一、考试总则
- 等级设置 本考试分为初级（ENTRY）、中级（CORE）、高级（ADVANCED）三个等级，三级独立命题，考生可结合自身基础自主选择报考；不设逐级报考限制，同批次仅可报考一个等级，未通过考生可在后续批次重新报考。
- 考试题型 全部为客观题，包含单选题、多选题、判断题，无超纲内容。
- 配套资源 本考试配套初、中、高级全覆盖免费练习题库，题库内含部分考试原题，供考生刷题备考。
二、初级（ENTRY・建模基础）
1. 适合人群
零基础至大一年级；尚未系统接触建模课程或首次参加数学建模竞赛的考生。
2. 考察目标
掌握建模基础概念、基础数学知识、建模流程常识，能够读懂建模题目、理清假设与变量，按照规范流程完成一道基础建模题并写出结构化结论。
3. 考试内容
模块 1：建模基础概念
数学模型的定义与特征、模型的基本分类、假设与简化的作用、变量 / 参数与常量、模型的有效性边界
模块 2：数学基础
函数与极限、导数与最值、矩阵与线性方程组、概率基础与随机变量、统计量初步、常微分方程入门
模块 3：建模流程常识
问题分析、假设提出、模型建立、模型求解、结果检验、论文结构规范
模块 4：常见初等模型
比例与相似模型、线性规划入门、简单优化问题、初等概率模型、递推与差分
4. 备考建议
建议备考时长：1–2 周
三、中级（CORE・经典模型）
1. 适合人群
修完高等数学、线性代数、概率论；拥有课程设计或者校级竞赛经历的考生。
2. 考察目标
掌握经典模型原理、数据预处理、基础求解方法，能够针对常见问题选型建模，独立完成数据清洗与求解，判断结果是否合理并作出解释。
3. 考试内容
模块 1：经典模型原理
线性规划、整数规划、微分方程模型、差分方程模型、图论与网络模型、排队论基础
模块 2：数据预处理
缺失值处理、异常值识别、标准化与归一化、主成分分析、相关性分析、数据可视化选择
模块 3：基础求解方法
单纯形法、最小二乘拟合、数值积分与微分、蒙特卡洛模拟、启发式算法入门
模块 4：结果表达与检验
图表选型原则、结果解释、误差来源分析、模型局限说明、灵敏度初步
4. 备考建议
建议备考时长：2–4 周
四、高级（ADVANCED・优化与预测）
1. 适合人群
拥有省级及以上竞赛经历或获奖；研究生、科研项目参与者。
2. 考察目标
熟练掌握优化算法、预测模型、多目标建模、模型评价与灵敏度分析，能够处理复杂开放问题，完成多目标权衡与模型稳健性论证，清晰判断结论适用边界。
3. 考试内容
模块 1：优化算法
动态规划、非线性规划、模拟退火、遗传算法、粒子群优化、算法参数与收敛性
模块 2：预测模型
时间序列 ARIMA、灰色预测 GM (1,1)、回归与正则化、神经网络基础、过拟合与泛化
模块 3：多目标建模
Pareto 前沿、加权求和法、层次分析法 AHP、TOPSIS 评价、目标冲突与权衡
模块 4：模型评价与灵敏度分析
误差指标体系、交叉验证、单参数灵敏度、稳健性分析、结论适用边界
4. 备考建议
建议备考时长：3–6 周
五、合格规则
对应证书等级的答题成绩须 ≥ 60 分即为合格。