公元前 3 世纪｜埃拉托斯特尼：测算地球周长
依托合理假设建立简化模型，仅凭观测与初等数学，就能推演宏大客观规律。
古希腊时期，人们普遍凭感官认知大地。埃拉托斯特尼发现：夏至正午，阿斯旺阳光直射井底，同一时刻亚历山大城立杆存在阴影。 他做出合理抽象假设：地球为球体、太阳光线相互平行，依靠几何模型，结合两地距离与阴影夹角，推算出地球周长。计算结果与真实周长误差仅约 5%。
现代应用：大地测量、遥感测绘、卫星轨道初步几何估算；数模中各类几何定位、最短路径、地形简化建模的底层思维范本。
1736 年｜欧拉：哥尼斯堡七桥问题（图论鼻祖）
数学建模最重要的第一步 —— 剥离无关细节，抓住问题本质，把现实难题转化为数学问题。
哥尼斯堡城内普雷格尔河分布七座桥，市民长久争论：能否一次性走完所有桥梁，每座桥只经过一次。无数人实地尝试无果。 欧拉跳出实地行走的思维，完成划时代抽象：陆地抽象为点，桥梁抽象为连线，将现实问题转化为纯粹图形问题，严格证明该路线不存在。
现代应用：交通路网规划、快递配送路径优化、通信网络拓扑、电路设计、社交网络分析；数模高频题型：路径规划、物流调度、网络连通性、管线布设全部基于图论。
1777 年｜蒲丰投针试验（蒙特卡洛思想雏形）
可以利用随机试验，通过统计近似求解难以直接计算的常数，是随机仿真思想最早源头。
蒲丰提出投针概率问题：向布满等距平行线的平面随机投掷细针，求解针与直线相交的概率。 通过概率模型推导，相交概率与圆周率 π 关联。只要大量重复试验、统计频率，即可反向估算 π。
现代应用：复杂积分求解、风险仿真、粒子运动模拟、AI 采样算法；数模竞赛中复杂系统仿真、疫情随机传播、车辆人流模拟、智能寻优大量使用蒙特卡洛模拟。
1798 年｜马尔萨斯人口增长模型
任何模型都带有适用边界；当现实条件突破模型假设，就需要迭代改进。
马尔萨斯整理人口统计数据，提出经典指数增长模型：人口增长速度与当前人口总量成正比，可以短期描述种群快速扩张现象。 后续学者发现模型缺陷，发展出 Logistic 阻滞增长模型，引入资源上限约束。时至今日 Logistic 仍是数模竞赛高频基础模型。
现代应用：物种种群数量预测、流行病早期规模预估、新产品市场销量增长、用户数量预测、农作物生长模拟；国赛数模最常用基础模型之一，预测类题目高频出现。
1801 年｜高斯：谷神星轨道计算（最小二乘法诞生）
真实世界的数据永远存在噪声；优秀模型需要容纳误差，在扰动之中寻找客观规律。
谷神星短暂现身之后消失在日光中，仅留存少量带有观测误差的坐标，各国天文学家无法推算运行轨道。 24 岁高斯构建轨道模型，考虑观测存在误差，创立最小二乘法拟合轨道。依靠计算出的坐标，天文学家重新找到谷神星。
现代应用：实验数据曲线拟合、传感器数据校准、回归分析、测绘数据修正；几乎所有数模数据分析类题目，数据拟合、多元线性回归核心工具就是最小二乘法。
1926 年｜洛特卡 - 沃尔泰拉捕食者 - 食饵模型
数学模型可以量化复杂相互作用，解释直觉难以理解的现实系统。
亚得里亚海减少捕鱼后，鲨鱼捕捞占比反而上升，违背大众直觉。数学家沃尔泰拉建立微分方程组，刻画捕食者与猎物相互制约的动态关系，完美解释这一反常识现象。
现代应用：生态物种竞争与共存分析、生物防治虫害、市场两家企业竞争博弈、病毒与免疫细胞相互作用；数模生态议题、商业竞争系统动力学题目常用。
1927 年｜SIR 传染病动力学模型
对人群进行分类抽象，能够简化复杂传播系统，为防控策略提供量化依据。
凯马克、麦肯德里克将人群划分为易感者 S、感染者 I、康复者 R，构建微分方程组描述传染病传播规律，推导出感染峰值、疾病传播阈值。后续 SEIR 等拓展模型均建立在此基础之上。
现代应用：流行病传播预测、疫情防控政策效果模拟、病毒传播风险评估；历年数模多次出现传染病主题赛题，SIR 系列模型是标准解决方案。
1946 年｜蒙特卡洛方法（曼哈顿计划）
复杂系统不必强求精确解析解；计算机随机仿真，是现代数值建模强大工具。
乌拉姆与冯・诺依曼在原子弹研究中正式确立蒙特卡洛方法。面对难以写出解析解的中子扩散问题，不再执着公式推导，利用大量随机模拟得到近似结果。
现代应用：金融风险测算、工程可靠性试验、流体仿真、人工智能采样、交通流随机模拟；当系统公式过于复杂无法求解时，数模选手普遍采用蒙特卡洛仿真方案。
1973 年｜布莱克 - 斯科尔斯期权定价模型
模型是现实的简化镜像，高度依赖前置假设；假设失效时，模型预测会产生明显偏差。
过去金融期权定价依靠经验猜测。二人建立随机微分方程模型，在一系列标准化假设下推导出期权定价公式，奠定现代金融衍生品市场基础。
现代应用：股票期权、大宗商品衍生品定价、投资风险对冲；数模金融类赛题、资产定价、投资组合优化经常借鉴随机微分建模思路；同时也警示参赛者：一定要在论文中写明模型假设与局限性。