capwitf/My-MathModeling-skills / math-templates
math-templates
VerifiedUse when 高教社杯/CUMCM mathematical modeling work needs lightweight reusable paper assets, national-prize style paragraph templates, section controls, per-question code/plot/test scaffolds, evidence registries, paper fragments, reproduction scripts, or safe reuse of prior contest project structure without copying old problem-specific content.
assets/contest-project-template/paper/paragraph_phrases_national.md
View on GitHub# 国奖式段落句式库
## 使用边界
这是段落句式资产,不是工作流。使用时用当前赛题事实替换方括号字段;所有数字、模型名、参数和结论都必须能在正文、结果表或支撑材料中找到依据。
## 摘要
```text
针对[核心对象]中的[决策/预测/评价]问题,本文建立了[模型总称]。
对于问题一,本文将其归结为[数学问题类型],构建[模型名],求得[核心结果][数值][单位]。
对于问题二,在[问题一结果/新增约束]基础上,本文引入[新增变量/指标/场景],得到[核心结论]。
灵敏度分析表明,当[关键参数]在[范围]内变化时,[核心结论]保持[稳定/变化幅度]。
```
## 问题分析
```text
[总述段:说明全题可分解为哪些建模任务,各问之间如何递进。]
**问题一:** 问题一要求[交付物],从数学结构看属于[预测/评价/优化/仿真/参数辨识]问题。该问题的主要难点在于[变量耦合/约束复杂/数据稀疏/不确定性/非线性]。考虑到[题目特征],本文采用[模型或算法],其优势在于[与题目特征的匹配关系]。本问输出[结果表/图/方案/参数],并通过[回代检验/基准对比/灵敏度分析/可行性检查]验证。
**问题二:** 在问题一得到[结果/参数/约束]的基础上,问题二进一步考虑[新增因素]。该问题可归结为[数学问题类型],难点在于[难点]。本文采用[模型或算法]处理[关键关系],输出[结果],并通过[验证方式]检验。
```
## 模型准备
```text
为统一描述[对象]的[位置/状态/时间变化],建立[坐标系/时间索引/状态变量]。
定义[变量]表示[含义],单位为[单位],其取值范围为[范围]。
根据[几何关系/物理规律/业务约束],得到基础关系式[公式编号]。
为判断[遮挡/可行性/匹配/风险/约束满足],构造判定函数[函数名]。
考虑到[连续空间/组合规模/计算复杂度],本文采用[离散化/采样/分层搜索],粒度为[值]。
```
## 公式引入
```text
为刻画[现实目标],引入[变量],建立如下目标函数:
其中,[变量]表示[含义],单位为[单位];[参数]由[来源]确定。
式[编号]表示[现实含义],用于约束[对象]在[条件]下满足[要求]。
```
## 求解方法
```text
上述模型属于[问题类型],具有[非线性/整数变量/多目标/大规模约束]特征。
本文采用[算法/求解器]进行求解,关键参数设置为[参数]。
求解过程以[终止准则]作为停止条件,纸面结果见表[编号],支撑材料保留对应运行记录。
```
## 结果分析
```text
由表[编号]可见,[方案/模型]在[指标]上达到[数值][单位]。
与[基准方案]相比,[指标]提高/降低[百分比或差值],说明[机理解释]。
从图[编号]可以看出,当[变量]变化时,[指标]呈现[趋势],其原因是[原因]。
因此,问题[编号]的答案为[直接回答题目],适用条件为[场景/约束/假设]。
```
## 灵敏度与检验
```text
为检验模型对[参数]的敏感性,本文在[范围]内改变[参数],观察[指标]变化。
结果显示,[指标]最大变化幅度为[数值],[排名/可行性/核心结论]保持不变。
当[参数]超过[阈值]时,[现象]出现明显变化,说明模型适用范围为[范围]。
```
## 模型评价
```text
模型的优点:
1. 本文没有将[核心难点]简化为[粗糙规则],而是将其转化为[状态变量/约束组/判定函数],形成"状态定义--判定函数--结果输出--回代检验"的判定闭环,使[可行性/风险/覆盖/匹配]能够在[时间步/场景/对象]下计算和检验,见[式/表/图/前问结果/支撑材料]。
2. 问题一得到的[轨迹/参数/判定结果/可行域]直接作为问题二的[输入/约束/基准],形成"建模--求解--再优化"的跨问递推关系,见[式/表/图/前问结果/支撑材料]。
3. 模型将[物理/业务限制]显式写入[目标函数/约束/判定条件],并用[图/表/前问结果]展示[机制/临界区间/几何关系/方案差异],便于追踪结论来源,见[式/表/图/前问结果/支撑材料]。
模型的缺点:
1. 模型未考虑[现实因素],在[场景]下可能影响[结论]。
2. 由于[符号数量/约束数量/计算规模]较大,模型表达或求解存在[阅读/计算/参数标定]成本。
模型的推广:
本文模型在[理想/给定]条件下建立。若推广至[同构场景],需要重新标定[参数],补充[数据/约束],并重新检验[可行性/灵敏度/鲁棒性]。
```
证据钩子:每条优点至少挂接式[编号]、表[编号]、图[编号]、前问结果或支撑材料;运行记录编号只保留在支撑材料或登记表中。没有证据钩子的句子不得写成模型优点。
Related skills
| Skill | Stars | Updated | Works with | Status | Install |
|---|---|---|---|---|---|
| finishing-a-development-branchobra/superpowersUse when implementation is complete, all tests pass, and you need to decide how to integrate the work | Stars: 322k | Updated | Claude CodeCodex | Verified | Install |
| systematic-debuggingobra/superpowersUse when encountering any bug, test failure, or unexpected behavior, before proposing fixes | Stars: 322k | Updated | Claude CodeCodex | Verified | Install |
| test-driven-developmentobra/superpowersUse when implementing any feature or bugfix, before writing implementation code | Stars: 322k | Updated | Claude CodeCodex | Verified | Install |
| skill-creatoranthropics/skillsCreate new skills, modify and improve existing skills, and measure skill performance. Use when users want to create a skill from scratch, edit, or optimize an existing skill, run evals to test a skill, benchmark skill performance with variance analysis, or optimize a skill's description for better triggering accuracy. | Stars: 198k | Updated | Claude CodeCodex | Verified | Install |