羽毛球每球得分制下冒险程度的 Markov 决策过程：最优策略的阈值结构定理

来源说明：本则出自独立撰写的第二批方案。它与前 20 则同样遵循八块结构与硬门槛要求，但撰写时未做英文文献检索，新颖性边界依据的是历届获奖图谱与既有知识，而非当轮查新。因此其「需核实」条目更多，启动前须自行补一轮英文检索。

1 · 研究问题

把羽毛球 21 分每球得分制（含 20 平后净胜 2 分、30 分封顶规则）建为 Markov 决策过程——每球运动员在"激进/保守"打法间选择（激进：得分概率高但失误概率也高）——最优策略是否关于比分差呈阈值（threshold）结构，即存在单调切换边界？该结构能否在明确的参数假设下严格证明，而非仅由数值表观察？

2 · 研究背景与空白

比分制运动的 Markov 分析是经典题材：i.i.d. 每球胜率 p 下整局获胜概率有封闭公式（网球/排球/羽毛球情形均为标准练习）。引入决策后问题升级为有限状态 MDP：状态 = (我方分, 对方分, 发球权)，动作 = 打法风格，价值函数由逆向归纳精确解出（状态数 < 10³，笔记本毫秒级）。数学内核在结构定理：MDP 理论中"最优策略单调性"有成熟的充分条件框架（superadditivity / 单调价值差分论证，Puterman 教材第 4/6 章型技术），把它落到具体计分规则上需要真正的证明工作（deuce 规则破坏简单单调性，是本题的实质难点与亮点）。

已有工作：固定策略下的胜率公式（教材级）；网球发球策略博弈、排球轮转等运筹文献存在（第 3 周核实清单：搜索关键词 badminton scoring Markov decision risk strategy；关键词 monotone optimal policy sports MDP）。丘奖相邻获奖论文：2024 金奖《Optimizing Dart Throwing Strategies for the Elderly Based on Markov Decision Process》（MDP + 运动策略，数值最优化为主）、2025 入围《A Mathematical Model for Measuring Sprinting Styles of 100-Meter Sprinters and Its Application》（运动风格量化）。

空白在：羽毛球现行计分制下"冒险度选择"的 MDP 建模 + 最优策略阈值结构的严格证明未见发表；相对 2024 金奖，本题把交付重心从数值最优解转移到结构定理（评价维度转换），这既是差异化也是数学含量的保证。

3 · 可检验假设

• H1：参数满足"激进打法的得分概率增益与失误概率代价可交换排序"（论文中精确形式化）时，最优策略关于分差单调：落后越多越应激进，且切换边界是分差的阶梯函数（对全部发球权状态成立）。
• H2：deuce 段（20 平后）的最优策略与常规段在同一参数下可以不同（存在参数区域使切换边界在 deuce 处跳变）——该现象可构造性证明（给出显式参数点）并刻画其参数区域。

4 · 量化验收标准

1. 方法学校验（硬门槛）：动态规划求解器先复现无决策退化情形——固定 p 下的整局胜率与封闭公式（含 deuce 几何级数项）在 p ∈ {0.4, 0.45, …, 0.6} 上零偏差（≤ 10⁻¹²，精确有理算术可做到严格相等）；并复现 10⁶ 局 Monte Carlo 模拟与理论值的一致性（偏差在 3σ 内）。不过关则全线无效。
2. 定理交付：H1 阈值定理的完整证明（明确假设、单调性引理链）；H2 的构造性证明 + 参数区域数值刻画。
3. 数值交付：参数网格（≥ 10⁴ 组）上最优策略全解，机器验证阈值结构在定理假设域内零反例、假设域外给出反例清单（反例本身是定理假设必要性的证据）。
4. 稳健性：参数来自公开文献的羽毛球技术统计（多拍回合得失分率区间；第 4 周核实可得性，不可得则参数区间由敏感性分析覆盖并如实声明），主结论（结构定理）不依赖任何单一参数点。
5. 统计口径：模拟对照报 95% 置信区间；不用任何拟合优度伪指标粉饰。
6. 代码开源，一键复跑（全套 < 1 小时）。

5 · 数据与工具

用途	来源 / 工具
MDP 求解	自写逆向归纳（Python Fraction 精确算术版 + NumPy 浮点版互证）
模拟对照	自写 Monte Carlo（仅校验，不计入贡献）
参数区间	公开体育科学文献中的羽毛球回合统计（第 4 周核实：搜索关键词 badminton rally outcome statistics error rate；不可得则用敏感性区间）
结构定理技术	Puterman《Markov Decision Processes》单调策略章节（图书馆/公开讲义）
算力量级	状态数约 24×24×2，逆向归纳毫秒级；参数网格全解笔记本分钟级，纯 CPU

6 · 方法路径

1. 写精确算术逆向归纳求解器，完成第 4 块第 1 条封闭公式复现。
2. 形式化动作模型与参数假设（须给出明确、可复现的"激进/保守"参数化判据）。
3. 参数网格全解，观察阈值结构与 deuce 跳变现象，圈定定理假设的候选形式。
4. 证明单调性引理链（价值差分沿分差的符号传播），闭合 H1 定理；构造 H2 参数点。
5. 文献参数标定 + 敏感性分析，检验结构在现实参数域内的稳健性。
6. 独立交叉校验：Fraction 版与 NumPy 版全网格互证；Monte Carlo 抽检 100 参数点。

7 · 新颖性边界

• 本课题不声称固定策略胜率公式（教材级）与 MDP 单调性一般理论（Puterman 框架）为本项目结果；不声称对真实比赛做因果断言（模型结论限定在假设内，论文明确写出）。
• 已有工作：计分制 Markov 分析（教材级）；体育决策 MDP 文献（第 3 周核实清单）。丘奖相邻获奖论文：2024 金奖《Optimizing Dart Throwing Strategies for the Elderly Based on Markov Decision Process》——本题差异：运动不同（羽毛球对抗性计分 vs 飞镖非对抗）、状态结构不同（对抗比分 + deuce 规则）、交付重心不同（结构定理及其证明 vs 数值最优策略）；2025 入围短跑模型为回归型风格量化，与本题 MDP 决策框架不同。
• 本项目贡献（主结论）：羽毛球计分 MDP 的阈值结构定理（含 deuce 跳变现象的构造性刻画）+ 全参数域数值验证。
• 价值：把一条"人人可感"的竞技直觉（落后就该搏）变成带精确假设的定理；deuce 跳变是模型独有的可检验预言，英文答辩故事线完整。

8 · 决策门槛（go / no-go）

• 第 4 周末：硬门槛复现 + 动作模型冻结。
• 第 10 周末：网格全解完成。若阈值结构在大片合理参数域内不成立 → 这本身是结果：降级路径 A：主结论转为"阈值结构成立/失效的参数相图 + 失效机制分析"（保留 MDP 框架与定理目标，定理改为刻画失效边界）。
• 第 22 周末：H1 证明若卡在 deuce 段，降级路径 B：定理范围收缩到常规段（0–20 分）严格证明 + deuce 段的穷尽数值验证（有限状态可全验，构成有限情形的机器证明）——主结论框架不变。
• 第 4 周核实项：公开羽毛球统计的可得性；不可得不阻塞主线（定理不依赖数据）。
• 预算裁剪顺序：真实数据标定章节 → H2 参数区域精细化；H1 定理与全网格验证不砍。

---