复杂仿真系统重用模型可信度评估方法

在资源高度共享的今天,模型重用可增强仿真应用的灵活性和可扩展性,是复杂仿真系统构建的必然选择。然而,评估多模型组合仿真下的可信性是模型能否实现有效重用的基本问题。针对面向实物和面向数值解算两个不同应用环境的仿真模型重用,提出基于偏差传播的仿真重用模型可信度评估方法,详细介绍了各自建模方式及评估方法。以无人机复杂仿真系统为例,通过与经典可信度评估方法对比,说明了该方法可降低在重用模型可信度方面的评估难度,验证了方法的可行性。     

从耗散结构理论看创新型人才的塑造

非平衡态的开放系统必须依靠非线性相互作用与涨落才能形成耗散结构。创新型人才的塑造过程类似于形成耗散结构的过程。创新型人才应有开放的专业知识与广博的相关知识 ,而且要善于整合知识 ,勤于思考勇于创新 ,通过自组织运动 ,形成耗散结构。     

一种基于工作流网的游戏作弊检测系统

游戏作弊对网络游戏危害很大,目前反作弊技术的瓶颈是效率低并且过多依赖于签名匹配。提出一种高效且不依赖于签名匹配的游戏作弊检测系统,用工作流网对作弊行为建模,通过流程树对作弊行为模型进行融合,在不影响检测结果的前提下节省存储空间。用热门网游的作弊软件对系统进行实验,存储空间降低率达到约60%,证明了该系统框架是可行、有效的。     

基于深度学习的节假日高速公路交通流预测方法

准确的预测节假日期间高速公路交通流量,能够为节假日高速公路应急管理提供重要的数据基础。利用深度学习的理论框架建立了LSTM-SVR 预测模型,利用BP 神经网络对样本数据进行处理,再将LSTM 捕获的数据特征输入SVR 回归层中实现交通流预测。选取“ 十一” 黄金周前后时段,利用位于丽江市的交调站流量监测数据对LSTM-SVR 模型进行验证,并将LSTM-SVR 模型与其它模型预测效果进行对比。发现LSTM-SVR 模型在节假日不同时段、天气、流量状态下的高速公路交通流预测中有较好的适用性。     

自动化码头运输设备充电策略优化的仿真研究

随着自动化集装箱码头成为当今码头的发展趋势,AGV(automated guided vehicle) 作为自动化码头中使用最为广泛的水平运输工具,合理制定其充电策略至关重要。针对当前自动化集装箱码头中AGV充电策略的不足,提出一种以离线充电为主在线充电为辅的充电策略,并且针对在线充电站点位置选择问题提出一种利用热区图选择有效在线充电站点的快捷方法。在使用该种充电策略情况下,通过大量仿真实验得出在码头工作任务量不变的前提下可减少AGV数量配置的结果,说明自动化集装箱码头水平搬运效率得到提高,证明该充电策略具有有效性。     

多重约束下智慧仓储机器人配置仿真优化研究

针对智慧仓库的仓储机器人配置问题,构建了基于排队论的离散事件仿真模型,在保证系统可靠性和服务强度的前提下,考虑到故障对系统的影响,以距离成本、时间成本、空闲成本和购置成本所构成的总成本最小化为目标,提出了一种基于FlexSim平台的离散事件仿真优化方法。通过分析系统平均队长、订单平均逗留时间等指标,将直观化的系统瓶颈与运行实际数据相结合,求得系统成本最小的配置策略。结合实例,对算例中的智慧仓库机器人配置方案进行求解。结果表明,基于FlexSim平台的离散事件仿真寻优方法,能够求解仓储机器人配置的优化方案,并能保证模型方法的计算效率。     

超启发式DE算法求解零等待发酵工艺调度

为解决具备间歇过程特点的零等待发酵工艺调度过程中易变质的难点,提出了一种超启发式差分算法,并将最小化最大完工时间设置为优化目标。此算法分为2层,高层为改进的自适应差分进化算法,来对低层的启发式操作进行选择排序。而低层组合排序成了新的算法对问题域进行操作,加入模拟退火算法避免陷入局部最优。所提出的方法具有学习的机制,对不同问题具有较强的泛化能力。通过测试算例和实际生产进行算法的比较和求解验证了此算法的有效性,结果表明所提出的算法比传统的启发式算法性能更优。     

基于特征生成的轴承不均衡数据故障诊断

针对实际生产中难以获得足量的故障样本数据导致训练中样本不均衡、样本不足等问题,提出了一种基于特征聚类的过采样算法,并将其与卷积神经网络相结合的滚动轴承故障诊断模型。该模型将频域信号作为模型的输入,通过卷积神经网络进行特征提取,再通过过采样技术生成新的特征数据实现数据的均衡化,将新生成的特征数据和原有特征一同输入到支持向量机(Support Vector Machine,SVM)分类器中完成样本的分类,实现滚动轴承的故障诊断。通过对比实验,结果表明该方法可以有效解决数据不均衡的问题。     

基于资源约束的项目区域风险回应策略选择研究

根据项目区域风险的特点，从资源约束的角度建立项目区域风险回应策略选择模型，并利用动态规划设计出该模型的分步解法，较为全面科学地得出最优方案。最后，用一个算例说明方法的可行性和有效性。     

基于局部斜率更新的数据驱动动态定价策略

基于某经济型连锁酒店的实际入住数据,研究针对未知需求的数据驱动动态定价策略的应用.提出一种新的非参数的需求函数刻画方法,称为"局部斜率更新".该方法替代以往数据驱动策略中所使用的最小二乘法,得到新的数据驱动定价策略:基于"局部斜率更新"方法的短视(被动学习)动态定价策略,称为IL策略;基于"局部斜率更新"方法的主动学习动态定价策略,称为CIL策略.新方法能够克服价格内生性的难题,解决以往数据驱动策略的应用困境.数据实验表明,新方法的拟合优度接近最小二乘法.在线性和非线性需求函数形式的假设下,"局部斜率更新"方法的拟合优度与最小二乘法分别只相差7.19%和4.69%.酒店实际数据验证表明,结合新方法的数据驱动定价策略明显优于酒店经理的实际定价决策,其中IL可降低60%的后悔值, CIL可降低77.59%的后悔值.本文提出的需求函数刻画方法及结论有助于指导未知需求数据驱动收益管理理论的应用实践.