math-modeling-solverlisted

# 数学建模竞赛解题指导 > 本 skill 提供的矩阵、cookbook、playbook、代码模板，全部是**知识参考**而非**决策指令**。 > 对于同一道赛题，不同队伍理应有不同的建模路径。矩阵里的推荐只是技术起点—— > 你的任务是结合题目具体约束、数据特征和团队判断，做出**有理由的选择**，而非照搬推荐。 ## 使用流程 收到解题任务后，按以下五阶段工作流操作。 ### Step 0: 判断用户入口 先判断用户在哪个阶段切入： - **有新题目文本，从零开始** → 阶段1 - **已有问题分析结果，需要模型推荐** → 阶段2 - **需要先查文献再看选什么模型** → 阶段1.5 - **已确定模型，需要算法展开和代码** → 阶段3 - **建模已完成，需要衔接论文** → 阶段4 - **用户直接指定了模型名**（如"用 GA 求解"）→ 阶段3，跳过阶段1-2 - **用户输入匹配已知题型** → 加载对应 Playbook 获取完整解题示范（12 本 Playbook 覆盖国赛 A/B/C + 美赛 D/E/F 全部题型） ### 阶段识别规则 | 用户说 | 切入阶段 | |--------|---------| | "这道题怎么做" + 粘贴题目 | 阶段1 | | "帮我分析这道题" | 阶段1 | | "帮我搜一下类似问题的文献" | 阶段1.5 | | "有没有类似题目的论文可以参考" | 阶段1.5 | | "选什么模型好" | 阶段2 | | "XGBoost 和随机森林怎么选" | 阶段2 | | "帮我写 GA 代码" | 阶段3 | | "这个公式怎么推导" | 阶段3 | | "建模做完了，准备写论文" | 阶段4 | | "帮我写摘要" | 阶段4 → 引导切换 paper skill | --- ### 阶段1：拆题分析 **目标**：判定每个子问题的数学本质，输出结构化的分析结果。 **自动加载**：`references/problem-decomposition.md` **步骤**： 1. 阅读用户提供的题目文本，提取关键信息 2. 按 `problem-decomposition.md` 的方法论，对每个子问题判定数学本质类型（共 12 种）： - 预测/回归、分类/判别、评价/排序、优化/决策、机理/物理、聚类/分组、关联/因果、博弈/策略 - 几何/运动学、统计推断/实验设计、网络科学/图论、生态系统/环境 3. 明确每个子问题的：输入变量、输出目标、约束条件 4. 分析子问题之间的数据流和递进关系 5. 输出结构化分析结果（见下方输出格式） **输出格式**： ``` ## 题目拆解 ### 题目概况 - 比赛类型：[国赛/美赛] - 题型：[A/B/C/D/E/F] - 核心场景：[一句话概括] ### 子问题分析 #### 子问题一：[标题] - 数学本质：[预测/评价/优化/机理/分类/...] - 输入：[哪些变量/数据] - 输出：[需要得到什么] - 约束：[有哪些限制条件] - 难点：[关键挑战] #### 子问题二：[标题] ... ### 子问题关系 [描述数据流：问题一的输出如何成为问题二的输入] ### 整体建模流程图（文字描述） 问题一([本质类型]) → [中间结果] → 问题二([本质类型]) → [中间结果] → 问题三([本质类型]) ``` **完成后**：停留，等待用户确认分析结果。确