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.     

节点相依失效下的方格网络可靠性建模与分析

以二维方格网络为拓扑结构,在考虑同一地理区域节点存在共因失效关系、同一类节点存在关联失效关系、网络体系结构存在协议层与层之间的级联失效关系等3 种依赖关系的条件下,建立失效概率的依赖模型来模拟节点相依失效。以节点之间连通的概率为可靠性测度,利用Monte Carlo 法进行近似计算,分析依赖关系对网络可靠性的影响。研究表明,级联失效比共因失效带给网络可靠性的影响更大;关联失效带来的影响是灾难性的,尽管节点自身失效概率很小,只要关联程度足够大,就会使节点故障在网络中快速传播。     

Burr-XII分布在具有随机移走逐步增加截尾模型下可靠性指标的Bayes估计

在具有随机移走的逐步增加Type-II截尾模型下, 假定每一个失效时刻移走的未失效样本数都服从二项分布, 当Burr-XII分布中两个形状参数均未知时, 分别在q-对称损失函数和LINEX损失函数下给出了两个未知形状参数、移走概率以及可靠性指标的Bayes估计和Bayes后验区间估计, 并给出了参数估计的容许性证明. 最后利用Monte Carlo方法对各种估计结果进行了模拟分析.     

Burr-Ⅻ分布在具有随机移走逐步增加截尾模型下可靠性指标的Bayes估计

在具有随机移走的逐步增加Type-Ⅱ截尾模型下,假定每一个失效时刻移走的未失效样本数都服从二项分布,当Burr-Ⅻ分布中两个形状参数均未知时,分别在q-对称损失函数和LINEX 损失函数下给出了两个未知形状参数、移走概率以及可靠性指标的Bayes估计和Bayes后验区间估计,并给出了参数估计的容许性证明.最后利用Monte Carlo方法对各种估计结果进行了模拟分析.     

求解探测概率门限因子的一种重要度抽样方法

在不同探测环境下确定探测概率时 ,首先需要根据给定的虚警率来确定相应的探测概率门限因子 ,这时需要在杂波和被检测单元的概率分布密度函数已知条件下 ,对其进行积分 .实际应用中 ,概率分布密度函数非常复杂 ,这时直接积分法很难奏效 ,必须用数值模拟法来解决 .但常规的 Monte Carlo方法在模拟像虚警概率这类小概率事件时既耗费机时 ,精度又差 ,目前国际上正在研究应用重要度抽样法(Importance Sampling)来解决该问题 .本文在前人研究成果的基础上 ,针对两大类雷达探测处理器——单元平均恒虚警 (CA-CFAR)和修整平均恒虚警处理器 (TM-CFAR) ,对相应的重要度抽样方法进行了研究和推导 ,结果表明方法高效可靠.     

容量均匀分布的物流保障网络级联失效抗毁性

分析了物流保障网络的特点,发现物流保障网络具有节点度分布均匀、节点之间连接的随机性、节点的负载差异性小、节点的容量在一定区间内随机分布等属性.在此基础上建立了度均匀随机分布的网络模型和级联失效抗毁性模型,应用概率母函数的方法解析地推导了网络级联崩溃的临界值,并通过计算机仿真验证了解析方法的正确性和可行性.     

基于多元Laplace分布的外汇期权组合非线性VaR模型

为了克服多元厚尾分布情形下的非线性VaR数值计算的困难,用多元Laplace分布来描述汇率回报分布厚尾性,引入风险函数转换技术和关于多维Laplace多重积分近似计算的结果,来解决多元Laplace分布情形下的反映外汇期权组合价值变化的矩母函数问题;进一步将重要抽样技术发展到多元Laplace分布情形下的外汇期权组合非线性VaR模型中,使得该情形下不再是稀有事件Monte Carlo模拟,从而减少Monte Carlo模拟计算工作量,更精确地估计出组合的损失概率.数值结果表明该算法比常用Monte Carlo模拟法的计算效率更有效,且能很大程度上减少所要估计的损失概率的方差.     

基于重要抽样技术的外汇期权组合非线性VaR模型

为了克服极小概率事件发生概率估计的困难,提出了把重要抽样技术发展到外汇期权组合非线性VaR模型中,通过改变市场变量回报分布的期望向量和协方差矩阵,在相应区域产生更多的样本,使得该情形下不再是稀有事件Monte Carlo模拟,从而减少Monte Carlo模拟计算工作量,更精确地估计出组合的损失概率,而组合的损失概率是计算组合损失分布的分位点(VaR值)的必备条件.模拟结果表明,该算法比常用Monte Carlo模拟法的计算效率更有效,且能很大程度上减少所要估计的损失概率的方差.     

基于有向自然连通度的作战网络抗毁性研究

介绍了作战环的概念,建立了基于作战环的武器装备体系作战网络模型,提出了有向自然连通度指标作为作战网络抗毁性测度。为验证其可行性与有效性,设计了3个仿真实验:边减少、边增加与连接概率增加仿真实验,比较分析有向自然连通度与Laplace矩阵谱半径分别作为抗毁性测度指标的评估效果。研究表明:与Laplace矩阵谱半径指标相比,有向自然连通度指标更加敏感精准;抑制作战网络侦察节点侦察能力对抗毁性影响最为显著;可以通过提高武器装备体系侦察信息准确性、指控能力、火力打击能力及通信能力来增强作战网络抗毁性。     

基于随机规划的制造/再制造物流网络优化设计

针对含有连续型随机参数的制造/再制造物流网络优化设计问题,在Monte Carlo模拟抽样基础上,建立了样本数量决定解算效率的两阶段随机规划模型,给出了模型求解的混合遗传算法,结合样本均值近似方法阐述了获取理想目标值及其可行解的最优值上下界逼近技术,明确了基于两阶段随机规划的物流网络优化设计步骤,举例说明了模型及其算法在设计决策中的应用。     

考虑节点失效的异构仿真网络可靠性评估蒙特卡罗模拟

异构仿真网络是实况、虚拟和构造(live, virtual, and constructive, LVC)仿真的基础环境支撑,合理评估其可靠性在LVC仿真应用中具有重要作用。针对复杂网络可靠性评估难以获得精确解、效率不高的问题,提出一种考虑节点失效的LVC异构仿真网络蒙特卡罗评估方法。首先,基于异构网络自身特点及因子定理,对蜂窝网络和无线传感器网络进行等效转化;其次,运用可靠性保持缩减技术对转化的仿真网络进行缩减,提高算法效率和收敛速度;最后,依据不完全可靠节点转化原则,对简化网络可靠性进行蒙特卡罗模拟,实现LVC异构仿真网络连通可靠性的评估。计算结果表明,相比传统蒙特卡罗方法,所提方法在保证计算精度的同时,方差减小,运行负载较小,稳定性更好。     

Capacitated stochastic coloured Petri net-based approach for computing two-terminal reliability of multi-state network

Classical network reliability problems assume both networks and components have only binary states,fully working or fully failed states.But many actual networks are multi-state,such as communication networks and transportation networks.The nodes and arcs in the networks may be in intermediate states which are not fully working either fully failed.A simulation approach for computing the two-terminal reliability of a multi-state network is described.Two-terminal reliability is defined as the probability that d units of demand can be supplied from the source to sink nodes under the time threshold T.The capacities of arcs may be in a stochastic state following any discrete or continuous distribution.The transmission time of each arc is also not a fixed number but stochastic according to its current capacity and demand.To solve this problem,a capacitated stochastic coloured Petri net is proposed for modelling the system behaviour.Places and transitions respectively stand for the nodes and arcs of a network.Capacitated transition and self-modified token colour with route information are defined to describe the multi-state network.By the simulation,the two-terminal reliability and node importance can be estimated and the optimal route whose reliability is highest can also be given.Finally,two examples of different kinds of multistate networks are given.     

利用极小割计算随机流网络可靠度的一种算法

对随机流网络可靠度的计算问题进行了研究.提出了网络元件(边和结点)容量下确界的概念,在求基于每个极小割集的每个元件的容量向量时,对其满足的约束条件进行了改进,使其可行解集合大大减小.同时给出了两个引理,根据这两个引理,使得求基于极小割集的所有d-上界点变得非常简单,从而得到了一个计算随机流网络最大流量不少于给定需求流量d+1的可靠度的有效算法.最后,通过实例验证了该方法的有效性.     

基于MCMC的模糊自适应重要抽样法

针对传统的基于马尔可夫链蒙特卡罗 (Markov chain Monte Carlo,MCMC)的自适应重要抽样法只适用于失效边界确定的系统,而不适用于失效域模糊的渐变结构系统问题,提出基于MCMC的模糊自适应重要抽样法。首先从模糊失效域内的某个初始点出发,根据Metropolis准则构造马尔可夫模拟样本点;然后利用自适应核密度估计构建核抽样概率密度函数并进行重要抽样;最后离散化模糊失效域以计算系统的模糊失效概率。该方法合理地解决了以往渐变结构系统性能可靠性难以仿真分析及仿真效率低的难题,具有较高的仿真效率和精度。应用舵机案例对方法的适用性及高效性进行了验证。     

重要性抽样法研究

重要性抽样法是一种最重要的提高抽样效率的方法，由于其适用范围广，容易实现，在通信网、航空航天、自动控制等系统的可靠性安全性仿真中得到广泛研究和应用。本文从计算复杂性的角度提出了极小概率事件发生概率估计的困难，简单介绍了重要性抽样的基本原理，综述了基于随机优化和大偏差原理的技术、加速失效法、分裂法等几种最优抽样分布构造技术的实现及其适用范围，在此基础上提出基于知识的重要性抽样思想，有助于解决目前数字仿真特别是高可靠度系统可靠性仿真中的抽样效率问题。     

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。     

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。     

基于仿真的随机活动网络进度费用联合风险

针对复杂随机活动网络活动时间、费用随机性和相关性特点,采用蒙特卡罗方法随机抽取时间、费用样本,再利用乔列斯基因子分解法,将独立分布的时间和费用随机样本转化为相关的随机样本,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.通过算例结果的比较分析,说明新模型可以更准确地预测项目的风险概率,进行时间-费用交换分析以及进行项目工期和费用优化.