P3: main

task3/README.md

@@ -663,3 +663,80 @@ flowchart TB
 | 未满足惩罚 | $\lambda$ | 0.5 | 敏感性分析 |
 | 最大缺口惩罚 | $\eta$ | 0.3 | 敏感性分析 |
 | 鲁棒性水平 | $k$ | 1 | 84%保护 |
+| **合并比例** | $r_{merge}$ | 1/2 | 保留50%独立访问 |
+
+---
+
+## 附录D：实现决策记录
+
+### D.1 关键设计决策
+
+| 决策项 | 选择 | 理由 |
+|--------|------|------|
+| 数据来源 | Task 1结果 (`task1/03_allocate.xlsx`) | 复用已验证的需求修正和频次分配 |
+| 有效性衰减计算 | **总量计算** $q(\mu_i + \mu_j)$ | 双站点共享同一卡车，总负载决定服务质量 |
+| 合并比例 | $k_{max} = \lfloor \min(k_i, k_j) / 2 \rfloor$ | 保留50%独立访问，平衡效率与风险 |
+| 配对策略 | 每站点最多配对一次 | 简化实现，足以说明方法论 |
+| 双站点访问计数 | 算1次访问事件 | 释放槽位给其他站点 |
+
+### D.2 有效性衰减公式（总量计算）
+
+双站点访问时，质量折扣因子按总服务量计算：
+
+$$q_{ij} = \min\left(1, \frac{250}{\mu_i + \mu_j}\right)$$
+
+**E2'的计算**：
+$$E_2' = \sum_{\text{单站点}} k_i \cdot q(\mu_i) \cdot \mu_i + \sum_{\text{双站点}} k_{ij} \cdot q(\mu_i + \mu_j) \cdot E[S_i + S_j]$$
+
+### D.3 合并比例详述
+
+对于配对 $(i, j)$，原频次为 $k_i, k_j$：
+
+| 项目 | 公式 |
+|------|------|
+| 双站点访问次数 | $k_{ij} = \lfloor \min(k_i, k_j) / 2 \rfloor$ |
+| 站点i剩余单独访问 | $k_i' = k_i - k_{ij}$ |
+| 站点j剩余单独访问 | $k_j' = k_j - k_{ij}$ |
+| 释放的访问槽位 | $\Delta N = \sum k_{ij}$ |
+
+---
+
+## 附录E：敏感性分析计划
+
+### E.1 待分析参数
+
+| 参数 | 基准值 | 扫描范围 | 预期影响 |
+|------|--------|---------|---------|
+| **合并比例** $r_{merge}$ | 1/2 | [1/3, 1/2, 2/3] | 配对数量、资源节省 |
+| 距离阈值 $l_{max}$ | 50 mi | [30, 40, 50, 60, 70] | 可行配对数 |
+| 容量上限 $\mu_i + \mu_j$ | 450 | [400, 425, 450, 475, 500] | 配对选择范围 |
+| CV阈值 | 0.5 | [0.3, 0.4, 0.5, 0.6] | 配对稳定性 |
+
+### E.2 敏感性分析输出
+
+- 各参数对 E1', E2', F1', R1 的影响曲线
+- 参数交互效应热力图
+- 稳健性结论
+
+---
+
+## 附录F：程序流水线
+
+```
+task3/
+├── 01_distance.py      # 距离矩阵计算
+│   └── 01_distance.xlsx
+├── 02_pairing.py       # 配对筛选与选择
+│   └── 02_pairing.xlsx
+├── 03_allocation.py    # 最优分配计算
+│   └── 03_allocation.xlsx
+├── 04_reschedule.py    # 访问次数重分配
+│   └── 04_reschedule.xlsx
+├── 05_calendar.py      # 日历排程生成
+│   └── 05_calendar.xlsx
+├── 06_evaluate.py      # 效果评估
+│   └── 06_evaluate.xlsx
+├── 07_sensitivity.py   # 敏感性分析（待实现）
+│   └── 07_sensitivity.xlsx
+└── figures/            # 可视化输出
+```