大学数学建模中常用的模型可以分为几个主要类别，以下是这些模型的简要概述：

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。

非线性规划模型：用于解决非线性约束条件下的优化问题。

整数规划模型：变量只能取整数值，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。

混合整数规划（MIP）：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，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。

随机过程模型：描述随时间变化的随机现象，应用于金融市场分析、通信系统设计等领域。

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。

马氏链模型：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

微分方程模型：包括常微分方程和偏微分方程模型，用于描述连续系统的动态行为。

随机过程模型：用于描述随时间变化的随机现象。

评价模型

AHP（层次分析法）：用于确定权重和进行多标准决策分析。

模糊评价：基于模糊逻辑的评价方法。

聚类分析：将数据分成不同的类别。

因子分析：用于提取数据的主要特征。

主成分分析：用于简化数据集。

图论模型

最短路径问题：寻找图中两点之间的最短路径。

网络最大流问题：确定网络中可以通过的最大流量。

最小生成树问题：寻找图中边的最小集合，使得所有顶点都连通。

其他模型

差分方程模型：适用于离散系统，描述系统状态随时间变化的过程。

方程模型：如常微分方程、差分方程、偏微分方程等及其求解。

这些模型在不同的数学建模问题中有着广泛的应用，选择合适的模型可以有效地解决实际问题。建议根据具体问题的性质和数据特点选择合适的模型进行分析和求解。