0 Fork 0

Files

T

guzhujushi 5319589dfd chore: 初始化 MCM/ICM Toolkit 仓库骨架

审查并精简 ChatGPT 的建库建议后落地的第一版骨架，只定接口不写实现。

- 建议审查：14 个包 → 7 个；约 250 个函数 → 约 40 个；5 个 Result 类 → 1 个
  （docs/01-suggestion-review.md）
- docs/：架构、路线图（含永久不做清单）、环境、Git 工作流、函数卡片模板
- src/mcm_toolkit/：core / data / stats / models / solve / decision / viz
  共 23 个模块，均为签名 + docstring + NotImplementedError
- tests/：9 个文件，其中 test_api_surface.py 已通过（20 passed）
- examples/ problems/ notebooks/ figures/ tables/ 骨架
- pyproject.toml（核心依赖 4 个 + 6 组 extras）、environment.yml
- scripts/：setup-venv.ps1（ASCII + LF）、setup-conda.ps1、doctor.ps1
- 环境：.venv（system-site-packages）与 conda 环境 mcm-toolkit 均已建好，
  数值栈版本与 base 完全对齐（numpy 2.4.6 / scipy 1.18.1 / pandas 3.0.6，MKL 后端）

2026-10-01 17:43:48 +08:00

983 B

Raw Permalink Blame History

教程

按"题型"组织的实战教程放这里，每篇对应一类赛题。

目前为空是刻意的：教程应该在做过至少一道该类型的真题之后再写，否则写出来的都是"字典式罗列"，没有踩坑经验，没有价值。

计划（做完对应真题后再写）：

教程	对应题型	触发条件
`评价类.md`	无量纲化 → 赋权 → TOPSIS/灰色 → 敏感性	做完一道评价类真题
`预测类.md`	描述 → 分布拟合 → ARIMA/GM(1,1) → 区间 → 误差分析	做完一道预测类真题
`优化类.md`	建模 → LP/IP → 启发式 → 多目标 → 敏感性	做完一道优化类真题
`仿真类.md`	参数分布 → Monte Carlo → 收敛性 → 鲁棒性	做完一道仿真类真题

面向"怎么用这个工具箱"的快速上手看 ../04-environment.md 和仓库根目录的 README.md；这里放的是建模思路。

983 B Raw Permalink Blame History

教程

983 B

Raw Permalink Blame History