同心鼓鲁棒协作策略与蒙特卡洛量化（第 3 组）

摘要

本文聚焦 2019 年全国大学生数学建模竞赛 B 题"同心协力"的第三问——鲁棒策略量化评估。在前两组分别建立"理想碰撞高度模型"与"鼓面倾斜刚体动力学"的基础上，本文把"现实扰动→鼓面倾斜→颠球中断"抽象为逐拍随机游走 + 调平控制模型：$\theta_{t+1}=(1-k)\theta_t+\xi$，$\xi\sim N(0,\sigma/\sqrt{N/8})$，$|\theta|>\theta_c=4^\circ$ 即判球落。通过大规模蒙特卡洛（每设定 200~400 次试验）系统扫描人数 $N$、调平增益 $k$、扰动幅度 $\sigma$ 的影响，定量给出：无调平时 8 人平均仅连续颠球 $39.2$ 次，施加 $k=0.5$ 自适应调平后均值触顶上限 $2000$ 次、成功率 $100\%$；人数由 4 增至 12 均值由 $28.3$ 升至 $85.7$；扰动 $\sigma$ 由 $0.006$ 增至 $0.030$ 均值由 $2000$ 跌至 $28.4$。据此提出"人数≥8、自适应调平 $k\approx0.5$、杜绝抢跑"三位一体的鲁棒策略。全文与配图、附录代码、数据表四路一致，源自 tools/gen_2019b.py。

一、问题重述与模型定位

同心鼓要求 8 名队员牵拉 8 根绳，使排球在鼓面上方被反复颠起、不落地、次数最大化。三问为：① 理想状态最佳策略与稳定高度；② 现实发力不匀的鼓面倾斜模型与 9 工况 $0.1\ \text{s}$ 倾斜角；③ 判断第 ① 问策略是否需调整并给出鲁棒策略。前两组已得：理想稳定高度 $h=0.45\ \text{m}$（所需鼓速 $v_d\approx0.330\ \text{m/s}$），9 工况倾斜角为 $[1.035,1.912,0.792,3.653,6.751,2.796,7.783,3.409,1.996]^\circ$，其中工况 7（抢跑+力度偏大）达 $7.78^\circ$ 已超 $4^\circ$ 临界。本组据此回答第 ③ 问：把"倾斜→失稳"过程建为可统计的随机模型，用蒙特卡洛量化鲁棒性，并反推最优策略参数。

二、基本假设与符号

符号	含义	取值
$N$	队员数	$4\sim12$
$\sigma$	单拍扰动标准差	$0.006\sim0.030$
$\sigma_{\text{eff}}=\sigma/\sqrt{N/8}$	有效扰动	—
$k$	调平增益	$0\sim0.8$
$\theta_c$	失稳临界角	$0.07\ \text{rad}\approx4^\circ$

假设：每拍扰动独立同分布于高斯；调平把当前倾角乘以 $(1-k)$ 拉回；球落当且仅当某拍 $|\theta|>\theta_c$。

三、问题一与问题二的要点回顾

理想状态下 8 人同步、合力矩为零，鼓面水平；所需鼓接触上迎速度

$$v_d(h)=\frac{1-e}{1+e}\sqrt{2gh}=\frac19\sqrt{2gh},$$

取 $h=0.45\ \text{m}$ 得 $v_d\approx0.330\ \text{m/s}$、8 s 内约 $13$ 拍。现实中发力不匀使鼓面绕直径转动，9 工况倾斜角见前文；维持水平所需人均静拉力 $F_{\text{base}}=Mg/(8\rho_v)\approx68.2\ \text{N}$。这些结果是第 ③ 问"为什么需要鲁棒策略"的物理根据：理想策略对倾斜零容错，而现实必然产生倾斜。

四、问题三：鲁棒策略的随机模型与蒙特卡洛

4.1 逐拍随机游走模型

把每拍鼓面倾角演化为

$$\theta_{t+1}=(1-k)\theta_t+\xi,\qquad \xi\sim N\!\left(0,\ \frac{\sigma}{\sqrt{N/8}}\right).$$

直观含义：未加调平时（$k=0$），倾角纯随机游走，越走越易越过临界；施加调平（$k>0$），每拍把当前倾角按比例拉回水平，显著降低越界概率。人数 $N$ 越大，有效扰动 $\sigma_{\text{eff}}$ 越小（"平均掉"个体误差）。选择随机游走而非确定性微分方程，是因为真实队员发力误差本质上是不可预测的随机扰动，只有概率模型才能给出"平均能颠多少下"这一赛题真正关心的统计量。

4.2 无调平 vs 调平：次数分布

对 8 人、$\sigma=0.012$、$400$ 次蒙特卡洛：无调平（$k=0$）的连续颠球次数分布长尾偏左，均值仅 $39.2$ 次、标准差高达 $32.2$；调平（$k=0.5$）的分布被完全压缩到上限 $2000$ 次、成功率 $100\%$。两图并置即说明：鲁棒性的瓶颈不在"拉得多齐"，而在"是否实时纠偏"。

两图对比揭示了一个反直觉事实：无调平分布呈"低均值、高方差"的长尾形态——大多数试验只颠几下就因某拍随机越界而中断，极少数靠运气走运才能较高；而调平分布几乎全部贴在上限，方差趋近于零。这说明"连续颠球次数"在无调平时是一个被随机性主宰的量，靠队员天赋或运气极不可靠；调平则把它从"概率事件"变成"确定性能力"。对训练而言，真正要练的不是"某次颠很多下"的峰值，而是"每次都能把鼓面拉平"的闭环纠偏习惯。

4.3 人数越多越鲁棒

固定无显式调平（$k=0$）、$\sigma=0.010$，扫描人数：$N=4,6,8,10,12$ 时平均连续颠球次数依次为 $28.3,\ 41.6,\ 58.1,\ 69.8,\ 85.7$。增长源于 $\sigma_{\text{eff}}\propto1/\sqrt{N}$——人数翻倍（8→16 等效）使有效扰动降为 $1/\sqrt2$。这解释了赛题"队员不少于 8 人"的下限：低于 8 人时平均掉误差的能力骤减。

4.4 调平增益的最优区间

固定 8 人、$\sigma=0.012$，扫描 $k$：$k=0,0.2,0.4,0.6,0.8$ 对应均值 $44.2,\ 1503.9,\ 1994.3,\ 2000,\ 2000$。$k$ 由 $0$ 增至 $0.5$ 是"质变区间"（44→2000），$0.5$ 之后收益饱和。故 $k\approx0.5$ 为性价比拐点——再大只会增加队员出力负担而无额外收益。

4.5 扰动幅度的鲁棒边界

固定 8 人、$k=0.5$，扫描 $\sigma=0.006,0.010,0.015,0.022,0.030$：均值 $2000,\ 2000,\ 1913.2,\ 187.5,\ 28.4$。存在明显阈值效应——$\sigma\lesssim0.015$ 时几乎满分，$\sigma\gtrsim0.022$ 时急剧崩溃。这划定了"自适应调平能救活的扰动上限"：当队员动作抖动标准差超过约 $0.02$ 弧度/拍，单靠 $k=0.5$ 调平也无力回天，必须回到训练降低个体抖动。

4.6 人数 × 调平的联合收益

同一人数下对比无调平（$k=0$）与调平（$k=0.5$）（$\sigma=0.012$）：$N=4$ 时 $21.8$ vs $1468$；$N=8$ 时 $37.0$ vs $2000$；$N=12$ 时 $59.0$ vs $2000$。调平带来的提升随人数放大——人数越少，调平越不可或缺（4 人时把均值从 22 拉到 1468，提升约 67 倍）。这一"联合增益"可从公式理解：$\sigma_{\text{eff}}=\sigma/\sqrt{N/8}$ 越小、且 $(1-k)$ 把倾角逐拍衰减，二者乘积决定越界率；当 $N$ 小到使 $\sigma_{\text{eff}}$ 本身偏大时，只有靠调平 $k$ 把衰减系数压得更低才能弥补。因此"少人队伍更依赖纠偏"是必然结论，也提示在人数受限的实战中（如伤病减员）应优先强化调平而非盲目加人。

4.7 鲁棒性雷达综合评估

以五维（连续次数、成功率、稳定指数、调平增益、抗扰动）归一化对比无调平与调平：无调平除"调平增益"轴为 0 外其余均低（连续次数 $0.02$、成功率 $0.27$、稳定指数 $0.18$、抗扰动 $0.27$）；调平各项接近满分（连续次数 $1.0$、成功率 $1.0$、稳定指数 $1.0$、调平增益 $0.625$、抗扰动 $1.0$）。两者形成鲜明反差，量化印证"调平是鲁棒性的决定因素"。

4.8 鲁棒协作策略闭环

综合以上，提出闭环策略（见图 8）：① 实时检测鼓面倾角 $\theta$；② 判定 $|\theta|>\theta_c$？越界即中断；③ 未越界则对反侧队员追加 $\Delta F\propto-\theta$（增益 $k\approx0.5$）调平；④ 循环并计数。配套三条铁律：人数 $N\ge8$、统一发力时机杜绝抢跑、把个体抖动 $\sigma$ 控制在 $0.015$ 以下。

该闭环可由廉价传感器落地：在鼓面安装倾角/加速度计，实时估计 $\theta$ 与 $\dot\theta$，由控制器按 $\Delta F_i\propto-\theta\cdot\sin\varphi_i$（即"对倾斜反侧追加拉力"）下发到各人对应的绳张力调节装置（或语音/震动提示）。本模型已给出各参数的合理取值区间（$k\approx0.5$、$\sigma<0.015$、$N\ge8$），可直接作为控制器的设定基准，无需重新调参即可获得接近满分的鲁棒性。

五、灵敏度分析

• 临界角 $\theta_c$：取 $3^\circ\sim5^\circ$ 只平移失稳松紧，调平策略在各档下均接近满分，结论不敏感。
• 恢复系数 $e$ 与下落高度：只影响第 ①② 问的 $v_d$ 与理想高度，不改变第 ③ 问"调平决定鲁棒性"的定性结论。
• 扰动分布形态：若由高斯改为有界均匀，极端长尾消失，无调平均值略升，但调平仍显著占优。

六、模型优缺点与改进

优点：仅用 $N,k,\sigma,\theta_c$ 四个参数就复现了"人数、调平、扰动"三个维度的系统行为，计算极轻、可解释强；阈值效应与拐点 $k\approx0.5$ 给出明确训练指标。

缺点：随机游走假设每拍扰动独立，未刻画队员间的协方差（真实团队可能存在共同节奏偏差）；调平用比例增益近似，未给出 $k(t)$ 的最优控制解。

改进：引入队员力量/时序的联合相关矩阵，模拟"系统性抢拍"而非纯随机；用动态规划或 LQR 求时变最优增益 $k^*(t)$。

七、结论

第 ③ 问的答案是明确的：第 ① 问的理想同步策略在现实中必须调整。蒙特卡洛量化表明，无调平平均仅 $39.2$ 次，而"人数≥8 + 自适应调平 $k\approx0.5$ + 杜绝抢跑（控 $\sigma<0.015$）"三位一体策略可把连续颠球次数提升至上限 $2000$ 次、成功率 $100\%$。人数与调平存在联合增益，且调平是鲁棒性的决定因素。

值得强调的是，本结论与第 ② 问的刚体模型在物理上自洽：第 ② 问证明"发力不匀→非零合力矩→倾斜"，第 ③ 问则证明"倾斜可用调平增益 $k$ 抵消"。两条线索合起来给出完整的工程闭环——先用量化模型定位风险源（抢跑、力度偏差），再用随机模型找到最优对策（$k\approx0.5$ 的实时纠偏），最终把"靠手感"的民间技巧升级为"可测量、可复现、可移交"的科学训练方案。这也正是数学建模之于体育协作的价值所在。

参考文献

[1] 2019 高教社杯全国大学生数学建模竞赛 B 题"同心协力".
[2] 龙源期刊网. 同心鼓问题的转动定理分析.
[3] 电子科技大学. 同心鼓协作策略建模报告.

---

附录：核心 Python 实现

# tools/gen_2019b.py（节选）—— 鲁棒策略蒙特卡洛唯一真源
import random, math

def mc(N=8, sigma=0.012, k=0.5, trials=400, seed=2019, theta_c=0.07, cap=2000):
    """逐拍随机游走 + 调平控制；返回 (均值, 次数序列)。"""
    rnd = random.Random(seed); counts = []
    for _ in range(trials):
        theta = 0.0; c = 0
        se = sigma / math.sqrt(N / 8.0)          # 人数越多有效扰动越小
        for _ in range(cap):
            theta = (1 - k) * theta + rnd.gauss(0.0, se)
            c += 1
            if abs(theta) > theta_c:             # 越界即球落
                break
        counts.append(c)
    return sum(counts) / len(counts), counts

# 无调平 vs 调平（8 人, σ=0.012）
m0, _ = mc(k=0.0); mk, _ = mc(k=0.5)
print(round(m0, 1), round(mk, 1))        # 39.2, 2000.0

# 人数扫描（无调平, σ=0.010）
print([(N, round(mc(N=N, sigma=0.010, k=0.0, trials=200)[0], 1)) for N in (4,6,8,10,12)])
# -> [(4,28.3),(6,41.6),(8,58.1),(10,69.8),(12,85.7)]

# 调平增益扫描（8 人, σ=0.012；与图4一致，使用 seed=7）
print([(k, round(mc(N=8, sigma=0.012, k=k, trials=200, seed=7)[0], 1)) for k in (0,0.2,0.4,0.6,0.8)])
# -> [(0,44.2),(0.2,1503.9),(0.4,1994.3),(0.6,2000.0),(0.8,2000.0)]

# 扰动扫描（8 人, k=0.5）
print([(s, round(mc(N=8, sigma=s, k=0.5, trials=200)[0], 1)) for s in (0.006,0.010,0.015,0.022,0.030)])
# -> [(0.006,2000.0),(0.010,2000.0),(0.015,1913.2),(0.022,187.5),(0.030,28.4)]