加载中...
世界杯样本有限（72 场），爆冷常发生，胜率估计在小样本下不稳定。AI 不在 EV 维度做剔除或加权，只做"格点最优分配 + 落窗优化 + 多状态覆盖 + 忠实执行用户勾选"。让 150 元本金的中奖收益落在概率与奖金的中间地带。
v2.2 关键升级：用户的勾选行为本身携带信心信号——只勾 1 cell 是强信心，多勾是对冲意图。lex 优先级把"用户勾选 leg 全覆盖"提到第一优先级，尊重用户勾选意图先于数学 P_eff 最大化。
不要求用户量化胜率：通过"信心放大因子 c（默认 0.6）"从赔率反推 + 用户勾选信号合成 p_user：
| 总本金 | 150 元（允许 ±4 元浮动，146~154） |
| AI 自主预算上限 | 30 元 |
| 用户注收益窗口 | 900 ~ 2700 元（6~18 倍） |
| AI 注收益窗口 | 600 ~ 3000 元（v2.1+ 较宽，3 串补窗口） |
| 最小投注单位 | 2 元 |
第一优先级：max N_user = 用户勾选 leg 被覆盖数量（"勾的就要押"）
第二优先级（在阶段 1 解集中）：max P_eff = ∑_ω P(ω) · 𝟙[Payoff(ω,x) ∈ [900,2700]]
第三优先级（在阶段 1+2 解集中）：max N_cov = 覆盖 ω 状态数
(N_user：尊重用户勾选意图；P_eff：能产生一次落入策略窗口胜利的概率；N_cov：在多少种世界状态下能有效胜利)
v2.0/v2.1 把 N_user 当软偏好，结果 ILP 常把所有注集中到高赔率单一 leg 上，忽略用户的对冲意图。v2.2 把 N_user 提到 lex 第一阶段最大化——能全覆盖用户 picked legs 就全覆盖；做不到再退而求次。算法只能优化分配方式，不能选择性忽略用户 leg，除非数学上确实做不到（窗口剔除让候选池里没合法 K）。
1. 枚举候选组合：按 N 分支构造 C = U ∪ A
2. 窗口剔除：对每个 c，F(c) = { x ∈ {2,4,6,...} : lo ≤ x·odds_c ≤ hi, x ≤ 剩余预算 }；用户注 [lo,hi]=[900,2700]，AI 注 [600,3000]；F(c)=∅ 则剔除
3. 世界状态枚举：Ω = ∏ (R_{i,1x2} × R_{i,h})，|Ω| ≤ 3^6=729，P(ω) = ∏ p_{i,m,r}
4. 三阶段 ILP：依次最大化 N_user → P_eff → N_cov，每阶段把上阶段最优值固定为约束
5. 自救机制：若不可行，AI 在 30 元预算内枚举更多 A 候选；仍不可行则 fail，提示用户调整勾选（不擅自放宽窗口或本金）