davepoon/buildwithclaude / plugins/all-skills/skills/mcm-o-guide
mcm-o-guide
VerifiedMCM/ICM 优秀论文写作全流程指南——基于 502 篇历年获奖论文(2004–2024)语料库的结构化分析与评委点评提炼。覆盖:摘要逐句模板、6 类题型模型选择矩阵、25 页页预算分配、图表黄金法则、灵敏度/稳健性分析范式、全文一致性检查清单。当用户准备美赛、写论文、打磨论文、查结构、选模型、做摘要、看评委标准、读优秀论文时使用。也适用于任何需要高质量数学建模论文写作的场景。
references/end-to-end-case-DEF.md
View on GitHub# 端到端案例:D/E/F 题(ICM 三大题型)联合复盘
> 一个文件覆盖 ICM 三大题型,每题一个完整案例。至此 A-F 六题案例全部齐备,
> 与 [end-to-end-case.md](end-to-end-case.md)(A 题)、[end-to-end-case-B.md](end-to-end-case-B.md)(B 题)、
> [end-to-end-case-C.md](end-to-end-case-C.md)(C 题)构成完整六题矩阵。
---
# D 题:2021 音乐影响力网络(运筹/网络科学)
## 0 概况
| 项 | 值 |
|---|---|
| 题目 | The Development and Evolution of Music |
| 核心问题 | 如何量化音乐家之间的影响力与相似度? |
| 子任务 | 7 个(影响力网络→相似度→流派区分→"传染性"特征→革命者→动态影响→环境影响) |
| 页数 | 23 页 |
| 模型数 | 4 个链式模型 |
## 1 模型链
```
PageRank 影响力模型(Q1)→ 特征向量相似度(Q2)
↓ ↓
混合模型:影响力 + 相似度 泛化(Q3/Q4)
↓
继承度指标(Q4:哪些特征"传染")
↓
演化分析模型(Q5-7:时代革命 + 动态影响 + 社会环境)
```
### 关键设计
**模型 1:改进 PageRank(D 题经典打法)**
```
原版:PR 值从父节点传播到子节点
改进:反转传播方向(子→父),因为"影响力"需要从被影响者反向归因
PR(Vi) = (1-p)/N + p × Σ PR(Vj)/L(Vj)
```
**为什么这是 D 题拿 O 的标准动作:** 网络科学题的核心不是"用了 PageRank"(太多队用),
而是"针对题目结构改进了它"。反转传播方向 1 行代码,却在正文中贡献了
一整节的"为什么这样改"——这是评委要的创新显式化。
**模型 2:双度量交叉验证(相似度)**
```
度量 A:Minkowski 距离 → sim = e^(-d²)
度量 B:余弦距离 → sim = cos θ
结论:两个热力图的色块形状基本一致 → 结果对度量选择不敏感(隐式稳健性验证)
```
**模型 3:继承度指标(自构指标)**
```
将"网络节点连接"与"相似度"结合,构造 Inheriting Degree Index
→ 量化"哪些音乐特征更容易被'传染'"
→ 结论:同样的特征在不同流派中的影响力不同
```
## 2 摘要战术
| 段落 | 动作 | 亮点 |
|---|---|---|
| 背景 | 1 句 + "四模型" 总览 | 数字"4"预告结构 |
| Q1 | PageRank + top 20 | 有具体输出(Table 2) |
| Q2 | 特征向量 + 热力图 | 方法链清晰 |
| Q3/Q4 | 混合模型 + 继承度 | **自构指标命名** |
| Q5-7 | 演化分析 + Beatles 案例 | 具体案例(1960s) |
| 收尾 | 灵敏度 + 优劣势 + ICM Society 信 | 完整 |
## 3 验证方式
- **稳定性验证(非参数扫描):** 把算法分别跑在全网和 Pop/Rock 子网上,排名一致 → 稳定
- **双度量对比:** Minkowski vs 余弦,热力图形状一致 → 对度量选择不敏感
> **D 题可迁移:** 网络模型不一定要传统灵敏度分析,"子网络/子集一致性"是更自然的验证方式。
---
# E 题:2023 光污染风险(环境科学)
## 0 概况
| 项 | 值 |
|---|---|
| 题目 | Turn off the lights, Turn on the stars! |
| 核心问题 | 如何量评估光污染风险并设计干预策略? |
| 子任务 | 4 大任务(度量→应用→策略→案例) |
| 页数 | 25 页 |
| 模型数 | 3 个递进模型(ESE → LPRA → I-ESE) |
## 1 模型链
```
ESE 模型(三子系统风险分解)
├─ 经济子系统:Logistic 人口 + 三产业加权 → EC
├─ 社会子系统:5 类用地 × 亮度阈值 → SC
└─ 生态子系统:生物数量 × 光强 → EN
↓
LPRA 模型(AHP 基于 Google 搜索指数定权 + K-means 分级)
→ 输出:风险等级 RL ∈ [Slight / Moderate / Serious / Severe]
→ 应用:284 个区域 + 4 个代表城市
↓
I-ESE 模型(子系统互联 + 非线性拟合耦合关系)
→ 输出:3 种干预策略 + 最优策略选择 + 20 年效果预测
```
### 关键设计
**数据来源创新:** AHP 的判断矩阵不是拍脑袋,而是**用 Google 搜索指数构造**——
公众关注度作为权重的客观代理。这回应了评委"参数来源透明"的要求。
**四级分类可视化:**
```
Slight(0.0443~0.1678), Moderate(0.1705~0.2542),
Serious(0.2568~0.3698), Severe(0.3976~0.6186)
4 个城市得分:Ordos 0.1332(轻微), Zhaotong 0.1778(中等),
Qingyuan 0.2574(严重), Guangzhou 0.5154(重度)
```
**干预策略量化(F 题式的政策落地):**
```
广州(策略 I+II):RL 从 0.5153 → 0.0309(20 年,降 94%)
昭通(策略 II+III):RL 从 0.1678 → 0.0885(20 年,降 47%)
```
## 2 摘要战术
**数字密度是六题案例中最高的**(4 个区间端点 + 4 个城市得分 + 2 个改善幅度 + 20 年):
| 数字 | 含义 |
|---|---|
| 284 | 应用区域数 |
| 0.0443~0.6186 | 四级风险区间 |
| 0.1332 / 0.1778 / 0.2574 / 0.5154 | 四城市得分 |
| 0.5153→0.0309 | 广州 20 年改善 |
| 0.1678→0.0885 | 昭通 20 年改善 |
| ±50% | 灵敏度扰动范围 |
**E 题特有战术:** 文学引用开场(Jules Verne《地心游记》),瞬间建立" Turn off the lights, Turn on the stars" 的叙事主题——评委读 200 篇干巴巴的技术摘要后,记得住的是这个标题。
## 3 灵敏度分析
```
成本参数设为原始数据、+50%、-50% 三档 → 风险曲线趋势相似 → 模型稳健
```
> 评委原话佐证:*"Exploration of the sensitivity of a model can be as simple as exploring what happens for a different ranges in a parameter."* —— E 题用最简单的单参数三档扫描就达标了,关键是**结论句**写清楚。
---
# F 题:2021 高等教育体检报告(政策分析)
## 0 概况
| 项 | 值 |
|---|---|
| 题目 | Health Status and Treatment Plan: A Physical Examination Report for Higher Education |
| 核心问题 | 如何评估各国高教体系的健康度与可持续性,并为薄弱国家开"处方"? |
| 子任务 | 4 大任务(建立度量→评估多国→选一国深挖→政策建议) |
| 页数 | 25 页 |
| 模型数 | AHP + DEA-Malmquist + Markov 链 |
## 1 "体检报告"框架(F 题最强的叙事创新)
整篇论文用**医学体检隐喻**贯穿:
| 医学概念 | 论文对应 |
|---|---|
| 体检指标 | 6 大因素 14 项指标(投资/可达性/教育水平/科研/公平/吸引力) |
| 正常值范围 | 80% 分位数(K-S 检验验证分布后确定) |
| 综合健康分 | OPG(Overall Point Gain) |
| 体质趋势 | DEA-Malmquist 效率变化 |
| 诊断 | 5 国健康度判定 |
| 处方 | 印度案例:三阶段政策 |
| 疗程预测 | Markov 链政策实施模型 |
**为什么这个隐喻值一个 O:** 它把 4 个松散任务(度量→评估→深挖→政策)
串成一个有记忆点的整体叙事。评委第三轮读完 25 页后还记得"体检报告"这个框架。
## 2 模型链
```
数据(50 国 × 14 指标 × 2009-2018)
→ K-S 检验分布 + 80% 分位定"正常值"
→ AHP 定权 → OPG 健康分
→ DEA-Malmquist 效率趋势 → 可持续性
→ 5 国诊断(US/UK/DE/JP/IN)
→ 印度深挖:现状分析 → 三阶段愿景
→ 靶向政策(短期/中期/长期)
→ Markov 链政策实施预测 + 时间线
→ 现实影响与阻力分析
```
### 关键设计
**权重不是拍脑袋:** AHP 判断矩阵 + K-S 检验确定"正常范围"——每个统计决策都有方法名。
**政策分级(F 题核心):**
```
短期:降低贫困生教育成本、降低最低工资标准、放宽留学生入学门槛
中期:[经济发展与社会结构过渡]
长期:计划生育、经济结构转型、教育环境改善
```
**政策效果预测:** Markov 链不是用来装点门面的——它回答"政策实施后指标如何随时间演化",
并画出 Implementation Timeline。
**诊断结论的干净表述:**
```
US:亚健康 + 可持续 | UK:亚健康 + 可持续性差
Germany:完全健康 + 优异可持续 | Japan:不健康 + 可持续
India:不健康 + 不可持续 → 选为深挖案例
```
## 3 F 题可迁移战术
1. **隐喻框架**:把松散任务串成有记忆点的整体叙事(体检、法庭、生态系统…)
2. **政策必须分级**:短/中/长期 + 每条政策标注针对哪个指标
3. **政策效果必须可预测**:Markov 链 / 系统动力学 / 情景仿真,选一个
4. **建议必须"靶向"**:从模型诊断出"病因",政策逐条对应病因,不能泛泛"加强教育投入"
5. **选案例要有理由**:"India has much room for improvement"——不是随便选一国
---
# 三题横向对比(与 A/B/C 汇总)
| 维度 | D 题(网络) | E 题(环境) | F 题(政策) |
|---|---|---|---|
| 核心方法 | PageRank 改进 | AHP + K-means | AHP + DEA + Markov |
| 创新类型 | 算法改进 | 数据来源创新 | 叙事框架创新 |
| 指标构造 | 继承度 | 风险等级 RL | OPG 健康分 |
| 验证方式 | 子网一致性 | 单参数三档 | 多国交叉对照 |
| 政策落地 | — | 3 策略 + 2 城市案例 | 3 阶段 + Markov 预测 |
| 摘要数字 | ~8 | ~15 | ~10 |
| 叙事亮点 | Beatles 案例 | Jules Verne 引用 | 体检报告隐喻 |
## 六题全景(A-F 终极对照表)
| 题型 | 案例 | 核心模型 | 创新类型 | 验证方式 |
|---|---|---|---|---|
| A 连续 | 2023 干旱 | ODE + 环境耦合 | 机制耦合 | 单种 vs 多种对比 |
| B 离散 | 2022 水资源 | 多目标 + 0-1 规划 | 等效简化 | 分阶段讨论 |
| C 数据 | 2021 大黄蜂 | CA + CNN + 贝叶斯 | 数据驱动 | KL 散度 + 95% CI |
| D 网络 | 2021 音乐 | PageRank 改进 | 算法改进 | 子网络一致性 |
| E 环境 | 2023 光污染 | AHP + K-means | 数据来源创新 | 单参数三档扫描 |
| F 政策 | 2021 高教 | AHP + DEA + Markov | 叙事框架 | 多国交叉对照 |
**结论:** 六大题型拿 O 的"套路"各不相同,但底层的四件事永远一致:
1. **至少一个可命名的创新点**(模型改进 / 指标构造 / 数据洞察 / 叙事框架)
2. **摘要数字密度 ≥ 9 个**(A/B/E 题可以更高)
3. **验证方式与题型匹配**(不是所有题都适合参数扫描)
4. **每个子任务有显式回答标记**
Related skills
| Skill | Stars | Updated | Works with | Status | Install |
|---|---|---|---|---|---|
| slack-gif-creatoranthropics/skillsKnowledge and utilities for creating animated GIFs optimized for Slack. Provides constraints, validation tools, and animation concepts. Use when users request animated GIFs for Slack like "make me a GIF of X doing Y for Slack." | Stars: 198k | Updated | Claude CodeCodex | Verified | Install |
| ponytailDietrichGebert/ponytailLazy senior dev mode for any coding task: the smallest change that fully solves it, and a reply a busy human understands in one read. | Stars: 194k | Updated | Claude CodeCodex | Verified | Install |
| ponytail-debtDietrichGebert/ponytailHarvest every shortcut: comment into one debt ledger, so deferrals get tracked instead of forgotten. One-shot report. | Stars: 194k | Updated | Claude CodeCodex | Verified | Install |
| ponytail-debtDietrichGebert/ponytailList every `shortcut:` comment (and older `ponytail:` ones) as a debt ledger. One-shot report, changes nothing. Use for "ponytail debt", "what did ponytail defer", "list the shortcuts", /ponytail-debt. | Stars: 194k | Updated | Claude CodeCodex | Verified | Install |