下面是**下一阶段（Phase-3）明确执行清单**。
目标不是继续“修代码”，而是把当前仿真从 **能运行的系统** 升级为 **可发表 / 可证明算法价值的实验平台**。

你可以直接把下面内容作为 `next_phase.md` 交给执行 AI。

---

# `next_phase.md`

```markdown
# LoRa Route Py — Phase-3 任务清单
## 目标
当前系统已经：
- ✅ 完整仿真框架
- ✅ 多跳路由工作
- ✅ 业务数据成功传输
- ✅ 指标统计完善

下一阶段目标：

> 将仿真升级为 **算法评估平台（Algorithm Evaluation Platform）**

核心思想：

    不再证明“能跑”
    → 而是证明“比别人好”

---

# Phase-3 总览

新增三大能力：

1. Baseline 对照算法
2. 可重复实验框架（Experiment Runner）
3. 自动论文级结果输出

---

# TASK 1 — Baseline Routing（最高优先级）

## 目的
当前只有 Gradient Routing。

必须加入对照组，否则结果没有科研意义。

---

## 1.1 新建目录

```

sim/routing/
├── gradient_routing.py
├── flooding.py          ← NEW
├── random_forward.py    ← NEW
└── shortest_path.py     ← NEW（可选）

```

---

## 1.2 Flooding Routing（必须实现）

### 行为

收到 DATA：

```

if packet_id 未见过:
转发给所有邻居

````

需要：

- seen_packet_cache (TTL)
- 防止无限广播

---

### 接口保持一致

```python
class FloodingRouting(BaseRouting):
    def next_hop(self, packet):
        return BROADCAST
````

Node 不需要修改。

---

## 1.3 Random Forward（必须）

用于验证：

> gradient 是否优于随机策略

逻辑：

```
随机选择一个邻居转发
```

---

## 验收标准

新增测试：

```
test_baseline_runs.py
```

要求：

* flooding 能运行
* random 能运行
* 无死循环

---

# TASK 2 — Experiment Runner（核心）

## 目标

自动跑：

```
节点数 × 区域大小 × 算法
```

而不是手动运行。

---

## 2.1 新建

```
sim/experiments/
    runner.py
```

---

## API

```python
run_experiment(
    routing="gradient",
    node_count=12,
    area_size=500,
    sim_time=500
)
```

返回：

```python
{
    "pdr": float,
    "avg_latency": float,
    "avg_hop": float,
    "collision_rate": float,
}
```

---

## 2.2 参数扫描

自动执行：

```
nodes = [6, 9, 12, 15]
area  = [300, 500, 800]
routing = ["gradient", "flooding", "random"]
```

总实验：

```
4 × 3 × 3 = 36 runs
```

---

# TASK 3 — 固定随机种子（重要）

否则实验不可复现。

---

修改：

```
config.py
```

加入：

```python
RANDOM_SEED = 42
```

在 main 初始化：

```python
random.seed(Config.RANDOM_SEED)
np.random.seed(Config.RANDOM_SEED)
```

---

验收：

同参数运行两次结果一致。

---

# TASK 4 — 新指标（Metrics v2）

扩展 metrics.py：

---

## 必须新增

### 4.1 End-to-End Latency

```
receive_time - create_time
```

输出：

```
avg_latency
p95_latency
```

---

### 4.2 Forwarding Overhead

```
total_tx / successful_packets
```

衡量能量效率。

---

### 4.3 Network Load

```
total_airtime / sim_time
```

---

# TASK 5 — 自动结果导出

新增：

```
analysis_tools/export.py
```

---

## 输出 CSV

```
results.csv
```

格式：

| routing | nodes | area | pdr | latency | hop |
| ------- | ----- | ---- | --- | ------- | --- |

---

# TASK 6 — 自动绘图（必须）

使用 matplotlib：

生成：

```
results/
├── pdr_vs_nodes.png
├── latency_vs_nodes.png
├── overhead_compare.png
```

---

图要求：

* 每条 routing 一条曲线
* 自动 legend

---

# TASK 7 — Regression Tests（防退化）

新增：

```
test_algorithm_compare.py
```

要求：

```
gradient.pdr >= random.pdr
```

（允许 small tolerance）

---

# TASK 8 — 自动实验入口

新增：

```
python run_experiments.py
```

执行后：

```
✔ 运行全部实验
✔ 输出CSV
✔ 生成图表
```

---

# Phase-3 验收标准

必须全部满足：

* [ ] 至少 2 个 baseline 算法
* [ ] 自动实验 runner
* [ ] 固定随机种子
* [ ] CSV 自动生成
* [ ] 自动绘图
* [ ] gradient 与 baseline 可比较
* [ ] 一键运行实验

---

# 完成后系统能力

完成 Phase-3 后，你将拥有：

✅ LoRa mesh 仿真平台
✅ 算法对照实验系统
✅ 自动论文图生成
✅ 可直接写实验章节