在之前的数模竞赛中，即便是美赛O奖的作品中，我们都能看到诸如灰色预测这样的用MATLAB实现的方法，实际上我们有时间序列，回归等一系列比较常用的预测方法。在18年前后，预测类数模问题变得较为尴尬，不是因为这些题目简单，是因为大家都有了一套两套现成的算法，拿题后只要找到数据就能很快跑程序出数据出图写论文。
所以那个时候基本上很少有预测的题目再出现了。实际上，评价类模型和预测类模型都是这样，因为人均都会，所以导致我们不会见到一整个大题全是讲预测的。在这之前，我们在国赛见过人口增加预测，长江水质预测，世博会影响预测等等，那个时候基本上都是用matlab去实现这些数据的处理和预测。说起来，在15年我本科入学的时候有个风潮，就是互联网 ，那个时候就是谁有着一个什么创新创业的点子，就可以去参加比赛拿拿奖。
我一看这还要做ppt路演，搞得比较商业，当时就没怎么关注，毕竟我只喜欢参加埋头做题的比赛。上台说话这种我比较怯场，不过我也不是没有改变自己，有一次我最终鼓起勇气去参加了学校一个英语辩论赛，初赛只有抽题观点陈述这一部分，不用和别的同学正面对抗，所以我侥幸侃侃而谈，成功入围复赛，高兴之余，也激动地和室友报喜，随后联系复赛管理人员说我不去了，名额因此也顺延给了后一名，不知道算不算得上一桩美谈。
扯远了，主要是那个时候搞互联网 ，什么东西都要加互联网，超市 互联网=做个订超市app，打车 互联网=打车软件。现在python很火，颇有一番人工智能 的趋势。在数模领域，除了matlab，学会python搞人工智能应用也将是一个趋势，不过吧，实际上MATLAB也能实现一部分。那么在预测类这方面，用python的话：LSTM：长短期记忆网络GRU：门控循环单元DBN：深度置信网络QNN：量子神经网络SVR：支持向量机XGBoost：极端梯度提升CNN：卷积神经网络ESN：回声状态网络……举例的这些方法都可以被应用到预测中，如果你搜索这些算法，你会发现有不少核心期刊论文，通篇运用这些方法来做预测。
计算机编程算法和数学有什么关系？
数学对于计算机算法编程来说非常重要。我主要从下面两个方面来说明它为何这么重要一. 培养逻辑思维能力数学和算法编程都需要较强的逻辑思维能力，程序代码的逻辑结构、前后联系及处理方式都需要较强的逻辑思维能力，而数学学得好，逻辑思维能力强，通常算法编程领悟也会更深。二. 数学应用于算法编程这一点应该是数学与算法编程比较相关的重要原因，无论是计算机的底层还是非底层，数学知识到处都有体现。
例如计算机底层的二进制、机器学习和深度学习的梯度推导、SVD分解、张量分解、PCA求特征值、优化问题、密码学的大数分解、概率图模型等等都是与数学特别相关。下面我随便举两个例子，可以自己体会例1： 给定一个数x，开平方并取倒数。代码实现如下这是当年的经典游戏雷神之锤3里面的代码，经测试这段代码比(float)(1.0/sqrt(x))快4倍，计算性能有质的飞跃。
为此还专门有一篇论文《Fast Inverse Square Root》讲解这个代码的数学原理，感兴趣的同学可以找一下这篇文章研究一下。例2：给定一个数n，n可能非常大，比如10的18次方这么大，求x^2 y^2=n的解。如果不用数学知识，直接暴力搜索，时间复杂度为O(n)，效率低下，而且按目前的计算机水平也很难算出来。
如果了解Brahmagupta–Fibonacci identity、Pollard-rho分解法、二次同余方程的解、欧几里德辗转相除等数学知识，那么求解这个问题的时间复杂度大大降低，保证0.2秒内出结果。如果工作是算法岗位，数学更加特别重要，因为机器学习、数据挖掘、NLP等方向的底层原理基本都与数学脱离不开关系。
