math-modeling

name math-modeling description 本技能应在用户要求"数学建模"、"建模比赛"、"数模论文"、"数学建模竞赛"、"建模分析"、"建模求解"或提及数学建模相关任务时使用。适用于全国大学生数学建模竞赛(CUMCM)、美国大学生数学建模竞赛(MCM/ICM)等各类数学建模比赛。 数学建模技能 - Math Modeling 本技能为数学建模竞赛和项目提供结构化的三阶段工作流程：建模分析、代码实现、论文撰写。确保建模、编程、论文撰写三个环节紧密衔接，产出高质量的数学建模成果。 技能概述 数学建模是利用数学方法解决实际问题的过程，核心流程包括： 问题分析 ：理解题意，选择合适的数学模型 模型建立 ：将实际问题转化为数学表达式 模型求解 ：通过编程实现模型求解 结果分析 ：对结果进行解释和可视化 论文撰写 ：将完整过程整理成学术论文 本技能采用三阶段协作模式，各阶段按顺序依次执行。 💡 创新指南 本技能鼓励创新和灵活性： 算法组合 可组合多个算法：如"灰色预测+神经网络" 参考不同类别的算法：如图论算法用于优化 题目特殊分析 当常规方法不适用时，灵活调整 分析题目独特性，选择或设计专门方法 创新记录 在分析文档中说明选择理由 在论文中突出创新点 工作流程 第一阶段：建模分析 ⚠️ 执行前提（必须最先执行） ： 在开始建模分析之前， 必须先读取 角色指导文档： references/建模手说明.md - 详细的建模分析工作流程、模型选择原则、注意事项 执行任务 ：分析题目，确定数学模型，产出分析文档。 执行步骤： 阅读并理解题目要求 为每道题确定合适的数学模型和算法 记录模型对应的公式、论文引用等信息 创建术语表格保持术语一致性 重要约束 ：本阶段不编写代码，仅产出分析文档供后续阶段使用。 产出文件 ： 题目分析报告.md - 包含问题分析、模型选择、公式推导、参考文献 术语表格.md - 中英文术语对照表 第二阶段：代码实现 ⚠️ 执行前提（必须最先执行） ： 在开始代码实现之前， 必须先读取 角色指导文档： references/编程手说明.md - 详细的代码实现工作流程、代码规范、可视化要求 执行任务 ：根据题目原文和建模阶段产出的文档，编写解题代码并生成结果。 执行步骤： 确认用户指定的编程语言（Python、MATLAB等） 按每道题目分开编写结构清晰的代码 运行代码并将结果写入表格（保持表格原有结构） 绘制符合SCI/Nature风格的精美图表进行数据可视化 创建README文档说明项目 产出文件 ： 问题X_求解.py （或其他语言）- 各题目的解题代码 结果表格.csv - 计算结果 README.md - 项目说明文档 生成的可视化图表 第三阶段：论文撰写 ⚠️ 执行前提（必须最先执行） ： 在开始论文撰写之前， 必须先读取 角色指导文档： references/论文手说明.md - 详细的论文撰写工作流程、论文模板、撰写规范 执行任务 ：根据题目原文、建模分析和代码实现的产出，撰写完整论文。 执行步骤： 检查用户是否提供论文模板 使用默认模板或用户模板撰写论文 避免死板罗列，使用段落式自然陈述 完成所有标准章节 产出文件 ： 论文.md - 完整的数学建模论文 附加资源 算法资源库 详细的算法说明文档，包含数学原理、适用范围、可视化图表、关键文献和代码实现： assets/01-优化算法说明.md - 线性规划、整数规划、动态规划、遗传算法、PSO、模拟退火、蚁群、差分进化、禁忌搜索、灰狼优化、免疫算法、鲸鱼优化、麻雀搜索、多目标优化、鲁棒优化 assets/02-预测类算法说明.md - 灰色预测、插值拟合、线性回归、神经网络、SVM、ARIMA、指数平滑、Prophet、LSTM、XGBoost/LightGBM、时空预测模型 assets/03-评价类算法说明.md - AHP、Fuzzy-AHP、熵权法、TOPSIS、灰色关联分析、秩和比法、变异系数法、主观赋权法、数据包络分析、区间数评价、改进的TOPSIS assets/04-图论与网络分析算法说明.md - 最短路径、最小生成树、网络流、关键路径、欧拉/哈密顿路径、匹配问题 assets/05-统计分析与数据处理算法说明.md - 数据预处理、聚类分析(K-Means/层次/DBSCAN)、假设检验、PCA、因子分析、典型相关分析、非负矩阵分解 assets/06-综合类算法说明.md - 蒙特卡洛、排队论、博弈论、元胞自动机、马尔科夫链、微分方程建模 assets/07-机器学习算法说明.md - 随机森林、AdaBoost、孤立森林 查看 assets/README.md 获取算法快速索引和使用指南。 角色说明文档 各阶段的详细工作指南： references/建模手说明.md - 建模分析阶段工作细则、模型选择原则、注意事项 references/编程手说明.md - 代码实现阶段工作细则、代码规范、可视化要求 references/论文手说明.md - 论文撰写阶段工作细则、论文模板、撰写规范 论文模板 references/默认论文模板.md - 标准数学建模论文模板结构 工具脚本 scripts/analyze_appendix.py - 附录表格转换工具 将Excel文件无损转换为CSV格式，便于AI直接读取。 使用方法 ： # 转换当前目录下的 附录/ 文件夹 python scripts/analyze_appendix.py # 转换指定路径 python scripts/analyze_appendix.py --path ./data # 转换单个文件 python scripts/analyze_appendix.py --file 附录1.xlsx 使用流程 ： 运行转换脚本： python scripts/analyze_appendix.py 脚本自动将Excel文件转换为同名的CSV文件 使用Read工具直接读取转换后的CSV文件 查看完整数据 转换特点 ： 自动查找 附录/ 、 附件/ 、 data/ 等文件夹 支持 .xlsx、.xls 格式 无损转换：保留所有行、列、单元格数据 UTF-8 with BOM编码，支持中文 每个sheet生成独立的CSV文件 使用建议 按顺序执行各阶段 ：建模分析 → 代码实现 → 论文撰写，确保信息正确传递 保持文件组织 ：为每个建模项目创建独立文件夹 术语一致性 ：建模分析阶段创建的术语表格应被后续阶段使用 模型选择原则 ：优先选择高效、快速、准确的模型，谨慎使用神经网络等复杂模型 可视化质量 ：代码实现阶段绘制的图表应符合学术出版标准 典型使用场景 "帮我做这道数学建模题" "分析这道数模题目用什么模型" "帮我写数模论文" "这道建模题怎么用Python求解" "帮我完善数学建模竞赛论文"