基于动态效应的序贯分支验证仿真实验及应用

针对序贯分支仿真筛选实验中静态效应验证方法(V-SE)实验效率低且在仿真因子较多时实验效力难以保证的两方面不足,提出了基于动态效应(V-DE)和基于不重要因子(V-UF)的两种验证方法,V-DE在元模型估计中采用饱和设计并在配对检验中使用动态效应检验统计量,VUF仅对不重要因子的两组极端水平进行实验而不需估计元模型.蒙特卡罗仿真的三种方法对比实验以及基于实际背景仿真案例的应用表明,V-DE和V-UF在获得理想实验效力的同时极大提高了仿真实验的效率,大大降低了仿真工作者的实验成本,具有良好的实际应用价值.     

数据污染对于序贯分支方法的影响及应对策略

序贯分支方法(sequential bifurcation,SB)因其高效性,近年来被广泛用于仿真试验的因子筛选研究中.然而,传统的序贯分支方法难以应对数据污染情形下的因子筛选问题,因此,本文结合稳健估计的方法改进了传统的序贯分支筛选过程,使其具有良好的抗异常值特性,解决了多种数据污染情形下的因子筛选问题.首先,分析仿真试验中可能出现的数据污染情形及其数据形式,并结合序贯分支方法的基本原理,量化不同数据污染情形对因子筛选结果所造成的影响;其次,采用稳健的位置和散度统计量改进了传统的序贯分支方法中的显著性检验过程,使因子筛选结果不受数据污染的影响;最后,通过仿真试验验证改进的序贯分支方法具有更好的抗异常值特性,同时,该方法在非数据污染下也不失一般性.     

基于二层规划的序贯拍卖中的数量折扣研究

在研究两阶段序贯二价拍卖时,为提高卖者的收益而将数量折扣引入到序贯拍卖中,该问题本质上是一个二层规划问题. 首先推导出买者的均衡报价战略,然后建立了卖者的规划问题并对其进行求解得到最优的数量折扣,最后研究了最优数量折扣下的价格趋势问题. 分析结果表明能否通过采取数量折扣来增加卖者的期望收益取决于两个因素：引入数量折扣能否增加买者的报价以及物品有无可能被分配给不同买者,这对组织拍卖活动有着重要的指导意义.     

虚拟现实仿真下的序贯决策优化研究

通过构造虚拟现实仿真环境,利用仿真模型对系统的直观描述性,对系统的运行状况进行模拟,并为决策者提供了一个观察系统运行的虚拟空间,决策者可以"进入”到系统内部,根据观察到的系统状况及个人的偏好,在虚拟环境中进行一系列的决策.由于现实系统中,系统状态转移概率以及报酬函数往往不能显式得到,所以传统方法无法求解序贯决策问题.作为一种新的思路,利用仿真优化算法,根据仿真运行提供的定量信息,利用虚拟现实的环境,实现序贯决策过程的优化,最终可以得到最优或满意的决策策略.     

基于样本点显著性及嵌套正交设计的序贯设计及建模方法

针对高度非线性且存在多极值质量特性的复杂作用关系过程,采用最小二乘支持向量回归(LS-SVR)和嵌套正交设计进行序贯设计及建模.首先给出了LS-SVR支持向量的统计分布,构造了显著性检验统计量,以此反映样本点的显著性;其次,以正交设计为初始设计,建立过程的LSSVR模型,而后在显著性较高的样本点附近子区域,嵌套入与初始设计不同的正交设计,再拟合新的LS-SVR模型.研究表明,对样本点的显著性检验,更贴合支持向量的波动特性;嵌套正交设计提供了较为规则的子区域划分和实验点添加方法,降低了序贯设计难度.与一次性LHS设计和传统路径式序贯设计相比,方法的预测均方误差降低27%以上,最大预测偏差降低2%以上;方法在发现更多极值点的基础上,得到了更优的质量特性,且样本量降低了13%.     

基于GB/T2828.1(2012)的群序贯优化检验及应用

为降低计数型产品抽样检验的试验成本,对国家标准GB/T2828.1(2012)中的截尾群序贯检验方案进行了研究.指出该标准中的检验方案存在的一些不足,并提出了优化的截尾群序贯检验方案及其求解方法.通过与GB/T2828.1(2012)中的截尾群序贯检验方案进行对比,结果表明,优化后的检验方案在保持与GB/T2828.1(2012)中的检验方案具有相当或更接近于对应一次抽样方案犯两类错误概率的条件下,拥有相对更小的样本量截尾值与平均试验样本量.将优化后的截尾群序贯检验方案应用于铁路车辆弹簧质量的检验中,分析结果显示,相对于GB/T2828.1(2012)中的检验方案节省平均试验费用的比例达13.99%.     

随机等价互补品序贯组合拍卖数量折扣研究

将数量折扣引入到具有随机等价互补品的序贯二价拍卖中,研究了数量折扣对买者均衡报价战略及期望剩余的影响,建立了卖者如何选择最优的数量折扣以最大化自己期望收益的规划问题. 分析结果表明：采用适量的数量折扣可以激发买者之间的激烈竞争行为,进而使得卖者的期望收益得到提高,而最优的数量折扣随着买者人数的增加而减小.     

基于部分交叉验证的多准则序贯近似建模方法

提高序贯近似建模的精度和收敛效率,关键在于制定合理有效的序贯抽样准则。针对如何有效获取目标系统信息进行近似建模,同时提高建模精度和收敛效率,提出了基于部分交叉验证的多准则序贯近似建模方法。通过融合部分交叉验证误差估计准则、极大序贯建模累积变化准则和极大熵准则的特征和优势,可实现对全空间全面抽样和对不规则区域重点抽样,进而提高近似模型的精度和收敛效率。算例测试表明该方法在提高序贯近似建模精度和收敛效率方面可行有效。     

基于深度学习序贯检验的电源车故障诊断方法

针对电源车健康维护存在的问题,提出了一种基于长短时间记忆LSTM (Long Short Time Memory)网络与序贯概率比检验SPRT (Sequential Probability Ratio Test)融合的电源车故障诊断方法。该方法基于LSTM网络建立电源车的多变量时间序列模型,并引入SPRT方法进行自适应多样本故障诊断。经在电源车仿真系统上进行对比实验,结果表明LSTM诊断模型有更强的学习和映射能力,LSTM-SPRT融合的故障诊断方法,显著提高了电源车故障诊断的准确率和可靠性。     

基于Bayes序贯检验的长周期系统动态试验方法

提出了一套基于正态分布贝叶斯序贯检验的试验设计方法,为长周期、多指标系统的小子样动态试验次数的确定提供了理论依据。该方法以待检系统的单次抽样检验合格概率为统计观测值,从假设多次抽样后的该观测值序列服从正态分布开始分析,应用正态分布贝叶斯序贯验后加权检验理论对多指标系统的序贯抽样检验过程进行设计,给出了验前信息处理、贝叶斯序贯试验及序贯截尾方案设计、序贯截尾风险增量上界计算、以及系统各指标综合合格概率估算的具体实现方法。系统仿真实验的结果表明,该方法是可行的。     

基于位置和散度效应因子分类筛选及仿真试验

针对供应链及其它计算机仿真试验中所涉及因子数目众多的情形,序贯分支方法因筛选效率较高被广泛采用.然而,现有的序贯分支方法忽视对散度效应起显著作用的因子.由于相比位置效应,散度效应在产品或供应链系统的质量设计中是同等甚至更为重要的,故提出一种基于位置效应与散度效应的序贯分支方法.首先,将影响位置效应与散度效应的显著因子分类为调节因子,重要因子和稳健因子;然后,结合序贯概率比检验(sequential probability ratio test,SPRT),在控制筛选过程中第一类错误和第二类错误的基础上,采用序贯分支方法分类地筛选出显著因子;最后通过仿真试验说明此方法能够有效且分类地处理位置效应与散度效应下的显著因子筛选问题.     

基于迭代离散度序贯检测的航迹抗差关联算法

针对批处理关联方式对航迹整体信息利用不足以及现有抗差算法无法实现大系统误差下的关联等问题, 提出一种基于迭代离散度序贯检测的航迹抗差关联算法。该算法首先引入迭代离散度作为关联统计量, 并根据基于误差重构的随机量测量推导得到不同时刻离散度的概率分布; 然后根据检测终点的不同设计了两种关联判定准则, 在不同判定准则下进行离散度的序贯检测实现航迹的抗差关联。实验结果表明, 算法在密集目标、大系统误差等复杂场景下均有较高的正确关联率, 并且较常规算法关联速度提升明显。     

具有选择与补偿机制的加权集合序贯极端学习机及其应用

针对集成在线序贯极端学习机(EOS-ELM)预测精度不高和动态适应性差的问题,提出一种具有选择与补偿机制的加权集合序贯极端学习机.该加权集合序贯极端学习机在序贯学习过程中,通过对当前预测模型精度的判断决定是否进行递推更新操作,同时为提高预测模型的动态跟踪能力,在加入新样本的同时对旧样本进行剔除;然后,利用EMD对残差序列处理后进行预测,并将初始预测结果与残差预测结果相加得到最终预测模型.通过对上证指数的预测,结果表明所提方法具有更好的泛化性能,预测精度相比EOS-ELM提高了近36.1%.     

高效的因子分类筛选方法及仿真应用

针对序贯分支（SB）方法难以对位置效应和散度效应同时筛选的情形,基于多重序贯分支的基本思想,同时考虑位置和散度效应,将显著因子分类别筛选出来。首先,通过“预分支”步骤,将因子按照其位置和散度效应符号分组;然后,采用序贯分支方法将所有子组同时进行位置和散度效应显著性检验,在结合序贯概率比检验（SPRT）控制筛选过程中的第一类和第二类错误的基础上,实现因子的分类筛选,以便后续阶段的建模及优化;最后,通过仿真试验说明所提方法在解决因子分类筛选问题上的有效性、高效性及稳健性。     

复杂误差的仿真及其应用

提出采用最优节点的样条函数模型对复杂误差建立数学模型，该模型通过最优节点个数和节点距的自适应调整，精确分离复杂误差数据中的次低频误差和随机误差，对次低频误差通过样条参数的统计模型实现，对随机误差采用自回归模型实现，并综合得到复杂误差数据的仿真。最后，利用该仿真模型讨论了复杂误差对数据融合系统输出精度的影响。     

基于仿真组件技术的CGF系统体系结构和实现

以仿真组件技术为基础,提出基于仿真组件的计算机生成兵力系统体系结构以及实现方法,介绍了CGF在虚拟测试、评估和先进概念体系结构论证中的应用。通过基于仿真组件技术开发计算机兵力的模型,能够灵活生成多种不同种类的兵力模型和适应不同的运行平台。计算机生成兵力的实体模型分解为设备组件、指控组件、作战平台组件和动作行为模型,利用系统高层建模方法的静态结构建模从兵力组成角度描述设备组件、指控组件和作战平台组件的组合和连接关系,基于状态机动态行为建模建立兵力平台的动作行为模型。通过代码自动生成技术生成仿真组件模型并进行测试,仿真引擎按照动作行为模型的状态调度相应的仿真组件,从而产生作战实体的行为。     

大数据下仿真筛选实验及误差控制模型和应用

针对大数据+仿真模型+后仿真分析这一新型研究范式,提出基于基效应估计(EE),Bootstrap假设检验以及伪发现率误差控制(FDR)的后仿真分析筛选实验设计方法(简称BFEE).BFEE用于识别对仿真模型所感兴趣的响应起到最重要主效应/交互效应作用的少量关键因子.相比传统EE,BFEE保证了信息识别的统计精度和效力.与现有的仿真实验的序贯分支筛选法(SB)相比,BFEE无需任何模型假设,从而更容易适应大数据背景下的复杂数据特征.蒙特卡罗仿真的三种方法对比实验表明,BFEE在不需任何假设的条件下即可获得理想的实验效率和效力,在降低计算实验成本同时,保证了识别重要效应的精度.基于实际背景仿真案例的应用显示BFEE具有良好的实际应用价值.     

基于影响网络与序贯博弈的作战行动序列模型与求解

作战行动序列的生成是拟制作战计划的关键部分, 在影响网络的基础上考虑作战双方的博弈以及资源约束, 建立了基于序贯博弈的行动序列生成模型, 化为标准矩阵对策求解, 通过案例说明了模型及其解法, 并与未考虑双方博弈的作战行动序列生成方法进行了对比.