一、赛题背景与核心挑战

本届华数杯 A 题聚焦于多孔 / 颗粒介质微构体的导通性建模。题目给出三个微构体（组 1、组 2、组 3）的顶点数据，需要依次完成四件事：判断每个微构体是否在左右带电面之间形成导通通路、估计在随机填充方案下左右电极导通概率、在导通概率 ≥ 90% 的约束下寻找最省填充成本的方案，并对模型的稳健性、口径一致性进行检验。

题目同时跨越确定性几何连通判定与随机几何概率估计两类任务，前者是图论 + 并查集，后者是 Monte Carlo 仿真 + 整数优化。本文复盘这次使用 Dabbit AI 完整跑通四个问题的全过程，并对其 AI 自评结果进行解读。

二、模型求解：介质重构与导通判定

数据预处理阶段，对附件三张分表（数据行数分别为 12、49、535 行，合计 596 行）进行坐标核验。三组分表的 X 坐标均落在 [−5000, 5000] nm 范围内；组 1、组 2 的 Y、Z 坐标覆盖 [−500, 500] nm 的薄壁区域，组 3 的 Y、Z 覆盖 [−5000, 5000] nm 的体块范围。

由于单行轴线长度普遍小于 5000 nm（最大值已封顶），说明附件中绝大多数介质被边界截断，数据预处理的关键不在于过滤异常点，而在于把同一物理介质被边界切割出的多段重新拼回去——也就是介质重构。

按"周期包裏 / 边界跨越 → 同集合归并"策略处理后，组 1 由 12 行合并为 7 根介质，组 2 由 49 行合并为 28 根介质，组 3 由 535 行合并为 357 根介质，重构后总共得到 392 根介质。其中总轴线长度严格等于 5000 nm 的完整介质在三个微构体中分别为 5、24、305 根，占比 71.4%、85.7%、85.4%，合计约 85.2% 是完整介质；其余 53 根介质存在片段缺口，最大缺口 4978.0 nm（组 3），主要呈"数据侧剔"而非"重构遗漏"。

图 1 ｜ 介质重构验证图。左图为重构后单根介质总轴线长度分布，绝大部分集中在 5000 nm 附近，说明并查集合并正确、缺口识别无误；右图为原始数据行数与重构后介质数对照，组 3 的压缩比最显著，体现行级别片段化最严重。

按 1.8 nm 阈值建立连通图、并查集判定后，三个微构体均判定为导通：组 1（12 行重构为 7 根介质，3 个左面接触、4 个右面接触）经"左面 → 介质 1 → 右面"通路导通；组 2（49 行重构为 28 根介质，11 个左面接触、11 个右面接触）经"左面 → 介质 1 → 右面"通路导通；组 3（535 行重构为 357 根介质，92 个左面接触、90 个右面接触）经"左面 → 介质 2 → 右面"通路导通。

下图为组 3 的三维连通结构示意图，半透明红色平面为左右带电面，金色粗线段为算法找到的代表通路，其余介质按段着以不同颜色。可以看到组 3 微构体内部已形成密集交错的"导电骨架"，左面与右面之间存在多条冗余路径，与导通判定结论一致。

图 2 ｜ 组 3 微构体的三维连通结构示意图。重构后共 357 根介质、535 行原始片段。代表通路（粗金色段）横跨左右带电面，证明组 3 是导通的。

三、模型建立：随机填充下的 Monte Carlo 优化

第四问要求在微构体中间同时填充介质 A（圆柱，高 5000 nm、底面半径 30 nm）与介质 B（半径 200 nm 的球体），在导通概率 ≥ 90%的约束下求使填充总成本最低的两种介质数量。这是一个带随机约束的二维整数优化问题。

决策变量为 nA、nB，目标函数为线性成本函数

C(nA, nB) = 1.05 · nA · VA + 0.05 · nB · VB

其中 VA ≈ 1.4137 × 107 nm³，VB ≈ 3.3510 × 107 nm³。换算到每根成本，介质 A 约 0.014844 元，介质 B 约 0.001676 元——单位球体的成本只有单位胶囊体的 ~11%，这是后续优化结果偏向多放球体的关键。

由于约束是仿真黑箱，解析式或单纯形法都不可行。本方案采用"粗网格搜索 + 单调性剪枝 + 边界精扫 + 大样本 Monte Carlo 确认 + Logistic 代理面"组合流程：先用粗网格定位可行域，再在候选邻域做 Monte Carlo 精扫。

关键几何创新：对问题 1–3 中纯胶囊结构的并查集合并逻辑做扩展，把介质 B 的"跨越边界按周期包裏"做得与胶囊体一致，使得单球在跨边界时也能被自动折回——这是纯 B 方案得以在少量球下实现高导通概率的几何基础。

导通概率估计采用 Wilson 95% 置信区间

p̂ = p̂ − z²/M / (1 + z²/M)，w = z · √(p̂(1−p̂)/M + z²/(4M²)) / (1 + z²/M)，z = 1.96

以置信区间下限 ≥ 0.90 作为可行判定，对应每个 (nA, nB) 配置点做 M = 250 次独立重复，最终在 95% 置信区间半宽压到约 0.55% 的精度。

图 3 ｜ 模型建立与优化流程。粗网格定位 + 单调性剪枝 → 边界精扫 → 大样本 Monte Carlo 确认 → Logistic 代理面对成本最低可行邻域做拟合，全流程将 90% 判定处的置信区间半宽压缩到 0.55% 量级。

四、稳健性验证：临界边与口径对比

对三个微构体共 409 条候选导通边（面接触 211 条、介质间 198 条）做距离逐条核查：绝大多数临界边距离为 0，对应轴线端点贴面、介质相互贯穿等"零距离接触"构型；距离大于 0 的临界边仅 10 条，其中 6 条 ≤ 1.8 nm（导通边），4 条落在 (1.8, 2.3] nm 范围、距离分别为 1.844、2.109、2.220、2.243 nm，全部出现在组 3 中——这 4 条边全部是不参与左右连通的内部边，最小差距仅 0.044 nm。这一结果说明 1.8 nm 阈值的判定具有充分余量。

图 4 ｜ 临界边距离分布图。横轴为距离（nm），红色虚线为 1.8 nm 阈值。绝大部分距离集中在 0 附近，符合"距离≤阈值即连通"的判定预期；非零距离的少量边全部落在 (1.8, 2.3] nm 区间，说明阈值设定具有合理性。

另外，针对"每行是否独立为一个介质"（口径 B）与"同集合归并"（口径 A）两个口径做了对照：组 2 和组 3 在两种口径下均判定为导通、结论一致；组 1 则出现分歧——口径 A 下合并后导通，口径 B 下被打散后不导通。

差异恰好出现在组 1：12 行数据中的 7 根介质存在"多个同属一根"的片段化场景，按口径 A 合并后连通，按口径 B 则被打散。这一对比恰好反证了介质重构对判定正确性的必要性。

累积导通频率随试验次数的收敛曲线显示：四种不同体积分数（0.50%、0.60%、0.70%、1.00%）下主估计与用不同种子复算的差值均为 0.000000，饱和结论稳定。计算规模上，单构型平均耗时从 0.50% 分数下的 13.4 ms 上升到 1.00% 分数下的 36.1 ms，单分数总耗时 3.3 ~ 9.0 s，AABB 粗筛 + 向量化距离计算有效控制了介质间距离求解的开销。

图 5 ｜ 累积导通频率随试验次数的收敛曲线。不同随机种子复算与主估计完全一致，差值为 0；四组分数下的蒙特卡洛估计稳定收敛在 1.0，说明对饱和结论具有可复现性。

五、Dabbit AI 自评与本文复盘

Dabbit AI 评阅系统给出的综合评分为 88 / 100，按华数杯标准对应 “二等奖” 水平。各维度得分如下：

88

综合评分 / 100

题意理解与问题分析14 / 15：四个问题全覆盖，问题一判定为确定几何连通问题，问题二、三、四定位正确。

模型建立与合理性23 / 25：介质 A 建模为胶囊体（轴线线段最短距离减半径），符合 1.8 nm 导通判据；并查集连通图编码极化。

模型求解与结果可信度22 / 25：可追溯的求解流程 + 丰富结果验证（重构介质数、接触介质数、代表通路、409 条临界边核查、口径 B 对照）。

创新性与模型递进12 / 15：把边界截断规则转化为"周期包裏"下的介质片段重构、并识别出"跨边界单杆/单球经截断后可自跨左右带电面"。

论文表达与规范性8 / 10：结构完整，含问题重述、问题分析、模型假设、符号说明、模型求解、模型评价与推广。

结论完整性与题目匹配9 / 10：四个问题均有明确结论。

图 6 ｜ Dabbit AI 论文评分详情。总分 88 / 100，综合水平"二等奖"，评奖等级参考"华数杯"。评语包括"将边界截断规则转化为周期包裏下的介质片段重构，并识别出跨边界单杆/单球经截断后可自跨左右带电面"等亮点。

六、AI 评语给出的进一步优化建议

Dabbit AI 同时给出了三组改进建议，是本次复盘最值得吸收的部分：

问题一口径分歧。附件说明中"每一行表示一个介质A"与本文的并查集合并存在口径分歧，建议在正文明确"边界截断规则下同一介质可被拆为多行"的合理性，并补足"每行独立视为一个介质"字面口径的判定结果，用于敏感性对比——本文已经做了 A/B 口径对照（图 4 + 对照表），但后续正文中建议把这一对照作为正式论证段落写出来。

随机放置的均匀性假设。当前仅采用轴线中点 / 球心均匀 + 方向单位球面均匀独立抽样，未讨论该假设的合理性和敏感性。建议增补"带排斥性的随机顺序吸附"或"非均匀密度场"等替代分布下的 Monte Carlo 结果，并比较差异——若差异不显著，可强化结论稳健性；若差异显著，需回到题目"任意位置、任意方向均匀"的口径说明。

边界点的统计边界风险。最优方案 (nA = 0.59, nB = 0.59) 的导通概率点估计为 0.907375、95% 置信区间下限 0.900825，仅高于 0.90 约束 0.000825。建议对 (0.59, 0.59)、(0.58, 0.60) 等边界点把试验次数提升到 20000 次以上，或加入库普曼概率比检验、不同随机种子最优解分布等多角度分析，把统计边界风险降到最低。

七、结语

这次华数杯 A 题的解题体验很完整：从几何连通（并查集 + 周期包裏 + 1.8 nm 阈值）到概率估计（Wilson 置信区间下的 Monte Carlo）再到成本优化（粗网格 + 单调性剪枝 + Logistic 代理面），形成一条"确定 — 随机 — 优化"的递进链条。Dabbit AI 在跑通四个子问题后，给出 88 分的综合自评与可执行的改进建议，对于数据科学 / 数学建模类竞赛的复盘与冲刺非常实用——它不只是给分，更把"扣分项"翻译成下一版论文的明确改写任务。

最后需要强调的是，所有评审评语都来自 AI 助手的辅助判读，最终仍以官方评委意见为准。对于想要继续打磨的同学，最具性价比的三件事是：①把口径 A/B 对照正式写入正文；②增补"带排斥性的随机顺序吸附"作为敏感性试验；③把最优解候选点的 Monte Carlo 试验次数抬到 2 万次以上。

​2026 年华数杯ABC题文章+代码：https://dabbit-ai.com/cases