本书包括运筹优化、图论模型、微分方程、随机模拟和统计方法等传统建模方法，同时还增设了智能优化算法、机器学习方法和深度方法，可以满足广大读者和参赛者的学习需求。本书算法实现以Python语言为主，每章内容均有详细的代码，可以帮助读者**掌握Python编程实现算法。本书共包含19章，前两章为基础部分，分别为数学建模简介和Python简介； 第3~11章为传统建模方法部分，其中，第3章和第4章分别介绍运筹优化中的线性规划和非线性规划，第5章介绍图论，第6章介绍微分方程，第7章介绍 插值与拟合，第8章介绍随机模拟，第9~11章介绍统计方法，包括回归分析、聚类分析和主成分分析； 第12~19章为智能优化和机器学习部分，其中，第12~14章为智能优化，分别介绍模拟退火算法、遗传算法和粒子群优化算法，第15~19章为机器学习方法，分别介绍支持向量机、决策树、随机森林、神经网络和深度学习。 本书可作为高等学校数学建模、数学实验课程教材，也可作为数学建模竞赛的培训教材。