1. 蒙特卡洛方法：
又稱計算機隨機性模擬方法，也稱統(tǒng)計實驗方法?？梢酝ㄟ^模擬來檢驗自己模型的正確性。

2. 數(shù)據(jù)擬合、參數(shù)估計、插值等數(shù)據(jù)處理
比賽中常遇到大量的數(shù)據(jù)需要處理，而處理的數(shù)據(jù)的關鍵就在于這些方法，通常使用matlab輔助，與圖形結合時還可處理很多有關擬合的問題。

3. 規(guī)劃類問題算法：
包括線性規(guī)劃、整數(shù)規(guī)劃、多元規(guī)劃、二次規(guī)劃等；競賽中又很多問題都和規(guī)劃有關，可以說不少的模型都可以歸結為一組不等式作為約束條件，幾個函數(shù)表達式作為目標函數(shù)的問題，這類問題，求解是關鍵。
這類問題一般用lingo軟件就能求解。

4. 圖論問題：
主要是考察這類問題的算法，包括：Dijkstra、Floyd、Prime、Bellman-Ford，最大流、二分匹配等。熟悉ACM的人來說，應該都不難。

5. 計算機算法設計中的問題：
算法設計包括：動態(tài)規(guī)劃、回溯搜索、分治、分支定界法（求解整數(shù)解）等。

6. 最優(yōu)化理論的三大非經(jīng)典算法：
a) 模擬退火法（SA）
b) 神經(jīng)網(wǎng)絡（NN）
c) 遺傳算法（GA）

7. 網(wǎng)格算法和窮舉算法

8. 連續(xù)問題離散化的方法
因為計算機只能處理離散化的問題，但是實際中數(shù)據(jù)大多是連續(xù)的，因此需要將連續(xù)問題離散化之后再用計算機求解。
如：差分代替微分、求和代替積分等思想都是把連續(xù)問題離散化的常用方法。

9. 數(shù)值分析方法
主要研究各種求解數(shù)學問題的數(shù)值計算方法，特別是適用于計算機實現(xiàn)的方法與算法。
包括：函數(shù)的數(shù)值逼近、數(shù)值微分與數(shù)值積分、非線性返程的數(shù)值解法、數(shù)值代數(shù)、常微分方程數(shù)值解等。
主要應用matlab進行求解。

10. 圖像處理算法
這部分主要是使用matlab進行圖像處理。
包括展示圖片，進行問題解決說明等。