在编程中运用数学的方法和策略包括：
运算符
基本运算符：加（+）、减（-）、乘（*）、除（/）、整除（//）、余数（%）等。
数字部分
整数和小数：处理数值计算和比较。
平均数、最大值、最小值：用于统计和数据处理。
奇数、偶数：用于条件判断和循环控制。
因数、质数：用于算法设计和数据分析。
数列找规律：用于模式识别和算法优化。
应用题类
周期问题：如日历计算、信号处理等。
分段费用问题：如计算不同区间的费用总和。
枚举类问题：如穷举所有可能的组合和排列。
找零问题：如计算找零的最佳策略。
日期问题：如闰年判断、大小月等。
几何类
三角形、矩形、圆形：计算周长和面积。
坐标系：用于图形变换和位置计算。
数据比较问题：如距离计算、面积计算等。
绝对值：用于处理负数和非数值数据。
三角函数：如正弦、余弦、正切等，用于图形变换和信号处理。
模式抽象
抓住问题本质，提取关键信息，如解数学题时要抓准考查的数学知识点。
算法设计
有条理地设计解决问题的流程图，类似于解二元一次方程的步骤。
模式识别
提高归纳思维，举一反三，解决类似问题。
数据结构
基于数学理论构建，如数组、链表、栈、队列等，用于高效处理数据。
集合论和离散数学在算法设计、网络通信、密码学等领域广泛应用。
函数和模块化编程
体现数学中的函数概念，将复杂任务分解成更小、更易于管理的部分。
数学优化
算法优化需要对数学原理有深刻理解，如排序算法的效率取决于对数学排序原理的掌握。
数值计算
求解方程、优化问题等，涉及数值分析、微积分等数学知识。
概率统计
在机器学习、数据分析等领域中，概率统计方法用于分析和处理数据，如估计参数、预测结果、进行假设检验等。
线性代数
在图形学、机器学习等领域中，线性代数用于处理大量的数据和求解优化问题，如矩阵运算、特征向量和特征值的计算等。
通过以上方法，编程中的数学运用可以帮助我们更好地理解和解决实际问题，提高编程的效率和质量。掌握好数学知识，是成为优秀程序员的重要基础。