基于多评价函数法的可重构性指标分配

针对多目标优化的可重构性指标分配问题,给出了一重和二重可重构性指标的计算方法。结合多目标优化特点和可重构性指标的定义建立了可重构性指标分配的多目标优化模型。在此基础上提出了一种多评价函数法,用于系统可重构性指标分配,该方法对相互冲突的多个目标建立不同的评价函数,通过在可行解内协调得到最优化结果,最后将其应用于串联系统进行仿真,并与线性加权和法的结果作比较,结果显示基于多评价函数的可重构性指标分配方法更具有效性。     

基于灵敏度分析的系统可靠性稳健分配优化方法

在系统可靠性分配中,考虑单元可靠度的不确定性已是可靠性分配的现实需要.为了提高系统可靠性分配优化的质量,将稳健理论引入可靠性分配中,提出基于单元可靠性灵敏度的系统可靠性稳健分配方法.将单元可靠性灵敏度溶入系统可靠性分配模型之中,建立系统可靠性稳健分配模型.在此基础上,采用粒子群-序列二次规划算法对该模型进行优化设计,该混合算法既保持了粒子群算法全局收敛的特点,又补充了序列二次规划法精确求解的能力,因此该混合算法可以快速获取全局最优解.通过对发动机曲柄连杆机构进行可靠性稳健分配设计,验证了可靠性稳健分配模型的合理性和混合算法的寻优能力.对结果分析表明,所提方法可以较好解决单元可靠度不确定时的可靠性分配问题,混合算法具有较强的全局搜索能力,分配优化结果具有较强的稳健性.     

基于仿真的武器-目标分配问题求解方法

武器-目标分配问题是一种NP问题.分析了武器-目标分配问题的特点,把武器-目标分配问题转化为加权运输问题,把不同权系数下运输问题的精确解作为原问题的近似解,权系数不同时运输问题的解对应原问题的目标函数值不同,可把武器-目标分配问题的目标函数看作权系数的函数.采用仿真方法产生权系数,计算相应运输问题的解及其对应的武器-目标分配问题的目标函数值,进行迭代搜索,逐步改进武器-目标分配问题的解,得到较好的近似解.实验结果表明:提出的仿真方法计算所得解的质量较高,是求解武器-目标分配问题的一种有效方法.     

一种带预处理的离散系数滤波器设计方法

提出了一种带预处理的离散系数滤波器设计方法。该方法基于离散系数滤波器设计问题的{-1,1}二次规划模型,利用{-1,1}二次规划的全局最优性条件,提出了一种最优解元素的判断准则,得到了一个规模较小的离散系数滤波器设计问题。结合随机扰动方法,得到了求解离散系数滤波器设计问题的一种带预处理的随机扰动算法。与随机扰动方法相比,带预处理的随机扰动方法得到的次优解的性能更好,需要的时间也大大减少。     

基于投影滤波的突发事件危险源位置估计问题研究

针对确定突发事件中危险源的位置估计问题,提出一种基于hermit基函数的投影滤波方法.通过将其概率解投影到指定状态空间中,通过投影空间中的艾尔米特基函数构造出近似解,即状态的先验概率密度函数,最后由贝叶斯估计得到状态的后验概率密度函数,给出算法的收敛性和计算复杂度分析.仿真实验证明投影滤波方法有效减少滤波估计中所需的计算量,并提高了估计精度.     

基于工艺随机扰动的非均匀RLC互连线串扰分析

提出一种基于工艺随机扰动的非均匀RLC互连线串扰分析方法;同时建立了互连线随机扰动模型.通过解耦技术将耦合非均匀互连线模型转化为独立互连线模型,从而简化了分析,并利用新的逼近模型对数值结果进行复频域的函数逼近,提高了算法精度.最后将算法应用到多根耦合互连线互连的情况,拓展了算法可计算的电路规模.实验结果表明算法可以对工艺随机扰动下的耦合互连线串扰进行有效评估.     

下行卫星认知无线电门限与功率联合优化

用于卫星通信的频谱资源日益紧缺,但现存卫星系统却存在利用不足的问题。针对该问题,以最大化卫星通信中下行带内数据传输量为目标,提出了基于Underlay认知无线电的卫星信道检测门限与功率分配联合优化算法。首先分析了下行链路中信道融合检测误差、功率分配向量与数据传输量之间的数学关系,给出了信道数量及总功率均受限时信道与功率联合分配的可行性条件。之后,进行了目标模型可行性论证及融合误差分析,并将优化目标函数问题分解为检测门限与功率分配两个子优化问题。针对两个子问题,文中分别证明了加窗粒子群优化算法适用于数据融合后的门限优化,论证了信道与功率联合分配的可行性,在此基础上给出了信道与功率联合分配的最优解。引入中间量在两个子优化算法之间反复迭代,得到了本文目标函数的联合最优解。最后,仿真给出了检测门限优化性能,结果表明,改进型算法在准确度和迭代次数上均优于传统粒子群算法;比较了该联合优化算法与传统卫星通信方式及普通Underlay认知无线电用于卫星通信时的性能差异,结果表明,该联合算法能够有效提高频谱利用率;给出了算法复杂度。     

独立分量分析的一种剖析方法及其搜索算法

给出了独立分量分析(ICA)问题可解性的一种直观解释,并设计了直接的搜索算法.首先通过分析二维ICA问题,将输出信号分量的峰度作为ICA最优化问题的目标函数,分析了目标函数的波形随源信号之间耦合程度不同而变化的规律,以直观的图示解释了最大化输出信号非高斯性的ICA准则,且具有严格的数学意义.通过4点比较,将目标函数定位于某确定子区间,在读子区间上,目标函数是单峰函数,峰值点为全局极大值点,且为ICA问题的解.用快速搜索法进行了ICA求解,并将算法推广到多维ICA问题的求解.对算法进行了双通道图像分离、多通道语音分离的数值实验.     

前景理论下的末端物流干扰管理方法研究

针对末端物流配送过程中可能出现的配送时间窗更改、送货地址变化等动态扰动问题,提出了基于前景理论的价值函数度量策略和基于量子理论的多目标优化求解方法.首先,对末端物流干扰管理问题进行了描述;然后,为度量用户对货物期待的心理感知度,建立了末端物流配送干扰管理模型,并设计了基于前景理论的价值函数曲线和扰动度量策略;在此基础上,为优化干扰管理模型和寻求用户满意度、配送成本以及配送效率等多目标优化问题的较优解,提出了一种融入量子理论的改进细菌觅食方法;最后,将所提出的方法与已经存在的经典算法进行比较,验证了该方法的可行性和有效性.     

OD分布与随机均衡分配的组合模型及算法

目前交通规则实践缺乏考虑交通信息的随机性，从而降低了它所得结果的准确性，为此，通过分析出行路选择和目标选择的随机性，建立了交通网络OD分布与随机平衡（或均衡）分配的组合模型，通过引入拉格朗日函数，证明了模型最优解满足随机用户平衡条件和OD分布的要求且最优解是唯一的；最后给出了模型的方向搜索算法。     

机载雷达三维空时自适应相关域降维算法

由于利用了俯仰维的自适应能力,三维空时自适应处理(three-dimensional space-time adaptive processing, 3D-STAP)能够获得比传统二维空时自适应处理(2D-STAP)更好的性能,但同时在运算量和采样数目的要求都将急剧增大。为了克服这个问题,提出了一种基于相关域的机载雷达三维空时自适应降维算法,即利用空时相关矩阵的子矩阵,将最优空时处理的二次代价函数转化为两个二次代价函数,并迭代求解这两个二次代价函数的两个低维权向量,所提算法能够明显降低计算复杂度和样本数目要求。基于仿真和实测数据的实验验证了算法的有效性。     

An Efficient Multiple Imputation Approach for Estimating Equations with Response Missing at Random and High-Dimensional Covariates

Empirical-likelihood-based inference for parameters defined by the general estimating equations of Qin and Lawless(1994) remains an active research topic. When the response is missing at random(MAR) and the dimension of covariate is not low, the authors propose a two-stage estimation procedure by using the dimension-reduced kernel estimators in conjunction with an unbiased estimating function based on augmented inverse probability weighting and multiple imputation(AIPW-MI) methods. The authors show that the resulting estimator achieves consistency and asymptotic normality. In addition, the corresponding empirical likelihood ratio statistics asymptotically follow central chi-square distributions when evaluated at the true parameter. The finite-sample performance of the proposed estimator is studied through simulation, and an application to HIV-CD4 data set is also presented.     

一类混沌系统的降维控制

针对一类混沌系统,根据其特殊的系统结构提出了降维控制的策略。通过控制部分变量达到控制整个系统的目的,使得这类混沌系统的控制问题由n+m维降为n维,从而有效地降低了系统控制的复杂度和代价。从反馈控制和自适应控制两个方面阐述了此控制策略的可行性和有效性,以新近提出的统一混沌系统为例,从理论上进行了推导,并具体给出了降维控制的反馈控制和自适应反馈控制的条件。数值仿真表明该方法切实有效。     

并行GSE方法及其在耦合系统优化中的应用

指出了并行全局灵敏度方程（global sensitivity equation, GSE）方法的优势,定性分析了并行GSE方法的计算性能。在ModelCenter框架下开发了通用并行GSE驱动组件(general parallel GSE driver, GPGDRV),并与优化算法相结合,基于COM技术开发了通用并行GSE优化器(general parallel GSE optimizer, GPGOPT),进而将并行GSE方法用于耦合系统优化。数值算例表明,GSE方法可以显著提高耦合系统灵敏度的求解效率。将GPGDRV和GPGOPT用于某假想的教练机方案优化设计,并与有限差分法进行计算性能定量比较,定量比较结果与定性分析相符。研究还表明,GSE方法极大地提高了耦合系统优化的效率,使优化时间缩短约76%,并行GSE方法可进一步缩短优化时间。GPGDRV和GPGOPT对于耦合系统的分析和优化具有实用性。     

Parameter selection of support vector machine for function approximation based on chaos optimization

The support vector machine （SVM） is a novel machine learning method, which has the ability to approximate nonlinear functions with arbitrary accuracy. Setting parameters well is very crucial for SVM learning results and generalization ability, and now there is no systematic, general method for parameter selection. In this article, the SVM parameter selection for function approximation is regarded as a compound optimization problem and a mutative scale chaos optimization algorithm is employed to search for optimal paraxneter values. The chaos optimization algorithm is an effective way for global optimal and the mutative scale chaos algorithm could improve the search efficiency and accuracy. Several simulation examples show the sensitivity of the SVM parameters and demonstrate the superiority of this proposed method for nonlinear function approximation.     

基于预测模型的虚拟试验灵敏度分析

虚拟试验灵敏度分析技术研究虚拟试验输入参数不确定性对输出结果不确定性的影响程度,进而确定某些输入参数需引起重点关注.针对包含运行耗时仿真模型的虚拟试验,以概率分布描述输入参数不确定性,方差作为灵敏度指标,结合试验设计方法与贝叶斯理论建立虚拟试验预测模型,基于预测模型推导灵敏度指数后验均值的分布函数.测试算例表明本文提出的灵敏度分析方法大大减少仿真模型运行次数,效率较高.     

基于Kriging模型与重要性抽样的可靠性灵敏度分析

针对因无法获得功能函数的梯度信息而不能使用解析方法的情形,提出了进行可靠性灵敏度分析的高效的仿真方法,首先基于Kriging模型和重要性抽样去计算失效概率,然后通过记分函数(score function)方法求出失效概率对各个参数的偏导数。在计算失效概率时采用反问题(inversion problems)中的不确定性逐步减少(stepwise uncertainty reduction)准则来更新功能函数的Kriging模型,继而在重要性抽样的框架下将失效概率表示成一个"增大"的失效概率与修正项的乘积;而记分函数方法只是对前面抽样方法的一个简单后处理,不需要计算额外的功能函数值.对所提方法使用算例验证表明:当功能函数为昂贵的计算模型或对系统(非单个构件)进行灵敏度分析时,该方法具有较高的计算效率和精度。     

用户均衡网络中的敏感度分析方法

以确定性交通网络用户均衡问题为研究对象,在分析了确定性用户均衡模型与优化条件的基础上,从非线性规划理论出发推导出确定性用户均衡模型的敏感度分析方程.与变分不等式的敏感度分析方法相比较,该方法只需要一般的数学规划知识,很容易被交通规划师和工程师所接受;提供一种获得均衡网络路径解的方法,该方法根据路径费用的大小决定路径解集的取舍,最终可以找到与各OD相对应的多条最短路径,该路径解可以直接用于网络敏感度分析.实例说明了该算法的有效性和敏感度分析在交通规划、建设与管理中的应用.     

复杂系统综合评价的理论框架及其在水安全评价中的应用

复杂系统综合评价是当前复杂性科学研究的重要内容,是认识和管理系统的重要措施,它具有诸多不确定性,尚缺乏具有系统性和可操作性的理论框架。从方法论的角度提出了处理一般复杂系统综合评价问题的7个步骤,就是依次确定评价对象集生成函数、评价指标集生成函数、评价指标测度函数、定性指标定量化函数、指标一致无量纲化函数、指标权重函数和综合评价指标函数这7个函数,它们组成了复杂系统综合评价的理论框架。合理选取或构造这7个函数的不同形式,就可构建合适的综合评价模型,据此提出了5类水安全评价的应用模型。应用结果说明:构建综合评价模型的最重要工作依次是确定综合评价指标函数、指标权重函数和评价指标集生成函数;实现综合评价的理论框架功能最强的综合评价方法依次是组合评价方法、决策分析评价方法和层次分析方法,相似评价方法、模式识别评价方法或投影寻踪评价方法须与其它方法联合应用才能构造完整的评价模型。     

具有动态指标偏好的多指标决策方法

针对多指标决策中客观决策与决策者主观决策不一致的问题,在决策者偏好分析的基础上,提出决策者指标敏感函数的基本概念及其构造方法,进而给出一种较为常见的指标敏感函数类型。然后通过引入决策者指标敏感函数来修正指标权重,使多指标决策过程体现决策者的指标偏好动态变化,并进一步给出动态指标权重的定义和性质。最后进行了实际应用。