4.7 KiB
4.7 KiB
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
# 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
run_experiment(
routing="gradient",
node_count=12,
area_size=500,
sim_time=500
)
返回：
{
"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：
RANDOM_SEED = 42
在 main 初始化：
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