jmsc-numerical-experiments
Use when designing the numerical / simulation study for a 《管理科学学报》 (Journal of Management Sciences in China) manuscript — validating the proven theoretical properties, testing algorithm performance, exploring parameter sensitivity, and extracting managerial insight. The study must serve the theory, not replace it. Use after jmsc-proofs and jmsc-algorithm.
Profile →npx skills add brycewang-stanford/Awesome-Journal-Skills --skill jmsc-numerical-experiments --agent claude-code
Same command for any agent — swap --agent for codex, cursor, copilot.
Weekly change comes from our own snapshots, not the repository page — it measures attention, not adoption.
# 数值实验与仿真（jmsc-numerical-experiments） ## 触发时机 - 命题/算法已就位，要设计数值研究来验证 - 实验单薄（一组参数、一张图），说不出洞见 - 审稿质疑"实验没验证理论 / 没管理含义 / 参数随意" - 想用仿真"代替证明"（方向反了） ## 核心：数值实验是验证 + 洞见，不是证明 本刊的数值实验有**两个任务**：(1) **验证**已证明的理论性质与算法表现；(2) **挖掘洞见**——在什么条件下结论/算法更优，回答"模型告诉我们什么决策规律"。它不替代证明，但能补足证明给不出的定量感。 ## 实验设计三问 1. **验证什么**：哪条命题/哪个收敛速率/哪个近似比，要被这组实验照亮？ 2. **比什么基准**：与精确解、下界、现有方法、退化策略比，gap 怎么报？ 3. **扫什么参数**：哪些参数驱动核心机制？敏感性分析要覆盖其合理范围。 ## 实验内容清单 | 目的 | 内容 | |------|------| | 验证理论 | 复现命题断言的单调/阈值结构；最优性/唯一性的数值佐证 | | 算法性能 | 求解时间随规模增长曲线；收敛迭代数；与精确/下界的 gap | | 敏感性 | 关键参数对最优决策/最优值的影响（趋势 + 拐点） | | 鲁棒性 | 分布/参数误设下结论是否稳健 | | 管理洞见 | 从趋势里提炼决策规律（→ jmsc-managerial-insights） | ## 严谨性要点 - 参数设定**有依据**（文献/现实标度），写清取值与来源；不要"随手取"。 - 随机算例要给**重复次数与统计量**（均值、标准差/置信区间），不要单次结果。 - 图表要能让读者"看出"理论性质（如阈值、单调），而不只是堆数。 - 报告**算例规模范围**，说明算法的可扩展边界。 ## 自检清单 - [ ] 每组实验对应一条要验证的理论性质或算法指标 - [ ] 有合理基准（精确解/下界/现有方法/退化策略）并报 gap - [ ] 参数取值有依据、范围合理，敏感性覆盖核心参数 - [ ] 随机实验有重复 + 统计量，不是单点 - [ ] 图表直接支撑命题（看得出单调/阈值/收敛） - [ ] 从实验提炼出可陈述的管理洞见，而非"结果如图" ## 反模式 - 用仿真"证明"本应解析证明的性质 - 只跑一组参数、一张图，没有敏感性与基准 - 元启发式只报"我比谁好"，不与界/最优比 - 实验结论是"验证了模型的有效性"这类空话，没有具体决策规律 ## 本刊数值实验审稿期待与退稿模式 《管理科学学报》要求数值实验"服务理论、不替代理论"。下表对齐本刊高频退稿语与修法： | 退稿信号 | 根因 | 本刊期望的修法 | |----------|------|----------------| | "参数取
- 触发时机
- 核心：数值实验是验证 + 洞见，不是证明
- 实验设计三问
- 实验内容清单
- 严谨性要点
- 自检清单
- 反模式
- 本刊数值实验审稿期待与退稿模式
- 微型走查：动态定价仿真的实验设计
- 输出格式
What does the jmsc-numerical-experiments skill do?
Use when designing the numerical / simulation study for a 《管理科学学报》 (Journal of Management Sciences in China) manuscript — validating the proven theoretical properties, testing algorithm performance, exploring parameter sensitivity, and extracting managerial insight. The study must serve the theory, not replace it. Use after jmsc-proofs and jmsc-algorithm.
How do I install it?
Run `npx skills add brycewang-stanford/Awesome-Journal-Skills --skill jmsc-numerical-experiments --agent claude-code` — it drops the skill into your project so the agent can pick it up. Swap the --agent value for codex, cursor or copilot if you use one of those.
Where does this skill come from?
From brycewang-stanford/Awesome-Journal-Skills, a repository with 984 stars. We read it straight from the repository tree rather than a submitted listing, so what you see here is what is actually published.
Is a popular skill a good skill?
Not necessarily. Stars measure attention, not adoption — a repository can trend for a week and be abandoned. That is why we show the weekly change from our own snapshots next to the total, instead of a single flattering number.