美赛F题政策与社会类AI提示词模板 数学建模竞赛备赛参赛参考

美赛F题（政策与社会类）通用AI提示词核心特征：基于政策分析与社会科学原理的综合建模，以“社会问题解析-多准则平衡-政策优化”为核心，关联“社会机理-政策约束-实践方案”，严格保证社会逻辑一致性、政策适配性，兼顾美赛评分点（机理严谨性、方案可行性、影响全面性、论证完整性）。一、前置信息说明（强化F题适配）我是数学建模美赛（ICM）参赛选手，需解决以下F类政策与社会科学题目：【在此粘贴完整题目文本、附件说明（含社会数据/政策文件/场景描述）、题目隐含的政策优化场景背景】。团队情况：□零编程基础□有基础政策建模经验□首次参赛□多次参赛（目标冲击高奖）擅长编程语言/工具：（如Python/Matlab/R，需注明是否掌握核心库：Python的Pandas/Scikit-learn/NetworkX；Matlab的统计工具箱；R的ggplot2/AHP包；SPSS数据分析工具）需求重点（可多选，标注优先级）：□政策机理模型创新性□代码可执行性（含数据建模与政策模拟）□社会数据可视化与影响分析□论文写作素材（政策逻辑/影响论证/方案阐述）□多准则平衡与敏感性分析（美赛必查评分点）获奖目标：□O/F奖（特等奖，需强政策创新+影响闭环）□M奖（一等奖，需逻辑严谨+方案最优）□H奖（二等奖，需模型完整+无逻辑漏洞）题目核心场景与类型：【精准标注，如：公共政策评估与优化、社会问题治理方案设计、区域发展均衡性分析、公共资源配置政策制定、社会影响预测与应对等】，明确核心目标（如政策效益最大化、社会公平性提升、多利益主体平衡、政策实施成本可控）。

二、题目分析阶段（锚定F题“政策核心、多准则聚焦”特性）请逐句解析题目，区分「背景信息」「核心政策/社会问题」「已知条件（含社会统计数据、政策参数、利益主体诉求）」「约束条件（含法律法规、社会伦理、资源限制、利益平衡）」，用表格分列呈现；重点标注关键政策过程与多准则决策的核心关联，明确社会因子（如就业率、公平指数）与政策目标的对应关系（如就业率关联民生目标，政策投入关联成本约束）。明确小问划分：共几个小问，列出各小问的「直接目标」「隐含目标」（贴合F题特点，如小问1表面求政策影响范围，实际需为后续优化方案提供机理支撑）、「输出要求」（如是否需要政策影响图/优化方案表/社会影响评估报告）。逻辑关系梳理：用结构化思维导图（文字描述节点与关联）展示各小问的关联性、社会因子与多准则变量的依赖关系（如政策影响数据依赖机理模型，为优化决策变量提供约束），标注逻辑传递路径（如社会问题解析→约束梳理→多准则建模→政策模拟→影响验证）。题型定位：明确各小问属于「政策影响评估类」「社会问题建模类」「多准则优化类」「方案可行性分析类」，结合F题政策与社会科学特性说明判断依据；同时标注该小问是否需要“政策机理模型+多准则决策融合”（F题多数小问需二者深度融合）。请将上述生成的内容整理成文档，文档命名为【问题分析模块】三、模型选择阶段（适配F题“基础+创新”双方案，贴合美赛评分）针对每个小问，推荐2种模型方案（1种基础政策/社会模型+1种创新融合模型），均需紧扣政策过程与社会机理，禁止脱离实际场景的纯理论模型：方案1（基础适配，保分核心）：经典政策/社会模型+美赛适配改进点（如「层次分析法+准则权重校准（贴合社会诉求）」「系统动力学模型+政策因子优化（适配实施场景）」「线性加权和法+多利益主体平衡（兼顾公平与效率）」），确保模型稳定、符合政策逻辑。方案2（创新融合，冲奖关键）：基础模型+多方法融合（贴合F题趋势，如「系统动力学+机器学习（提升政策预测精度）」「政策评估模型+复杂网络分析（量化影响传导）」「多准则决策+蒙特卡洛模拟（规避不确定性风险）」），突出“机理定框架、多准则提价值”。对每种模型需详细说明（适配美赛论文论述需求）：核心原理：用1段通俗语言描述，紧密结合题目对应的政策/社会科学逻辑（如政策传导机理、多准则平衡原理、系统动力学规律），明确模型与政策场景的对应关系。适配性：为何适合本题的政策场景，如何匹配题目给出的社会数据、政策参数与约束条件，是否能覆盖单一与复杂场景的建模需求。创新点（美赛高奖关键）：与传统政策模型的差异，如何提升政策模拟的精度与方案的创新性（如引入动态政策因子、多准则自适应权重、社会网络传导效应），说明该创新点对政策优化的实际价值（非形式化创新）。局限性与规避方案：可能存在的问题（如政策机理简化过度、准则权重设定主观、数据不足导致误差），结合F题特点给出规避/修正方案（如引入实地调研数据校准、采用客观赋权法、优化政策传导公式）。可视化流程：用文字描述流程图（便于转化为论文图表），展示模型应用步骤，包含「政策场景抽象→社会因子定义→机理分析→模型构建→多准则求解→影响验证」的决策点（如「多准则是否存在冲突→是：权重调整/诉求平衡；否：直接求解」），标注每个步骤的输出物（如政策影响图、优化模型公式、实施方案表）。重新生成新的文档，请将上述生成的内容整理成文档，文档命名为【模型选择模块】政策数据与机理处理阶段（强化F题“数据适配+机理校准”核心需求）若题目提供数据可进行该步骤，若未提供数据请在全网自主寻找合适数据并对数据进行预处理操作等，但需要注明数据来源！题目中提供的政策数据与机理信息如下：【列出数据（含社会统计数据、政策参数、利益主体诉求、区域特征数据）或标注附件，明确类型：如时序统计数据、截面数据、政策文本数据、多利益主体诉求数据】。处理方案（结合政策与社会特性，覆盖数据适配与机理校准全流程）：数据预处理：针对社会政策数据特性，说明缺失值处理（如时序数据用线性插值、截面数据用均值填充、分类数据用众数填充）、异常值修正（如用Z-score法检测异常统计值，结合社会规律判断保留/修正）的方法，标注选择依据；若涉及多维度数据，说明标准化/归一化处理方式，适配多准则优化需求。机理校准：结合政策与社会科学原理，说明模型参数校准方法（如用实地调研数据校准政策传导系数、用社会满意度数据校准准则权重），确保模型输出符合实际政策效果；若存在机理简化，说明简化依据及校准措施。约束转化：将题目中的法律法规、社会伦理、资源限制、利益诉求转化为数学约束，对应到社会因子与政策变量（如政策投入≤预算上限、社会公平指数≥基准值），形成约束清单，明确约束类型（硬约束/软约束）及优先级。数据/机理补充（F题常见需求）：若政策数据不足或机理参数缺失，严格区分「必须补充」（如关键政策参数、社会基准值、利益诉求边界）和「可选补充」（如提升模型精度的外部统计数据），推荐美赛可落地的获取途径（如国家统计局数据、世界银行公开数据、政策研究文献）；若无法获取，需基于政策与社会科学原理合理假设补充（详细标注假设依据，如参考同类区域的政策传导系数，美赛允许合理假设但需论证）。代码中必须包含清晰的本地数据上传路径提示和清晰的处理完成的数据输出路径提示，使用醒目标注（如注释、变量名）指引学生替换为自己的本地数据路径；代码包含详细注释，标注每个步骤的目的、方法和参数含义；代码中最好包括数据可视化模块，包括数据预处理前的可视化分析和数据预处理后的可视化分析等，可视化分析要看是否有必须做，如有必要则在代码中包括，可视化分析图片质量要求比较高，美观性较强！将预处理完数据保存为通用格式（CSV优先，Matlab支持.mat格式）；同时提供多维度的预处理后的数据获取方式：直接展示处理后数据的前10行和后5行；提供多种虚拟下载链接（注明文件名称、大小、格式）；说明Python/Matlab代码中保存处理后数据到本地的方法和路径设置；提示学生如何验证处理后数据的完整性。总结整个数据预处理过程，形成数据预处理结论重新生成新的文档，请将上述生成的内容整理成文档，文档命名为【数据预处理模块】五、模型建立阶段（强化“政策机理-多准则模型”衔接，适配美赛论文推导）先导要求：[以上述模型选择模块，各小问方案X为最终选择模型并进入模型建立部分]结合前面选择的模型和处理后的政策数据/机理，详细说明各小问建立政策多准则模型的完整步骤，重点突出政策机理与数学公式的强关联，符合美赛论文公式推导规范：变量与社会因子定义：用表格明确「社会因子、政策变量、多准则变量、参数」，标注变量类型（连续/离散）、单位、约束范围，详细说明对应政策意义（如「S：社会公平指数，无量纲，对应政策实施后的公平程度，约束≥0.8（基准值）」），区分“已知参数”“假设参数”“优化变量”。假设条件：列出3-5个核心假设（基于政策建模简化需求，贴合F题特点），每个假设需说明合理性（如「假设短期内社会结构稳定，因题目核心聚焦政策本身影响，结构波动可通过后续敏感性分析覆盖」），避免无依据假设（美赛常见扣分点）。模型公式推导：分步骤推导模型核心公式（政策机理公式、多准则目标函数、约束方程），每步标注政策与社会科学逻辑（如「式(3)为政策影响传导公式，基于系统动力学原理，将政策投入与社会公平指数关联，其中k为传导系数，由实地调研数据校准得到」），推导过程需符合政策逻辑，公式标注规范（变量符号、参数含义统一）。建模流程图：用文字描述「政策场景抽象→社会因子定义→机理公式推导→多准则设定→约束嵌入→求解迭代」的逻辑链，标注关键节点（如「此处需验证公式与政策规律的一致性，避免违背社会伦理约束」「多准则需平衡主次关系，优先保障核心民生目标」），便于转化为美赛论文中的建模流程图。重新生成新的文档，请将上述生成的内容整理成文档，文档命名为【模型建立模块】模型求解与政策可视化阶段（强化代码落地与美赛展示要求）先导要求：[上传处理完成后的数据]代码语言：[输入代码语言如Matlab、Python等]请基于我上传的处理后的真实数据（若未提供数据请在全网自主寻找合适数据并对数据进行预处理操作等，但需要注明数据来源）针对每个小问的模型，编写对应编程语言的源代码（适配团队编程基础），优先选择美赛中易调试、贴合政策数据特性的方法（如统计数据用Pandas处理，多准则决策用AHP包实现）。求解步骤：按「政策数据/机理输入→变量/参数初始化（标注变量意义、约束范围）→模型构建（嵌入政策机理与多准则函数）→求解器调用/算法迭代→结果输出」分步骤说明，标注每个步骤的注意事项（如「政策参数需符合实际取值范围，避免出现违背社会伦理的不合理解；多准则优化需合理设定权重，平衡核心诉求」）。代码实现（贴合团队基础，美赛可直接复用）：若零编程基础：提供可直接运行的完整代码（标注依赖库及安装命令，如Python的pipinstallpandasscikit-learn），包含详细注释（每段代码说明对应政策建模逻辑）、参数校准模块，关键行注释说明「为何这么写」及对应的政策意义（如「此处用层次分析法计算准则权重，对应不同利益主体的诉求平衡逻辑」）。若有编程基础/指定编程语言：代码需符合该语言规范，包含异常处理语句（如参数超出合理范围提示、数据读取失败兼容处理）、多准则优化模块，注释聚焦核心政策机理与建模思路。可视化分析（适配美赛论文图表要求）：根据政策建模特性选择对应图表（如政策影响趋势图、多准则优化Pareto前沿图、不同方案效益对比柱状图、参数敏感性热力图），图表需含规范标题、坐标轴标签（带单位/含义）、图例、社会基准值标注，图下标注关键结论（如「图3显示优化后政策的社会公平指数达0.85，较基础方案提升12%，同时控制实施成本在预算范围内，符合政策目标」），满足美赛论文图表评分标准。请帮我生成一份单独的可直接生成上述问题求解中全部可视化图表的代码，代码无需借助任何本地数据上传，可直接在豆包平台运行，图表美观度较高，每个图表均有编号和图名，与问题求解部分生成的图表高度对应！按照上述建模步骤步骤，结合已上传的真实数据集运行代码得到相关结果，结果需要与题目要求高度对应，能够完成题目要求，并对各小问代码运行结果结合题目要求进行初步的解读和总结。重新生成新的文档，请将上述生成的内容整理成文档，文档命名为【模型求解模块】七、结果分析阶段（强化“政策价值+美赛论证”，避免纯数值解读）针对各小问的求解结果，结合政策特性与多准则指标给出详细的「基础分析」和「深层分析」，贴合美赛论文结果论述逻辑：基础分析：数值与方案解读：直接说明结果的政策意义、社会价值（如「最优方案对应政策投入120万元，社会公平指数达0.88，较初始方案民生效益提升18%，同时实现实施成本最小化，符合公共政策目标」），而非仅罗列数值。模型对比分析：对比不同模型的核心指标（如政策效益、实施成本、社会满意度、求解精度），说明最优模型的优势（如「系统动力学+机器学习模型较单一层次分析法，政策影响预测精度提升16%，能更精准支撑政策优化制定」）。深层分析（美赛高奖核心）：关联性：结果与政策机理、多准则约束的匹配度（如「优化方案满足预算上限、社会公平基准等所有硬约束，且政策影响趋势与实际社会规律一致，无逻辑矛盾」），验证模型合理性。敏感性分析（美赛必做）：分析核心政策参数（如传导系数、准则权重、投入规模）变化对结果的影响（如「当政策传导系数增加10%，社会公平指数提升5%，需精准测算该参数以提升方案可靠性」），附敏感性分析图表与结论。实际意义与延伸：结合题目背景提炼结论，关联政策实践场景（如「该模型可提供多场景下的公共政策优化方案，为政府提升政策实施效益、平衡多方利益提供数据支撑，助力社会治理现代化」），提升论文深度。请将上述生成的内容整理成文档，文档命名为【结果分析模块】八、模型检验与改进阶段（强化美赛评分点，规避常见扣分点）有效性检验（F题核心检验方向）：方法：针对政策多准则模型特点选择检验指标（如政策模拟精度、多准则目标达成率、约束满足度、社会影响合理性），结合多场景代入、实地数据验证模型适配性，避免单一指标检验。代码与结果：提供检验代码（如「用实地调研数据验证模拟精度、多场景数据代入验证方案可行性」），输出检验结果并解读（如「模型模拟值与实际政策效果的平均误差为7%，在5种典型场景下均能输出可行方案，约束满足度100%，模型有效」）。改进方向（体现建模思维完整性，美赛加分项）：若方案存在短板：说明可能的改进点（如「引入动态社会因子适配结构变化、采用更优多准则赋权法、增加长期政策影响评估模块」），给出具体改进方案而非泛泛而谈。若假设不合理：提出修正方案（如「放松假设2，引入区域差异因子，通过多区域数据校准模型，使方案更贴合实际地域特征」）。鲁棒性分析（美赛必做，F