《自动化学报》可复现性与实验可重复

本技能帮你把投向《自动化学报》(Acta Automatica Sinica, AAS) 的实验做到可复现。外审常问"换个人 能否复现你的结果"，控制类还要能复现稳定性与性能结论。以下方法于 2026-07-09 核验框架（见 resources/official-source-map.md）；本刊是否强制提交复现材料 待核实。

一、可复现性三支柱

| 支柱 | 内容 | |---|---| | 环境可复现 | 语言/库版本、系统、硬件、随机种子固定 | | 数据可复现 | 数据来源、划分、预处理脚本、校验和 | | 流程可复现 | 从原始数据到论文图表的一键脚本 |

二、环境与依赖固定

• 记录语言与关键库版本（Python/MATLAB、控制/学习框架），提供 requirements.txt/environment.yml

或 Dockerfile。

• 控制仿真额外记录：仿真器与版本、求解器类型、积分步长、系统模型参数、初始条件。
• 硬件：CPU/GPU 型号、内存；实物实验记录采样周期、控制器硬件与传感器型号。

三、随机性与多次运行

• 固定随机种子；对随机性强的实验（强化学习、随机初始化的识别模型）报告多次运行的均值与方差。
• 说明随机来源（初始化、数据打乱、探索噪声）与控制方式；不要只报单次最好结果。

四、数据划分与防污染

| 风险 | 防范 | |---|---| | 测试集调参 | 只在验证集调参，测试集仅最终评测一次 | | 数据泄露 | 划分在预处理前，防未来信息进训练 | | 重复样本跨集 | 去重，确认训练/测试无交叠 | | 分布偏移未披露 | 说明训练与测试分布差异 |

五、复现包组织（配合双盲）

text
repro/
  README.md      # 环境、数据、运行、预期结果、硬件
  env/           # requirements.txt / environment.yml / Dockerfile
  data/          # 数据或获取脚本 + 校验和
  src/           # 方法与基线
  configs/       # 每个实验/图表的配置与种子
  scripts/       # run_all.sh：原始数据→论文图表
  results/       # 关键指标，供复现校验

• 复现材料需匿名：仓库、README、路径、账户名不得泄露作者身份（双盲，见 aas-submission）。
• 用匿名化 Git 快照或匿名仓库分享链接；勿指向作者主页。

六、超参数与调参协议

• 公布搜索空间、选择准则、最终取值；说明基线的调参是否与本文同等投入。
• 控制类公布增益、自适应率、约束参数等；学习类公布学习率、批大小、训练轮数等。

七、可复现性自检清单

text
[环境] 版本/硬件/种子固定？仿真器/步长/求解器记录？
[数据] 来源/划分/预处理/校验和齐全？无泄露/无跨集重复？
[随机] 多次运行均值±方差？随机来源已说明？
[流程] run_all.sh 可从数据跑到图表？
[超参] 搜索空间/选择准则/取值公布？基线同等调参？
[匿名] 复现材料无身份泄露？
[待核实] 本刊是否强制提交代码/数据：待核实

八、常见复现问题

• 只给结果不给环境，换机器跑不出——补依赖与硬件说明。
• 种子不固定、只报单次——补多次运行统计。
• 测试集调参导致虚高——整改为验证集调参。
• 控制仿真缺步长/求解器/参数，别人复现不了动态——补仿真配置。
• 复现仓库暴露作者身份，违反双盲——匿名化后再放链接。

九、控制仿真的可复现要点（专项）

控制类结论（稳定、收敛、性能改进）依赖仿真设定，须逐项固定并披露：

| 项 | 记录内容 | |---|---| | 被控对象模型 | 状态方程/传递函数、阶数、参数取值 | | 初始条件 | 状态初值、参考信号 | | 数值积分 | 求解器类型、步长、容差 | | 噪声/扰动 | 类型、幅值、随机种子 | | 仿真时长 | 总时长、采样率 | | 控制器参数 | 增益、自适应率、约束值 |

同一套参数应能复现论文中的每条响应曲线与性能指标；把这些写进 configs/ 与 README。

十、可重复性的验证方法

• 自我复现：换一台干净机器、按 README 从零跑一遍 run_all.sh，确认无隐性依赖。
• 交叉复现：请合作者独立按说明复现关键结果，暴露"只有作者本机能跑"的问题。
• 结果校验：在 results/ 放关键指标基准值，复现时比对偏差在容许范围内。

十一、可复现性与双盲的平衡

• 投稿阶段复现材料须匿名；不能因追求可复现而在 README、仓库名、提交历史中泄露身份。
• 用匿名快照分享；提交历史若含真实用户名，重新初始化仓库再分享。
• 录用后（见 aas-camera-ready）再去匿名、正式公开，衔接 aas-artifact-evaluation。

十二、复现材料的版本与维护

• 每轮退修补的实验要同步更新复现包，避免论文与代码脱节。
• 用版本标签（如 v1 投稿、v2 退修）标记复现包状态，答复信可引用对应版本。
• README 记录变更历史，便于外审核对"新增实验对应哪段代码"。
• 见刊后（见 aas-camera-ready）把稳定版复现包正式公开，并在稿件中标注最终获取地址。
• 定期检查外部依赖是否失效（数据链接、库版本），保证长期可复现。

十三、与本刊定位

《自动化学报》(Acta Automatica Sinica, AAS) 重视理论与实验双支撑，可复现性是让稳定性/性能结论 可信的基础。把复现包与 aas-experiments、aas-artifact-evaluation 联动整理，能显著降低外审对 "结果可靠性"的疑虑，也为见刊后同行复现打好基础。政策性要求未双源确认前标 待核实。