# 方案优选与鲁棒性 v1（SC-14）

> 代码：`server/aps_domain/scenario_selection.py`、`server/aps_domain/robustness.py`
> 接入：`server/aps_domain/scenario.py`、`server/aps_domain/sensitivity.py`
> 测试：`tests/golden/test_scenario_selection.py`

---

## 1. 候选方案优选

`scenario.compare` 保留五策略沙盒试排，在原卡片契约上追加以下决策链：

1. **硬过滤**：存在启用的硬约束冲突时标记 `HARD_REJECTED`，不产生推荐。
2. **帕累托筛选**：延期、冲突、成本、换型最小化；利用率、负荷均衡最大化。被全面支配的方案标记 `DOMINATED`。
3. **归一化加权**：仅对帕累托前沿做 min-max 归一化与加权排序；某维全等时归一值统一为 1，避免除零与 NaN。
4. **鲁棒性并列**：加权分相同时，以固定种子蒙特卡洛鲁棒性优先，再按稳定策略键打破完全平局。

权重来自 `scheduleParams.weights`：延期、成本、利用率、负荷均衡四项分别映射到同名 KPI。返回卡片新增 `hardFeasible`、`isPareto`、`normalizedKpi`、`weightedScore`、`rank`、`isRecommended` 和 `robustness`；原字段与采用动作保持兼容。

若所有候选都违反硬约束，`recommendationId=null`，系统明确提示先处理硬冲突，不用“最不坏”方案冒充可采纳方案。

---

## 2. 固定种子蒙特卡洛

每个样本都深拷贝世界并真实重跑排产引擎，不用 KPI 公式伪造仿真。v1 使用固定种子 `20260731`、默认 24 个样本，联合扰动：

- 订单量：截断正态分布，范围 `0.80~1.20`；
- 产线效率：截断正态分布，范围 `0.75~1.25`；
- 产能冲击：15% 概率随机选择一条产线，将效率临时压至 55%。

验收标准由方案基线派生：无硬约束违规、冲突数不高于基线、总延期不超过基线加 10%（至少留 1 小时容差）。`robustness` 是全部标准仍满足的样本比例，同时返回延期 P50/P90/P95/最大值与平均冲突数。

相同世界、参数、样本数和种子必须逐项可复算；所有运行位于 Explore 深拷贝沙盒，不写主世界。

---

## 3. API 与边界

- `scenario.compare` 的 `scenario-cards` 块新增 `recommendationId`、`paretoScenarioIds` 和 `selectionMethod`。
- 现有 `GET /api/scenario/sensitivity` 无需改路由，继续透传 `run_sensitivity`，新增 `monteCarlo` 字段。
- 现有 Tornado `baseline/rows/markdown`、场景卡旧字段和 `scenario.apply` 入参均保持不变。

本切片不是 NSGA-II 求解器，也不是生产级数百样本并行平台。待办仍包括历史分布校准、后台进程池/远程算力、更多扰动因子、偏好学习权重和 Sobol 全局敏感性。