下面是近20年來數學建模國賽的相關信息匯總，只包含本科組題目，其中模型&算法來源於每年優秀論文中的方法或模型，黑體加粗的是多篇論文中提到最多的模型或算法。后面幾年的參考論文較少，因此無法列出太多的模型，僅供參考。(可能有些模型太老了，我們沒聽說過，或者已經改名了，這里以原文為准）
| 年份 | A題 | 模型&算法&方法 | B題 | 模型&算法&方法 |
|---|---|---|---|---|
| 2000 | DNA序列分類 | 廣度優先法 逐步優選法 最小二乘法 層次分類法 歐氏距離 馬氏距離 F isher 准則 人工神經網絡 |
鋼管訂購和運輸 | 弗洛依德算法 二次規划 線性規划 網絡流 最小面積 圖論最短路徑 |
| 2001 | 血管的三維重建 （螺旋） |
Bresenham BMP圖像處理 像素的四鄰域 離散和連續 快速傅立葉變換(FFT)及反變換 Bézier |
公交車調度 | 多目標優化（規划） Fisher 聚類 排隊論 最小二乘法 |
| 2002 | 車燈線光源的優化設計 | 廣度優先搜索 優化設計 非線性規划 向量投影 |
彩票中的數學 | 吸引力 模糊綜合評判 層次分析法 熵權法 logit 二項分布 |
| 2003 | SARS的傳播 | 負反饋系統 神經網絡 Monte Calo蒙特卡羅隨機模擬 龍格一庫塔 元胞自動機 |
露天礦生產的車輛安排 | 整數規划 主要目標法 貪心算法 優化 |
| 2004 | 奧運會臨時超市網點設計 | Floyd算法 點陣模型 混合整數規划 經驗概率分布 MS網點 多目標規划 |
電力市場的輸電阻塞管理 | 線性規划 單目標規划 多元線性規划 Hufman決策樹高效規划 分階段規划 |
| 2005 | 長江水質的評價和預測 | 非線性回歸 模糊集對 灰色預測GM(1,1) BP神經網絡 主成分分析法 |
DVD在線租賃 | （參考論文較少） |
| 2006 | 出版社的資源配置 | 灰色預測GM(1,1) 遺傳算法 快速貪心 神經網絡 |
艾滋病療法的評價及療效的預測 | 線性插值 層次分析法 支持向量機 灰色預測 灰色預測 |
| 2007 | 中國人口增長預測 | Logistic Leslie矩陣模型 多元線性回歸 分要素計算法 |
乘公交，看奧運 | 廣度優先算法 鄰接算法 有向賦權圖 直達隊列表 分層序列法 疊加有向賦權圖 Dijkstra 算法 BFS算法 多目標優化 |
| 2008 | 數碼相機定位 | 模擬退火算法 針孔相機模型 最小二乘法 |
高等教育學費標准探討 | 波特五力模型 最優化 拉姆齊定價模型 合作博弈 最小二乘法 |
| 2009 | 制動器試驗台的控制方法分析 | 灰色預測 神經網絡 自動控制 拉普拉斯變換 剛體力學 |
眼科病床的合理安排 | 層次分析法 泊松分布 計算機模擬 排隊論 SPTF 算法 高負荷G/G/K 理論 動態延時因子EDD算法 |
| 2010 | 儲油罐的變位識別與罐容表標定 | 最小二乘法 單目標優化 微積分 |
2010年上海世博會影響力的定量評估 （題目最短，只有5行） |
模糊綜合評價 BP 神經網絡 因子分析法 層次分析法 曲線回歸 聚類分析 |
| 2011 | 城市表層土壤重金屬污染分析 | 正態性檢驗 單因子方差分析 克里格插值 回歸分析 模擬退火算法 Floyd算法 神經網絡 遺傳算法 |
交巡警服務平台的設置與調度 | 整數規划 模擬退火算法 floyd算法 變異系數賦權法 |
| 2012 | 葡萄酒的評價 | 主成分分析法 模糊數學評價 多元線性回歸 聚類分析 TOPSIS |
太陽能小屋的設計 | 多目標規划 整數規划 插值 遞歸 3D繪圖軟件（CAD) |
| 2013 | 車道被占用對城市道路通行能力的影響 | Gibbs抽樣仿真 ARMA模型擬合 曼―惠特尼U檢驗 非穩態排隊論 分段差分方程 元胞自動機 多元回歸 神經網絡 遺傳算法 |
碎紙片的拼接復原 | TSP 模擬退火法 哈密頓路徑 聚類分析 二值化矩陣 |
| 2014 | 嫦娥三號軟着陸軌道設計與控制策略 | 非線性規划模型 序列化遺傳算法 K均值聚類 空間線性回歸 動力學模型 自動控制 Pontryagin 極大值原理 模擬退火 蒙特卡羅 |
創意平板折疊桌 | 多目標優化 3D建模 |
| 2015 | 太陽影子定位 | 最小二乘法 多目標優化 Canny 邊緣檢測 模擬退火算法 遺傳算法 |
“互聯網+”時代的出租車資源配置 | Morisugi社會福利最大化 聚簇分析 多元回歸擬合 logit model 機理分析法 |
| 2016 | 系泊系統的設計 | 最小二乘法 變步長搜索算法 非線性規划 層次分析法 多目標優化 遺傳算法 |
小區開放對道路通行的影響 | 網絡層次分析法 熵權值法 模糊綜合評價模型 多目標規划模型 模擬退火 元胞自動機 Dijkstra 算法 聚類 |
| 2017 | Parameters Calibration on CT System (CT系統參數標定) |
單目標優化 最小二乘法 Radon變換 濾波、降噪 迭代優化 濾波反投影 |
Pricing in “Making money through taking pictures” (“拍照賺錢”的定價) |
聚類分析 多目標優化 BP 神經網絡 多階段輪盤賭 多元回歸 NS 模型 |
| 2018 | 高溫作業專用服裝設計 （參考論文較少） |
模擬退火算法 傅里葉變換 |
智能RGV的動態調度策略 | 禁忌搜索算法 遺傳算法 |
| 2019 | Pressure Control of High-pressure Fuel Pipe | Play Volleyball on a Drum | ||
| 2019-C題 | The Problems on Airport Taxies |
19年的相關資料還未找到，先鴿一波
分析上表看出，一般情況下，A題需要具備很強的數理分析能力，B題涉及多學科內容，考驗學科交叉。
再分析近年B題，發現題目越來越精簡，附件數據越來越少，甚至不提供附件。更考驗獲取信息和數據的能力。（搜索術、爬蟲）。
另外，各種模型（不限於數學類）越來越豐富，從以前的純數學分析，到近年來各種模型的崛起和普及，那些“大名鼎鼎”的模型被越來越多地應用。（可視化）
仔細分析上表，發現使用較多的算法或模型有：最小二乘法、模擬退火算法、神經網絡、遺傳算法、聚類分析、多目標優化、灰色預測、層次分析、線性回歸等。
總結所有論文的建模部分，發現大部分優秀論文都采用“多對一”模式，即用多個模型分析一道題目，並對不同模型的分析結果進行加權處理，不同模型之間相互檢驗，相互支持，以提高文章說服力。
最后，發現九十多篇優秀論文中，大部分使用matlab為主要編程語言，外加兩個必備軟件“Lingo, spss”，基本沒有團隊用Python，可能是因為它的參考源碼較少，不利於快速完成建模，不過近年來人工智能算法逐漸發展，類似神經網絡、深度學習等，Python數據分析也逐漸被推廣和普及。