数学建模中常用的软件包括：

MATLAB

功能：数值计算、符号计算、文字处理、可视化建模仿真和实时控制等。

适用场景：广泛用于各种数学建模任务，特别是需要强大数值计算和编程能力的场合。

LINGO

功能：线性、非线性和整数最佳化模型的建立和求解。

适用场景：适用于优化问题，特别是大规模优化问题。

Mathematica

功能：数字和符号运算、数据科学、可视化、机器学习等。

适用场景：适用于需要强大符号运算和综合计算能力的科研和工程应用。

SAS

功能：数据分析、统计建模、数据挖掘等。

适用场景：适用于企业级数据分析和管理，特别是需要全面统计功能的场合。

Python

功能：数据处理、数据分析、机器学习、科学计算等。

适用场景：适用于需要灵活编程和数据处理能力的项目，特别是数据科学和机器学习领域。

SPSS

功能：描述性统计、均值比较、回归分析、聚类分析等。

适用场景：适用于统计分析和建模，特别是需要快速生成统计图表和进行基本统计分析的场合。

STATA

功能：统计分析、计量经济学、数据管理等。

适用场景：适用于经济学、社会学等领域的数据分析和建模。

Yalmip

功能：基于MATLAB的高级建模语言，用于求解规划问题。

适用场景：适用于需要高效求解优化问题的场合，特别是线性规划和非线性规划问题。

OPTI

功能：提供众多开源的规划求解器，包括非线性求解器ipopt等。

适用场景：适用于需要求解复杂优化问题的场合。

Gurobi

功能：线性规划、二次规划等优化问题的求解器。

适用场景：适用于需要快速求解大规模优化问题的场合。

这些软件各有优势，选择合适的软件取决于具体的应用需求、计算能力和预算。对于需要强大数值计算和编程能力的场合，MATLAB和Python是常用的选择；对于优化问题，LINGO和Yalmip等工具箱提供了高效的求解方案；对于统计分析和建模，SPSS和SAS是经典的选择。