在大学数学建模竞赛中，常见的模型可以分为以下几类：
评价模型：
用于衡量和评估某个对象或过程的性能、效果或质量。
预测模型：
利用历史数据和统计方法来预测未来的趋势或结果。
分类模型：
用于将输入数据分配到预定义的类别中。
优化模型：
寻找某个目标函数的最优解，通常在特定的约束条件下。
统计分析模型：
使用统计方法来分析数据，提取有用信息。
具体的优化模型包括：
数学规划模型：如线性规划、非线性规划等。
微分方程组模型：描述系统随时间变化的动态行为。
图论与网络优化问题：如最短路径问题、网络最大流问题等。
概率模型：涉及随机变量的模型。
组合优化经典问题：如旅行商问题（TSP）、图的着色问题等。
这些模型在数学建模竞赛中经常被用来解决与社会实际问题相关的复杂问题。例如，全国大学生数学建模竞赛（国赛）、美国大学生数学建模竞赛（美赛）等，都是大学生利用这些模型解决实际问题的平台。