数学建模可以使用多种程序，以下是一些常用的选项：
MATLAB
MATLAB是一种高级的数值计算和编程语言，广泛应用于科学计算和工程领域。它具有强大的矩阵操作功能和丰富的数学函数库，适合进行数学建模和仿真。MATLAB还提供了专业水平的符号计算、文字处理、可视化建模仿真和实时控制等功能。
Python
Python是一种简单易学的编程语言，具有强大的科学计算和数据处理能力。通过使用Python的科学计算库如NumPy、SciPy和Pandas，可以方便地进行数学建模和数据分析。Python还具有较强的可视化能力，例如通过Matplotlib和Seaborn库可以绘制出各种图表和图像，用于展示建模结果。
R语言
R语言是一种专门用于统计分析和数据可视化的编程语言。R语言拥有丰富的统计函数和图形绘制工具，如ggplot2和dplyr等，非常适合用于数学建模和数据分析。
Anaconda
Anaconda是一个针对数据科学、机器学习、数学建模和科学计算的开源平台，提供了完整的Python和R数据处理环境。它集成了大量的工具和库，适合初学者和专业人士快速上手数据分析与建模工作。
SPSS
SPSS是一种用于统计分析的软件，虽然主要用于社会科学领域，但也可以用于一些数学建模任务，如回归分析、方差分析等。
Mathematica
Mathematica是一套整合数字以及符号运算的数学工具软件，提供了全球超过百万的研究人员、工程师、物理学家、分析师以及其他技术专业人员容易使用的顶级科学运算环境。
LINGO
LINGO是一种使建立和求解线性、非线性和整数最佳化模型更快更简单更有效率的综合工具。LINGO提供强大的语言和快速的求解引擎来阐述和求解最佳化模型。
SAS
SAS系统是一种用于决策支持的大型集成信息系统，虽然最早的功能限于统计分析，但至今统计分析功能仍是它的重要组成部分和核心功能。SAS也可以用于一些数学建模任务。
根据具体的建模需求和个人偏好，可以选择合适的软件工具。例如，MATLAB适合需要高级数学函数和仿真能力的项目，Python适合需要快速开发和数据可视化的项目，而R语言则适合专注于统计分析和数据可视化。