sloray/mcm-26-b

Fork 0

Files

T

Horldsence 45e48d4c91 yes fuking shit

2026-09-12 14:48:43 +08:00

43 KiB

Raw Blame History

第三、四问系统性架构优化与运行提速方案

版本：2026-09-12
依据：本仓库运行历史（session.jsonl、practice-p3-*.jlog、referee-data/sessions/*、 output/hrl/ui/q3-main/*、docs/ 全部性能记录）+ 本文档新增的复跑与离线校核实验
范围：第三问（全向源）与第四问（混合定向源）的闭环架构、算法分解、运行治理，不改动题面约束、协议层语义与既有保守性不变量
结论先行：虚拟时间的 75–83% 是移动，移动里约一半不是覆盖巡回而是定位/清除往返； 第四问的全部失败来自定向源；旧机器学习层已被证明不如手写基线。因此本轮优化的主线是"把定位并入覆盖巡回 + 把发现集压到最小命中集 + 给定向源建位置×朝向联合信念"，而不是再堆学习算法。

0. 摘要（TL;DR）

0.1 三个待解的结构性浪费

编号	现象	直接证据	估计可回收
W1	Q3 定位探点往返 5741 m / 1148 s，与覆盖巡回（6960 m / 1392 s）相当	本次复跑（13 源，seed 0）：24 次探点，均值 442 m/次	−900 ~ −1100 s/局
W2	Q4 发现集是 700 m 方格 49 点，巡回 36.4 km；同一保证下贪心最小命中集只要 31 点、22.9 km	`scripts/verify_q4_cover.py`：43 032 个 (p,h) 采样，两组点集均 100% 覆盖	−2700 s（巡回）+ −1140 s（检测）
W3	Q4 定向源没有"位置×朝向"联合信念，只能阶梯探点，最后退化到 ≤400 格盲清	referee 两局：全向 17/17 清除，定向仅 2/6；4/4 漏检全是定向	−1500 ~ −3000 s/局

0.2 预期收益（自建模拟器，同一冻结基准集，配对口径）

指标	Q3 现状	Q3 目标	Q4 现状	Q4 目标
平均虚拟时间	3707 s（本次 6 场景）/ 3536 s（13 源单局）	≤ 2700 s	13 652 s（10 源 3 定向单局）/ 13 165 s（4 场景均值）	≤ 9000 s
最大虚拟时间	4628 s	≤ 4000 s	> 17 000 s（边界压力）	≤ 12 000 s
每局计算墙钟	2.9–6.5 s	≤ 0.8 s	6.5 s	≤ 1.0 s
有效局（全清+缺席无误判+零异常+正常退出+计时复算一致）	6/6	基准集 100%	4/4	基准集 100%

4000 s 是本项目 docs/算法审核与优化-20260911.md 自设的验收线，不是题面评分线；第四问在 10 源场景下不承诺达成 4000 s，理由见 §6.2。

0.3 明确不做的事

不重新引入 PPO/HRL。运行历史支持"保留手写基线"：HRL 训练 4007.9 s / 109 776 步后仍被 bayes 稳定压制 4.3–5.0%（17–18/20 场景，符号检验 p=0.0001），且 94% 的差距来自多走的移动；其评估集 20 个场景全部是单源全向，无法支撑任何第四问结论。
不引入新的第三方运行时依赖（仍是 requests；numpy 仅作可选加速后端，缺失时回退纯 Python）。

0.4 实施进展与实测回填（2026-09-12）

冻结基准集 harness/suites.py（第三问 18 主场景 + 2 边界；第四问 9 + 2），并行 runner scripts/run_suite.py，配对口径同场景同误差种子。

项	状态	实测	结论
P1-4 安全阀	✅ 已实现	`summary` 新增 `completion_basis` / `absence_evidence` / `redundant_rescan_measures` / `virtual_reserve_s`；`--persistent` 输出单轮上界告警	采纳（5 项测试）
P0-2 最小命中集	✅ 已实现并默认开启	第四问 11 场景配对：14003.0 → 10975.5 s（均值 −19.3%、中位 −25.4%、10/11 更快）；检测 444.5→319.2；请求 569.5→395.6；位移 54.9→44.2 km；最大 17007→12919 s；11/11 valid	采纳
P0-4 感知层向量化	✅ 已实现	单局计算 3.10 → 1.00 s（3.08×），最大 5.84 → 1.30 s；20 场景的虚拟时间与动作序列逐位一致	采纳（目标 ≤0.8 s 未达，余下为 belief 表示层）
P0-1 融合巡回	❌ 实测无效，已回退默认	仅追加站点方位线：3454.6 vs 3426.9 s（+0.8%，检测 +10.8 次、位移仅 −188 m）；追加 + 抑制专用探点：4989.0 vs 3426.9 s（+45.6%，20/20 更慢）	关闭（保留开关与代码）
P1-1 C₂₀ 最近清除点	⊘ 复核后降为非项	现有 `_near_clear_target` 已取安全球 `B(c, limit−ρ)` 内离当前位置最远点；与完整 C₂₀ 最优之差 ≤ slack+margin ≈ 0.74 m	不改
P1-3 基准集/并行	✅ 已实现	20 场景 × 3 变体 = 60 局 26.5 s（6 进程）；20 局 3.9 s	采纳
P0-3 联合信念	✅ 已实施并于 2026-09-12 修正	网格粒子 × 24 档朝向 bin + 可见性选点；发现并修复 `no_signal` 朝向规则反向缺陷（原会删掉真源朝向档）；配套 D1 探点口径使第四问后备盲清 125.7 → 4.3 次/局	采纳（结论与实测见图论与 DP 优化方案 §8）

P0-1 为什么失败（重要负面结论）：七站环上通常只有 2–3 个站能对同一源取得有效方位线，且站间交会角不足以直接换到 20 m 证书，专用信息增益探点仍然必要； "顺路测量"于是退化为平白多花检测，一旦抑制专用探点则会白等巡回、远端绕行。 结论：第三问的定位往返不是可回收的浪费，bayes 的滚动时域调度已在做正确的事。

第四问现状与目标差距（2026-09-12 图论/DP 轮回填）：启用硬化覆盖计划 q4_mincover_v2 与 D1 探点口径后，第四问 11 场景（core + boundary）均值为 9069.9 s、最大 12081.1 s、后备盲清 24.8 次/局（core 9 场景 8602.0 s / 4.3 次），仍远高于 4000 s 验收线。剩余成本主要是最小命中集巡回（23.9 km ≈ 4777 s）与缺席频道检测，二者都是覆盖证明的固有代价；本方案 §2.3 的"可压缩 23–32%"在本模拟器上只回收了约 1%（详见图论与 DP 方案 §8）。

1. 运行历史复核

1.1 数据资产清单（本次实际读取）

资产	内容	可用信息
`session.jsonl`（31 011 行）	官方第三问演练 J2WH-2K7D-5ZXS-DNK6 的客户端日志	10 323 次 `/measure`、12 次 `/clear`、逐动作计时
`practice-p3-*.jlog`	同一局的官方行为日志封装	仅明文信封（题号 3、队号、案例码）；载荷 AES-256-GCM + RSA-OAEP，不可解
`referee-data/sessions/*`（6 局，5 局完整）	本地评测机 q3×3、q4×2、截断×1	逐请求响应、真值、summary、step 事件
`output/hrl/ui/q3-main/`	HRL 训练（109 776 步）+ `eval/at-40k`、`eval/at-final`	monitor CSV、模型元数据、20 场景配对评估
`docs/算法审核与优化-20260911.md`、`docs/algo-3.md`、`docs/algo-3-bayes.md`	历史 KPI 与消融	官方/自建成绩、验证集分档
本次新增复跑	`scripts/benchmark_q3_bayes.py`（6 场景）、Q3/Q4 单局计时分解、`cProfile`、站点三角化可行性	§1.3 中标注"本次复跑"的数字
本次新增工具（已入库）	`scripts/analyze_run_timing.py`（任意会话日志的计时分相复算）、`scripts/verify_q4_cover.py`（第四问覆盖证书 + 最小命中集搜索）	F4、F9 可复现

1.2 先确认度量可信（否则一切优化都是自欺）

官方计时模型：T = L/5 + 5·N_measure + N_switch + 5·N_clear⁺ + 3·N_clear⁻，其中 L 为累计直线位移，/clear 不计换频。scripts/verify_q3_practice.py 对 5 局完整评测机日志逐微秒复算，与服务器返回的 virtual_time_s 完全一致（例：BBM9 复算 3134.642907 = 记录 3134.642907）。结论：后续所有"虚拟时间"结论都可用动作日志独立复算，这是本项目最可靠的一条工程资产，必须保留。

1.3 关键事实（F1–F13）

编号	事实	出处
F1	虚拟时间构成：移动 75–83%｜检测动作 15–21%｜换频 2.3–3.7%	官方会话 82.30/14.76/2.94；referee q3 80.50/16.78/2.71、q4 78.39/18.63/2.98；本次复跑 Q3 79.9/17.3/2.9、Q4 75.2/21.1/3.7
F2	官方第三问演练 J2WH 总虚拟 350 227.7 s，其中 346 169.9 s（98.84%）是空复扫：7 个固定站点 × 8 个未清除频道 × 183 轮，0 检出，结束点正好落在 `virtual_reserve_s=10 000` 边界	`session.jsonl` 相位切分；`planner/__init__.py:236`、`config.py:99`
F3	第四问的全部失败来自定向源：referee 两局全向 17/17 清除，定向仅 2/6；4/4 漏检全是定向；每清除源 356.4 s（Q3 274.0 s，+30%）	`referee-data/sessions/{6X58,BAU8}`；`{BBM9,RM7Y,VQKB}`
F4	本次复跑 Q3（13 源，seed 0）：3535.9 s / 109 次检测 / 13 清除；七站巡回 6960 m（1392 s，39%）+ 探点往返 5741 m（1148 s）+ 清除移动 3668 m（734 s）	本次复跑（方法见附录 A）
F4b	评测机 Q3 单局 BBM9：21 次专用探点占 1138.7 s 移动，等于该局虚拟时间的 36.3%，而站点扫频 98 次只占 991.2 s	`scripts/analyze_run_timing.py referee-data/sessions/BBM9-.../log.jsonl --plan seven`
F5	本次复跑 Q4（10 源 3 定向，seed 0）：13 652.1 s / 560 次检测 / 18 次清除（8 次失败）/ 51 356 m	本次复跑
F6	感知层是墙钟热点：单局计算 6.04 s；`cProfile` 下 `expected_survival` 占累计时间 72%（2808 次调用），`apply_measure` ≈ 20%，`_kill_outside_wedge` 触发 498 万次 `angular_gap`	本次 `cProfile`（13 源单局）
F7	HRL 运行：109 776/200 000 步、4007.9 s、27.0 steps/s（6.75/env）、1.51 s 墙钟/局；被 SIGTERM 截断时回报仍在上升（Q1 1.05 → Q4 6.20）	`output/hrl/ui/q3-main/q3.json` + 4 份 monitor CSV
F8	HRL 评估：20 场景全部单源全向；`bayes` 比 HRL 快 4.3–5.0%（17–18/20，p=0.0001），94% 的差距是多走的移动；40k→109k 步仅再改善 0.7%	`eval/at-40k
F9	现役 Q4 发现集：700 m 方格 49 点、NN 巡回 36.4 km；满足同一"前向半盘命中"保证的贪心最小集 31 点、22.9 km（−37%），覆盖校核 100%	`scripts/verify_q4_cover.py`；本文附录 A
F10	Q3 七站巡回已经最优：6 × 1159.7 = 6958 m（观测 6960 m），无可压缩空间；把环半径降到覆盖下界 1122.9 m 仅省 222 m（44 s）	几何计算 + 本次复跑
F11	站点三角化可行：99.28% 的源位置有 ≥2 个站在 1500 m 内；最佳交会角 5 分位 58.5°、中位 122.9°；只有 0.72% 的源位置仅 1 个站在射程内	本次离线采样（20 000 点）
F12	墙钟量级差三个数量级：内存回放 0.22–0.25 ms/请求（≈0.35 s/局），官方接口 9.42 ms 均值/请求（104.49 s / 10 337 请求）；本地评测机 24.5–97.9 ms/请求	referee `session_end`、`runs/*/summary.json`、`session.jsonl elapsed_s`
F13	历史 KPI 参照：Q3 官方最好 4058.71 s（3BW5，13/13）、5232.13 s（J4ER，12/12）；自建 `bayes` 3707.3 s（本次 6 场景）/ 3726.2 s（14 场景消融）/ 验证集 3315.89 s；Q4 自建 13 164.7 s，无官方第四问演练记录	`docs/算法审核与优化-20260911.md`、`docs/algo-3-bayes.md`、`README.md:135`

1.4 由事实导出的六处结构性瓶颈

编号	瓶颈	支撑事实	归属层
B1	定位/清除移动没有并入覆盖巡回，探点按"信息增益"选，移动权重 λ=0.0105 几乎不惩罚绕行	F1、F4、F4b、F11	决策层
B2	Q4 发现集冗余 63%（49 点 vs 30 点），且每个"真缺席"频道要在全部 49 点各测一次	F5、F9	保证层
B3	Q4 定向源缺少位置×朝向联合信念：`no_signal` 只记"被遮挡过几次"，选点靠固定 45° 阶梯，收敛失败后退化到 ≤400 格 20 m 盲清（≤1200 s + ≤400 请求）	F3、`planner/__init__.py:691-768`	感知层 + 决策层
B4	感知层全 Python 容器：每局 20 个频道各建 ~6.1 万格 `set`，`_kill_outside_wedge` 每次遍历全部幸存格，评分核 `expected_survival` 为 7×800 的纯 Python 双循环	F6	感知层
B5	研发吞吐低：场景串行、单进程；一局 0.35–6.5 s；HRL 27 steps/s；14–52 场景的配对基准要跑几分钟到十几分钟	F6、F7、F12	实验层
B6	运行治理缺失：单源评估集使指标退化（`avg_locate_clear_time_s ≡ virtual_time_s`）、`eval/manifest.json` 三份重复且与 `output/hrl/ui/manifest.json` 不一致（后者缺失）、`persistent_search=True` 可造成 98.84% 的无效开销且无硬性告警	F2、F8、F13	遥测/实验层

2. 目标架构

2.1 分层与依赖方向（依赖只能向下）

                ┌───────────────────────────────────────────────┐
 L6 实验/遥测     │ bench/  冻结基准集·并行 runner·配对统计        │
                │ telemetry/ manifest·step log·replay·summary   │
                └───────────────▲───────────────────────────────┘
                                │ 只读观测
                ┌───────────────┴───────────────────────────────┐
 L5 执行/安全     │ exec/  动作账本·预算守卫·安全阀·幂等客户端     │
                └───────────────▲───────────────────────────────┘
                                │ Action 请求
                ┌───────────────┴───────────────────────────────┐
 L4 决策          │ plan/  任务表·滚动时域排序·信息/时间评分      │
                └───────────────▲───────────────────────────────┘
                                │ Task[]
                ┌───────────────┴───────────────────────────────┐
 L3 保证          │ guarantee/ 命中集覆盖计划·清除证书·缺席证明    │
                └───────────────▲───────────────────────────────┘
                                │ 候选集/幸存集
                ┌───────────────┴───────────────────────────────┐
 L2 信念          │ belief/ BeliefBackend：OccupancyTensor(Q3)     │
                │         JointTensor(位置×朝向, Q4)             │
                └───────────────▲───────────────────────────────┘
                                │ Observation
                ┌───────────────┴───────────────────────────────┐
 L1 观测模型      │ model/ 可见性半平面·r_eff 带·有界误差·舍入裕量 │
                └───────────────▲───────────────────────────────┘
                                │ 原始响应
                ┌───────────────┴───────────────────────────────┐
 L0 协议/时钟     │ protocol/ 规则表·计时模型·状态机·客户端（冻结）│
                └───────────────────────────────────────────────┘

与现状的差别：用组合取代继承。现状是 OmnidirectionalLoop → SevenBatch → BayesLoop → DirectionalExtension 的单继承链，调度、信念、清除、预算、报表五种职责混在同一族类里（planner/__init__.py 818 行 + planner/bayes_loop.py 513 行），任何一处改动都会跨层影响其它三问。目标形态是

Episode(
    client   = SimulatorClient(...),          # L0，冻结
    belief   = OccupancyTensor(...) | JointTensor(...),   # L2
    plan     = CoveragePlan.points,           # L3
    scorer   = InfoGainPerSecond(...),        # L4
    policy   = FusedTourPolicy(...) | DirectionalPolicy(...),  # L4
    certifier= Certificate(...),              # L3
    ledger   = Telemetry(...),                # L6
)

三层保证策略矩阵只差三个可替换部件，其余代码共享：

问题	信念后端	覆盖计划	选点策略
Q3	`OccupancyTensor`（全向）	七站环（已经最优，冻结）	融合巡回
Q4	`JointTensor`（位置×朝向）	最小命中集（30 点，离线搜索 + 运行期校验证书）	可见性约束选点

2.2 接口契约（关键签名）

# L1 model/observation.py —— 只此一处定义"什么算看见"
@dataclass(frozen=True)
class ObservationModel:
    r_eff_min_m: float; r_eff_max_m: float
    near_radius_m: float; half_angle_deg: float
    directional_half_deg: float = 90.0        # 含边界

    def visible(self, src: Vec2, heading_deg: float | None, reader: Vec2) -> bool: ...
    def detectable(self, src: Vec2, heading_deg: float | None, reader: Vec2) -> bool: ...

# L2 belief/base.py —— 两种后端实现同一协议
class BeliefBackend(Protocol):
    def apply(self, channel: int, reader: Vec2, result: str,
              svd_deg: float | None) -> None: ...
    def alive(self, channel: int) -> int: ...
    def is_absent(self, channel: int) -> bool: ...          # 幸存集为空
    def certificate(self, channel: int) -> ClearCertificate | None: ...
    def guaranteed_no_signal(self, channel: int, reader: Vec2) -> bool: ...
    def prob_detect(self, channel: int, reader: Vec2) -> float: ...   # 决策用
    def version(self, channel: int) -> int: ...             # 派生量缓存键

# L3 guarantee/cover.py —— 覆盖计划是"可离线搜索、可在运行期校验"的一等对象
@dataclass(frozen=True)
class CoveragePlan:
    problem: int                  # 3 | 4
    points: tuple[Vec2, ...]
    certificate: CoverCertificate # 采样分辨率、缺失数、最坏裕量、脚本哈希
    version: str
    def verify(self, model: ObservationModel, tol_m: float) -> CoverCertificate: ...

# L4 plan/policy.py
class Policy(Protocol):
    def tasks(self, belief: BeliefBackend, state: RobotState) -> list[Task]: ...
    def order(self, tasks: list[Task], state: RobotState) -> list[Task]: ...
    def measured_at_point(self, point: Vec2) -> tuple[int, ...]: ...  # 一停多测

2.3 四条设计原则

保守性不变量不动：真源永不被删；清除证书始终基于完整 ±1.005° 角域与题面距离带；所有启发式（均匀先验、朝向先验、信息增益）只用于选点，不用于安全证明。 Q4 的朝向联合信念必须自带"朝向未观测时退化为全向"的保守分支。
保证 = 离线搜索 + 运行期校验：覆盖集、清除点、巡回顺序都可以离线用数值搜索优化，但运行期必须用同一份 ObservationModel 重新校验证书（点集、分辨率、裕量），校验失败即拒绝启动，而不是相信一个写死的点表。
一个事实一个来源：题面常量、r_eff 带、清除半径、动作耗时只在 config.py；可见性语义只在 model/observation.py；训练/部署若将来共存，必须共用同一控制器模块（这是旧 HRL 用 13 000 行换来的教训：v1 的 5 个特征索引错位、BC 激活函数不一致、旧基准把 completed 当全清）。
每个优化都必须可配对、可复算、可回归：冻结基准集 + 逐局 manifest + 动作日志
- 逐微秒复算；任何"更快"的声明必须给出配对分布（均值/中位/最大/更快场数），而不是单个最优场景。

2.4 迁移映射（现状 → 目标）

现状	目标	处理
`protocol/*`、`evaluation/recompute_virtual_time`	不变	冻结，作为度量基准
`belief/__init__.py`（凸外包）	`belief/convex.py`	原样搬迁，继续负责精确角域证书
`particles.py`（网格幸存集）	`belief/occupancy.py`（numpy 张量 + 纯 Python 回退）	重写热核，语义不变，保留 `tests/test_particles.py` 的真源保留性质测试
—	`belief/joint.py`（位置×朝向）	新增，Q4 专用
`coverage/`	`guarantee/cover.py`	49 点常量表 → 可校验的 `CoveragePlan`
`planner/bayes_loop.py` 的 `_build_tasks/_order_tasks`	`plan/tasks.py`、`plan/schedule.py`	抽出，Q3/Q4 共用
`planner/bayes_loop.py::_select_point`	`plan/score.py`	抽出 + 向量化评分
`planner/__init__.py::DirectionalExtension`	`plan/policy.py::DirectionalPolicy` + `belief/joint.py`	保留后备清除作为最终兜底，但目标是不再触发
`planner/seven.py`	`guarantee/plans.py::SEVEN`	保留解析证明
4 个 benchmark 脚本	`bench/` 统一 runner（并行 + manifest + 配对统计）	合并，消除指标口径分叉

3. 优化项

P0-1　第三问：发现—定位融合巡回（消除探点往返）

现状：每次收到 direction 后进入独立定位子循环，由信息增益选点器在同一站点之外另选探点；13 源单局共 24 次探点、5741 m 往返、1148 s，与整个覆盖巡回（6960 m / 1392 s）同量级；评测机单局 BBM9 更极端：21 次探点花掉 1138.7 s 移动 = 全局限时时间的 36.3%（F4b）。评分函数 score = E[log 幸存占比] + 0.0105 × 移动秒数，移动项几乎不影响排名。

方案：把"已发现未定证"的频道加入每一个覆盖站点的批量扫频清单，使第二/第三条方位线在巡回途中顺路取得；只有站点三角化不成立时才回退到专用探点。

巡回仍由 plan/schedule.py 滚动排序（现有最近邻 + 2-opt 已足够，bayes 的 −39.5% 移动主要来自这里），新增"同点顺路测量"任务类型：Task(kind="station", channels=(未知, 未定证))。
站点任务的固有耗时按 6 s × 频道数 + 1 s × 换频次数 记账（现有 _path_cost 已支持）。
保底：F11 显示 0.72% 的源位置只有 1 个站在 1500 m 内，对这类频道保留 _select_point 的专用探点路径；判定用 belief.prob_detect 而非硬编码。

预期收益（已被实测推翻）：原估 F4 的 1148 s 探点移动可回收 70–80%，即 −800 ~ −900 s。实测结果相反：仅追加站点方位线 +0.8%，追加并抑制专用探点 +45.6%（20/20 场景更慢），见 §0.4。原因是站间交会角不足以保证 20 m 证书，专用信息增益探点仍然必要；抑制它只会白等巡回。本项不采纳，默认关闭。

验收：18 场景验证集平均 ≤ 2700 s、最大 ≤ 4000 s；measures 增幅 ≤ 20%； move_distance_m 降幅 ≥ 25%；全部 valid。

风险：站点距离最远 2 × 1159.7 = 2319 m，可能出现 no_signal 浪费 5 s。缓解：仅在 prob_detect > 0 时顺路测量；no_signal 同样是有效负观测（进信念，不算异常）。

P0-2　第四问：用最小命中集替换 49 点发现集（离线搜索 + 运行期校验）

现状：coverage_points() 生成 700 m 方格 49 点（±2100），依据是"单元内任一点到 4 顶点 ≤ 700√2 ≈ 989.95 ≤ 1000"。该条件是充分但远非必要：它要求单元内任意位置、任意朝向都由 同一个顶点命中。实际上，第四问的保证是"对 ∀(p,h) ∈ Ω×S¹，存在被访点位于其前向半盘内"，允许由多个顶点共同围住 p。

方案：把它当作一个显式的击中集（hitting set）问题离线求解，运行期校验：

目标空间离散：p 取 Ω 内 75 m 网格，h 取 24 个方向 → 43 032 个 (p,h) 单元；
候选点：半径 2850 m 圆盘内 200–300 m 网格（641/293 个候选）；
贪心集合覆盖 + 局部改进，同时把巡回长度作为次级目标（641/293 个候选中取 31/30 个，仍有大量同覆盖度的等价解可用于缩短巡回）；
生成 CoveragePlan(points, certificate)，certificate 记录采样分辨率、未覆盖数、最坏裕量、生成脚本哈希；CoveragePlan.verify() 在每次运行前用同一 ObservationModel 重新校核，未通过即拒绝启动。

本次离线校核结果（附录 A 可复现）：

点集	点数	(p,h) 覆盖	NN 巡回	折算移动
现役 700 m 方格 ±2100	49	100%	36.4 km	7280 s
三角格 1000 m（半径 2800 盘）	31	100%	34.3 km	6863 s
贪心最小命中集（200 m 候选）	31	100%	22.9 km	4587 s
贪心最小命中集（300 m 候选）	30	100%	23.6 km	4719 s

实测收益（2026-09-12，11 场景配对）：均值 14003.0 → 10975.5 s（−19.3%），中位 −25.4%，10/11 场景更快；检测 444.5 → 319.2，请求 569.5 → 395.6，位移 54.9 → 44.2 km，后备清除尝试 113.3 → 64.1，11/11 valid。低于原估的 −26%，差额来自"缺席频道省下的检测"被定位探点部分抵消。

验收：CoveragePlan.verify() 通过；10/13/16 源 × 定向 1/半数/仅一个全向 × 边界朝外压力场景全部全清；请求数、日志体积仍满足 1200 s / 2 MB 预算。

风险：数值采样证书弱于解析证明。缓解：(a) 保留解析七站证明用于 Q3； (b) 证书采样分辨率与裕量写入 summary 并随日志归档；(c) 保留 10% 的额外"保险点"预算，若演练观测到任何漏检立即回退到 49 点表。

P0-3　第四问：位置×朝向联合信念与可见性选点

现状：定向源只被当作"候选空间集合"，no_signal 只用于累计 blocked_probes （planner/__init__.py:663-677），选点沿固定 45° 阶梯试探；梯子用尽后调用 _fallback_clear，对候选外包多边形做 20 m 网格覆盖逐格 /clear（≤400 格、≤1200 s、≤400 请求）。运行历史显示这正是第四问的失败点：定向源 2/6 清除，4/4 漏检全是定向。

方案：为第四问频道维护 (x, y, heading) 联合可行集，把"看不看得见"变成可推理的量：

表示：JointTensor —— 复用 Q3 的占用网格，每格附加 24 个朝向 bin 的可行性位掩码（uint8 位域，20 频道 × 6.1 万格 × 3 B ≈ 3.7 MB，可接受）。
更新规则（全部保守，仅删"必然看不见"的格）：
- direction@s：位置删 >1500、角向删 |gap| > δ_eff + 角裕量；朝向删 "以该格为源、朝向不覆盖 s" 的半盘（保留 ±90° 含边界）。
- no_signal@s：对 |g−s| ≤ 1000 的格，朝向只能落在背向 s 的半盘；对 1000 < |g−s| ≤ 1500 的格，朝向要么背向 s，要么源实际半径 < |g−s|（保持不确定）；对 |g−s| > 1500 的格不删。
- near@s：位置收缩到 5 m 盘，朝向置为全向（近场无遮挡语义）。
决策：prob_detect(channel, reader) = 该点能看到该频道任一可行 (p,h) 的概率质量；选点直接最大化 prob_detect / (移动秒数 + 6)，即保证有信号的信息增益/秒。
定位收敛：位置由多条 direction 的角域交会收缩（与 Q3 相同）；朝向在 2 次 "一次被遮挡 + 一次可见"后通常已被压到很窄的楔形，此时可主动选择必然可见的探点，用一个正常角域证书结束，而不再进入 400 格盲清。
后备清除保留（fallback_clear_cells 已有格数与预算双硬顶），但目标变为 "只在证书无法建立时触发"，并在 summary 中把触发次数作为回归指标。

预期收益（未实测）：定向频道的探点次数与后备清除触发次数大幅下降。参考量级：后备清除上限 400 格 × 3 s = 1200 s + 400 请求/频道；docs 记录的 Q4 改进版每局后备尝试 616/4 局 ≈ 154 次。保守估计 −1500 ~ −3000 s/局。

验收：10 源 3 定向场景全清率 100%（现状 referee 仅 2/6 定向）； fallback_clear_attempts 相对基线下降 ≥ 70%；定向信道平均检测次数 ≤ 全向信道的 1.5 倍。

风险：朝向均匀先验是工程假设，官方分布未知。缓解：先验只影响选点顺序，不影响任何安全性判定；朝向不确定时自动退化为全向分支（prob_detect 取全向值）。

P0-4　感知层向量化与并行（研发运行速度）

现状（F6）：expected_survival 占单局 CPU 的 72%，2808 次调用 × (7 代表点 × 800 子采样) ≈ 1570 万次纯 Python 距离/角度运算；apply_measure 另有 20%，其中 _kill_outside_wedge 每次遍历全部幸存格（498 万次 angular_gap）。

方案：

belief/occupancy.py 用 numpy 布尔/整数张量替换 set[int]：每频道 248×248 uint8（≈61 KB），20 频道 ≈ 1.2 MB；盘/楔删除用切片 + 布尔掩码，粗格索引用 np.add.reduceat；numpy 缺失时回退现有纯 Python 实现（测试保证两条路径同结果）。
采样评分向量化：把 subsample 与 representatives 预转 (n,2) 数组，一次广播算完距离、角度、角向 gap，expected_survival 由 5600 次标量循环变成 2–3 条向量指令。
站点级编译缓存：(station, channel, version) → 掩码结果，version 不变直接复用；当前 _skip_cache 只缓存"必 no_signal"布尔，可扩展到整块删除掩码。
MEC 增量维护：当前 mec() 每次版本变化重算全部幸存点（最多 6 万点）；改为版本变化时只对新增删除点做包围圆增量更新，或按 1/8 子采样给出候选、证书判定用精确值。
批量基准并行化：bench/runner.py 用 concurrent.futures.ProcessPoolExecutor 按场景分发（每进程独立 LocalSimulator，真值仍只进测试端），Mac M 系列 8 核可得 ~6–8×。
观测/遥测：单局 summary 写入 compute_wall_s、profile_top（可选 --profile），纳入基准表的必填列，防止"虚拟时间变快、墙钟悄悄变慢"。

实测收益（2026-09-12）：单局计算 3.10 → 1.00 s（3.08×），最坏 5.84 → 1.30 s； 20 场景基准集 12.2 → 3.9 s。虚拟时间与动作序列逐位一致（纯 Python 回退路径保留， MCM26B_NO_NUMPY=1 可强制）。未达 ≤0.8 s 的目标：剩余开销在 apply_measure 的网格删除与 ChannelParticles.__init__，需要 P0-4b（表示层张量化）。

验收：tests/test_particles.py、tests/test_bayes_loop_q3.py 全过；纯 Python 与 numpy 两条路径在同一动作日志下产出逐位相同的 summary（actions_sha256 相同）；单局 compute_wall_s ≤ 0.8 s。

P1-1　清除点选在 C₂₀(K) 内离当前位置最近处

现状 _near_clear_target 只沿"当前位置 → 候选圆心"方向平移，平移量受 limit − radius 限制，是被证明的一维特例。一般解是 C₂₀(K) = ∩_{g∈K} B(g, 20)，取其内离当前位置最近的点：

对凸多边形候选集，C₂₀(K) 仍是凸集（若干圆盘之交），可用"到当前点的最近点"的简单迭代/投影求得；
若 C₂₀(K) 非空，则从该点清除的移动代价最小，且三角不等式保证仍在 20 m 内。

预期收益：Q3 单局清除移动 3668 m（734 s）中回收 20–35%（−150 ~ −260 s）； Q4 同步受益。风险：C₂₀ 空时退回现有 MEC 圆心逻辑（已实现）。

P1-2　覆盖几何参数改为"离线搜索 + 运行期校验"

Q3：station_ring_radius_m 由 1159.7 的可证明下界 1122.9 重算，并在 validate_seven_coverage 中同时校验 PF 网格覆盖（现行文档已记录 1159.7 与 Optuna 建议值差 3.3 m 的取舍）。收益很小（≈44 s），但把"设计性质 vs 1.7% 均值差异"的取舍写成可复算脚本，而不是口口相传。
Q4：见 P0-2，覆盖集与巡回联合优化（在等价覆盖解中选巡回最短者，预期可在 23.6 km 基础上再降 5–10%）。
所有覆盖计划产物落 output/<problem>/coverage/<version>.json + 证书，纳入版本管理。

P1-3　评估与遥测重构（消除 B6）

冻结基准集（bench/suites/，一题一份、版本化、写入 manifest.json）：
- Q3：10/13/16 源 × 8 个种子 + 2 个圆周边界场景（r_eff=1000，扇区接缝）；
- Q4：10 源 3 定向、13 源 6 定向、16 源 8 定向 × 每种 3 个种子 + 朝外边界压力场景；
- 场景与真值只进模拟器与校验器，策略端看不到（真值隔离不变量保持不变）。
统一 runner + 逐局 artifact：manifest.json / results.json / aggregate.{json,csv} / runs/<scene>/<variant>/summary.json + session.jsonl，任何一局无效则 all_valid=false 且非零退出。
指标口径去重：目前 avg_locate_clear_time_s ≡ virtual_time_s（单源评估集下二者必然相等），必须在多源基准集上重新定义并标注： T_total（整场虚拟时间）、T_accounted（首次证明找全时刻）、T_last_clear、 T_total / cleared、T_total / truth。
运行历史持久化：output/ 目前不纳入 git，导致 output/rl/review-20260911/、 output/q3/optimization-20260911/ 等证据在 revert 后无法追溯。本轮起把**基准集的 summary/aggregate/manifest（压缩，不含大日志）**纳入版本管理，官方 jlog/日志仍按题面要求单独归档。

P1-4　安全阀与退出可解释性

阀门	现状	改进
`persistent_search`	默认已关闭，但没有任何"这会浪费多少"的提示；历史上已造成一次 346 170 s（98.84%）的无效演练	显式开启时输出预估上限（未清除频道数 × 站点数 × 6 s）并要求二次确认；`summary` 记录 `redundant_rescan_measures`
`virtual_reserve_s`	10 000 s 固定	改为 `max(10 000, 2 × 最远单动作上界)`，并在接近时把 `stop_reason` 与剩余预算写入 summary
完成判定	`completed = 无中断 ∧ (清除数≥16 ∨ 每频道 CLEARED/ABSENT)`	增加 `completion_basis ∈ {count_cap, per_channel_proof}` 字段，避免把"数量上界"与"逐频道证明"混为一谈
缺席证明	覆盖账本 + PF 双通道	summary 增加 `absence_evidence[channel] ∈ {pf_empty, coverage, count_cap}`，供论文与审计逐条追溯

P2-1　选点评分的解析化/查表化

expected_survival 的物理含义可用解析近似替代：对给定测点 q 与候选集， E[log 幸存占比] 的一阶近似只依赖 (候选集到 q 的距离分布, 角向展布)。先在离线基准上验证解析近似与采样评分选出的点一致率 ≥ 90%，再切默认实现。预计再省 30–50% 的评分开销（P0-4 之后已不是瓶颈，列入 P2）。

P2-2　是否重启学习类方法的门控条件

只有在下列四条同时满足时才考虑把 ML 重新引入，且只允许替换"任务排序"这一个部件：

P0-1/P0-2/P0-3 全部落地并通过基准集验收；
手写基线仍有 ≥ 10% 的可测改进空间，且已定位到具体的排序子问题；
训练与部署共用同一控制器模块，并有逐状态一致性测试（旧 HRL 的 13 000 行里最有价值的就是这条纪律：HRLControllerMixin 被 env 与 runtime 逐字节共用）；
评估集包含多源与定向场景（现役 20 场景单源评估集不足以支撑任何结论）。

4. 实施路线图

阶段	内容	交付物	验收门槛	依赖
S1（P0，2–3 天）	P0-2 最小命中集 + P0-4 并行基准；P1-3 冻结基准集 + manifest；P1-4 安全阀	`guarantee/cover.py`、`bench/runner.py`、`bench/suites/*`、`docs/` 更新	Q4 巡回 ≤ 25 km；基准集并行跑完 ≤ 60 s；全部 `valid`	无
S2（P0，2–3 天）	P0-1 融合巡回（Q3）；P1-1 清除点	`plan/schedule.py`、`plan/score.py`、`Episode` 组合化重构	Q3 均值 ≤ 2700 s、最大 ≤ 4000 s；移动 −25%	S1 的 runner
S3（P0/P1，3–5 天）	P0-4 信念层 numpy 化；P0-3 联合信念 + 可见性选点（Q4）	`belief/occupancy.py`、`belief/joint.py`、`plan/policy.py`	单局计算 ≤ 0.8 s；Q4 定向全清 100%、后备触发 −70%	S2 的接口
S4（P1/P2，2–3 天）	P1-2 覆盖参数搜索固化；P2-1 评分解析化；论文数据表	覆盖计划证书、`docs/paper` 数据	与 S3 结果配对不退化	S3
S5（演练）	官方演练：Q3 用全向、Q4 用混合；先实测单请求延迟与总请求数，核对 1200 s / 2 MB	官方日志与报告	全清 + 正常退出 + 计时复算一致	团队排期

顺序约束：S1 的基准集必须先于任何算法改动落地，否则无法配对；否则"更快"不可证。

5. 验收与度量

5.1 有效局定义（沿用现有基准脚本，不得放宽）

valid := 全部真实源被清除
       ∧ 被判缺席的频道都与真值一致（无误判）
       ∧ 正常 /exit（exit_reason == user_exit）
       ∧ 零算法异常（anomalies == []）
       ∧ 逐动作虚拟时间复算与服务器返回逐微秒一致

5.2 必报指标（每个变体、每个场景，落盘 + 汇总）

虚拟时间：T_total、T_accounted、T_last_clear、T_total/cleared，以及均值/中位/最大/P90 与 < 4000 s 场次比例；
动作：measures、clears、failed_clears、fallback_clear_attempts、 redundant_rescan_measures、total_requests；
移动：move_distance_m，以及 move/action/switch 三分项占比；
墙钟：compute_wall_s、请求吞吐（ms/请求）、批量基准总时长、训练 steps/s（若涉及）；
配对比较：同场景同误差种子下 1 − T_variant / T_baseline 的均值、更快场数、以及对场景做 10 000 次 bootstrap 的 95% 区间（参照 summarize_rl_revision.py 的做法）。

5.3 回归

uv run pytest（当前 232 项）必须全过；新增：

CoveragePlan.verify() 的正/负例（故意删一个点必须被检出）；
联合信念的真源保留性质测试（随机 (p,h) × 随机观测序列，真源 (p,h) 永不被删）；
融合巡回的"每源至少一条站点方位线"性质测试；
逐位一致性测试：numpy 后端与纯 Python 后端在同一动作序列下 summary 完全相同。

6. 风险与明确不承诺的部分

6.1 风险登记

风险	影响	缓解
最小命中集证书依赖数值采样，官方分布未知	极端 (p,h) 漏检 → 漏源	保留解析七站证明（Q3）；Q4 证书采样分辨率/裕量写入 summary；保留 10% 保险点预算与 49 点回退开关
站点三角化在 0.72% 源位置上只有 1 站在射程内	这些场景仍需专用探点	`prob_detect` 触发回退路径，保留现有 `_select_point`
朝向先验为工程假设	选点次优	先验只影响顺序；不确定时退化为全向；安全性由 20 m 证书 + 覆盖证明负责
numpy 化引入浮点路径差异	真源保留性质被破坏	两条后端同时保留并对拍；保持整数微秒复算计时
并行基准引入进程/端口/临时目录问题	基准不稳定	每进程独立内存回环；不共用端口；`manifest` 记录随机种子

6.2 不承诺的部分

第四问 4000 s：10 源场景下，仅"发现 + 缺席证明"就约需最小命中集巡回 4719 s + 缺席检测 ≈1900 s ≈ 6600 s，加之定位清除，4000 s 不可达。若必须逼近该线，需要改变停止条件（例如接受 unresolved_channels 而非逐频道缺席证明），那是成绩口径的取舍，必须先与题面评分方式核对，本轮不作为代码默认行为。
本文所有收益数字都是自建模拟器上的估计或本次复跑观测，不是官方成绩；官方分布、r_eff 分布、误差场分布仍是测试假设。
不声称 P0-1/P0-3 已在官方演练验证——需新的演练记录。

附录 A　复现命令与本次新增实验

# 1) 基线配对（本次复跑：bayes 3707.3 s vs seven_batch 5581.8 s，局部 −32.1%）
uv run python scripts/benchmark_q3_bayes.py --seeds 0,1 --out /tmp/mcmopt/q3

# 2) 运行历史计时分解（已入库）：任意会话日志 → 移动/检测/换频分相 + 重复复扫检测
uv run python scripts/analyze_run_timing.py session.jsonl --plan seven
uv run python scripts/analyze_run_timing.py referee-data/sessions/BBM9-HZG2-77N5-NKKC/log.jsonl --plan seven
uv run python scripts/analyze_run_timing.py referee-data/sessions/6X58-XQ7U-CJ24-JQQR/log.jsonl --plan 49
#    实测输出（与服务器记录最大偏差 0.000000 s，证明复算口径正确）：
#    session.jsonl   350227.692 s，移动 82.3%，检测 10323 次，重复率 96.4，
#                    末次清除后仍花 346169.9 s / 10225 次空复扫
#    BBM9 (Q3)         3134.643 s，移动 75.9%，探点 21 次 / 1138.7 s
#    6X58 (Q4)         3251.021 s，移动 78.3%，检测 112 次

# 3) 第四问覆盖证书与最小命中集（已入库）
uv run python scripts/verify_q4_cover.py --out output/q4/cover-certificate.json
#    实测输出：目标空间 43032 个 (p,h)
#    现役 49 点方格：缺口 0，NN 巡回 36.4 km（7280 s 移动）
#    贪心最小命中集：31 点，缺口 0，NN 巡回 22.9 km（4587 s 移动）

# 4) 感知层剖面（单局 6.04 s 计算中 expected_survival 占 ~72%）
python -m cProfile -s cumulative <单局驱动脚本>

第 2、3 项已作为常驻工具入库，使"虚拟时间花在哪"与"覆盖集是否仍然合法" 成为可随时重跑的回归项；第 1、4 项仍是一次性分析，建议在 S1 阶段并入 bench/runner.py 的必报指标（compute_wall_s、profile_top）。

附录 B　数字出处索引

数字	出处
移动 80.50% / 16.78% / 2.71%（Q3）	`referee-data/sessions/{BBM9,RM7Y,VQKB}/log.jsonl` 按 `verify_q3_practice.py` 模型复算
移动 82.30%（官方 J2WH）	`session.jsonl` 求和
346 169.9 s 空复扫	`session.jsonl` `/exit` 时刻 350 227.691846 s 减去 12 源首轮清除的 4 057.839 s
Q4 定向 2/6、漏检 4/4 全为定向	`referee-data/sessions/{6X58,BAU8}/meta.json` + `log.jsonl`
bayes 3707.3 / seven 5581.8	本次复跑 `benchmark_q3_bayes.py --seeds 0,1`
3535.9 s / 109 检测 / 6960 m 巡回 / 5741 m 探点	本次复跑计时分解
13652.1 s / 560 检测 / 51 356 m（Q4）	本次复跑单局
`expected_survival` 72%	本次 `cProfile` 单局
HRL 27.0 steps/s、4007.9 s、109 776 步	`output/hrl/ui/q3-main/q3.json` + `*.monitor.csv`
bayes 比 HRL 快 4.3–5.0%、94% 差距为移动	`output/hrl/ui/q3-main/eval/at-final/aggregate.json` + `runs/*/summary.json`
站点三角化 99.28%、交会角 5 分位 58.5°	本次离线采样 20 000 点
49 点 vs 30 点覆盖集	本次贪心击中集计算（附录 A 第 5 项）

43 KiB Raw Blame History Unescape Escape