蒙特卡罗方法在网络性能仿真中的应用

在节点和链路不可靠的复杂情况下,为了对网络性能进行有效评估,将蒙特卡罗(MC)方法引入网络可靠性模型求解,获得了较边界法更准确的结果.其优点在于只要得出部分网络常量,就可直接为网络可靠性计算提供基础,即使极端情况下该方法也能获得网络可靠性的紧致上下界(即剩余连通可靠度).仿真结果表明了方法的有效性,且评估概率的相对误差很小.     

基于仿真的复杂系统可靠性、可用性和MTBF评估文献综述

通过查阅大量文献 ,对应用蒙特卡罗仿真方法评估复杂系统可靠性、可用性和 MTBF进行了全面的分析研究 .通常在评估复杂大型系统的可靠性、可用性和 MTBF方面有 4个主要困难 :系统结构可以很复杂 ;子系统可能服从各种失效分布 ;对于可修系统来说 ,子系统可以服从任意失效和修复分布 ;子系统的失效数据有时也不充分 ,可靠性试验样本趋向于小样本 .用经典统计学去获得它们的统计置信限很困难并且经常是不可能的 .而仿真技术是解决这类问题的一个值得重视的研究方向 .     

集团蒙特卡罗系统可靠性仿真

在高可靠性系统蒙特卡罗仿真中，为了获得可靠的仿真结果，采用直接蒙特卡罗方法将需要很多次仿真试验，花费大量的计算时间，其中主要的时间花费在生均匀分布随机数上。本文在离散分布的集团抽样方法的基础上设计了计算高可靠性系统不可用度的集团蒙特卡罗方法，由于仅仅需要两个均匀分布随机数即可以完成一次仿真实验，集团蒙特卡罗方法将大量减少计算时间，提高算法效率。     

融合不确定信息的某型导弹控制系统可靠性分析方法#br#

针对不确定信息在可靠性评估中难以表达与处理的问题,应用Dempster Shafer (DS)证据理论对贝叶斯网络进行改进。在分析现有研究的基础上,对DS证据理论与贝叶斯网络理论进行简要介绍,提出了不确定信息条件下故障树节点向贝叶斯网络节点转化的方法,包括与节点、或节点、异或节点、非节点与2/3表决节点。针对多状态贝叶斯网络中条件概率值难以确定的问题,应用DS证据理论/层次分析法对专家经验知识进行分析与表达。以某型导弹控制系统为例,利用故障树构建贝叶斯网络模型,应用DS证据理论对专家信息进行数据融合处理,确定不确定节点的信任函数、似然函数和条件概率值,并借助贝叶斯网络的正向推理、反向推理和重要度分析确定了可靠性设计与分配中的薄弱节点。     

考虑时间相关故障的多状态系统可靠性与任务成功性仿真评估方法

针对考虑时间相关故障、多状态性能输出、系统冗余储备等因素的系统可靠性与任务成功性评估问题使用解析法难以建模求解, 而一般仿真方法又存在抽样效率慢和估值精度低的问题, 提出具有时间相关故障抽样与统计方差减小相结合的蒙特卡罗仿真评估方法。首先，设计了非指数剩余分布抽样的数值计算方法, 实现了时间相关故障的随机事件抽样。其次，在此基础上结合受迫转移、失效偏倚等方差减小方法, 提高了小概率事件的仿真抽样效率, 改善了仿真评估方法的估值精度。最后，通过舰船航渡任务的算例, 验证了该方法对评估复杂系统行为和故障机制条件下系统可靠性及任务成功性的合理性和有效性。     

基于DDBN-Cloud的舰艇编队防空目标威胁评估方法

海上编队防空作战中,针对来袭目标威胁评估过程中不确定性因素较多、观测数据易缺失以及已有评估方法难以考虑动态威胁态势的问题,提出了基于离散动态贝叶斯网络云模型(discrete dynamic Bayesian networks cloud, DDBN-Cloud)的威胁评估方法。通过分析来袭目标特征,构建了目标威胁评估体系;为避免节点威胁属性值在小范围内连续变化所引起的重复计算,采用模糊逻辑理论将体系中的连续型变量转化为离散型变量;针对评估过程中指标数据缺失问题,采用前向信息修补算法进行信息预测修补;采用证据可信度对不确定性节点的先验概率进行赋值,使得贝叶斯网络(Bayesian network,BN)参数更贴合实际;最后,利用云模型将得到的威胁评估概率转化为确定的威胁度,实现由定性概念到定量数值的转化,进行威胁排序;仿真实验表明,该方法适用于目标数据缺失时的动态威胁评估,与静态贝叶斯网络云模型(Bayesian networks cloud, BN-Cloud)法和相对熵排序法相比,其结果更合理,具有一定的实用价值。     

时间-费用相关的随机活动网络仿真研究

针对复杂产品研发项目活动时间、费用不能准确确定,采用蒙特卡罗仿真方法,建立了时间和费用为相关随机变量的随机活动网络仿真模型。利用乔列斯基因子分解法,将独立分布的时间和费用随机变量转化为相关的随机变量,通过对仿真结果的分析,可以更准确地进行时间-费用交换分析,优化项目工期和费用。通过算例说明了仿真建模和分析过程。     

仿真系统校核中的动态AHP网研究

传统的层次分析法(analytic hierarchy process, AHP）不能解决仿真系统校核中存在的不确定性问题。为此在明确了不确定性问题的主因是AHP的静态特性后,建立了AHP网的概念和数学基础。针对传统静态AHP网的缺陷,进一步提出了动态AHP网及相关定义、图例等;在网络定义的基础上,给出了动态AHP网的计算式和评估节点的优先级算法。提供了一个应用动态AHP网的仿真校核实例,获取了量化的评估结果并进行了分析,针对传统AHP的评估结果进行了比较。计算结果表明,动态AHP网能够解决仿真校核中的不确定性问题。     

基于RS-DBN的电子对抗目标清单生成方法

由于电子对抗作战目标类型和工作方式多样, 变化速度快, 有效信息难以充分获得, 且在不同作战阶段呈现出不同特点, 使用传统评估方法难以对其等级排序实施精确评估。对此, 提出一种基于随机集的动态贝叶斯网络电子对抗目标等级评估方法。首先，对电子对抗作战目标清单生成方式进行梳理, 确定了评价指标体系, 并根据作战阶段的变化特点，结合动态贝叶斯网络完善了评价体系。然后, 充分考虑作战过程中数据获取不完整的特点, 通过引入随机集方法将传统贝叶斯网络的节点参数求解方法进行拓展, 使用区间数学的思想得到了较为准确的动态贝叶斯网络节点参数。最后，进行了案例仿真计算和结果分析, 并对节点概率确定方法进行算法复杂度讨论。结果表明，所提方法更加适合样本不完整的军事评估问题, 评估结果与实际作战基本一致, 使用的算法具有高效性、适用性和推广性。     

基于采样优化的蒙特卡罗移动节点定位算法

针对无线传感器网络中蒙特卡罗移动节点定位算法的不足,提出了一种采样优化的蒙特卡罗移动节点定位算法。该算法根据运动连续性,利用曲线拟合方法,得出样本节点位置后验密度分布取值较大的区域,对该区域内样本节点的权值进行优化,从而完成未知节点的定位。仿真结果表明,改进后的算法能够显著地减少定位所需的样本数,有效提高了无线传感器网络移动节点定位的准确性和鲁棒性。     

考虑节点失效网络可靠性计算的重要度抽样随机模拟

针对同时考虑节点和边单元失效的一般赋权网络,提出了一种考虑节点失效网络连通可靠性计算的Monte Carlo随机模拟算法.Monte Carlo随机模拟方法包含单元状态抽样、网络系统连通状态分析和连通功能函数指标统计三个阶段.在系统连通状态分析阶段,提出将一般赋权网络转换为边权网络的等效化方法,此方法无需额外增加等效节点或边;在单元状态抽样阶段,采用重要度抽样函数进行随机抽样,增加对失效概率贡献大的抽样点出现概率,利用自适应方法求解最优重要度抽样函数.算例分析中,根据模拟均值的相对误差和变异系数两个指标,说明了本文方法的正确性和有效性.     

网络可靠性评估的演化过程重要度抽样模拟方法

针对具有高可靠度网络的连通失效概率计算问题,提出了一种重要度抽样Monte Carlo模拟方法.首先提出了考虑节点和边单元失效网络连通状态判别的演化过程算法,算法根据网络节点和边单元的可靠度,将每次模拟抽样产生的随机数转化为单元的修复时间;按照单元修复时间次序构建网络连通拓扑结构,并视为向网络连通状态转变的演化过程.然后基于重要度抽样Mont,e Carlo模拟求解高可靠度网络的2\K\All端连通失效概率,其中重要度抽样函数的计算采用基于演化过程和交叉熵模型的多准则迭代方法.高可靠度网络算例的计算结果表明,预抽样求解重要度抽样函数时,多准则迭代方法所需的预抽样次数约为其他迭代方法的1/40.因此,本文方法具有较高的计算效率.     

基于交叉效率DEA和随机模拟的区间语言偏好关系排序方法

针对区间加性语言偏好关系排序问题,提出一种基于交叉效率DEA和随机模拟的排序向量计算方法.首先,针对具有一致性的加性语言偏好关系,构建产出导向的DEA模型,分析其相对效率得分与排序向量之间的内在关联.其次,对不满足一致性的加性语言偏好关系,建立改进仁慈型语言偏好关系交叉效率DEA模型,并提出基于该模型的加性语言偏好关系的排序方法.最后,将构建的DEA模型与随机偏好分析相结合,提出区间加性语言偏好关系期望排序向量和可信度的Monte Carlo计算方法.算例分析表明,本文提出的方法能够有效避免信息损失,具有较好的可信度和适用性.     

基于自学习框架的红外场景仿真效果评价

针对红外场景仿真效果评估困难的问题,提出了基于自学习框架的评价方法。首先,从仿真图像与实际图像视觉对比的角度提出了面向图像视觉相似的红外场景仿真效果评价指标体系,用于量化评价过程;其次,提出以极限学习机(extreme learning machine, ELM)为核心建立评估模型,建立包括蒙特卡罗样本仿真、ELM评估网络及自更新仿真样本评估模型等3部分在内的自学习框架来生成仿真样本、强化对ELM的训练;最后,针对实际样本数量较少的问题,在此框架基础上提出了包括样本评定、自学习、评估模型测试3个阶段在内的仿真图像相似性评估方法,实现了从样本生成到评估过程的自动化。实验结果表明提出的自学习框架能够显著提高评估模型的正确率,而且训练后的评估模型适用性强,可独立自主进行红外场景仿真效果评估。     

基于仿真的复杂系统可靠性评估输入数据统计分析研究

对应用仿真技术评估复杂系统可靠性时榆入数据的统计分析进行了深入研究。特别是对试验数据较少，即小样本情况进行了研究。对于根据小样本进行的可靠性估计，结合Bayes方法的蒙特卡洛(Bayes-MC)方法和结合改进的Bootstrap方法的蒙特卡洛(改进的Bootstrap-MC)方法是比较有效的。概括总结了无数据情况下的专家经验估计三角分布方法，提出了改进的Bootstrap方法，将验前信息与专家经验纳入Bootstrap方法中，克服了该方法利用样本信息量不足的缺陷，使其更加完善与实用。在复杂系统的可靠性评估时，应采用综合或混合的方法。     

基于重要抽样技术的稀有事件仿真方法

传统的Monte Carlo方法仿真稀有事件需要较长的时间,而重要抽样技术可以有效的缩短仿真时间,提高仿真效率。因此,提出一种新的重要抽样实现方法,用来估计仿真模型中的稀有事件的概率。先选取经典的指数变换方法构造重要抽样分布类,再利用极小化重要抽样估计量方差的方法寻找最优重要抽样分布函数。仿真结果显示了该算法在估计稀有事件概率方面的有效性。     

含广义三角模糊数的机械结构可靠度计算方法

针对可靠性度量时机械结构中存在广义三角模糊数的不确定性问题,提出一种基于证据理论的离散化机械结构可靠度计算方法.为合理地构建不确定性变量的基本概率分配,首先基于证据变量基本概率分配的离散特性,改进了熵等效法在广义三角模糊数去模糊化时的不足,并在改进熵等效法的基础上提出一种广义密度法对其进行去模糊化处理.然后利用离散化方法将随机变量和广义三角模糊数进行证据结构表征,并将离散的连续焦元序列(子区间)作为其证据体,进而构造其基本概率分配.最后利用证据融合法则对证据体进行融合,以实现信任度和似真度的数值计算.将所提出的方法运用于曲柄滑块机构的可靠度计算,并结合蒙特卡罗模拟法验证了该方法的可行性.     

基于条件蒙特卡罗方法的信用违约互换合约定价

多标的资产违约相关性结构的度量及其联合违约时间的模拟是信用违约互换合约定价的关键.Copula函数和蒙特卡罗模拟是解决此关键问题的有力工具,被广泛应用于信用衍生品定价.本文基于因子t-copula模型,结合条件蒙特卡罗模拟,构建了计算第7n次信用违约互换合约的条件蒙特卡罗算法.该算法能够捕捉多标的资产违约的尾部相关性,更准确地度量标的资产组合的违约风险及提高违约事件的模拟效率.数值结果表明,在考虑尾部相关性的情形下,采用重要抽样技术的JK算法和改进的JK算法是不稳定的,不能达到减方差的目的;而本文新构建的定价算法更稳定,在高斯copula和t-copula模型下,都能够有效减小估计量的方差,提高信用违约互换合约的定价精度和可靠性.     

矢量喷管柔性机构运动及可靠性仿真

针对航空航天柔性机构运动具有复杂非线性的特点,提出了一种在UG-ANASYS-ADAMS多软件平台下建立柔性机构模型并进行运动仿真的方法,对某轴对称矢量喷管(AVEN)机构进行了建模仿真;采用响应面方法和蒙特卡洛法相结合的方法得到了矢量喷管性能参数的概率分布,并计算了其可靠性。该方法能够为航空航天领域同类机构的建模分析提供借鉴,响应面方法与蒙特卡洛法结合的可靠性分析方法在满足一定精度要求的同时,能够大大减少计算时间。     

大型复杂系统平均寿命评定的Monte Carlo方法

随着现代武器系统和工程系统的大型化与复杂化趋势，大型复杂系统可靠性评定是急待解决的问题，工程中常用可靠性指标有可靠度和平均寿命，平均寿命指标由于直观、物理概念清晰，使用更加方便。基于可靠性框图建模，采用最小路集计算分析，提出了大型复杂系统平均寿命评定的Monte Carlo方法。解决了有限样本条件下，大型复杂系统平均寿命评定问题，对工程中大型复杂系统平均寿命评定具有重要应用价值。