基于测距权重的蒙特卡罗定位改进算法

针对传统蒙特卡罗定位算法采样效率低,对锚节点密度要求高的特点,本文基于蒙特卡罗定位算法MCL提出一种改进的移动传感器网络的节点定位算法IMCB.该算法利用历史锚节点信息和RSSI测距,以及运动模型的改进对待定位节点的位置采样范围进行了进一步限制,对有效采样点的权重进行了区分.仿真结果表明:该算法的定位精度相比MCB算法提高了16.6%.     

辉光放电阴极区氮离子（N2^＋）的蒙特卡罗模拟

采用蒙特卡罗方法对氮气辉光放电等离子体阴极区离子（Ｎ２＾＋）的运输过程进行了。考虑了离子（Ｎ２＾＋）与慢分子（Ｎ２＾０）的电荷交换碰撞和弹性散射,利用由实验数据拟合得到了精确依赖于离子能量的电荷交换和动量输运截面,计算了阴极区中离子（Ｎ２＾＋）的能量分布及角分布的空间变化,并与实验结果进行了比较。     

快中子核次临界的多群蒙特卡罗计算

给出了用多群蒙特卡罗方法计算核裂变系统有效增殖因子、中子通量能谱和啊子泄漏谱等的方法,对球快中子核裂变系统进行了多群蒙特卡罗次临界计算。以连续光滑曲线的形式给出了中子通量能谱和泄漏谱,谱图清晰地显示了符合中子输运规律的精细情况。     

蒙特卡罗改进法求解可靠度编程中的问题及解决方法

用蒙特卡罗改进法对编程中的关键问题进行了探讨并给出了解决方法．这些问题主要包括正态分布函数Φ（ｘ）及其反函数Φ－１（ｘ）的取值和非正态随机变量的当量正态变换．通过对上述问题的解答,可较好地解决实际工程问题的可靠度,并给出蒙特卡罗改进法的算例．     

LPG蒸气云爆炸风险评估中的参数不确定性分析

分析了液化石油气的危险特性及其事故性爆炸的主要特点,针对蒸气云爆炸定量风险评估中不确定因素无法精确确定而导致的结果不确定性问题,即蒸气云爆炸事故造成的危害存在不确定性,建立了蒸气云爆炸风险评估模型,提出了一种基于Monte-Carlo模拟的不确定性处理方法,计算了LPG蒸气云爆炸波伤害范围和事故风险概率曲线,对于定量评估VCE事故风险具有重要意义.     

基于蒙特卡罗的自由曲面测量系统精度研究

为实现对自由曲面测量系统精度的快速精确评定,提出一种基于蒙特卡罗的测量不确定度分析处理方法,以克服传统方法要求测量样本数多、函数关系简单等问题。分析了系统组成模块的不确定来源及分布,根据误差理论分配了各不确定度源的传递系数,并采用方和根法综合得出系统的测量精度。在LabVIEW上开发了仿真调试软件并与传统A类方法的评估结果进行了对比分析,结果表明蒙特卡罗方法计算快速、可靠,可以简单高效地用于自由曲面的精度评估。     

一种自适应PC-Kriging模型的结构可靠性分析方法

为提高小失效概率及耗时的复杂结构可靠性评估精度和效率,提出了一种基于PC-Kriging(polynomial-chaos-based Kriging)模型与自适应k-means聚类分析相结合的结构可靠性分析方法.PC-Kriging的回归基函数采用稀疏多项式最优截断集合来近似数值模型全局行为,并用Kriging来处理模型输出的局部变化.在基函数的建立上,PC-Kriging采用最小角回归(LAR)计算功能函数可能的多项式基函数集的数量,同时用Akaike信息准则(AIC)来确定最优多项式形式.自适应k-means聚类分析确保每次迭代添加若干个对失效概率贡献较大的样本点.通过两个数值算例分析,结果表明所提出方法在能够保证失效概率估计值的有效性和准确性的同时减小结构功能函数的评估次数.     

基于拟蒙特卡罗法的电力系统抗震可靠性研究

针对电力系统抗震可靠性评估中蒙特卡罗方法误差收敛相对较慢的特点,将以低偏差序列抽样的拟蒙特卡罗方法应用于可靠性评估中,并结合了在求解传递闭包中能够减少计算量的三角形算法,建立了结合低偏差序列抽样与三角形算法的抗震可靠性计算模型.基于川北地区110 k V发电站与变电站的可靠性分析,分别进行了三种算法下的标准蒙特卡罗方法模拟和Sobol序列拟蒙特卡罗方法模拟.模拟结果表明:在电力系统抗震可靠性求解中,与伪随机数序列相比,Sobol序列的解算结果具有更高的收敛速度.当抽样次数为5 000次时,拟蒙特卡罗(QMC)方法的计算结果为0.6689,误差不超过0.1%,而蒙特卡罗(MC)方法的计算结果为0.6659,误差为0.389%;在相同抽样次数下,三角型算法相对于其他算法具有更高的运算效率,将三角形算法与拟蒙特卡罗方法结合既提高了精确度又提高了运算速度.     

施工现场设施布局优化问题的新型启发式算法

施工现场设施布局的合理性直接关系到项目成本等目标的实现.针对涉及设施较多的施工现场布局优化问题,首先将该离散变量优化问题转换为高维空间的随机抽样问题,进而利用过渡马尔可夫链蒙特卡罗方法的思想,提出一种高效的全局优化启发式算法.与针对连续型高维概率密度分布函数进行随机取样的过渡马尔可夫链蒙特卡罗方法相比,本文提出的启发式算法的框架基础需从概率密度分布函数转变为概率分布函数,进而需在马尔可夫链状态点的产生方法上进行修正,以适应离散型变量优化问题的不同特性.通过实例验证,与目前应用较广的遗传算法相比,本文提出的新型启发式算法在全局最优解的获取稳定性上有较大改进.