本文针对单记名可转移投票（STV）这一多席位偏好比例选举系统，研究其边际计算问题。STV选举的边际是指改变获胜者集合所需的最小选票操纵数量。精确计算边际或其合理下界，对于实施风险限制审计（RLA）至关重要，因为边际知识可用于评估选举结果是否受到偶然错误或故意操纵的影响。现有的边际下界算法虽然可行，但在实际选举中计算的下界往往过低，导致基于不匹配的风险限制审计难以实用。作者在已有算法基础上提出了显著改进：通过优化搜索策略、剪枝技术和数据结构，使得在真实STV选举数据上能够计算出更高的下界。实验表明，改进后的算法能有效提升下界值，从而让基于不匹配的RLA在更多选举场景中变得可行。该研究为选举安全审计提供了更实用的工具，有助于验证选举结果的正确性。