Jmsc Numerical Experiments

---
name: jmsc-numerical-experiments
description: 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.
---

# 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

## 输出格式

```
【验证目标】<命题/速率/近似比>
【基准】精确 / 下界 / 现有方法 / 退化（gap=…）
【参数】<取值 + 来源依据>；敏感性覆盖<参数>
【随机性】重复 N 次，报<均值/SD/CI>
【图表-命题对应】看得出<单调/阈值/收敛>？是/否
【洞见雏形】<一句话决策规律>
【下一步】jmsc-managerial-insights
```