- MATLAB：由美国 MathWorks 公司出品。核心围绕矩阵操作，数据都可视为矩阵形式，有高度优化的矩阵计算能力。提供多种数据可视化工具，如二维图、三维图等。拥有多个专业工具箱，覆盖信号处理、控制系统、优化、机器学习、图像处理等领域，如 Optimization Toolbox 可用于优化问题建模与求解，Statistics and Machine Learning Toolbox 能进行数据分析、统计建模、机器学习等。适用于各种理工科领域的数学建模，从基础的数值计算到复杂的系统仿真都能胜任。
- Anaconda（Pandas、Numpy、Scipy）：是针对数据科学、机器学习、数学建模和科学计算的开源平台，集成了大量工具和库，适合初学者和专业人士快速上手数据分析与建模工作。自带环境管理工具 Conda，可轻松创建、管理和切换不同的 Python 环境，避免库版本冲突。预装了 100 多个科学计算和数据分析库，如 Pandas 用于数据处理和分析，Numpy 提供高效的数值计算功能，Scipy 包含各种科学计算算法，Matplotlib 用于数据可视化等。适用于多种学科的数据分析和建模，尤其是在数据科学和机器学习领域应用广泛。
- SPSS：由 IBM 开发，广泛应用于社会科学、市场研究、健康研究、教育等领域的统计分析。提供直观的图形界面，用户无需编写复杂代码即可通过菜单、对话框和拖放操作进行数据输入、处理、分析和可视化。支持多种数据格式输入，能方便地处理缺失值、重复值等。具有丰富的统计分析功能，包括描述性统计、推断统计、回归分析、因子分析、聚类分析等，还支持时间序列分析、多元统计分析、生存分析、加权回归分析等高级统计方法。适合非专业编程人员进行数据分析和建模，特别是在社会科学和商业领域的应用较为普遍。
- LINGO：是优化建模和求解软件，广泛应用于数学建模、运筹学、供应链管理、生产调度、投资组合优化、网络优化等领域。提供易于使用的建模语言，可描述并求解线性、非线性、整数和混合整数优化问题。内置多种优化求解器，支持整数规划、混合整数规划、非线性规划、二次规划、动态规划等，能根据问题特点自动选择合适的求解方法。适用于需要进行数学优化建模的场景，如解决资源分配、生产计划、物流配送等方面的优化问题。
- Matplotlib：是广泛使用的 Python 绘图库，专门用于生成各种类型的静态、动态和交互式图形。可将复杂的数据转换为易于理解和分析的可视化图表，支持基础的二维图形绘制，也能创建复杂的三维图形和交互式图表。与 Python 的其他数据处理和分析库配合紧密，方便将数据分析结果以可视化的方式呈现出来，在数据科学、工程、金融分析以及学术研究等领域应用广泛。
- R 语言：一种自由软件编程语言与操作环境，主要用于统计分析、绘图、数据挖掘。拥有丰富的统计分析库和函数，可进行各种复杂的统计计算和建模。提供了多种数据可视化工具，能生成高质量的图表。R 语言在学术界和数据科学领域广受欢迎，尤其在统计分析和数据挖掘方面具有强大的功能，适合专业的统计人员和数据分析师进行数据分析和建模工作。
- Origin：由 OriginLab 公司开发，是科学绘图、数据分析软件，支持在 Microsoft Windows 下运行。支持各种各样的 2D/3D 图形，其数据分析功能包括统计、信号处理、曲线拟合以及峰值分析等。适用于科研人员和工程师进行数据可视化和简单的数据分析，在物理、化学、生物等科学领域应用较为广泛。
- MathType：是一款专业的公式编辑器，可以轻松插入复杂的数学公式和符号，能与 Microsoft Word 等文本编辑器无缝集成。在撰写数学建模论文时，可方便地编辑论文中的数学公式，提高论文撰写的效率和质量，是许多科研人员和学生在撰写数学相关文档时常用的工具。
- LaTeX：是一种基于 ΤΕΧ 的排版系统，由美国计算机学家莱斯利・兰伯特开发。利用这种格式，即使使用者没有排版和程序设计的知识，也可以充分发挥由 TeX 所提供的强大功能，能在几天，甚至几小时内生成具有书籍质量的印刷品。它支持复杂的数学公式和符号，可以自动生成目录、参考文献和索引，保证论文的规范性和美观度，是许多学术期刊和会议的首选格式，特别适合撰写高质量的学术论文和书籍。
