基于机群的并行Monte Carlo仿真平台用于金融衍生证券定价

给出了利用局域网机群系统建立并行Monte Carlo仿真平台的Java实现。设计了仿真任务分配算法及多线程同步控制机制。验证了伪随机数生成器并行化的有效性。三种股票期权仿真定价模型作为应用实例，在相同机型机群环境中，取得理想加速比和定价结果。     

高速铁路车站作业过程的TCPN仿真通用模型

高速铁路车站作业系统仿真是进行车站作业过程的进路排列与到发线运用等问题研究的有效方法,并可对车站各项设备使用状况进行详细分析.已有的仿真手段存在建模过程复杂、可重用性不足等问题.针对铁路客运站作业系统仿真问题提出了基于赋对有色Petri 网的与车站站型布置不直接相关的高铁车站作业过程通用性模型,用于各种站型布置的高铁车站作业过程的仿真及优化,可以适用于有不同作业类型的高铁车站仿真,该模型具有计算效率高、通用性强、优化方法灵活等特点.     

新型DCS教学仿真软件的开发与应用

将工业上使用的集散控制系统（DC8）开发为新型的教学仿真软件。分析该软件在通用PC机上的建模组态和PID参数整定的仿真实验结果,为教学提供全新的数字PID参数整定的仿真实训环境。     

面向复杂系统运动仿真的信息物理融合建模

传统运动仿真的虚拟建模缺少针对复杂系统中信息子系统与物理子系统的动态性融合建模。融合传统运动学虚拟建模与信息计算的优势,针对运动仿真的精度和实时性难以满足实际工业制造需求的问题,提出面向复杂系统运动仿真的信息物理融合建模方法,并以机械臂的运动学控制为仿真案例进行验证,解决了实际环境中机械臂的驱动与仿真环境虚拟机械臂运动不一致的问题。搭建了复杂系统运动仿真虚实映射平台,集成了虚拟建模环境CoppeliaSim,融合实际机器人的运动反馈,和虚实映射计算模型,确定工业机器人运动方程的唯一位姿解。实验结果表明本文提出的方法实现了工业机器人的虚实映射实时运动仿真。     

跟踪窗自适应的Mean Shift目标跟踪算法

针对Mean Shift算法不能很好地跟踪尺度变化目标的缺点,提出一种将Mean Shift算法和目标几何特征相结合的目标跟踪算法。该方法在Mean Shift框架下提取目标的几何特征,根据目标的面积和型心坐标对跟踪窗的位置和大小进行修正,最后更新Mean Shift的目标模板。通过大量实验仿真证明,改进的算法能很好地跟踪尺度变化的目标,对目标的仿射变化和非刚性的形态变化具有有效性和鲁棒性。     

可视动目标逐步求精分割技术研究

运动目标识别跟踪系统中 ,目标分割是至关重要的处理环节。由于目标阴影、碎块等因素 ,估计精度受到影响 ,甚至导致跟踪的失败。提出了目标形状波动度的概念 ,并将其作为目标识别特征 ,利用最大似然估计准则 ,对目标初始区进行逐步求精估计。该算法简练实用 ,能有效地提高估计精度 ,为确保目标可靠性跟踪提供了新的手段。     

基于Monte Carlo法与GA算法的复杂系统可靠度求解

复杂系统可靠性问题是可靠性工程中丞待解决的问题。提出了基于可靠性框图的复杂系统蒙特.卡罗仿真方法,给出了各种基本可靠性模型系统与其组成单元的失效时间关系,解决了含有旁联模型的复杂系统仿真问题。以可靠性仿真数据为寿命样本,待估计参数的置信区间为编码空间,以经验分布与所求分布误差倒数为适应度函数,建立了基于遗传算法的寿命分布参数点估计模型,求得了复杂系统可靠度函数。最后以两个实例表明该方法比传统方法具有更高的精度。     

基于汽车系统动力学的虚拟驾驶仿真模型研究

基于汽车系统动力学建立了一种包括发动机模型、传动系模型、离合器模型、制动系模型、汽车行驶速度模型、转向系模型的仿真模型.基于以上模型开发的汽车虚拟驾驶仿真系统可以准确地模拟汽车在起步、加速、转向以及制动等各种行驶工况的状态以及汽车的各种动力学响应.以上模型为汽车虚拟驾驶仿真系统提供了完整的汽车系统动力学模型,同时,该模型也可进一步应用于汽车的数字化设计,检验汽车的动力学性能.     

合成部队多阶段作战任务成功概率仿真评估

考虑战场环境和战时装备维修保障评估合成部队多阶段作战任务成功概率, 对于辅助合成部队作战任务规划和装备维修保障决策具有重要的现实意义。在分析合成部队装备和合成部队装备维修保障模式的基础上, 构建了战时合成部队多阶段任务剖面; 通过对合成部队作战过程的分析, 提出了战时合成部队各阶段任务成功要求; 充分考虑合成部队多作战单元任务的协同性、合成部队装备的多样性及其战时随机共因失效(random common cause failure, RCCF)、战场环境下敌方火力打击和阶段任务时间的随机性、换件修理时间的不确定性等复杂因素, 利用蒙特卡罗仿真(Monte Carlo simulation, MCS)原理给出了合成部队多阶段作战任务成功概率评估的详细仿真流程, 并通过算例进行仿真和结果分析。研究结果表明:本文模型可用于合成部队多阶段作战任务成功概率评估和战斗阶段持续时间优化, 并为战时合成部队备件携行方案优化奠定了模型基础。     

基于自适应进化粒子群算法的多目标优化方法

提出一种自适应进化粒子群优化算法(AEPSO),以提高多目标优化 PSO算法的性能.AEPSO算法把非支配排序技术、自适应惯性权重和特殊的变异操作引入到PSO算法中,来提高算法的全局搜索能力和粒子的多样性.与常用的整体加权方法来处理多目标优化问题不同,AEPSO算法采用非劣解排序来引导粒子的飞行,以改进算法的收敛性,同时采用特殊的变异操作防止早熟收敛并增加优化解的多样性.所提算法的有效性经过四种代表性benchmark函数进行验证,并与几种典型同类型算法进行比较.该算法已成功地用于合金材料的多目标优化设计.实验结果表明AEPSO算法能够较好地兼顾收敛精度与优化解的多样性,满足多目标优化设计的要求.