大学数学建模中常用的模型包括以下几种：

优化模型

线性规划模型：用于在满足一组线性约束条件的情况下，最大化或最小化一个线性目标函数。常应用于生产计划、资源分配和运输问题等领域。

非线性规划模型：用于解决非线性约束条件下的优化问题。常应用于工程设计、经济分析和金融领域等。

整数规划模型：变量只能取整数值的线性规划，常用于人员调度、车辆路径和任务分配等问题。

动态规划模型：用于解决具有重叠子问题和最优子结构性质的决策问题。常应用于项目管理、资源分配和路径规划等领域。

混合整数规划模型：某些变量只能取整数，而其他变量可以是连续变量。

预测模型

统计回归模型：建立因变量与自变量之间的定量关系，广泛应用于经济学、医学和环境科学等领域。

时间序列模型：分析和预测随时间变化的趋势和模式。

决策模型

博弈模型：用于分析具有竞争或合作关系的决策问题。

马尔可夫链模型：描述一个系统在不同状态之间随机转移的概率模型。

控制模型

最优控制模型：用于寻找最佳控制策略以优化系统的性能。

几何模型与图论模型

几何模型：用于描述几何形状和空间关系的问题。

图论模型：用于解决与图结构相关的问题，如最短路径、网络流等。

微分方程模型

常微分方程模型：用于描述连续系统的动态行为。

偏微分方程模型：用于描述更复杂的连续系统，如物理、化学和生物系统。

离散模型与连续模型

离散模型：变量取有限个或可数个值，如排队论模型。

连续模型：变量取连续值，如微分方程模型。

数理统计模型

方差分析、均值比较的假设检验。

运筹优化类

线性规划、非线性规划、目标规划、整数规划、图论模型（最短路、最大流、遍历问题等）、排队论、对策论以及各种模型的算法。

其他模型

随机模拟模型：通过计算机仿真来解决问题的模型。

蒙特卡罗算法：通过计算机仿真来解决问题的算法，常用于比赛时的方法。

数据拟合、参数估计、插值等数据处理算法：常用于处理大量数据。

这些模型在大学数学建模中有着广泛的应用，掌握这些模型对于解决实际问题具有重要意义。