MCM-ICM_Toolkit/docs/02-architecture.md

架构设计

上游依据：01-suggestion-review.md。本文件定义"代码往哪写、边界在哪、接口长什么样"。

---

一、设计原则

1. 薄封装优先。 能用 SciPy / sklearn / statsmodels / NetworkX / SALib 一行解决的，就只做一行转发 + 参数校验 + Result 包装。本仓库不替代这些库。
2. 自己实现是有目的的。 只有"库里没有、或者自己写才学得会"的算法才手写（bootstrap、Monte Carlo、DP、SA、熵权、TOPSIS、灰色……）。手写实现要能被读懂、能被改。
3. 统一出口。 凡是"拟合 / 求解 / 模拟"类函数，一律返回 Result，字段固定。
4. 可复现。 所有含随机的公开函数都接受 random_state，默认 None（用全局 RNG）。
5. 默认值面向比赛。 默认参数应当在 4 天赛程里"直接能跑完"，不用调。

---

二、包结构（7 个包）

src/mcm_toolkit/
├── __init__.py          只导出 6 个高频快捷函数 + 7 个子包
├── _version.py
│
├── core/                ① 基础设施 —— 所有包的地基
│   ├── result.py        Result
│   ├── random.py        set_seed / get_rng
│   └── validate.py      check_array / check_same_length / check_probability / check_square
│
├── data/                ② 数据进出 —— 最高频
│   ├── io.py            load_table / save_table
│   ├── clean.py         clean_missing / impute_missing / detect_outliers / winsorize
│   ├── transform.py     normalize / standardize / log_transform / one_hot_encode
│   └── sample.py        train_test_split / kfold_split / bootstrap_sample
│
├── stats/               ③ 统计 —— S 级模块
│   ├── descriptive.py   describe / zscore / coefficient_of_variation
│   ├── inference.py     confidence_interval / t_test / anova / chi_square_test
│   │                    fit_distribution / goodness_of_fit
│   └── bootstrap.py     bootstrap_statistic / bootstrap_ci        ★ 自己实现
│
├── models/              ④ 建模 —— 回归 / 时序 / ML，统一协议
│   ├── base.py          Model 协议：fit / predict / score
│   ├── metrics.py       rmse / mae / mape / r2_score / adjusted_r2 / compare_models
│   ├── regression.py    fit_linear / fit_polynomial / fit_nonlinear / predict
│   ├── timeseries.py    exponential_smoothing / fit_arima / forecast
│   └── ml.py            fit_forest / fit_logistic / kmeans / pca / cross_validate
│
├── solve/               ⑤ 求解 —— 竞赛主力（把模型反复算）
│   ├── optimize.py      minimize / linear_program / integer_program
│   │                    dynamic_programming / knapsack_dp          ★ 自己实现
│   │                    simulated_annealing                        ★ 自己实现
│   │                    pareto_front
│   ├── simulate.py      monte_carlo / monte_carlo_probability / monte_carlo_integral
│   │                    random_walk / markov_simulate / markov_steady_state
│   │                    mm1_metrics
│   ├── sensitivity.py   local_sensitivity / one_at_a_time / parameter_sweep
│   │                    robustness_test / sobol_analyze / morris_analyze
│   ├── graph.py         【v0.2】build_graph / shortest_path / centrality / pagerank / max_flow
│   └── dynamics.py      【v0.2】solve_ode / solve_system / find_equilibrium / local_stability
│
├── decision/            ⑥ 评价决策 —— 中文赛特色
│   ├── weighting.py     entropy_weights / critic_weights / equal_weights
│   ├── ahp.py           ahp_weights / ahp_consistency_ratio
│   ├── topsis.py        topsis
│   └── grey.py          grey_relational_analysis / gm11_fit_predict
│
└── viz/                 ⑦ 出图出表 —— 论文产出的最后一公里
    ├── style.py         mcm_style
    ├── plot.py          plot / plot_correlation_matrix / plot_residuals / plot_convergence
    └── export.py        save_figure / save_table

★ = 自己实现（S 档，配完整函数卡片）

---

三、与 ChatGPT 原方案的对照

原方案	现方案	变更理由
14 个包	7 个包	见 01-suggestion-review.md §3.1
regression/ + ml/	合并 models/	原方案里 fit_linear 与 fit_linear_regression 重复
optimization/ + simulation/ + sensitivity/	合并 solve/	三者共享 Result / rng / 并行约定，分开会重复三遍
dynamics/ network/	降级为 solve/dynamics.py solve/graph.py，进 v0.2	低频，不值得独立包
utils/metrics.py + 单列 analysis/	合并 models/metrics.py	原方案三处重复放同一批指标
13 个 plot_*	plot(kind=...) + 3 个专用图	改全局样式不必改 13 处
5 个 Result 类	1 个 Result	第一版没有一个函数需要区分五种结果

---

四、关键约定

4.1 Result（唯一结果对象）

@dataclass
class Result:
    name: str                      # 产生它的函数名
    params: dict | None = None     # 参数估计 / 决策变量取值
    metrics: dict | None = None    # 评估指标
    data: Any = None               # 主要载荷（预测值 / 轨迹 / 排序……）
    success: bool = True
    message: str = ""

约定：

• 任何"拟合 / 求解 / 模拟 / 评价"函数只返回 Result，不返回裸 tuple。
• Result 支持 repr 直接打印成"指标表"，方便贴进论文草稿。
• 后续真需要区分类型时再派生，不提前建 5 个类。

4.2 随机数

set_seed(seed) -> None              # 全局种子
get_rng(random_state=None) -> np.random.Generator

• 所有含随机的函数签名统一含 random_state=None，内部第一行 rng = get_rng(random_state)。
• 禁止直接用 np.random.* 旧接口，禁止裸用 random 模块。
• 论文附录必须写明 seed。

4.3 模型协议

class Model(Protocol):
    def fit(self, X, y, **kw) -> "Model": ...
    def predict(self, X) -> np.ndarray: ...
    def score(self, X, y) -> dict: ...      # 返回指标 dict，不是单个 float

• 这样 compare_models({"linear": m1, "rf": m2}, X, y) 才能统一执行。
• compare_models 返回 pd.DataFrame（行=模型，列=指标），可直接 save_table(..., fmt="latex")。

4.4 指标方向与量纲（评价类必读）

• normalize 只做无量纲化（min-max / 向量归一），不改变指标方向。
• 方向（效益型 / 成本型）在 decision 层处理，用参数 benefit_columns 显式声明。
• 不允许默认假设"越大越好"。

4.5 import 规则

• 顶层 mcm_toolkit/__init__.py 只导出子包 + 6 个快捷函数，不 import *。
• 子包之间允许单向依赖：core ← data / stats / models / solve / decision / viz；viz 可依赖其余全部；禁止反向依赖。
• __all__ 是公开 API 清单，不写"内部工具"。

4.6 依赖分层

层	包	说明
核心（必装）	numpy scipy pandas matplotlib	core data stats viz 只需要这些
[ml]	scikit-learn statsmodels	models/
[graph]	networkx	solve/graph.py
[sensitivity]	SALib	sobol_analyze / morris_analyze
[symbolic]	sympy	solve/dynamics.py
[moo]	pymoo	真需要 NSGA-II 时
[excel]	openpyxl	Excel 读写
[dev]	pytest ruff pyright	开发

可选依赖缺失时必须给出可读报错，例如 sobol_analyze 在没装 SALib 时提示 pip install "mcm-toolkit[sensitivity]"，而不是 ModuleNotFoundError 裸抛。

4.7 类型约定（每个函数都适用）

公开函数的参数类型注解必须写全，并且与 docstring 说的是同一件事：注解给 IDE / pyright 看， docstring 给人看。两处打架时，合法用法会被标红，真正的错误反而看不见。

判断顺序照抄下表，不要凭直觉：

值可能来自	怎么写	为什么
整数	isinstance(x, (int, np.integer))，取值统一 int(x)	np.int64 不是 int 的子类，只写 int 会漏
浮点	isinstance(x, (float, np.floating))	np.float64 是 float 子类，但 np.float32 不是——不统一
布尔	isinstance(x, bool) 要放在 int 判断之前	True 也是 int，顺序反了会当成 1
数组 / 表	np.asarray(x, dtype=float) 后再校验	别假设调用方已经转好类型

非法类型必须 raise TypeError，不许静默兜底。 静默的典型后果是 "种子被忽略、结果不可复现，但没有任何提示"——比直接报错难查一百倍。

配套要求，每个公开函数都要有：

• Parameters 写清类型与含义；允许 None 时，写明 None 会走哪条分支
• Raises 写清会抛什么异常

参考实现：core/random.py 的 get_rng。

---

五、测试策略

• 目录 tests/ 与包一一对应（tests/test_stats.py ↔ stats/）。
• 测已知解析解，不测实现细节：

函数	测法
monte_carlo_integral	对 ∫₀¹ x² dx = 1/3 收敛，误差 < 1e-2（n=1e5）
bootstrap_ci	正态样本大 n 下，百分位 CI ≈ 解析 CI（±5%）
confidence_interval	与 scipy.stats.norm.interval 对齐
fit_polynomial	与 np.polyfit 系数对齐（allclose）
detect_outliers	人工构造带 3 个离群点的数组，命中数 = 3
topsis	与手算的排序一致

• 随机相关测试一律固定 random_state。
• 每条断言都要能说清"错了说明什么"。