math-model-selector
数学建模竞赛「题型→模型」选择路由器(国赛/美赛/华数杯/电工杯/MathorCup)。按题型主类、数据规模、约束特征推荐模型框架与 Python 库,输出「子问题|模型|原因|Python库|备选」选择表。触发:选题/用什么模型/模型选择/题型判断/方法推荐/怎么建模。由 contest-orchestrator 主控调用;与 topic-scorer(选题评分)分工,math-modeling 仅作兼容入口。
cjh-solver · 已有静态检查记录
安装与使用
运行命令前先阅读来源与依赖说明。复制命令不会自动安装或执行。
npx skills add cjh-solver/MathModeling-Skills-Arsenal --skill math-model-selector技能说明
name: math-model-selector description: 数学建模竞赛「题型→模型」选择路由器(国赛/美赛/华数杯/电工杯/MathorCup)。按题型主类、数据规模、约束特征推荐模型框架与 Python 库,输出「子问题|模型|原因|Python库|备选」选择表。触发:选题/用什么模型/模型选择/题型判断/方法推荐/怎么建模。由 contest-orchestrator 主控调用;与 topic-scorer(选题评分)分工,math-modeling 仅作兼容入口。 metadata: version: "2.0"
math-model-selector — 竞赛题型 → 模型路由
Contest-Orchestrator Adapter
本技能只负责已选题目的模型框架选择;contest-orchestrator 保持模式、范围、任务卡和最终裁决的唯一权威。调用时读取项目工作区中的 problem_condition_ledger.yaml、problem_graph.md、数据审计和已登记证据,输出可写入 model_blueprint.yaml/model_contract.yaml 的结构化候选。
- 每个候选必须给出题面或文献证据定位、适用条件、失效条件、复杂度/求解风险和 baseline;不得凭空添加模型、参数或库。
- 对涉及数据规模、指标或参数的候选登记
numeric_source_map数值来源;需要随机求解时同时登记seed。 - 返回
status、active_mode、task_card、artifacts、evidence、checks、blockers、next_node节点包;候选与选择依据登记到项目工作区的run_manifest和result_registry,不写入 skill 安装目录。 - 模型、符号、数据和引用缺证据时返回
BLOCKED_INPUT;不替主控启动求解、论文或交付流程。 - 节点包和任何项目成品不得包含负回响、元话语或内部交流内容;新符号必须在论文首用处定义。
active_mode: full-contest-mathorcup 时,M1 只依据 problem_statement.md、data_overview.yaml、task_kpi.yaml 和题面证据提出逐问候选与指标/数据需求,不替用户批准最终路线;M3 由唯一 solver 结合 M2 eda_report.md、features.yaml、leakage_audit.yaml 和已确认文献用途确定统一 baseline、候选、分割策略、指标及计算预算。每个候选说明跨问输入输出和参数传递;题型、指标或样本结构不支持的方法不进入候选。候选表是决策依据,不是已执行结果;实际运行、数字与最终结论只由 M3 求解证据和独立验证确定。通用速查表及实现优先级仅作参考,不构成固定算法顺序。
定位与分工(避免与兄弟 skill 打架)
MathorCup 选择路线前,按 data-science-stack/references/mathorcup_experiment_protocol.md 核对当前安装版本、实际估计器 API、损失、目标耦合与拟合数量。多输出接口不自动证明利用目标相关性,旧版包装器也不证明当前估计器不支持多输出。算法比较和特征变换消融分别设计;候选是否采纳以预登记标准和完整对照为依据,不为新颖性强行引入未采用的方法。
| 决策 | 归属 |
|---|---|
| 选哪道题(多题评分/经验覆盖) | contest-orchestrator 的 topic-scorer |
| 选定题目后选什么模型框架 | 本技能 |
| 全流程执行(建模/求解/论文) | contest-orchestrator 主控(math-modeling 仅作兼容入口) |
本技能只在"题目已定、开始设计模型"时介入;不替代选题评分,不写论文。
输入
- 题目描述 + 问题分解(来自
contest-orchestratorproblem-parser 的 problem_graph;兼容math-modeling阶段1 输出) - 关键信息:子问题列表、数据规模(<100 / 100-1w / >1w)、约束类型(线性/非线性/整数/动态/空间/时序)、目标(单/多/模糊/鲁棒)
工作流(4 步)
- 判题型主类(对照下方速查表):
- 优化/规划 / 预测 / 评价/决策 / 分类/聚类 / 微分方程(机理) / 图/网络 / 时间序列 / 统计/相关 / 排队论 / 博弈论
- 看数据与约束:数据规模决定 ML 还是机理;整数/非线性决定求解器(精确 vs 启发式)
- 查速查表选主模型 + 备选(备选必须来自表格或文献,禁止现场发明)
- 输出模型选择表(子问题 | 模型 | 原因 | Python库 | 备选方案),喂给求解阶段
详细决策参考(按需加载)
- 速查表覆盖 10 大题型主类;需要 95+ 细分场景(数据规模、约束类型、目标冲突、参数建议)时,加载
references/model-selection-matrix.md(模型决策矩阵,含冲突裁决规则与快速决策速查)。矩阵是知识参考,最终选择必须结合题目约束与团队判断。 - 需要 实现路由决策(选完模型后决定由哪个子 skill 落地:pyomo / heuristic-algorithms / data-science-stack / 解析求解)时,加载
references/model-selection-matrix-harness.md(harness 版矩阵,含实现路由列与三问裁决:题目特征、问题规模、用户背景优先)。 - 防炫技方法选择(通用扎实方法优先级表 P0-P3、复杂度升级树、炫技检测清单 8 项、模型-假设一致性检查、方法选择 7 问)时,加载
references/anti_flashy_method_guide.md。核心原则:方法适配问题,而不是越复杂越好;复杂方法不是默认候选,而是"经论证后获得准入资格"的候选。
题型→模型速查表
| 问题类型 | 竞赛频率 | 推荐模型 | Python 库 |
|---|---|---|---|
| 优化/规划 | 极高 | LP/MILP/NLP、遗传算法、PSO | pyomo, pulp, scipy.optimize, geatpy |
| 预测 | 高 | XGBoost、随机森林、ARIMA、LSTM、GM(1,1) | sklearn, statsmodels, xgboost |
| 评价/决策 | 高 | AHP、TOPSIS、熵权法、模糊综合评价 | numpy 手写 |
| 分类/聚类 | 中 | K-Means、SVM、DBSCAN、层次聚类 | sklearn |
| 微分方程(机理) | 中 | ODE/PDE 数值求解、SIR、传热/光学模型 | scipy.integrate |
| 图/网络 | 中 | 最短路径、最大流、最小生成树 | networkx |
| 时间序列 | 中 | ARIMA、SARIMA、Prophet、LSTM | statsmodels, prophet |
| 统计/相关 | 低 | Pearson、Spearman、灰色关联、主成分 | scipy.stats, numpy |
| 排队论 | 低 | M/M/1、M/M/c 模型 | simpy, 手写 |
| 博弈论 | 低 | Nash 均衡、演化博弈 | nashpy, 手写 |
快速路由规则:
- 「产量最大/损失最小 + 容量/预算限制」→ 优化(先 LP/MILP,超时切启发式)
- 「历史数据 + 未来值」→ 预测/时间序列(先 baseline,再 ARIMA/XGBoost)
- 「实测离散数据 + 几何/物理要素标注」→ 统计/数据处理或机理反演(先判题型再选)
- 「物理/工程背景 + 连续演化」→ 微分方程/机理建模(ODE 起步)
- 「排名/评价/多指标」→ 综合评价(熵权+AHP+TOPSIS 组合)
输出格式
## 模型选择表
| 子问题 | 模型 | 原因 | Python库 | 备选方案 |
|--------|------|------|----------|----------|
| Q1 | ... | ... | ... | ... |
求解优先级:精确(pyomo)→ 启发式(heuristic-algorithms)→ 简化/近似
与现有体系对接
- 求解实现:精确用
pyomo;超时/不可行切heuristic-algorithms(GA/SA/PSO/蒙特卡洛/ODE) - C 题数据链路:EDA→预处理→统计→ML→时序 走
data-science-stack - 结果可视化:数据结果图 scipilot-figure-skill → modelviz → scipilot-figure-skill;所有非数据图 tikz-scientific-figures;Draw.io 仅用户明确要求时使用
- 竞赛全流程:作为
contest-orchestratorplanner 的模型选择器调用(兼容math-modeling阶段2 入口)
边界(不做)
- ❌ 选题评分(那是
contest-orchestratortopic-scorer) - ❌ 文献调研(用 web 搜索)
- ❌ 写论文(
contest-orchestrator主控下的mathmodel-latex-skill/latex-paper-en)