mcm-26-b/docs/algo-3-bayes.md

算法说明：问题3 贝叶斯闭环（bayes 策略）

对应实现：src/mcm26b/particles.py（感知层）、src/mcm26b/planner/bayes_loop.py （决策层）、scripts/benchmark_q3_bayes.py（消融）、scripts/tune_q3_bayes.py （Optuna 调参）。基线对比：docs/algo-3.md 的七点批量（seven，A2）。

1. 建模定位

问题3是部分可观察的在线决策问题：频道数未知（10–16/20）、位置未知、有效 接收半径未知（1000–1500m）、测向误差 ±1°（服务器保留两位小数）。策略层 只能拿到 /measure 与 /clear 的响应，目标是最小化"发现—定位—清除"的 虚拟总时间。bayes 策略把它分解为三层滚动时域闭环：

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。

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 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：

观测	题面语义	删除判定
no_signal@s	距离 > r_eff ≥ 1000	删格心距 s ≤ 1000 − m 的格
direction@s	距离 ≤ 1500，|读数−真值| ≤ δ_eff	删角向超出 δ_eff + asin(m/(d−m)) 或距 s > 1500 + m 的格
near@s	距离 ≤ 5	删格心距 s > 5 + m 的格

定理（真源保留）：真源 P 满足全部题面约束；P 所在格的格心 g 满足 |g−P| ≤ m，故"整格不相交"判定永不命中该格。因此任意观测序列后 P ∈ 幸存格的并集，且：

• 缺席证明：幸存集为空 ⟹ 可行集为空 ⟹ 该频道无源（严格）；
• 清除证书：MEC(幸存).R + m ≤ 20 − 工程余量 ⟹ 真源距清除点 ≤ 20；
• 跳测规则：幸存格到测点最小距离 > 1500 + m ⟹ 该测量必 no_signal 且无新排除，可跳过。

性质测试：tests/test_particles.py（随机源 × 随机测点 × 随机合法误差， 真源格永不被删；tests/test_bayes_loop_q3.py 端到端零异常）。

与 belief.CandidateRegion（保守凸外包）的分工：凸表示负责清除证书 （精确角域裁剪、收敛后触发），网格负责凸表示做不到的三件事——非凸负 观测挖洞（no_signal 排除盘）、缺席提前证毕、跳测判定。两者同读一套 响应流（_record_measure），任何一方证毕即收尾。

3. 信息增益选点

候选点集（二选一，按保证接收盘是否非空）：

• 保证接收盘 B(MEC_poly 圆心, 1000 − ρ_poly)（盘内必收 direction/near， 几何同 docs/algo-2.md 定理1）：环形采样（search.candidate_rings×12 方向）；
• 宽候选集（ρ_poly > 1000 时）：PF MEC 的 1.0/1.5/2.0 倍探索环。

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）。

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）。

4. 统一任务循环（动态 TSP）

每个决策点构建任务表并排序执行首个任务，随后滚动重排：

• 站点任务：七站（原点 + 1200m 环六点，覆盖半径解析上界 968.9m < 1000m）上仍待测的 UNKNOWN 频道；跳测规则与覆盖账本过滤；
• 定位任务：DETECTED 且无证书的频道，位置由信息增益选点产生；
• 清除任务：有证书（凸或网格）的频道，目标为证书圆心。

排序 = 开放路径最近邻打底 + 2-opt 改进（two_opt_passes 轮，成本含 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）。

5. 消融结果（自建模拟器，persistent 关）

12 随机场景（6 种子 × 10/16 源）+ 2 边界场景，与 SevenBatch 配对：

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

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/）。

6. Optuna 调参

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。

7. 已知边界

• 检测次数略多于 A2（109.6 vs 102.4）：定位收敛多用 1-2 次测量换距离 大幅缩短，净收益为正；跳测规则在 UNKNOWN 阶段（先验全域）暂无收益 面，收益集中在定位与复扫阶段；
• 网格清除证书（h=25m 时阈值 ≤1.8m）极少触发，作为凸证书的补位保险；
• 调参与消融基于自建模拟器（逐点固定 ±1° 误差场），不代表官方误差 分布；真源保留定理只依赖题面界（±1°、r_eff∈[1000,1500]），不依赖 误差分布假设。