基于改进边际优化的离散变量优化设计算法

针对传统离散变量优化方法存在的目标函数测算次数多、收敛性不佳等问题,借鉴边际优化理论和模式搜索算法,设计了一种基于改进边际优化的离散变量优化设计算法。借鉴边际效用优化原理,通过引入周围单位步长空间的概念,在初始点选择、边际增量设计、禁忌搜索策略等方面进行了改进,并设计了变异操作以跳出局部最优。实例分析表明,所提算法能够快速准确地收敛到局部最优解,实现以尽可能少的目标函数测算得到问题的满意解或最优解,适合于求解高维离散变量优化问题和仿真优化问题。     

基于神经网络的仿真优化算法设计

为降低传统仿真优化方法所需的仿真次数,从而缩短仿真优化时间,提出了基于广义回归神经网络(generalized regression neural network,GRNN)的仿真优化算法设计。首先,利用仿真生成一定数量的样本集,利用GRNN进行训练,得到初始回归曲面,并在该曲面上利用模式搜索算法找出全部可能的局部极小,由于可能会找到一些假局部极小点——噪声点,设计了剔除噪声点的方法,得到全部局部极小;在各局部极小点周围增补少量仿真样本,再次利用GRNN进行训练,得到新的回归曲面。重复增补样本,直到得到仿真优化的最优解。实例表明,所提方法能够有效降低所需样本的数量,实现仿真优化问题的求解。     

基于Lambert W函数的装备经济寿命分析

为改进现有装备经济寿命模型求解时计算量大、不便于分析等缺点,提出了一种新的装备经济寿命确定方法。首先通过Lambert W函数求解出装备经济寿命的精确计算解析式,其次采用多项式拟合、有理拟合对Lambert W函数进行精确估算,并将结果与Lambert W函数近似解和精确解进行比较,在此基础上得出了装备经济寿命的精确估算公式。实验表明,估算公式是一个分段函数形式,对经济寿命的估算精度可控制在±1年。该方法与传统的列表法相比,不仅具有直观性,利于掌握和计算,同时便于进一步分析经济寿命的影响因素和变化规律。     

基于适应值曲面分析的全部局部极值搜索算法

为求得类似仿真函数的黑箱函数优化问题的全部局部极值点,提出了一种基于适应值曲面分析的新算法。首先,对适应值距离相关系数(fitness distance correlation, FDC)进行了改进,探讨了改进FDC指标与适应值曲面崎岖度的对应关系。在此基础上,设计了基于FDC的重复对分区域法(FDC based repeated split region, FRSR),对可行域依据崎岖度进行分解,得到满足崎岖度要求的若干子区间,并在这些子区间上依据FDC指标设置初始点,然后利用模式搜索算法进行寻优。通过对比FRSR法与传统的均匀分配初始点法以及其他现有方法,验证了FRSR法能够以较少的初始点得到全部局部极值,在速度上和解的质量上都优于传统方法。     

基于神经网络的时变参数系统仿真优化方法

时变参数系统的仿真优化问题是一个新兴的研究课题，相比传统仿真优化，时变参数系统对实时性的要求高，而对解的精度要求不高。本文提出将该问题转换为一类神经网络预测问题，并从理论上证明了该方法的可行性。首先，线下构建神经网络模型描述输入参数到最优解的映射关系；然后，利用训练好的神经网络模型线上实时预测最优解。考虑到边界样本对最优解拟合曲面的影响，提出构建中心样本和边界样本，分别训练两个神经网络模型。仿真和实例表明，该方法能够随时变参数的变化实时给出满意解，从而为求解时变参数仿真优化问题提供一种新的解决思路。     

多障碍物场景中的行人运动模型

社会力模型是一类重要的行人运动模型,在行人建模仿真领域得到广泛应用.然而该模型仅能应用于简单空间场景,当空间中有障碍物,行人与目标点不满足通视条件时,行人不能绕过障碍,会出现穿透障碍、轨迹振荡等问题.本文引入规避障碍行为,与社会力模型融合在一起,实现行人在复杂二维空间中的运动.规避障碍行为的核心是确定绕行点,以期望行走路线最短为准则构造了求解绕行点的计算几何方法,并解决复杂空间场景中的多重遮挡问题.建立行人运动逻辑,设计渐进式路径规划算法,实现行人运动.开发了行人仿真系统,对所提出的模型进行验证.仿真结果表明:在多障碍物空间场景中,行人能自然的规避障碍,形成合理的运动轨迹.     

三角模糊矩阵博弈的最优策略研究

由于人的认知水平的限制、信息的不完全性等诸多不确定性因素的影响,可能遇到以三角模糊数形式给出损益值的博弈问题.针对此问题,对三角模糊矩阵博弈问题进行了研究.依据三角模糊数的运算规则和比较规则,提出了三角模糊矩阵博弈问题的基于可能度的纯策略解的判定规则,以及2×2三角模糊矩阵博弈问题混合最优策略解的求解方法.最后通过两个算例进行了说明.