定性定量集成模型的求解技术研究

已有的模型求解技术较好地解决了连续模型、离散模型和连续离散混合模型等定量模型的求解问题,但是针对包含定性定量混合模型的求解问题尚缺乏很好的求解策略,大都仅针对于特定的定性模型与定量模型进行集成求解。引入定性定量集成模型求解技术将更好的解决这一问题。首先介绍了定性定量集成求解的相关工作,提出了定性定量集成模型的联合求解策略,包括时间管理与数据交互的方法及基于SRML的定性定量交互接口方法。最后,给出一个应用示例和结论。     

基于驱动控制的多变量离散灰色模型

针对多变量灰色模型存在驱动项作用机制不明确和模型精度不高的问题，通过引入矩形函数控制驱动项，构造一种新的多变量离散灰色模型，并探讨模型参数求解方法.从系统行为信息完备性角度，探索两种驱动控制项识别方法，并给出模型建模预测步骤；最后，采用构建的模型解 决我国无线通信用户预测问题，实例结果表明该模型不仅精度较高，而且模型含义更明确.     

随机活动工期下基于总不确定成本的项目前摄性调度与反应性调度集成优化

从成本经济角度研究活动工期随机中断下前摄性调度与反应性调度在应对不确定因素干扰中的集成优化问题，目标是最小化项目计划与实施过程的总成本。构建以总成本最优为目标的前摄性与反应性调度集成优化模型；针对模型特征设计混合变邻域随机禁忌搜索启发式算法，并在ProGen生成的算例上进行全因子测试。结果表明：基于随机属性的混合启发式算法在算例规模较大时可以发挥较好的作用；通过合理设置基准进度中缓冲分配方案，可以通过牺牲部分鲁棒性的方式获得项目总成本的最优。     

考虑预测响应值波动的多响应优化设计

在多响应优化设计中,模型参数的不确定性以及生产过程的噪声因子不可避免地会导致预测响应值出现较大的波动。针对上述的问题,结合贝叶斯抽样技术、帕累托优化策略以及灰色关联分析方法提出了一种多响应优化设计方法。首先,考虑模型参数的不确定性,运用贝叶斯多元回归模型构建了过程响应与试验因子之间的函数关系;其次,根据帕累托最优策略求出了帕累托最优前沿,并计算各试验点达到帕累托最优的贝叶斯后验概率;然后,利用灰色关联分析方法识别出最佳的优化设计方案;最后,实际案例研究表明,在考虑预测响应值波动时,所提的方法能够获得更为稳健和可靠的优化结果。     

基于矩阵半张量积方法的改进数量化理论 (Ⅰ)

利用矩阵半张量积理论, 从两个方面对数量化理论(Ⅰ)进行改进: 一是改进模型, 提出一种定性数据通用预测模型; 二是扩展基准变量的维数, 建立一种多维预测方法. 首先, 基于混合逻辑半张量积表示, 研究一维基准变量预测问题, 提出一种新的 预测模型——伪混合逻辑函数模型, 它可描述定量基准变量与定性说明变量间的任一复杂解析关系; 并基于样品数据, 研究如何确定预测模型的结构矩阵. 然后, 研究多维基准变量预测问题, 提出一种伪混合逻辑函数向量预测模型, 并给出其结构矩阵的确定方法. 最后, 给出一个应用例子, 说明本文方法的有效性.     

时-频域视角下的集成高阶矩投资组合策略研究

针对以往研究不足,本文基于时-频域视角,借鉴"分解-集成"思想,将极大重叠离散小波变换方法与高阶矩投资组合框架相结合,构建了小波-集成高阶矩投资组合模型.鉴于小波函数诸多且性质各异,本文又提出"分解-混合-集成"思想,并构建混合小波-集成高阶矩投资组合模型.基于股票、原油和黄金数据,本文采用构建的模型进行样本外投资组合检验和分析,并进行稳健性检验,实证结果表明:相较于对照组,小波-集成高阶矩策略取得了较好的投资效果,为投资者带来更高的收益、夏普比率以及效用水平;凭借混合诸多小波函数的优势,混合小波-集成高阶矩策略取得了更佳的组合效果,显著优化了小波-集成高阶矩策略.稳健性检验佐证了上述结论.     

基于KAUTZ模型的预测控制仿真研究

采用Kautz函数逼近来得到未知系统模型,利用带遗忘因子的最小二乘法在线辨识系统模型变化。基于Kautz模型设计了一种自适应预测控制器,并且针对系统投运初期的辨识误差提出了一种衰减因子补偿方法,提高了控制品质。该算法自适应能力强,控制精度高。仿真试验证明了该算法的有效性。     

基于随机截尾的数控机床故障分布模型研究

针对随机定时截尾试验数据,提出运用故障总时间法确定其故障时间,用Johnson法确定故障时间的顺序号,用近似中位秩确定其经验分布函数.针对故障分布模型不唯一这一特点,本文提出采用图分析和误差面积比指数从定性和定量两方面确定其最优分布模型.最后以某一数控机床的现场试验数据为例,介绍了整个计算过程.该算法利用几何直观,计算简便准确,具有一定的工程应用价值.     

碳排放约束下无人机-卡车联合配送问题

无人机配送兼具配送时间短、成本低、降低道路拥堵程度等优点,多辆卡车和无人机联合配送以服务社区内的客户群体是解决最后一公里配送难题的突破口。考虑配送过程中碳排放总量的约束,以配送总成本最低为目标函数,构建以弧为基础的混合整数规划模型,并利用自适应大规模邻域搜索算法求解出无人机-卡车联合配送的最优路径,验证了碳排放约束下的无人机-卡车联合配送路径优化模型在降低配送成本、实现降碳目标上的有效性。     

多响应三水平部分因子试验设计的建模与优化

针对多响应三水平部分因子试验,当筛选试验中候选变量个数大于试验样本数时,本文提出了一种考虑因子效应原则的建模与优化方法.首先,构建三水平对照试验,并结合二元变量指示器构建Bayesian Lasso模型;其次,根据因子效应原则,分三个阶段逐步更新二元变量指示器的先验信息,并利用变量指示器的后验概率来识别显著性变量,确定模型结构;然后,在此基础上结合贝叶斯抽样技术构建多变量过程能力指数函数,并通过最大化该函数获得最佳的参数设计值;最后,实际案例的结果表明:本文所提方法不仅能够有效地筛选出多响应三水平部分因子试验的显著性变量,而且能够获得最佳的参数设计值.     

一种基于组合核函数的非线性盲源分离方法研究

核函数方法由于其有效性和简洁性在非线性盲源分离问题的探索中得到了应用,但其单一核的映射不能很好解决完全非线性问题。针对这一不足,提出了一种采用组合核函数分离非线性混合信号的方法。通过引入变化尺度因子将不同核函数纳入一个整体成为组合核函数,利用分离信号的互信息作为目标函数来反馈调节该组合核函数的尺度因子,以此寻找到对不同非线性的最佳映射。仿真结果证实了该算法的有效性,且在解决完全非线性问题时,组合核函数比单一核函数具有更好的性能。     

基于高斯过程模型的多响应稳健参数设计

针对高维试验数据的稳健参数设计问题, 在高斯过程(Gaussian process, GP)的建模框架下, 采用部分平行的GP(parallel partial GP, PPGP)模型来构建试验因子与多质量特性之间的响应曲面, 在此基础上运用多元质量损失函数作为优化指标来获得可控因子的最佳参数设计值。并且以一个经典仿真算例和两个实际案例验证了所提方法的有效性和优劣性。研究结果表明，与独立建模的单变量GP模型或Kriging模型比较而言, 所提方法不仅能够有效地处理高维试验数据的建模与参数优化问题, 而且能够获得更为稳健的优化结果, 运行效率更高。     

基于GLM的双响应曲面法及其稳健设计

针对非正态响应的稳健设计,首先在均值与散度的联合广义线性模型基础上构建了基于广义线性模型(generalized linear model, GLM)的双响应曲面模型。然后,鉴于所构建的双响应曲面模型为高度复杂的非线性函数,运用遗传算法与模式搜索的混合算法对其进行参数优化,获得可控因子的最佳参数设计值。最后,运用所提出方法对某测试晶片电阻率的参数设计进行了分析。研究结果表明,该方法能有效地减少测试晶片电阻率的质量波动,提高了产品质量的稳健性。     

基于纳什优化的多变量系统的解耦预测函数控制

针对状态反馈控制系统，提出多输入多输出系统的解耦预测函数控制算法设计。利用预测函数控制算法的特点，引入基函数增加了设计的自由度，减少了在线计算量。通过采取分散优化策略代替整体优化，基于纳什优化实现系统的解耦控制。仿真结果表明该方法具有很好的控制效果。     

基于PEV准则的不确定混合多传感器联盟求解

针对不确定混合多传感器联盟求解问题,提出了一种在PEV准则下求解的方法.首先以提高传感器资源利用率和对目标跟踪精度为目的 建立目标函数,以传感器跟踪能力为约束建立不确定混合多传感器联盟模型,其次利用不确定理想点法和PEV准则将不确定模型变为确定模型,最后设计改进选择策略的烟花算法求出混合多传感器联盟的有效解,通过"预测...     

基于模糊机会约束双层规划的动态火力分配建模与实现

针对现有动态火力分配模型未考虑不确定因素及复杂约束的问题,引入不确定规划理论,建立了基于模糊机会约束双层规划的动态火力分配模型.首先,以最大化效费比和尽早拦截分别作为模型的上下层目标函数,并考虑复杂战场环境下的模型约束.在此基础上,构建了一种针对双层多约束动态火力分配问题的递阶结构粒子编码方案,并将带审敛因子的离散变邻域粒子群算法及带怀疑因子及斥力因子的粒子群算法有效结合,利用模糊模拟技术,提出一种分层递阶的混合模糊粒子群算法.仿真实例表明,该算法具有更强的全局寻优能力和更快的收敛速度,能够满足大规模动态火力分配问题对时效性的高要求.     

炼钢一连铸调度模型参数优化设定方法

针对炼钢-连铸调度模型的系数由人工经验给出,缺乏科学依据的现状,提出了基于正交设计的调度模型参数(系数)优化设定方法.通过对试验结果的方差分析给出了各参数对调度目标影响程度.利用工业实际生产数据进行测试,结果表明:所提方法可以在短时间内找到目标函数系数的最优设定值,由方差分析确定的模型参数对目标函数的影响程度与现场实际相吻合.通过与人工经验值进行比较,验证了所提方法的合理性和有效性.     

基于云模型的定性定量转换方法及其应用

针对复杂系统综合评估过程中广泛存在的不确定性,以及定性与定量变量之间的转换和映射的需求,提出了基于云模型的定性与定量变量转换方法。该方法利用云模型在不确定性转换上的优势,最大限度的保留了评估过程中固有的不确定性,提高了评估结果的可信度。通过应用实例的设计和实现给出了应用该方法的具体步骤,验证了该方法和过程的可行性。     

基于高斯过程模型的时空响应稳健参数设计

针对大规模时空数据的稳健参数设计问题,将快速不可分离高斯过程(fast nonseparable Gaussian process, FNSGP)模型与多元质量损失函数相结合,建立一个新的优化方案.首先,在考虑空间与时间相关性的条件下,使用FNSGP模型构建输入因子与质量特性之间的响应曲面,并采用前向滤波和后向平滑的快速、精确算法对模型进行估计和预测;其次,基于信噪比计算时空响应的联合损失权重,构造多元质量损失函数;然后,结合多元质量损失函数建立两阶段参数优化方案;最后,利用非线性优化算法寻找空间与时间因子的联合最优参数设计值.研究结果表明,本文所提方法可以有效地处理大规模时空数据的元建模与稳健参数设计问题,与可分离高斯过程、线性回归、随机森林等替代方法相比能够获得更为稳健的优化结果.     

基于联合局域相关向量机的雷达导引头状态预测方法

针对雷达导引头机电结构组成复杂、性能指标测试数据信息利用率不足、使用传统基于数据驱动的状态预测方法精度不高的问题,借鉴相关向量机(relevance vector machine,RVM)和Dempster-Shafer (D-S)证据理论,提出了一种基于证据融合和改进局域RVM的状态预测方法。首先,对标准RVM回归模型进行改进,通过构建方差高斯核函数(variance Gauss kernel function, VGKF)来提高核函数的全局性能和泛化能力;然后通过借鉴混沌序列局域预测法中邻近点个数的选取方法,利用Hannan-Quinn (H-Q)准则对训练空间预测嵌入维数进行优化,避免了主观选取的盲目性,完成了改进局域相关向量机模型(local relevance vector machine, LRVM)的构建;最后,利用具有近似退化规律的同源装备测试数据对LRVM进行了改进,通过D-S证据理论对两种模型的预测结果进行了融合,建立了联合局域相关向量机(united local relevance vector machine, U-LRVM)模型。通过对导引头相关参数的实例预测,验证了该方法的可行性和优越性。