復(fù)雜仿真系統(tǒng)高效實(shí)驗(yàn)方法研究.pdf

1、由于復(fù)雜仿真系統(tǒng)中存在多種、大量的不確定性，使得仿真實(shí)驗(yàn)的復(fù)雜性增加，因此本文通過研究已有仿真實(shí)驗(yàn)方法，針對復(fù)雜仿真系統(tǒng)含有不確定性的情況，以減少實(shí)驗(yàn)次數(shù)、提高仿真實(shí)驗(yàn)效率為目標(biāo)，展開了以下研究。
　　首先，研究了基本的蒙特卡羅方法。針對“降方差”提高效率的思想，研究了幾種蒙特卡羅降方差方法，對它們的原理和性質(zhì)進(jìn)行了分析和對比；在此基礎(chǔ)上，通過組合方法較單個方法能進(jìn)一步降低方差的思路，有機(jī)地結(jié)合了方差最小化重要性抽樣、拉丁超立方抽

2、樣和對偶隨機(jī)變量三種方法，提出了一種基于組合抽樣的高效仿真實(shí)驗(yàn)方法。這種改進(jìn)能有效地提高仿真實(shí)驗(yàn)效率，并在一定相對誤差的情形下減少仿真實(shí)驗(yàn)次數(shù)。
　　其次，考慮到優(yōu)化拉丁超立方抽樣方法的廣泛應(yīng)用，以及在效率提高上的優(yōu)越性，本文主要研究了幾種基本的優(yōu)化準(zhǔn)則和一種優(yōu)化算法，并且在一種“重復(fù)的優(yōu)化拉丁超立方方法”的基礎(chǔ)上，提出“基于ML2-ESE的擴(kuò)展優(yōu)化拉丁超立方方法”。通過“擴(kuò)展”的思想不僅可以彌補(bǔ)前者在樣本優(yōu)化上的浪費(fèi)、提高效率，