Метод project_stochastic_seed()

Stochastic & Risk Generator: Алгоритм дискретной рулетки и вброса критических инцидентов

1. Функциональное назначение

Метод project_stochastic_seed является финальным исполнительным звеном математического ядра симулятора (Фаза 1). Он предназначен для проецирования сгенерированного псевдослучайного числа (случайной величины) \(\xi\) на кумулятивную шкалу распределения вероятностей для принятия окончательного решения о выборе целевого интента. Также метод отвечает за оценку глобального коэффициента рисков (negative_event_rate) и принудительный вброс аномального деструктивного поведения.

2. Математический базис кумулятивной проекции

Метод преобразует нормированный вектор вероятностей \(\mathbf{P}(t) = \{p_1, p_2, p_3, p_4\}\) в кумулятивную шкалу (массив накопленных сумм) \(\mathbf{C}(t) = \{c_1, c_2, c_3, c_4\}\), где каждый элемент рассчитывается как:

\[c_k = \sum_{j=1}^{k} p_j\]

После фиксации шкалы извлекается случайное число \(\xi \in [0.0 \dots 1.0]\). Финальный интент выбирается по правилу:

\[\text{Индекс интента} = \min \{ k \mid c_k \ge \xi \}\]

Контур генерации аномалий (Stochastic Risk Loop)

Перед проекцией базового интента метод производит независимый бросок случайного числа для проверки пересечения системного порога рисков negative_event_rate. Если бросок подтверждает наступление инцидента, метод игнорирует штатную кумулятивную шкалу и принудительно возвращает код деструктивной аномалии ERR-NEGATIVE-ANOMALY.

3. Спецификация метода (ИТ-контракт)

  • Тип вызова: Синхронный, высокочастотный, расчетный.
  • Исполнитель: Stochastic & Risk Generator.

3.1. Входные параметры (Аргументы вызова)

Параметр Тип данных Обязательный Описание
p_vector np.ndarray Да Нормированный вектор вероятностей \(\mathbf{P}(t) = \{p_1, p_2, p_3, p_4\}\) [3.2].
negative_event_rate Float Нет Текущий порог вероятности вброса аномалий (по умолчанию = 0.05).

3.2. Выходные данные (Возвращаемое значение)

  • IntentEnum (String) — выбранный валидный интент (INVENTORY, PREPARING, CONSUME, WASTE) либо код ошибки ERR-NEGATIVE-ANOMALY.

4. Схема кумулятивной рулетки и риска (Mermaid)

graph TD
    A[Вход: Вектор вероятностей P] --> B["Бросок риска: xi_risk = U(0,1)"]
    B --> C{xi_risk < negative_event_rate?}
    C -->|Да| D[Принудительный вброс: ERR-NEGATIVE-ANOMALY]
    C -->|Нет| E["Кумулятивная сумма: C = cumsum(P)"]
    E --> F["Бросок интента: xi = U(0,1)"]
    F --> G["Поиск отрезка: searchsorted(C, xi)"]
    G --> H[Возврат штатного интента]

5. Программная реализация метода на Python

import numpy as np

class StochasticSeedProjector:
    def __init__(self):
        self.intents = ["INVENTORY", "PREPARING", "CONSUME", "WASTE"]

    def project_stochastic_seed(self, p_vector: np.ndarray, negative_event_rate: float = 0.05) -> str:
        """
        Проецирует случайный Seed на кумулятивную шкалу с 
        подмешиванием стохастического контура аномалий.
        """
        # 1. Проверка контура генерации инцидентов негативного характера
        xi_risk = np.random.uniform(0.0, 1.0)
        if xi_risk < negative_event_rate:
            return "ERR-NEGATIVE-ANOMALY"

        # 2. Формирование кумулятивной шкалы распределения
        # На выходе получаем отрезки, суммарно составляющие 1.0
        cumulative_scale = np.cumsum(p_vector)

        # 3. Извлечение псевдорандомного числа xi для выбора интента
        xi = np.random.uniform(0.0, 1.0)

        # 4. Высокоскоростной бинарный поиск отрезка кумулятивной шкалы
        chosen_index = np.searchsorted(cumulative_scale, xi)
        
        return self.intents[chosen_index]