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/section_templates_national.md
View on GitHub# 国奖式论文章节模板
## 使用定位
这个模板用于高教社杯/CUMCM 风格论文的正文骨架。它学习的是全国一等奖/优秀论文的组织习惯:摘要先给答案,正文前置部分短而准,主体按子问题闭环展开,检验和评价服务于结论可信度。
国一候选门槛:本模板以国一候选为写作目标,但不承诺获奖。每个关键段落都应体现题目贴合、建模洞察、证据可信、可复现、边界清楚;如果某一项缺失,宁可降级结论,也不要用更强措辞补空。
不要把本文件当作固定目录。官方格式规范只硬性约束摘要页、正文、附录、匿名、引用和支撑材料;章节顺序要服从赛题、数据和评委扫描效率。
CUMCM/高教社杯正文默认不要放目录,除非当年官方规则或学校赛区模板明确要求。
## 推荐整篇结构
```text
摘要专用页
论文题目
摘要
关键词
正文
一、问题重述
二、问题分析与思路概述
三、模型假设与符号说明
四、模型准备(复杂题可用)
五、问题一模型的建立与求解
六、问题二模型的建立与求解
七、问题三模型的建立与求解
八、模型检验、灵敏度分析与结果讨论
九、模型评价、改进与推广
参考文献
附录
```
可接受变体:
- 变量很多时:`问题重述 -> 模型假设 -> 符号说明 -> 问题和数据的初步分析 -> 问题一模型的建立与求解 -> 问题二模型的建立与求解`。
- 数据驱动题:增加 `数据预处理与描述性分析`,但只放会影响模型选择的结果。
- 优化/调度题:把可行性检验嵌入每个子问题,不必单独堆一节。
- 几何、物理、仿真、时空优化题:增加 `模型准备`,集中写坐标系、共用变量、核心判定函数、离散化方法、算法框架和问题关系图。
## 篇幅分配
- 摘要:1 页内,最终阶段写。
- 问题重述:0.5-1 页,只重写任务,不复述全文背景。
- 问题分析与思路概述:0.5-1 页,每问一段。
- 模型假设与符号说明:1-2 页,假设 5-8 条,符号只列核心量。
- 模型准备:0.5-2 页,只有当多个子问题共用同一套坐标、公式、判定逻辑或算法框架时使用。
- 各问题模型的建立与求解:正文主体,通常合计占正文主要篇幅。不要理解为问题一单独占 60%;各分问篇幅按题目权重、建模难度、数据处理量、结果表图和检验需求分配。
- 检验、灵敏度、评价:服务结论,不写空泛总结。
## 摘要专用页
摘要不是引言,也不是目录。它必须让评委在一页内看到每一问的方法、核心结果、验证结论和最强贡献。
```text
针对[赛题核心对象/决策问题],本文围绕[总目标]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],建立[模型名],采用[算法/求解器]求解,得到[核心结果][数值][单位]。
对于问题二,本文在问题一的基础上引入[新增约束/变量/场景],得到[核心结果]。
对于问题三,本文进一步[优化/评价/预测/推广],最终给出[方案/排名/参数/策略]。
为验证结果可靠性,本文从[可行性/误差/灵敏度/鲁棒性]角度进行检验,[最重要检验结论]。
综合来看,[最强量化结论],表明[方案或模型的实际意义]。
关键词:[模型类型];[算法];[核心对象];[评价指标]
```
硬规则:
- 每个摘要数字必须能在正文表、图、公式或运行记录中找到。
- 模型名要具体到本题,不写"优化模型""预测模型"这种空名。
- 不写"本文首先、然后、最后"式流程介绍,直接写方法和答案。
## 一、问题重述
结构:`1.1 问题背景` + `1.2 问题提出`。背景段只保留与建模变量、约束、目标有关的信息;问题提出段逐问改写任务。
```text
1.1 问题背景
本题围绕[现实背景]中的[核心矛盾/决策需求]展开,要求在[约束/数据条件]下完成[总交付物]。从建模角度看,问题的关键在于将[现实对象]转化为[数学对象],并给出可计算、可检验的结果。
[可选:如已有真实背景图、对象示意图或场景图,在此处插入并配图注;没有合适图片时删除本说明。]
1.2 问题提出
问题一要求[用自己的话说明输入、处理、输出]。
问题二要求在[问题一结果/新增条件]基础上,[说明新增目标或约束]。
问题三进一步要求[优化/推广/评价/决策],最终输出[表/图/方案/参数]。
```
不要照抄赛题原文。重述的目标是把题目翻译成建模任务。
推荐格式:
```markdown
### 1.1 问题背景
[背景段:1-2段,交代现实背景、核心矛盾和总交付物。]
[可选背景图:仅使用已准备好的真实图片;插入前替换为真实文件路径,没有图片则删除本行。]
图1 [现实对象或应用场景,若未插图则删除本图注]
### 1.2 问题提出
**问题一:** [用自己的话说明输入、处理、输出。]
**问题二:** [说明在问题一结果或新增条件基础上的目标、约束、交付物。]
**问题三:** [说明进一步优化、推广、评价或决策任务。]
```
格式控制:分问标签使用 `**问题一:** ` 形式,`问题一` 加粗,使用中文全角冒号 `:`,冒号后保留一个空格。
背景图是可选项,只在它能说明现实对象、场景、几何关系或任务背景时使用;不要为装饰而放图。
## 二、问题分析与思路概述
结构:总分结构。先用一段总述说明全题建模分解和各问递进关系,再每问一段。分问段顺序为 `目标 -> 数学归类 -> 难点 -> 模型路线 -> 输出与验证`。
```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,后续模型如何衔接。]
**问题一:** 问题一的目标是[交付结果],从数学结构看属于[预测/评价/优化/分类/参数辨识/仿真]问题。难点在于[数据特征/约束耦合/非线性/不确定性]。考虑到[题目特征],本文采用[模型或方法],其优势是[与题目特征的匹配关系]。本问输出[结果表/参数/图/方案],并通过[基准对比/回代检验/可行性检查/灵敏度分析]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。
```
国奖式问题分析要短,但不能虚。每段至少说清楚:
- 这个子问题在数学上是什么类型;
- 为什么这条路线比更简单或更复杂的方法合适;
- 结果准备如何被验证。
复杂多问题可在本节末放一张问题关系图,说明前一问的结果如何成为后一问的输入、约束或基准。关系图必须服务建模逻辑,不要做成装饰图。
格式控制:问题分析分问标签同样使用 `**问题一:** `、`**问题二:** `,不要写成 `问题一:`、`问题一 :`,也不要随意改成项目符号。
## 三、模型假设与符号说明
假设模板:
```text
1. 将[对象A]、[对象B]及[关键目标]视为[质点/刚体/理想几何体]进行分析。
2. 不考虑[空气阻力/风速/外部扰动/测量误差]对[运动/判断/结果]的影响。
3. 假设[状态/速度/参数]在[时间范围/有效期]内保持不变。
4. 假设[响应/调整/通信]时间相对于[任务时间尺度]可忽略。
5. 假设[形状/范围/覆盖区域]可近似为[几何体],其[半径/密度/能力]在[条件]内不变。
```
符号表模板:
```text
符号 | 含义 | 单位/取值
--- | --- | ---
$x_i$ | [决策变量含义] | [单位]
$p_t$ | [参数含义] | [单位]
```
要求:
- 假设默认 4-6 条,复杂物理系统最多 8 条。
- 每条假设通常只写 1 句,主文保持紧凑;详细依据放在模型准备、检验或附录。
- 优先写会影响模型结构、可行性或结论边界的假设。
- 符号只列核心变量和参数,临时中间量在正文首次出现处解释。
- 不写"假设数据真实可靠"、"忽略一切外界因素"这类空假设。
## 四、模型准备(复杂题可用)
当多个子问题共用同一套几何、物理、仿真或算法基础时,先写模型准备。A 题、空间几何题、调度仿真题尤其适合这样处理。
可选结构:
```text
4.1 坐标系与数据预处理
为统一描述[对象]的位置/状态/时间变化,建立[坐标系/索引集合/时间步]。数据预处理包括[清洗/单位统一/坐标转换/离散化],处理后的核心输入为[表/矩阵/参数]。
4.2 共用变量与基础关系
定义[共用变量]表示[含义],建立[运动方程/几何关系/状态转移/成本核算]。该关系将在问题[编号]中反复使用。
4.3 核心判定函数或评价指标
为判断[遮挡/可行性/匹配/约束满足/风险等级],构造判定函数[函数名]。当[条件]成立时取[值],否则取[值]。
4.4 离散化与算法框架
考虑到连续模型难以直接求解,本文采用[网格化/时间离散/采样/分层搜索]。步长或粒度为[值],选择依据为[精度与计算量权衡/误差检验]。
```
使用规则:
- 只写各子问题共用的内容;只服务某一问的模型放回该问小节。
- 每个共用公式都要说明会在哪些问题中使用。
- 如果离散化会影响精度,必须在检验节给出步长敏感性或误差说明。
- 建议配一张坐标系/流程/问题关系示意图,但图后要有一句结论。
## 五、问题一模型的建立与求解(分问一级章节)
每个子问题都应形成闭环:
```text
五、问题一模型的建立与求解
5.1 本问建模思路
[承接问题分析,说明本问变量、数据、约束和基准;若已有模型准备,本处只写本问差异。]
5.2 模型建立
为刻画[现实目标],定义[变量],建立目标函数:
[公式]
其中,[变量/参数]表示[含义],单位为[单位]。
约束条件包括:
(1) [现实限制],数学表达为[公式];
(2) [现实限制],数学表达为[公式]。
5.3 求解方法
上述模型属于[问题类型],具有[规模/非线性/整数变量/约束特征]。本文采用[算法/求解器],关键参数为[参数],终止准则为[准则]。纸面结果见表[编号],支撑材料保留对应运行记录。
5.4 结果与分析
[插入结果表或图。]
由表/图X可见,[核心数值结论]。与[基准/方案B]相比,[提升/下降/差异]为[数值],说明[机理解释]。
5.5 本问结论
因此,问题X的答案为[直接回答题目]。该结论成立于[场景/约束/假设范围]。
```
后续子问题按同一形式写成一级章节,例如:
```text
六、问题二模型的建立与求解
6.1 本问建模思路
6.2 模型建立
6.3 求解方法
6.4 结果与分析
6.5 本问结论
```
如果某一问的灵敏度或检验只服务该问,可放在该问的 `结果与分析` 后;若是全局参数或总模型检验,则集中放入后文的检验章节。
## 八、模型检验、灵敏度分析与结果讨论
只检验会影响结论的东西。常见国奖做法是把检验写在分问后,或把全局灵敏度集中写一节。
```text
为验证[模型/方案]的可靠性,本文选取[关键参数/扰动项/数据划分/约束阈值]进行[扰动/交叉验证/回代/多种子测试],观察[指标]变化。
结果显示,当[参数]在[范围]内变化时,[核心结论/排名/可行性]保持[稳定/变化幅度]。当[边界条件]超出[范围]时,[模型表现],因此本文结论适用于[适用范围]。
```
检验优先级:
1. 可行性:约束是否满足。
2. 正确性:公式、单位、回代结果是否合理。
3. 稳定性:关键参数扰动后结论是否改变。
4. 优越性:相对基准方法是否有量化优势。
## 九、模型评价、改进与推广
```text
9.1 模型的评价
模型的优点:
1. [难点转译]:[说明模型如何把题目的核心难点转化为状态变量、约束组或判定函数,避免停留在经验判断],见[式/表/图/前问结果/支撑材料]。
2. [判定闭环]:[说明"状态定义--判定函数--结果输出--回代检验"如何让结论可计算、可核查],见[式/表/图/前问结果/支撑材料]。
3. [跨问递推/约束显式化]:[说明前一问结果如何进入后一问输入、约束或基准;关键现实限制如何写入目标函数或约束],见[式/表/图/前问结果/支撑材料]。
模型仍存在以下不足:
1. [现实因素缺失]:[说明忽略了什么,以及可能影响哪个结论。]
2. [表达或实现代价]:[说明符号、篇幅、计算量或参数依赖的代价。]
9.2 模型的推广
本文模型在[理想/给定]条件下建立。若推广到[现实/更大规模/新场景],需要补充[环境扰动/新约束/参数标定/数据来源],并重新检验[可行性/灵敏度/鲁棒性]。
```
评价控制:优点优先写"框架优点",但不要只写"统一坐标、变量、时间框架";要指出哪个现实难点被转译为可计算结构。证据钩子必须挂在每条优点上,可用式[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。图像必须说明机制、临界区间、几何关系或方案差异,不要只写"直观清晰"。推广必须说明迁移到哪里、改什么、需要什么数据;不要写"具有广阔前景"。
## 参考文献与附录
参考文献:
- 公开资料、他人成果和网络资料都要在正文引用处标注。
- 与方法、参数、政策、标准、外部数据有关的引用优先保留。
附录:
- 先列支撑材料目录,说明文件名、内容和对应正文问题。
- 放支撑材料文件列表。
- 放完整可运行源程序或说明没有用到程序。
- 放较大篇幅中间结果、算法流程、额外图表。
- 若使用 AI 且官方要求披露,把 AI 使用说明放入指定支撑材料或官方表格,不写入摘要正文。
- 附录和支撑材料不得出现参赛者身份、学校或赛区信息。
## 常见扣分信号
- 摘要没有数字,或摘要数字在正文找不到。
- 问题分析只写"采用某模型",没有数学归类和选择理由。
- 多个子问题共用公式却反复解释,没有抽成模型准备。
- 模型建立有公式但变量、单位、约束来源不清。
- 结果表没有直接回答题目。
- 灵敏度分析只画图,没有说明结论是否改变。
- 模型评价全是空泛优点,没有证据。
- 附录代码缺失、不可运行,或结果与论文不一致。
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 |