基于PLS方法和Kriging模型的多目标有效全局优化方法及应用

针对实际工程中参数过多导致的建模效率低、多目标相互冲突带来的求解困难及成本昂贵的仿真优化问题,提出了一种基于偏最小二乘法和Kriging模型的多目标有效全局优化方法.该方法首先通过偏最小二乘法进行降维,确定主成分;其次,利用偏最小二乘加权系数矩阵,获得自适应偏最小二乘高斯核函数,建立初始Kriging代理模型;然后,通过三种矩阵填充准则对多目标问题进行全局优化;最后,根据终止准则输出最优Pareto近似解集.数值算例结果表明,该算法建模效率提升的同时目标函数值收敛速度更快,在收敛精度及稳定性方面均具有优势.工程实例表明偏最小二乘变换后Kriging模型预测性能优于常规Kriging模型.     

基于Kriging模型的多点加点准则和并行代理优化算法

针对并行仿真环境下复杂工程系统的优化设计问题,提出一种基于Kriging模型、多目标策略和聚类方法的并行代理优化算法.该算法的多点加点准则,以同时优化期望改进准则和可行性概率准则为目标,首先生成兼具目标响应改进和可行域边界刻画功能的备选试验点集;再利用聚类方法从备选点集中选取多个有代表性的新试验点.通过两个数值算例和一个工程算例,将所提并行优化算法与已有算法做比较,结果表明所提算法具有更高的优化精度、效率和稳健性.     

基于Kriging模型与重要性抽样的可靠性灵敏度分析

针对因无法获得功能函数的梯度信息而不能使用解析方法的情形,提出了进行可靠性灵敏度分析的高效的仿真方法,首先基于Kriging模型和重要性抽样去计算失效概率,然后通过记分函数(score function)方法求出失效概率对各个参数的偏导数。在计算失效概率时采用反问题(inversion problems)中的不确定性逐步减少(stepwise uncertainty reduction)准则来更新功能函数的Kriging模型,继而在重要性抽样的框架下将失效概率表示成一个"增大"的失效概率与修正项的乘积;而记分函数方法只是对前面抽样方法的一个简单后处理,不需要计算额外的功能函数值.对所提方法使用算例验证表明:当功能函数为昂贵的计算模型或对系统(非单个构件)进行灵敏度分析时,该方法具有较高的计算效率和精度。     

基于高斯过程模型的多响应稳健参数设计

针对高维试验数据的稳健参数设计问题, 在高斯过程(Gaussian process, GP)的建模框架下, 采用部分平行的GP(parallel partial GP, PPGP)模型来构建试验因子与多质量特性之间的响应曲面, 在此基础上运用多元质量损失函数作为优化指标来获得可控因子的最佳参数设计值。并且以一个经典仿真算例和两个实际案例验证了所提方法的有效性和优劣性。研究结果表明,与独立建模的单变量GP模型或Kriging模型比较而言, 所提方法不仅能够有效地处理高维试验数据的建模与参数优化问题, 而且能够获得更为稳健的优化结果, 运行效率更高。     

主动学习可靠性分析算法:基于Kriging预测方差的视角

针对基于Kriging模型的主动学习可靠性方法 (active learning Kriging-Monte Carlo simulation, AK-MCS)中, Kriging预测方差低估导致评估过程存在选点和停止判断失误的问题,提出一种基于Bootstrap Kriging的主动学习可靠性方法 (Bootstrapped active learning Kriging-Monte Carlo simulation, BAK-MCS).首先拟合真实功能函数初始Kriging模型,然后使用Bootstrap Kriging方差构造BU学习函数,从而进行主动序贯采样更新Kriging模型,最后采用收敛Kriging模型结合蒙特卡罗模拟(Monte Carlo simulation, MCS)估计结构失效概率.数值算例结果表明,与MCS和AK-MCS方法相比, BAK-MCS在保持高预测精度的同时减少了真实功能函数的调用次数,提高了可靠性评估建模效率.     

基于不平稳假设的序贯近似建模方法

在工业设计中常涉及复杂、耗时的仿真,建立简单的近似模型可以简化分析和优化过程.元模型的构建和仿真试验的设计是其中的两个关键问题.针对元模型的构建,分析指出传统的基于平稳性假设的Kriging方法并不适合常见的不规则系统的建模,接着采用非线性映射方法,提出了一种基于不平稳假设的Kriging方法.实例说明:相对于传统的Kriging方法,该方法不仅可以建立精度较高的预测模型,而且对模型的预测不确定性的描述也更符合直观认识;针对计算机试验设计,提出了一种基于改进的Kriging方法的序贯准则,使得试验点序贯产生在不确定性大且距离现有试验点远的位置.算例表明:该序贯设计比一步设计效果好,能节约试验样本.     

基于相对误差的线性组合预测研究

在讨论传统的组合预测方法的基础上,对相对误差准则下的线性组合预测进行了研究和推广。分别以"相对误差平方之和最小"、"相对误差之和最小"和"最大相对误差最小"为准则,给出了9个线性组合预测模型,其中有6个线性组合预测模型是新提出的,并且讨论了模型的解法。以美国加州电力日均价为例,给出了9种线性组合预测模型的预测结果,验证了新模型的精确性和优越性。     

基于模糊动态模型的非线性控制器综合与分析

基于控制对象的模糊动态模型,分别给出了连续和离散情形下的非线性状态反馈控制器的设计方法,并对其稳定性进行了分析,得到了确保系统全局稳定的充分条件。该方法将传统的模糊控制器中的加权系数视为非线性增益,使得控制器的设计更为灵活。通过仿真算例,验证了所提方法的有效性。     

C2组织决策实体配置问题建模与求解方法

针对指挥控制组织设计中决策实体的配置问题,提出了一种问题的配置模型及其求解方法。在分析传统决策实体配置模型不足的基础上,采用了作战任务执行时间来测度决策实体工作负载,建立了以全部决策实体工作负载的均方根(root mean square, RMS)最小为目标函数的问题数学模型。提出了基于最小RMS合并规则的层次聚类方法的问题求解思路,给出了该方法的具体步骤和流程。最后结合联合作战仿真算例中一个任务平台的调度方案,验证了所提方法的有效性和优越性。     

多维输出模型集成验证方法研究

基于经典假设检验和多元数理统计方法,提出了三种多维输出模型集成验证的度量,能够在多维输出模型的验证工作中考虑输出变量之间的隐含相关信息进行集成验证,避免忽略这些隐含信息而对模型的可信性做出错误判断.研究了Box-Cox等非正态数据转换方法,目的是满足各种假设检验基于正态分布假设的要求,扩大所提出的模型集成验证方法的工程应用范围.最后,数值算例说明对多维输出模型进行集成验证能够得到比单变量验证更准确的结果,并将所提方法应用到某飞行器三自由度运动学模型的验证工作中,说明其具有一定的工程意义.     

基于高斯过程模型的定性定量因子混合补充试验设计方法

针对舰空导弹试验设计中同时存在定性、定量因子的问题，提出了一种定性-定量因子混合的补充试验设计方法。首先，构建定性-定量因子混合评估模型，针对模型中定性、定量因子相关函数难以融合的问题，利用超球面分解方法对定量因子相关函数进行定量化处理。然后，在预测响应模型的基础上构建预测均方差探索项，通过进一步计算样本点的预测误差值，对探索项进行修正，提高补充试验设计的开发能力。通过计算交叉多面体比率得到最佳邻域，再利用遗传算法在最佳邻域中确定补充试验点。最后，通过数值算例和示例分析，验证了所提方法的有效性。     

一种动态协同进化算法求解双边顺序相依拆卸平衡问题

针对大型产品在双边拆卸线进行作业时，零部件间存在拆卸干扰的情形，构建双边顺序相依拆卸线平衡问题优化模型，并提出一种动态协同进化算法。所提算法设计了一维正负整数排列编码方法，可将任务间先后关系及任务所在操作方位同时有效表示，编码简单易于实现；采用动态邻域深度搜索策略，提高局部搜索质量；引入后天学习算子，加快个体进化速度；通过种群间相互交流，提升下一代种群质量。最后，通过算例验证所提算法具有良好的寻优性能。     

一类离散灰色预测模型的统一处理方法及应用

在加权最小二乘框架下构建了离散灰色预测模型DGMP(1,1,N),论证了最小均方误差准则、最小均方相对误差准则和最小平均绝对百分误差准则下的DGM(1,1)模型、NDGM(1,1)模型和NGM(1,1,k~α)模型均是DGMP(1,1,N)模型的特殊形式,给出了模型阶数N取值的判定准则,证明了模型的仿射变换不变性和无偏性.将DGMP(1,1,N)模型运用到人均能源生活消费量预测中,结果表明该模型具有高拟合和预测精度,验证了模型的可行性与有效性.     

固定翼无人机编队构型与通信拓扑优化

本文研究了考虑攻防对抗态势与最小信息流要求的固定翼无人机(unmanned aerial vehicles, UAVs)编队构型与通信拓扑优化问题。建立了编队构型指标体系, 给出了大规模集群分层编队构型设计模型和编解码方法, 提出了基于态势场的队形模型, 采用粒子群算法开展了队形参数优化。建立了通信网络拓扑效能指标体系, 提出了通信代价模型, 给出了基于Q学习的网络连通性控制算法。仿真算例验证了所提方法的有效性。     

基于m-best算法与rollout策略的平台任务关系优化设计方法#br#

在平台任务关系优化设计中,考虑单个任务资源分配过程中平台资源冗余度对后续任务分配的影响,分析优化设计过程的约束条件,构建了以最大任务执行精度与最小资源冗余度为综合目标函数的平台任务关系设计的问题模型,并使用基于m-best算法与rollout策略的方法对问题模型进行求解。m-best算法生成单个任务的m个平台分配方案,rollout策略用于均衡不同优先级任务之间的任务执行精度。最后,分别通过特殊算例和一般算例验证所提优化设计方法的优越性,算例的结果表明,使用该优化设计方法能够使高优先权任务的资源冗余度降低,从而使得整体任务执行精度提高。     

基于遗传算法估计灰色模型中的参数

研究表明，GM（1，1）模型中的背景值参数λ和边值对模型的预测精度均有影响，进而分别以平均相对误差达到最小或最大相对误差达到最小为极小化准则，提出了基于遗传算法求解最佳背景值参数λ和最佳边值修正项ε的方法，并且可以确保在相应的模型检验准则下预测的误差达到最小．数值结果表明，采用遗传算法确定最佳的λ、ε可大大地提高模型的预测精度．     

CDM GDP飞机着陆时隙多目标优化分配

为科学利用机场时隙资源、降低航班延误损失,研究了CDM GDP时隙资源分配方法.提出采用有效性、功效性和公平性均衡的CDM GDP时隙分配方法,给出一种多目标优化模型.模型以有效性为约束,以功效性和公平性为目标,寻求总延误成本损失最小和航空公司间损失偏差最小的分配方案;引入具体的评价指标量化比较分析航空公司间的公平性.模型采用一种多目标遗传算法予以求解.算例仿真结果表明,获得的一组最优方案的功效性和公平性比RBS算法提高了17.9%、88.5%,验证了所提方法的有效性.     

灰色GMP(1,1,N)模型及其在冰凌灾害风险预测中的应用

在加权最小二乘框架下构建了含时间多项式项的灰色GMP(1,1,N)模型,该模型既适用于小样本单调序列又适用于波动序列,论证了均方误差最小准则、均方相对误差最小准则与平均绝对百分误差最小准则下的GM(1,1)、NGM(1,1,k)和GM(1,1,t~α)模型均是GMP(1,1,N)模型的特殊形式,将GMP(1,1,N)模型应用于黄河宁蒙河段冰凌灾害风险预测,结果表明2015-2016年的风险预测结果符合实际情况,模型能够识别风险波动变化规律.为不同准则下灰色预测新模型的构建提供了新思路,具有重要的理论意义和工程应用前景.     

基于迎角分区的全局飞行器气动参数辨识方法

针对综合考虑飞行器全局气动非线性特性，面向高效全局飞行器气动参数辨识需求，提出了一种基于迎角分区的改进气动参数辨识方法，采用轴正交决策树的迎角分区方法，将涉及大范围的迎角变量划分为多个区间，对每一区间使用递归最小二乘来估计气动导数，实现在每个区间内对线性气动特性进行辨识。通过引入加权函数的过渡方法，给出局部模型转化全局建模的计算准则，保证了整个模型的连续性。最后，通过某型飞机模型开展了迎角分区气动参数辨识及对比分析工作，结果表明迎角分区辨识吻合较好，且与传统全局辨识方法相比计算效率更高，说明了迎角分区辨识方法的有效性和优势。     

基于约束加权最小二乘的无源定位闭式解算方法

针对无源定位问题中可进行伪线性处理的观测方程,提出一种基于约束加权最小二乘的无源定位闭式解算的理论框架。首先,在不限定定位观测量情况下,建立基于约束加权最小二乘的定位模型,推导其无约束最优化形式;然后,只需通过广义特征值分解即可实现辐射源状态估计并给出其解析表达式,并在此基础上证明了该闭式解的全局最优性和减小定位偏差的特性;最后,将该理论框架应用于到达角(angle of arrival, AOA)/到达时间差(time difference of arrival, TDOA)联合定位场景,验证了其有效性。仿真结果表明,所提算法定位精度能够逼近克拉美-罗下限(Cramer-Rao low bound, CRLB),定位偏差明显小于加权最小二乘算法,尤其在连续定位时间较短,噪声强度较大等情况下,验证了所提理论框架的优越性。