者占每年参赛者半数，并且许多学校的赛前培训备战也以matlab作为基础培训软件。是我最推荐的数模软件(除非你会python)。

学过matlab的同学都知道这个梗“matlab除了不会生孩子剩下什么都会”。

优点：好上手 好绘图 网上的教学资源多 算例多 什么都能干。

缺点：什么都能干，但是处理特定问题时表现一般，算例就会少很多。

2、Python

配上好用的编译器，比如Pycharm。“何以解忧，我有python”

python配上好用的编译器也是一个无所不能的存在，现在很多学校很多专业已经用pathon取代了C成为了基础计算机教学语言。Python也是需要线性代数基础的，运算可以针对单个元素，也可以针对向量、矩阵。有了好使的编译器图形交互界面也很友好，Python最最最大的优点是有许多AI算法的第三方包，而且是开源的，如果你使用Python作为建模软件，再熟悉如何使用社区，基本可以把美赛变成一个改代码的搬砖活动，比如大数据处理的很多算法，函数优化求极值的算法，在Python社区有开源共享的算例和源代码，你要做的就是迅速结合你的题目读懂源代码然后改编实现你自己的代码。

优点：配上各种编译器基本上啥都能干，解决特定问题能力极强，社区资源丰富。

缺点：可能需要现学很多东西，准备周期长。

3、C语言

C基本上理工类学生都有接触，同时也是计算机等专业的考研核心语言，运算比较快，是个底层计算机语言，极差特别大，上手个人感觉不是太友好。对于初次接触数模的同学，能用python或者matlab 还是先紧着后两者吧。对于计算机、通信类的同学当然哪个熟悉使用哪个。

4、R 以及Origin

R就是传统意义上数据处理、分析、绘图的软件，某些经济统计类的同学相对熟悉一些。学有余力的情况下作为辅助绘图、分析软件是个不错的选择，每年只用R得奖的队伍也有不少，我小伙伴的三经济队伍使用的就是R，成功拿到了2019M奖。

Origin则是专业的数据绘图软件，是很多理工科学生科研搬砖的必备工具，绘图简易且精美，就是需要花不少时间上手学习。

美赛Tips

1、参赛三人最好是三人均会使用同一款软件，便于交流和改bug，其中一两个成员会使用其他软件作为一个辅助路子。

2、另一个问题，新手如何快速学习一款新的软件/编程语言呢？

对于有一定编程基础的同学基本上看看帮助文档和经典教材，再辅助几个经典的算例就能快速上手，计算机语言实质都是相通的。

对于零基础的萌新，建议从经典教材开始结合视频网课，循序渐进，然后做些课后练习，算一些算例，读一些简单的建模小论文，花20天左右从Hello world开始直至可以使用软件熟练绘图、处理数据为止。（关于如何使用指针，各种树等高阶用法建模竞赛一般用不着，可以暂时跳过。）