基于位置和散度效应因子分类筛选及仿真试验

针对供应链及其它计算机仿真试验中所涉及因子数目众多的情形,序贯分支方法因筛选效率较高被广泛采用.然而,现有的序贯分支方法忽视对散度效应起显著作用的因子.由于相比位置效应,散度效应在产品或供应链系统的质量设计中是同等甚至更为重要的,故提出一种基于位置效应与散度效应的序贯分支方法.首先,将影响位置效应与散度效应的显著因子分类为调节因子,重要因子和稳健因子;然后,结合序贯概率比检验(sequential probability ratio test,SPRT),在控制筛选过程中第一类错误和第二类错误的基础上,采用序贯分支方法分类地筛选出显著因子;最后通过仿真试验说明此方法能够有效且分类地处理位置效应与散度效应下的显著因子筛选问题.     

基于多重序贯分支的因子高效分类筛选方法及应用

针对序贯分支(SB)方法难以对位置效应和散度效应同时筛选的情形,基于多重序贯分支的基本思想,同时考虑位置和散度效应,将显著因子分类别筛选出来。首先,通过"预分支"步骤,将因子按照其位置和散度效应符号分组;然后,采用序贯分支方法将所有子组同时进行位置和散度效应显著性检验,在结合序贯概率比检验(SPRT)控制筛选过程中的第1和第2类错误的基础上,实现因子的分类筛选,以便后续阶段的建模及优化;最后,通过仿真试验说明所提方法在解决因子分类筛选问题上的有效性、高效性及稳健性。     

高效的因子分类筛选方法及仿真应用

针对序贯分支（SB）方法难以对位置效应和散度效应同时筛选的情形，基于多重序贯分支的基本思想，同时考虑位置和散度效应，将显著因子分类别筛选出来。首先，通过“预分支”步骤，将因子按照其位置和散度效应符号分组；然后，采用序贯分支方法将所有子组同时进行位置和散度效应显著性检验，在结合序贯概率比检验（SPRT）控制筛选过程中的第一类和第二类错误的基础上，实现因子的分类筛选，以便后续阶段的建模及优化；最后，通过仿真试验说明所提方法在解决因子分类筛选问题上的有效性、高效性及稳健性。     

基于改进SPRT的多重响应序贯分支筛选法

针对仿真实验中多重响应序贯分支法(MSB)不能验证单个因子对所有响应效应显著性这一不足,在改进Wa1d序贯概率比检验(SPRT)的基础上提出了一种新的多重响应序贯分支法(简称IMSB).该方法在仅增加少量仿真次数并在保证统计效力的基础上,即可获取单个因子对所有响应的效应显著性信息.蒙特卡洛对比仿真表明IMSB是切实可行的,在完全保证仿真实验效力的同时准确获取了因子对所有响应的效应显著性判断,且较传统的针对单个响应的SB法减少了大量的仿真次数,该方法在大型复杂仿真系统的后仿真分析中具有良好的实际应用价值.     

基于二水平误差控制的序贯分支筛选法及应用

针对仿真实验中三水平序贯分支（sequential bifurcation,SB）难以处理定性因子的问题,提出了基于两水平的误差控制SB法,并在序贯概率比（sequential probability ratio test,SPRT）检验群组效应过程中,采用动态的初始仿真次数作为初始样本点,提高了SPRT的效率,减少了统计推断所需的仿真次数. 蒙特卡罗仿真的对比分析以及基于实际背景的仿真案例应用,验证了在保证统计推断效力的条件下,所提方法能明显降低SB所需的仿真次数,并成功处理包含定性因子的仿真模型.     

大数据下仿真筛选实验及误差控制模型和应用

针对"大数据+仿真模型+后仿真分析"这一新型研究范式,提出基于基效应估计(EE),Bootstrap假设检验以及伪发现率误差控制(FDR)的"后仿真分析"筛选实验设计方法(简称BFEE).BFEE用于识别对仿真模型所感兴趣的响应起到最重要主效应/交互效应作用的少量关键因子.相比传统EE,BFEE保证了信息识别的统计精度和效力.与现有的仿真实验的序贯分支筛选法(SB)相比,BFEE无需任何模型假设,从而更容易适应大数据背景下的复杂数据特征.蒙特卡罗仿真的三种方法对比实验表明,BFEE在不需任何假设的条件下即可获得理想的实验效率和效力,在降低计算实验成本同时,保证了识别重要效应的精度.基于实际背景仿真案例的应用显示BFEE具有良好的实际应用价值.     

基于不平稳假设的序贯近似建模方法

在工业设计中常涉及复杂、耗时的仿真,建立简单的近似模型可以简化分析和优化过程.元模型的构建和仿真试验的设计是其中的两个关键问题.针对元模型的构建,分析指出传统的基于平稳性假设的Kriging方法并不适合常见的不规则系统的建模,接着采用非线性映射方法,提出了一种基于不平稳假设的Kriging方法.实例说明:相对于传统的Kriging方法,该方法不仅可以建立精度较高的预测模型,而且对模型的预测不确定性的描述也更符合直观认识;针对计算机试验设计,提出了一种基于改进的Kriging方法的序贯准则,使得试验点序贯产生在不确定性大且距离现有试验点远的位置.算例表明:该序贯设计比一步设计效果好,能节约试验样本.     

基于Bayes序贯检验的长周期系统动态试验方法

提出了一套基于正态分布贝叶斯序贯检验的试验设计方法,为长周期、多指标系统的小子样动态试验次数的确定提供了理论依据。该方法以待检系统的单次抽样检验合格概率为统计观测值,从假设多次抽样后的该观测值序列服从正态分布开始分析,应用正态分布贝叶斯序贯验后加权检验理论对多指标系统的序贯抽样检验过程进行设计,给出了验前信息处理、贝叶斯序贯试验及序贯截尾方案设计、序贯截尾风险增量上界计算、以及系统各指标综合合格概率估算的具体实现方法。系统仿真实验的结果表明,该方法是可行的。     

基于高斯过程模型的多响应稳健参数设计

针对高维试验数据的稳健参数设计问题, 在高斯过程(Gaussian process, GP)的建模框架下, 采用部分平行的GP(parallel partial GP, PPGP)模型来构建试验因子与多质量特性之间的响应曲面, 在此基础上运用多元质量损失函数作为优化指标来获得可控因子的最佳参数设计值。并且以一个经典仿真算例和两个实际案例验证了所提方法的有效性和优劣性。研究结果表明,与独立建模的单变量GP模型或Kriging模型比较而言, 所提方法不仅能够有效地处理高维试验数据的建模与参数优化问题, 而且能够获得更为稳健的优化结果, 运行效率更高。     

定时删失数据下的双响应曲面建模与优化

针对一类与时间相关的质量特性存在定时删失情形的稳健参数设计问题,提出了一种结合期望最大化算法和改进的随机森林算法的变量选择与过程优化方法.首先,采用期望最大化算法计算不同水平组合下的位置与散度估计;其次,利用改进的随机森林算法选择重要的因子效用;然后,将响应的置信区间引入优化策略中以构建更保守的约束条件,降低模型不确定对优化结果的影响;最后,通过一个实际的工程案例验证所提方法的有效性.实例分析的结果表明,所提方法能有效降低信息损失及模型不确定性对建模和优化结果的影响,能获得更加可靠的可控因子最优设计值.     

面向复杂仿真元建模的序贯近邻探索实验设计方法

复杂仿真影响因素多, 影响关系非线性, 需要高效的元建模方法。元模型的建立不仅取决于所选定的元模型数学结构, 还取决于仿真训练数据的充分性。数据充分性直接影响到仿真实验空间的设计与实验运行的计算复杂度, 需要通过针对性的仿真实验设计方法来应对维数爆炸困境。序贯实验设计方法可以有效提高设计的效率, 但传统上的序贯方法依赖于人工干预和关于目标系统的先验知识, 不易自动化开展。因此，提出一种支持仿真元建模的序贯近邻探索实验设计方法, 该方法综合运用梯度采样与随机近邻探索技术, 在产生尽可能少的实验点的同时, 能够自动提取关于实验对象的信息, 有效提高复杂仿真元建模的实验效率。案例部分将所提方法与拉丁超立方抽样、传统序贯采样两种方法进行了对比, 验证了所提方法的有效性。     

装备维修保障仿真系统灵敏度分析与参数优化

针对装备维修保障仿真系统的灵敏度分析与参数优化问题,提出了基于仿真实验手段的应用研究框架。在分析装备维修保障仿真系统建模方法的基础上,提出了基于仿真实体的输入参数确定方法;从战备完好、任务成功以及维修保障系统级等多角度分析明确了输出评价参数;研究了基于分支定界法的关键输入参数筛选方法和基于正交表的输入参数抽样实验设计方法;研究了基于极差分析和方差分析的灵敏度分析方法原理,并提出了一种基于方差分析的输入参数优化方法。最后利用开发的灵敏度分析工具进行了算例验证,表明所提方法具有很好的工程实用价值。     

基于稳健补偿的卫星数据电波折射误差修正方法

折射误差是观测数据包含的主要误差源之一,也是影响卫星跟踪与控制以及轨道确定精度的主要因素。由于实时观测数据采样格式的不同,同一个采样时间内本应互相匹配的测量元素,因为丢失、干扰等而变得不再匹配,从而使得卫星实时跟踪数据包含的折射误差难以准确修正。提出的观测数据双向稳健补偿方法有效地解决了同一采样时间内测量元素的匹配问题,以及折射误差的修正问题,确保了卫星轨道确定的精度。实测数据计算以及定轨结果检验表明,该方法是有效的实用方法。     

考虑偏度特征的动态多响应稳健参数设计与优化

研究了具有动态特性的多响应稳健参数设计问题,分析了响应变量往往具有偏度特征的情况,提出了基于多元偏正态分布与响应曲面法相结合的动态多响应稳健优化模型,该模型不仅考虑了动态多响应之间的相关性,而且也考虑了尺度与偏度对动态多响应系统最优性与稳健性的影响。首先,利用非参数检验方法判断在信号因子不同水平下的各响应变量所服从的分布类型;其次,通过构建各响应变量在信号因子不同水平下的联合位置,尺度与偏度的响应曲面模型,进而建立基于多元偏正态分布的期望损失函数;然后,利用混合遗传算法对所构建的综合期望损失函数进行全局优化求解;最后,通过对具体的工业实例进行分析研究,结果表明本文所提出的方法能够有效地解决具有偏度特征的动态多响应稳健参数设计问题。     

基于蚁群优化算法的无线传感器网络路由协议

提出了一种基于蚁群优化算法的无线传感器网络路由协议RPBAA.该协议通过修改蚁群优化算法以适应无线传感器网络无全局标识、节点较少移动、资源受限等特性,提供了一种智能、动态、可扩展的多径选路传输方法来获取有效且健壮的通信,并通过全网能量均衡使用以最大化网络生命期,另外引入了数据分片机制来进一步优化选路效率.最后通过仿真验证了RPBAA协议的有效性和数据分片机制带来的好处.     

不对称非线性蔡氏电路产生的混沌现象分析

为了更确切地描述实际系统中的混沌现象,提出了一种变形蔡氏电路,它含有一个不对称非线性阻性元件。对该电路进行了深入的数学分析;并在MATLAB环境下,对其产生的混沌现象进行了仿真分析。分析结果表明:改变电路中的线性电阻值R,可以观察到直流平衡态、Hopf分岔、倍周期分岔、单涡卷混沌吸引子、周期性窗口和不对称双涡卷混沌吸引子等非线性动力学行为;混沌系统对初始条件极其敏感;不对称非线性蔡氏电路有其特殊的性质。