战争系统体系能力需求的建模与仿真

战争是一个典型的复杂系统，战争系统的需求论证必须适应信息化战争条件下体系对抗和整体性的特征，需要用新的理论和方法来指导。论文重点从战争系统体系需求的描述框架，基于效果的体系能力规划，探索性仿真实验，以及综合实验评估分析等不同侧面对战争系统体系能力需求论证进行探讨。     

支持武器装备体系论证的探索性分析框架研究

武器装备体系论证评估属于宏观层次的决策分析问题,需要考虑复杂多变的环境和大量不确定因素的影响.探索性分析方法是一种将多种知识和方法结合起来的敏捷分析方法,针对武器装备宏观论证中面临的大量不确定性问题,提出了探索性分析框架.该框架从各种知识获取开始,包括探索性分析建模（以基于扩展影响图的分析建模和主动元建模为关键技术）,不确定性处理方法和实验分析方法,最终支持鲁棒决策,并且该框架在空军战役探索性分析中得到了初步应用.     

支持鲁棒决策的探索性试验设计研究

针对鲁棒决策中面临的想定空间探索困难的问题,结合探索性分析,提出了支持鲁棒决策的探索性试验设计;给出了想定空间生成框架,并依据该框架的构成,将想定生成和想定分析综合为想定探索框架,给出了一种想定生成和分析的形式化分析方法;同时,依据探索性分析的实验面临的问题,提出了层次化试验设计方法,给出了该方法的逻辑步骤,可以充分结合人的分析能力和计算机的计算能力进行交互式实验,以获取对问题的鲁棒解.     

战争分析仿真实验综合分析系统研究

战争分析仿真实验是一种运用战争分析与仿真实验结合的面向高层的分析方法.针对战争分析仿真实验对仿真实验数据进行综合分析的需求,在分析系统功能特征的基础上,提出了仿真实验综合分析系统的体系结构,对内部组成和功能进行了分析,并针对探索性数据分析中存在的问题和解决方案进行了讨论,最后结合实例,对系统应用进行了介绍.     

信息化战争体系对抗探索性仿真分析方法研究

针对战争复杂问题探索性分析评估的需求，基于国防大学战争模拟系统，提出了进行探索性仿真分析评估的框架。在此基础上，分别从复杂问题的探索性分析、分析结果的实时仿真和模拟结果的综合集成三个方面，对信息化战争体系对抗的探索性仿真分析方法进行了具体地研究，并以战术弹道导弹攻防体系对抗为例，简单描述了仿真应用的构造过程。     

基于探索性分析的空中力量体系效能空间建模研究

空中力量体系是军事体系中的重要组成部分,空中力量体系的效能研究也是当前研究的难点之一.在分析空中力量体系复杂性的基础上,提出复杂体系效能空间的概念,针对复杂体系的不确定性特性,引入探索性分析的思路和方法,对复杂体系的效能空间进行了探索性分析和建模,构建了复杂体系效能空间的探索性分析框架以及空中力量体系效能空间的探索性评估框架,并结合实例进行了仿真和分析,为进一步研究复杂体系对抗效能评估问题提供了一种新的思路.     

基于探索性分析的装甲装备体系效能评估方法

针对装甲装备体系效能评估中需要解决的现实问题,提出一种基于探索性分析的装备体系作战效能评估方法。该方法以探索性分析理论为指导,结合作战模拟与解析模型二者的优势,建立装备体系作战效能模型族,在此基础上针对作战中的不确定因素进行探索性分析与评估。结合坦克编队作战效能评估问题,给出了该方法的分析框架和应用步骤,说明了方法的有效性和可行性。     

计算实验方法与复杂系统行为分析和决策评估

本文提出计算实验方法的基本思想、概念和方法,并讨论计算仿真与计算实验的关系和异同之处,以及基于涌现的实验观察和解释方法。计算实验是计算仿真随着计算技术和分析方法的进一步发展而必须迈上的一个更高的台阶,是弥补很难甚至无法对复杂系统进行实验之不足的一种有效手段,也是分析复杂行为和评估各种决策效果的一种可行方式。     

基于仿真的探索性评估方法论

分析了复杂系统评估所面临的不确定性，阐述了复杂系统不确定性评估的现状，重点介绍了目前广泛应用的探索性分析的方法。在此基础上，从系统与体系两个评估层次的有机联系出发提出了一种基于仿真的探索性评估方法论，给出了基于仿真的探索性评估的过程模型。最后说明了本方法论的应用情况与未来的应用范畴。     

战争分析仿真实验运行过程中的若干问题讨论

战争分析仿真实验是一种运用战争分析与仿真实验结合的面向高层的分析方法,它主要基于探索性分析策略,通过大量重复可控的计算实验,研究和分析战争问题,强调多方案、多样本的仿真,因此造成运行次数多、实验规模大、仿真系统复杂的实验运行过程。针对运行过程中所涉及的仿真高速性、运行稳定性、可靠性和海量存储等问题进行讨论并给出可能的解决方法。     

基于遗传编程和效用最优的网格资源调度及仿真

由于因特网的开放、动态性,传统的计算资源调度方法已不再适用网格计算.基于经济模型的网格资源管理和调度成为研究热点.针对计算市场模型中非线性效用最优化问题,提出了一种基于遗传编程改进的效用最优的网格资源调度算法.该算法使用遗传编程构造计算市场模型中的效用函数,使得计算复杂度控制为O(n).仿真结果表明该算法可以提高网格计算中的资源调度性能.     

人工交通系统的基本思想与框架体系

阐述了人工交通系统的基本思想。从分析人工交通系统与仿真交通系统的差异和关系入手，提出了人工交通系统的基本系统构成和框架、主要建模和研究方法，以及分析手段和可能的应用方式。人工交通系统的主要研究手段包括基于代理的方法与编程技术、Petri网及其衍生模型、复杂系统的语言动力学描述、元胞自动机及其广义形式，以及模糊逻辑、神经元网、遗传演化程序和自然计算在内的计算智能方法。此外，还提出了将计算试验方法和并行系统方法用于交通研究的可能途径和效果，并讨论了有关人工交通系统研究中可能出现的问题和进一步的发展方向。     

基于分级网络的供求系统防护资源分配方法

供求系统防护资源分配问题旨在制定合理的防护策略,以减小外界破坏带来的损失。对于基于中位模型的供求系统来说,一类经典的防护资源分配方法是建立并求解双层规划模型,进而得到防护策略。双层主从规划问题是个典型的NP难解问题,因此这类方法不易有效地对大规模案例进行求解。通过分析供求网络运行机制,发现导致防护资源分配问题求解困难的关键因素是再分配环节。故基于该环节建立了供求系统的分级网络框架,在该框架下提出一种防护资源分配方法。实验证明,该方法能够给出合理的防护资源分配策略,且与传统方法相比耗时显著缩短。     

基于拉格朗日松弛的手术中心调度算法

为了有效提高手术中心的利用率,降低医院的成本,提高病人满意度,本文提出了基于拉格朗日松弛的手术中心调度算法.首先对问题域进行了描述,以最小化手术中心相关成本和最大化病人满意度为目标,建立数学规划模型.在此基础上,建立可行调度解策略,结合手术中心特有的约束条件,提出基于拉格朗日松弛的手术中心调度方法,并用分枝定界求解子问题.最后,设计不同问题规模的实验,对算法性能进行了评价和对比分析,实验表明,该算法能在可接受的计算时间内得到较好的近优解.     

仿真实验与SVM相结合的数据分类方法研究

首先提出了仿真实验与SVM相结合的数据分类方法;其次,利用该方法成功地进行了若干数据分类实验,证明了该方法能够高效、优质地完成体系规划与优化过程中的数据分类任务。此外,还探讨了二分类支持向量机的推导过程,研究了利用仿真实验为二分类支持向量机准备实验样本的具体方法。     

基于动态规划和置信度检验的小目标检测

在目标检测、识别与跟踪系统中,弱小目标的检测是需要解决的关键技术之一。提出了一种基于动态规划与轨迹置信度检验的弱小目标检测方法。该方法利用动态规划方法积累目标能量,然后进行门限判决和对候选目标轨迹进行置信度检验,从而剔除假目标,给出目标信息。该算法针对白噪声背景条件下的图像目标检测,解决了低信噪比条件下运动点目标的检测问题,算法结构简洁,易于进行软硬件分割。最后给出其实验结果。     

SRSV-LMM模型的校准估计与CMS差价期权定价

基于机制转换特征与随机波动率Libor市场模型(此后记为SRSV-LMM),利用傅里叶分析和费曼-卡茨定理,对CMS价差期权(CMSSO)价格的理论计算问题进行深入分析与探讨.首先,针对CMS价差期权的内涵特征及其价值组成,提出该类产品定价的理论计算框架;其次,基于标的Libor利率与互换利率的随机与阶段变化特征,建立具有随机波动率和机制转换性质的Libor市场模型以及互换利率市场模型(此后记为SRSV-SMM),并运用Black逆推公式和自适应马尔可夫链蒙特卡罗模拟方法(此后记为MCMC)对该模型进行有效参数市场校准与模拟估计;最后,基于SRSV-LMM和SRSV-SMM模型假设,利用费曼-卡茨定理和傅里叶逆变换方法得出CMS价差期权的理论计算公式,并通过实例进行实证计算与比较分析.研究结论认为,对远期Libor利率与互换利率生成路径的蒙特卡罗模拟来说,SRSV-LMM、SRSV-SMM具有更优越拟合效果;与蒙特卡罗模拟方法比较,本文提出CMS价差期权理论定价公式在价格计算时间与实际数据利差上体现出更好的实证效果.     

A Robust Adaptive Dynamic Programming Principle for Sensorimotor Control with Signal-Dependent Noise

As human beings,people coordinate movements and interact with the environment through sensory information and motor adaptation in the daily lives.Many characteristics of these interactions can be studied using optimization-based models,which assume that the precise knowledge of both the sensorimotor system and its interactive environment is available for the central nervous system(CNS).However,both static and dynamic uncertainties occur inevitably in the daily movements.When these uncertainties are taken into consideration,the previously developed models based on optimization theory may fail to explain how the CNS can still coordinate human movements which are also robust with respect to the uncertainties.In order to address this problem,this paper presents a novel computational mechanism for sensorimotor control from a perspective of robust adaptive dynamic programming(RADP).Sharing some essential features of reinforcement learning,which was originally observed from mammals,the RADP model for sensorimotor control suggests that,instead of identifying the system dynamics of both the motor system and the environment,the CNS computes iteratively a robust optimal control policy using the real-time sensory data.An online learning algorithm is provided in this paper,with rigorous convergence and stability analysis.Then,it is applied to simulate several experiments reported from the past literature.By comparing the proposed numerical results with these experimentally observed data,the authors show that the proposed model can reproduce movement trajectories which are consistent with experimental observations.In addition,the RADP theory provides a unified framework that connects optimality and robustness properties in the sensorimotor system.     

基于黄金分割律选择算子的改进进化编程算法及其在机器人路径规划中的应用

通过分析及结合机器人路径规划的进化编程仿真实验指出,保存最优个体或淘汰最差个体都会引起进化算法早熟现象,并提出如下改进算法按适应度从高(优)到低,依黄金分割律分别取出优秀和最差部分个体(染色体),通过赌轮法,并按适者生存原则从优秀的部分中选择一个体直接进入子代,而按劣者淘汰原则从最差部分中选择一个体从子代中排除.将改进算法运用于机器人路径规划,通过仿真实验检验了算法的有效性.     

求解双层规划模型的粒子群优化算法

首先对粒子群优化算法作了改进,然后提出采用改进的粒子群优化算法并借助分层迭代的思想来求解双层规划模型,进而提出并描述了求解双层规划模型的一种通用的有效算法.最后,通过实验研究和对比分析验证了文中算法的有效性.