6

docs/algo-3-bayes.md

@@ -14,12 +14,12 @@
 1. **感知层**：每频道一个贝叶斯后验（网格幸存集），融合全部正/负观测；
 2. **决策层**：站点扫频、定位测量、清除三类任务统一建表，开放路径
    最近邻 + 2-opt 排序，每个动作后滚动重排（动态 TSP）；
-3. **选点层**：定位测量点按期望后验半径 + λ·移动时间评分（信息增益贪心
-   的半径代理形式），直指 20m 清除证书阈值。
+3. **选点层**：定位测量点按信息增益（期望 log 幸存占比，默认）或期望
+   后验半径 + λ·移动时间评分，直指 20m 清除证书阈值。
 
 ## 2. 网格幸存集滤波与真源保留定理
 
-每频道维护 Ω 上间距 h 的网格（h=25m，约 1.6 万格），`alive` 为幸存格
+每频道维护 Ω 上间距 h 的网格（h=14.65m，约 4.7 万格），`alive` 为幸存格
 集合。Voronoi 裕量 m = √2/2·h 是格心到格内任一点的最大距离；所有删除
 判定都内缩 m，即**仅当整格与可行集不相交时才删格**：
 
@@ -56,15 +56,17 @@
 
 评分（`BayesConfig.score_mode`）：
 
-- `radius`（默认）：期望后验半径 —— 对 K 个代表假设（幸存格均匀抽样）
-  各自模拟一次测量的幸存分支，分支半径用幸存子采样的质心最大距离近似，
-  r_eff~U(1000,1500) 的不确定性解析积分（p_no_signal = (d−1000)/500）；
-  总分 = E[半径] + λ·移动秒数（λ=0.1）；
-- `entropy`：期望 log 幸存占比（香农信息增益在均匀先验下的形式）。
+- `entropy`（默认，Optuna 选定）：期望 log 幸存占比 —— 香农信息增益在
+  均匀先验下的形式。对 K 个代表假设（幸存格均匀抽样）各自模拟一次
+  测量的幸存分支，r_eff~U(1000,1500) 的不确定性解析积分
+  （p_no_signal = (d−1000)/500）；总分 = E[log 幸存占比] + λ·移动秒数；
+- `radius`：期望后验半径 —— 同样的分支模拟，但以幸存子采样的质心最大
+  距离为半径代理，总分 = E[半径] + λ·移动秒数。更直接瞄准证书阈值，
+  在 entropy 模式下半径项与信息项量纲失配的场合可作为备选。
 
-λ 与半径同量纲，量级必须小：λ 过大时终局阶段"走 300m"的代价压过
-"半径 35m→25m"的收益，选点器原地重测、收敛停滞（消融实测 λ≥0.5 时
-单源定位步数翻倍）。
+两种模式的 λ 量级都必须小：λ 过大时终局阶段"走 300m"的代价压过
+"后验收缩"的收益，选点器原地重测、收敛停滞（消融实测 entropy+λ=0.01
+显著优于早期 radius+λ=1.0 组合，单源定位步数从 ~7 降到 ~2）。
 
 ## 4. 统一任务循环（动态 TSP）
 
@@ -79,21 +81,26 @@
 移动 + 换频 + 动作耗时；终点自由不回起点）。这是 A2"站内最近邻服务
 队列"的推广：消融显示距离缩短约 24% 是主要收益来源。
 
-停止条件与基线一致：清满 16（数量上界）或全部频道 CLEARED/ABSENT；
-`persistent_search` 开启时找全后继续复扫到限时（复扫读数同样进 PF）。
+停止条件与基线一致：清满 16（数量上界）或全部频道 CLEARED/ABSENT，
+`stop_reason=all_resolved` 即停并 `/exit`——**虚拟时间即评测成绩口径**
+[用户决策修订 2026-09-11]。复扫保险模式（`mcm26b run --persistent`，
+原默认行为）：找全后继续只复扫未清除频道直到清除数达 16、实机预算
+耗尽或虚拟安全余量（`search.virtual_reserve_s=10000s`）不足，供需要
+"防缺席证明假设偏差"保险的场景显式开启。
 
-## 5. 消融结果（自建模拟器，persistent 关）
+## 5. 消融结果（自建模拟器，persistent 关，对齐找全口径）
 
-12 随机场景（6 种子 × 10/16 源）+ 2 边界场景，与 SevenBatch 配对：
+12 随机场景（6 种子 × 10/16 源）+ 2 边界场景，与 SevenBatch 配对；
+bayes 参数为 Optuna 回填后的库默认值：
 
 | 指标 | SevenBatch | bayes |
 |---|---|---|
 | 有效运行（全清+缺席正确+零异常+正常退出） | 14/14 | **14/14** |
-| 平均虚拟时间 | 5352.7s | **4277.6s（−19.5%）** |
-| 配对降幅（最差 / 最好） | — | +1.4% / −28.1% |
-| 平均移动距离 | 23413m | **17820m（−24%）** |
-| 平均检测次数 | 102.4 | 109.6 |
-| 单局实机计算墙钟 | 1.3s | 1.0s |
+| 平均虚拟时间 | 5352.7s | **3726.2s（−30.0%）** |
+| 配对降幅（最差 / 最好） | — | +7% / −41% |
+| 平均移动距离 | 23413m | **15050m（−36%）** |
+| 平均检测次数 | 102.4 | 110.0 |
+| 单局实机计算墙钟 | 1.3s | 1.9s |
 
 复现：`uv run python scripts/benchmark_q3_bayes.py --seeds 0,1,2,3,4,5`
 （逐场景数据与场景 JSON 见 `output/q3/bayes-ablation/`）。
@@ -103,8 +110,15 @@
 `scripts/tune_q3_bayes.py`：TPE（dev 依赖 `optuna`，缺失时自动退化为
 随机搜索），目标 = 场景子集平均虚拟时间 + 10⁶×失败惩罚。搜索空间：
 λ、代表点数、子采样规模、网格间距、站点环半径、2-opt 轮数、评分模式。
-输出 `output/q3/bayes-tuning/best_params.json`，人工复跑全量基准确认
-后再回填 `config.BayesConfig` 默认值。
+最优组合（entropy 评分、λ=0.0105、h=14.65m、代表点 7、2-opt 4 轮）
+已按验收流程回填为 `config.BayesConfig` 默认值：全量基准 3726s/−30.0%
+优于回填前的 4277s/−19.5%。两处人工修订：
+- `station_ring_radius_m` 保留 1200（Optuna 建议 1159.7 虽再快约 60s，
+  但七站排除盘对最外圈格心的覆盖差 3.3m，PF 无法独立证明缺席，
+  只能靠覆盖账本兜底——设计性质优先于 1.7% 的均值差异）；
+- 评分模式在 entropy（信息增益）与 radius（期望后验半径）之间由调参
+  数据决定，两者实现均保留（`BayesConfig.score_mode`）。
+调参记录见 `output/q3/bayes-tuning/best_params.json`。
 
 ## 7. 已知边界
 

docs/algo-3.md

@@ -8,8 +8,9 @@
 
 > **延伸实现（2026-09-11）**：本文规划的无信号负观测更新、开放路径 2-opt
 > 任务排序等已落地为贝叶斯闭环策略 `bayes`（网格幸存集滤波 + 信息增益
-> 选点 + 滚动任务调度），自建消融相对本文七点批量策略平均虚拟时间再降
-> 19.5%。设计、严格性证明与消融数据见 [algo-3-bayes.md](algo-3-bayes.md)。
+> 选点 + 滚动任务调度，参数经 Optuna 回填），自建消融相对本文七点批量
+> 策略平均虚拟时间再降 30.0%（均值 3726s）。设计、严格性证明与消融数据
+> 见 [algo-3-bayes.md](algo-3-bayes.md)。
 
 ## 1. 问题界定与思路来源