XiaoMaColtAI/math-modeling-skill
数学建模技能 - 面向 CUMCM、MCM/ICM 等数学建模竞赛的三阶段工作流：建模分析、Python/MATLAB 编程与 DOCX 论文生成。包含丰富的算法资源库(优化/预测/评价/图论/机器学习等)、角色指导文档、论文模板和实用工具脚本
解决的问题
此项目为数学建模竞赛与项目提供了一个结构化的三阶段工作流程。它通过协调从初步问题分析与模型设计，到代码实现与最终学术论文生成的转换，解决了流程碎片化的问题，确保结果具有可重复性且视觉上专业。
运作方式
该系统通过三个专业角色运作，这些角色可以顺序或独立执行：
- 建模分析师 (Modeling Analyst)：分析问题、拆解子问题、选择合适的模型并设计验证计划。
- 程序员 (Programmer)：使用 Python 或 MATLAB 实现模型，生成数据表并建立科学可视化图表。
- 论文撰写者 (Paper Writer)：根据结果构建最终论点，并以 Word 或 LaTeX 格式生成论文。
为确保质量，该工作流程纳入了「质量闸门」(独立检查点) 以及针对特定任务 (如文献研究或规则验证) 的选配子代理。它包含一套整合工具，用于学术论文搜索 (通过 OpenAlex 和 AnySearch)、科学绘图与文档转换。
适用对象
专为数学建模竞赛 (如 CUMCM, MCM/ICM, APMCM) 的参赛者，以及从事一般数学建模项目的研究人员或学生所设计。
特色亮点
- 三阶段管线：从分析 $\rightarrow$ 实现 $\rightarrow$ 撰写的严谨流程。
- 双语言支持：原生支持 Python 和 MATLAB，并具备动态依赖检查。
- 出版级视觉效果：用于高 DPI、色盲友善的科学绘图工具 (SVG/PNG)。
- 学术工具：整合双引擎论文搜索，并支持 Word 和 LaTeX 的官方竞赛模板。
- 可重复性：自动记录随机数种子、文件哈希值 (SHA-256) 与环境版本。
- 代理整合：提供 DeepSeek Harness 的即用预设，并兼容于 Cursor 和 Claude Code 等 AI 编程辅助工具。
相关
- 项目
- 项目
- 项目
- 项目
- 项目