基于仿真优化的飞机维修备件优化问题研究

飞机维修备件优化问题研究目标是寻求备件费用与飞机的战备可靠性之间的平衡。针对通常的解析方法假设过多的问题，提出了仿真优化的方法加以解决，在两种备件优化模型的基础上，建立更符合备件优化实际情况的仿真模型，在仿真模型中引入优化策略，对备件优化问题进行求解。最后，以具体应用遗传算法为例，简要介绍了仿真优化的基本原理、仿真优化算法及仿真优化方法的应用过程。结果表明，仿真优化的方法解决备件优化问题是合理可行的。     

离散事件系统仿真中的优化算法

计算机仿真是研究离散事件系统的一类重要方法。在仿真环境下对离散事件系统的参数进行优化是设计高性能系统的必要保证。本文给出了随机型优化问题的分类，并综述了离散 参数和连续参数随机型优化问题中典型的求解算法。     

基于仿真的优化方法综述

针对难以用数学模型表达的优化问题或带有随机性的优化问题,基于仿真的优化方法是其惟一的选择.因此,综述了基于仿真的优化方法的研究情况,介绍了仿真用于策略验证、基于仿真的Genetic Algorithm(GA)、基于仿真的Simulated Annealing(SA)、基于仿真的Particle Swarm Optimization(PSO)和仿真用于获取随机参数或函数等方法的实现.概括了基于仿真的优化方法在各领域的应用,并结合国内外的研究情况,对基于仿真的优化方法的难点进行了总结,并对其发展方向作了分析.     

基于HVACSIM+和MATLAB的空调系统仿真研究

研究了空调系统的仿真及一定温度要求下的最小能耗优化控制.介绍了大型空调系统仿真软件HVACSIM+;以某大厦一层中央空调系统的空气处理系统以及空调房间为仿真对象,进行HVACSIM+系统仿真;建立了表冷器的能耗与冷冻水流速之间的函数关系,将此作为目标函数,在MATLAB环境下,应用改进的变量轮换法优化控制器参数,经HVACSIM+再次仿真运行,计算冷源向空调系统提供的能耗.仿真结果表明,优化参数下的仿真系统运行稳定,与优化前相比,经表冷器消耗的能量大大减少.     

基于PSO的确定性问题优化研究

粒子群算法原理简单，易于实现，是进化算法中优化效率很高的算法。针对确定环境下的问题优化，提出采用粒子群算法对其进行优化求解。通过对确定性环境下的Benchmark函数的算法仿真研究，表明粒子群算法在确定性问题优化中具有快速收敛性和精确性的特点。     

信息集成中数据库应用服务级性能优化策略

在分析信息系统中数据库应用模式和数据存取机制的基础上，提出了在应用服务级提高数据库应用性能的思想，对其中的优化策略和运行机制进行了系统的研究，基于该策略实现的一个原型系统对不同方案下的数据库操作的响应性能和系统吞吐量等主要指标进行了仿真，仿真结果表明该策略能够有效改善多层分布环境下的数据库应用服务级性能，为整体提高多层分布环境下系统的性能提供了技术支持。     

神经网络在胶合板质检系统中的应用

在对神经网络特点分析基础上, 提出了应用神经网络对木质胶合板进行质检的方法, 设计了应用在木质胶合板质检系统中的BP网络, 研究了网络参数优化选取算法及优化试验设计方案, 并对结果进行分析. 仿真实验表明方法有效.     

基于仿真的优化的粒子群算法参数选取研究

粒子群优化(Particle Swarm Optimization,PSO)算法参数较少、搜索机制简单,故一直是智能优化算法研究和应用的重点。然而PSO有易早熟、搜索精度不高及搜索性能对参数依赖性强的缺陷。针对此特点,在基于仿真的优化框架下,基于多Agent对融合传统全局最佳和局部最佳的PSO算法人工生命模型进行了仿真,以混合优化算法为计算引擎,对PSO的参数选取进行了重点讨论。利用一系列benchmark函数为例,进行了仿真优化实验和分析,取得了较为满意的结果,从而说明了本思想方法的可行性与可信性。     

一类One to One营销优化模型及其解决方案

针对OnetoOne营销问题进行简单的案例分析,得出了在一般情况下的优化模型。通过把OnetoOne营销优化问题转换成线性规划问题,应用改进的单纯形法、基于Bartels-GolubLU分解的单纯形法和原始-对偶内点法等三种典型的线性规划算法,在MATLAB环境下进行仿真和分析。     

助推_滑翔式飞行器弹道优化仿真研究

研究助推_滑翔式飞行器弹道优化问题。对助推_滑翔式飞行器弹道进行优化有利于提高其综合飞行能力。为了增加助推_滑翔式飞行器射程,针对助推_滑翔式飞行器的弹道特点,在考虑攻角、法向过载及终端约束条件下,提出应用SWIFT(序贯加权因子)法进行弹道优化,并将优化结果与应用SQP(序列二次规划)算法优化所得到的结果进行对比仿真分析。仿真结果证明:SWIFT算法是一种解决助推_滑翔式飞行器弹道优化问题的有效方法,具有优化精度高,优化所需时间短的特点。     

基于虚拟环境的制造系统仿真优化平台

根据国外先进仿真优化理念，提出了一种面向制造系统的仿真优化平台，构建了基于模型与算法分离的仿真优化系统框架以及仿真优化与虚拟建模环境子系统，并设计了一种新的基于遗传算法的混合优化算法用于驱动仿真优化引擎．在以上研究成果的基础上，开发了面向制造系统的仿真优化平台——Simopt．最后，通过实例验证了该系统的有效性．     

一个基于遗传算法的仿真优化包的设计与实现

介绍了仿真优化的特点与难点，阐述了遗传算法作为仿真优化算法的优点。为了解决随机性系统的仿真优化问题，提出一种改进的遗传算法并基于它设计了一个仿真优化包。针对系统的随机特性，改进的遗传算法提出了一种新的K精英选择算子并设计了一个候选解收集器。上述改进能有效保护遗传进化过程中出现的优起个体并加快遗传算法的收敛速度。使用统一建模语言（Unified Modeling Language，UML）活动图来说明仿真优化软件包的原理并给出了软件包的UML类图，面向对象方法和设计模式技术的应用使仿真优化包具有较好的通用性和可扩展性。库存仿真优化实例表明所设计的仿真优化包是可行且有效的。     

仿真优化:理论与应用综述

对于现实中的复杂系统, 仿真优化是一种非常强大的分析和优化工具. 本文对仿真优化领域的相关理论与方法进行了介绍与回顾. 根据系统中决策变量的性质的不同(连续或者离散变量), 我们对仿真优化问题进行了分类. 而且我们对仿真优化领域中的重要技术进行了详细地讨论, 包括它们的原理、使用方法、优势和劣势以及应用等. 关于仿真优化领域未来的研究方向, 我们也进行了相关论述.     

一种面向车间物流模型的仿真优化方法

首先构建了一个优化与仿真分离的仿真优化框架，该框架的核心是混合优化算法模块和物流仿真模块，笔者根据物流仿真的特点提出了一种改进的区域收缩遗传算法和增强连续型禁忌搜索算法混合的优化算法，也是本文中讨论的重点。并基于该框架开发了一个仿真优化软件系统，最后利用此系统优化了一个生产线实例。     

随机优化算法的基本数学原理与实践

试图探究随机优化算法的有效性,即收敛性存在背后的原理,据原理构造出两个随机优化算法。随机优化算法是对生物的一种模拟,用于解决函数或者策略的寻优问题。证明了随机优化算法要取得全局收敛所需的条件,并通过仿真验证了提出的两个随机优化算法的有效性。     

生产作业计划仿真优化研究

将仿真技术和遗传算法相结合,根据生产车间的资源情况、优化目标等建立了生产调度仿真模型,然后对仿真输出结果进行统计,针对统计结果应用遗传算法对调度决策进行优化。仿真优化结果说明了该集成优化方法是有效性的。     

An improved dynamic structure-based neural networks determination approaches to simulation optimization problems

Simulation optimization studies the problem of optimizing simulation-based objectives. This field has a strong history in engineering but often suffers from several difficulties including being time-consuming and NP-hardness. Simulation optimization is a new and hot topic in the field of system simulation and operational research. This paper presents a hybrid approach that combines Evolutionary Algorithms with neural networks (NNs) for solving simulation optimization problems. In this hybrid approach, we use NNs to replace the known simulation model for evaluating subsequent iterative solutions. Further, we apply the dynamic structure-based neural networks to learn and replace the known simulation model. The determination of dynamic structure-based neural networks is the kernel of this paper. The final experimental results demonstrated that the proposed approach can find optimal or close-to-optimal solutions and is superior to other recent algorithms in simulation optimization.     

Integrating simulation and optimization to schedule loading operations in container terminals

In this paper, a simulation optimization method for scheduling loading operations in container terminals is developed. The method integrates the intelligent decision mechanism of optimization algorithm and evaluation function of simulation model, its procedures are: initializing container sequence according to certain dispatching rule, then improving the sequence through genetic algorithm, using simulation model to evaluate objective function of a given scheduling scheme. Meanwhile, a surrogate model based on neural network is designed to predict objective function and filter out potentially bad solutions, thus to decrease the times of running simulation model. Numerical tests show that simulation optimization method can solve the scheduling problem of container terminals efficiently. And the surrogate model can improve the computation efficiency of simulation optimization.     

系统仿真的新技术探讨—（2）：遗传算法

系统仿真系统近几十年得到了很快地发展，已广泛运用于许多领域。但是目前的系统仿真对于数学模型的目标寻优缺乏有效的方法。遗传算法是一种有效的优化技术并能全局寻优。本文着重探讨系统仿真的新技术之一：遗传算法来解决目标寻优问题。