一种新的移动机器人Monte Carlo自主定位算法

针对当出现一些未建模的机器人运动时(如碰撞或者绑架问题),以小采样数目实现常规Monte Carlo方法难以解决的问题,提出一种新的Monte Carlo定位算法,该算法同时采用p(Xkzk)与p(XkXk-1)作为重要性函数并从中进行采样,避免了采样集不包含真实位姿采样的情况,能够有效地解决全局定位与绑架问题.同时在重采样过程中引入了过收敛检验与均匀性检验用于判断采样与感知信息的匹配程度,以适时进行重采样,节省了计算资源并提高了定位效率.实验结果表明该方法具有良好的性能.     

改进Monte Carlo算法在非线性方程组求解中的

借鉴数值方法中梯度方法的思想,引进了广义负梯度方向的概念,给出了一种基于广义负梯度方向的Monte Carlo方法--GGMC方法.该方法保持了Monte Carlo算法的普适性和稳定性,并改善了原方法搜索的盲目性和随机性,提高了原方法的搜索效率,缩短了计算时间.将GGMC方法用于算例,收敛速度明显提高.     

现代低温泵的抽气效率计算

本文在讨论低温泵抽气效率几种计算方法的基础上,提出了一种由Monte Carlo模拟结合Ballance方程计算低温泵抽气效率的方法,用这一方法对几种结构的致冷机低温泵进行了抽气效率计算,并与直接的Monte Carlo模拟或实验作了比较,认为Monte Carlo方法较直接Monte Carlo模拟简单,省时、省力;能清楚地反映出低温泵各元件对抽气效率影响。为低温泵的结构设计提供了一更有效的方法。     

Monte Carlo方法在气体动理论中的应用

Monte Carlo方法的随机抽样理论，对物理现象的研究，提供了其它方法不可替代的计算手段，利用它可以方便地进行数值积分计算和计算机模拟。文本介绍了Monte Carlo方法的基本原理和计算步骤，并通过两个具体实例阐明Monte Carlo方法在分子动理论中的应用。     

Monte Carlo方法在气体动理论中的应用

Monte Carco方法的随机抽样理论,对物理现象的研究,提供了其它方法不可替代的计算手段,利用它可以方便地进行数值积分计算和计算机模拟。文章介绍了Monte Carlo方法的基本原理和计算步骤,并通过两个具体实例阐明Monte Carlo方法在分子动理论中的应用。     

光子在生物组织中输运过程的模拟研究

随着激光在医学上应用的日益发展,特别是光动力疗法诊治恶性肿瘤的深入研究促使人们对生物组织中光能的分布和光的传输问题越来越感兴趣。Monte Carlo方法作为一种统计随机抽样的模拟方法,在这一领域得到了非常广泛的应用。本文概括介绍了组织光学中研究激光在生物组织中输运过程的方法和重要意义。重点描述了Monte Carlo方法的基本原理和利用Monte Carlo模拟激光在生物组织中输运的具体步骤。评述了Monte Carlo方法在组织光学中的研究进展,对其发展趋势作了展望。     

闪光照相中的权重抽样法

为了更好地解决闪光照相深穿透中粒子碰撞位置而带来的大记录问题,提出了权重抽样法。该方法根据X光衰减特性,结合粒子输运的权重因子方法和Monte Carlo随机抽样方法,有效地降低了深穿透问题中深穿透区粒子碰撞几率的涨落。将此方法应用到MCNP(Monte Carlo N-particle)中,减小了与解析计算结果的误差,提高了累积因子的计算精度。     

随机返混对颗粒反应的影响

针对多级返混流系统,比较了Markov过程模型与Monte Carlo方法的区别。采用Monte Carlo方法模拟了返混的波动对反应率的影响,给出了几种常见反应过程中返混对颗粒反应率影响的模拟结果。     

计算探测器通量的直接抽样法与倒易方法

给出了计算探测器通量的物理模型及其解析表达式。采用直接抽样法和倒易方法计算探测器的通量，得到了一致的结果。计算实践表明，倒易方法有助于加速Monte Carlo方法的计算，从而大大提高了Monte Carlo方法的效率。     

用MCNP程序计算水平辐照孔道屏蔽

研究堆中水平辐照孔道用以从堆芯附近引出高能中子流。由于水平辐照孔道的几何形状比较复杂 ,采用两维输运计算模型将会引入较大的误差 ;同时 ,在计算过程中由于粒子穿行的距离比较长 ,所需的计算时间也是很大的。讨论了如何用 Monte Carlo方法的 MCNP程序进行水平孔道的屏蔽计算 ,引入了分段 -衔接计算方法 ,着重介绍了与 MC-NP的接口和表面源的设置问题。计算结果表明 ,分段 -衔接的 MCNP方法能够大大的改善 Monte Carlo方法的抽样 ,很好地解决水平辐照孔道的屏蔽计算问题     

随机JIT排序问题

讨论随机JIT排序问题.由于目标函数是完工时间与工期平方偏差和的数学期望(ESSD)时,有些问题的求解变的非常困难,采用的目标函数是期望完工时间与工期平方偏差和(SSDE).证明极小SSDE函数的最优排序具有V-形性质,这个性质对构造有效算法是非常有用的.于是使有的问题变得简单,使有的不能解决的问题得以解决.还证明了ESSD函数和SSDE函数的差别并不大.     

有风险控制的log-最优投资组合问题的一个黎曼几何随机算法

针对有风险控制的log-最优投资组合问题，提出了一个自适应的随机算法．该算法通过引进松弛变量，把对风险控制的不等式约束化为等式约束；再通过引进罚参数，运用罚函数法对风险控制的等式约束进行处理，从而将原来的问题化为一系列新的随机优化问题，再利用黎曼流形上的随机优化算法对其进行自适应求解．最后，使用该算法对上海证券交易所的实际数据进行了模拟计算，得到了很好的计算效果．     

Monte-Carlo随机法与积分插值法在地下水流问题中的研究及应用

分别采用积分插值法与Monte-Carlo随机法对地下水流问题进行了理论研究，提出了Monte-Carlo随机差分法，并且选取了一个具有解析解的二维承压稳定地下水流数学模型作为例子，进行了数值计算。     

从随机和到随机和过程

随机和的概念是早就有的,但利用随机和的形式构造随机过程尚未见先例。本文首先引进随机和过程的概念,对过程的一些性质进行了探讨,并举例说明了随机和过程的应用。我们利用本文的结论对布朗运动问题给出了简单的解法,得出的结果与求解朗之万随机微分方程的结果是相合的。本文提出了随机耗散系统的概念,这种系统是广泛存在的,发现随机和过程是描述这种系统机制的有效工具。     

异质地层稳定渗流场随机多尺度有限元模拟研究

为了模拟异质多尺度地层稳定渗流场,提出了一种结合有限元异质多尺度法（FEHM）与随机配点法（SCM）的随机异质多尺度有限元法（SHMFE）。目前,研究此类问题的主要手段是随机有限元法（SFE）,但是这类方法无法从本质上表达地层属性的异质多尺度问题。当地层属性如渗透系数的异质性所在的尺度远远小于研究区域时,运用传统的方法模拟其异质性需大量计算资源,以现有物质基础是一个不可完成的任务。SHMFE能有效地解决这类多尺度不均匀问题。首先运用Karhunen-Loμeve（KL）分解在细尺度上将对数渗透系数Y=lnKε进行展开,然后采用耦合广义多项式混沌的SCM法离散问题概率空间使之成为确定性问题,如果KL展开有多个随机变量,则采用稀疏随机配点法;最后采用FEHM法求解此确定性问题。计算实例表明,相对于传统的SFE,SHMFE能利用更少的计算资源有效地模拟本质上多尺度的渗流问题。     

求解双线性单自由度复合随机系统

在单自由度线性复合随机系统研究及Monte Carlo法模拟的基础上,引入求解随机问题的非线性改进随机摄动法,将双线性单自由度随机结构看成是均值结构及其变分,假定反应的概率分布类型为正态分布或均匀分布,从而将双线性复合随机微分方程展开为线性摄动随机微分方程,然后与虚拟激励法结合,迭代求解随机反应.算例的计算结果表明,将非线性改进随机摄动法与虚拟激励法结合,所得的非线性复合随机振动系统的随机反应还是较为准确的.为取得更精确的计算结果,反应的概率分布类型的正确选择很重要.     

终时不确定的随机最优控制

文章研究了终时不确定的随机最优控制问题．通过变换．将终时不确定的随机最优控制问题转化为终时确定的随机最优控制问题；然后，利用终时确定的随机最优控制理论来求解。     

多目标随机规划的交互遗传算法

利用遗传算法在处理过程中不依赖问题的种类,并具有较强鲁棒性等特点,提出了一种基于交互式的求解多目标随机规划的遗传算法,算法的意思是,结合小生境技巧和构造Pareto选优过滤器的手段,通过与决策者的反复交互对话,最后得到使决策者满意的问题的Pateto有效解集。     

一类随机线性系统的鲁棒自适应非线性控制设计

论文讨论了一类具有随机输入的线性控制系统的自适应鲁棒跟踪控制问题。将M.Krstic等提出的自适应非线性控制器设计方法与鲁棒控制基本原理相结合;证明了当控制系统的随机输入满足一定条件时,采用随机Backstepping自适应控制方法,能确保系统输出与参考信号误差的均方值全局有界,并能渐近收敛到一个预先任意置定的精度内。仿真实例表明这种控制器具有很好的鲁棒跟踪效果。     

An Optimization Method of Stochastic Variable to Solve Uncertain Models in Engineering Design

The radical concepts of engineering stochastic optimization are introduced and a method for solving uncertain problems is developed according to the satisfied estimation of probabilistic values to stochastic constraints and the use of a quasi-gradient searching direction. The method is applied to engineering designs with linear or nonlinear stochastic constraints.