摘要数学建模竞赛（CUMCM）作为国内最具影响力的大学生学科竞赛之一，其题目设置逐年向“开放、综合、应用”方向演进。2026年国赛D题作为开放综合题的代表，既保留了传统数学建模的“问题驱动”特色，又在数据形态、评价维度和方案落地性上提出了更高要求。本文以“某超大城市电动自行车充换电网络规划”为虚拟案例，系统构建了一套从问题分析、数据清洗、时空需求建模、多目标选址优化到动态定价与鲁棒性检验的完整解题框架。在方法论层面，本文创新性地融合了图神经网络时空预测、双目标鲁棒优化、带精英策略的非支配排序遗传算法（NSGA-II）与层次分析法-熵权法复合评价体系，并通过多场景仿真验证了方案的有效性与稳健性。全文力求“道术并重”——既呈现可复用的“套路化”操作流程，亦揭示如何从数据、模型和场景三个维度展开创新破题，为参赛者提供兼具实践价值与思维启发的参考范本。关键词：数学建模国赛；开放综合题；充换电网络规划；时空需求预测；多目标优化；鲁棒优化目录摘要第一章 绪论：开放综合题的“不变”与“变”1.1 从“解题”到“立题”：D题的出题逻辑1.2 参赛者的“恐惧”与“机遇”第二章 完整解题七步法：以充换电网络规划为例第一步：问题重述与范围界定——防止“失焦”的关键第二步：数据清洗与特征工程——“垃圾进，垃圾出”的破局第三步：需求时空预测——从统计模型到图神经网络的跃迁3.1 基线模型：季节性STL分解 + XGBoost3.2 进阶模型：时空图神经网络（ST-GNN）第四步：多目标优化建模——从“加权和”到“帕累托前沿”4.1 候选站点生成（预处理）4.2 双目标模型形式化4.3 求解策略：NSGA-II + 约束处理第五步：动态定价策略——基于供需失衡度的实时调控5.1 上层：基础价格表制定5.2 下层：实时涨幅计算第六步：方案评价与稳健性检验——让结论经得起“拷问”6.1 多维AHP-熵权综合评价6.2 敏感性分析6.3 鲁棒优化补丁第七步：结果呈现与实施建议——讲好“数学故事”第三章 创新思维进阶：从“解题者”到“架构师”3.1 数据维度的创新：多源异构数据的有机融合3.2 模型维度的创新：跨学科工具的创造性移植3.3 价值维度的创新：从“最优”到“可接受”第四章 论文写作与时间管理策略第五章 总结与展望