在轨空间智能制造:分布式调度建模与优化

在轨空间制造系统是在行星大气层外的需要地面工厂、在轨空间工厂、天地运载工具协同的以进行空间设施建造为目标的一类分布式制造系统.分布式调度建模和高效优化求解技术是实现在轨空间智能制造的关键技术之一.本文针对一类具有组件地面分布式制造及运输、地空分批次运输、组件在轨装配等典型特点的在轨空间智能制造系统,将其分解为分布式同质流水线调度,考虑运输时间的同速并行机调度,考虑工件释放时间、机器可用时间、机器处理能力的单机批调度以及考虑组件释放时间、优先约束的单机调度等问题,并基于模型协调思想建立以最小化组件生产到产品装配总时长为目标的分布式多阶段调度模型.进而,将用于求解连续优化问题的易理优化算法扩展到离散调度问题,提出求解该分布式调度问题的基于易理优化的模因算法.基于中规模、大规模算例的仿真结果和算法分析比较表明:相较于粒子群算法、教学算法、水波算法等智能优化算法,所提算法是一种求解分布式多阶段调度问题的可行、有效算法.值得一提的是,这是第一篇关于在轨空间智能制造系统调度优化的研究.     

基于程式化模型与梯度信息随机克里金法的风险测度估计

嵌套仿真是估计金融衍生产品投资组合风险测度的常用方法,但是其仿真计算量大,运算效率较低.本文提出了基于程式化模型的随机克里金法(stochastic Kriging,SK)来对投资组合损失函数进行拟合,替代大量的内层仿真,从而提高运算效率.在此基础上,本文进一步提出了两种方式将梯度信息引入到基于程式化模型的SK方法,即直接利用梯度信息嵌入到SK中和利用梯度信息进行插值,后者对于程式化模型的选择具有更高的灵活性.本文利用极大似然估计的渐进正态性,进一步建立了在有梯度信息条件下验证程式化模型有效性的统计假设检验方法.最后,通过基于几何布朗运动的欧式期权、亚式期权,基于正态逆高斯过程的欧式期权,以及包含多类期权的投资组合的例子,验证所提出的SK方法的有效性,结果表明带有程式化模型和梯度信息的SK方法可以提高估计的精度,提高运算效率.