复杂软件系统的不确定性

复杂软件系统(如信息物理系统CPS、物联网IoT以及自适应软件系统等)在其开发和运行过程中会遇到各种类型的不确定性问题.针对这些不确定性问题,研究人员开展了大量的研究工作,提出了一系列的方法,取得了诸多成果.然而,由于此类系统本身固有的复杂性和其内在与外在不确定性的共同作用,截止目前研究人员针对该研究领域仍然缺乏系统性...     

考虑随机不确定性的常态仿真模型确认试验设计

模型确认试验是一种新的试验,其目的在于度量仿真模型的可信度.为了得到低成本、高可信度的模型确认试验方案,提出一种随机不确定性模型确认试验设计方法.首先,基于面积确认度量指标提出一种新的无量纲的模型确认度量指标(面积确认度量指标因子),并且在其基础上发展了基于专家系统的仿真模型准确性定性评判准则;然后,建立随机不确定性模型确认试验优化设计模型,提出该优化模型的求解方法;最后,通过两个数值算例对提出的模型确认试验设计方法进行验证.结果表明,小样本情况下,试验方案的随机性会影响模型评判结果的可信度;面积度量指标因子随试验样本数量的增加而收敛;随机不确定性模型确认试验设计方法能够避免试验方案对模型确认结果的影响.     

模型检测基于概率时间自动机的反例产生研究

模型检测基于概率系统的反例产生问题,在最近引起人们的关注.已有的工作主要围绕模型检测Markov链的反例产生而开展.基于概率时间自动机(PTA)是Markov链的不确定性和系统时钟的扩展.关注的是模型检测PTA的反例产生问题.首先通过在PTA上寻找概率之和恰好大于λ的κ条最大概率的路径,并根据这些路径和原PTA构造原PTA的一个子图,从而快速找到违背性质的具有较少证据的反例.然后精化此结果——通过逐条加入上述各条最大概率的路径来精确地计算已加入路径所构成的PTA子图的最大概率.由于考虑到符号状态交集对概率系统的影响,可以得到证据更少的反例.     

复杂系统仿真模型的分层确认

介绍一种解决复杂系统仿真可信性问题的模型确认方法.该方法首先将复杂系统划分成相对简单的子系统、基准系统、单元,得到一分层模型树;接下来对模型树中的模型进行排序并安排确认试验;然后利用信息差方法对拥有试验数据的子层模型进行单层确认;最后通过灵敏度分析将子层模型的确认结果传播到父层模型,最后得到全系统模型的确认结果.文中提出的方法适用于试验数据少、可分层的复杂系统.     

基于CPS的铁路客运站智能机房监控平台

针对目前车站机房监控系统存在功能单一、系统资源利用率不能实时掌握等问题,提出一种基于CPS的铁路客运站智能机房监控平台,采集多源感知设备在线运行信息,通过多终端适配的物联网网关实现数据接入,利用数据中间件实现数据的存储和发布,基于智能服务模型实现资源在线监控及故障分析预警;通过检测网络设备节点拥塞度和丢包率,设计网络故...     

考虑认知不确定性的模型确认贝叶斯因子法*

针对认知不确定性条件下计算机建模仿真所面临的模型确认问题,提出一种结合了二阶概率法与区间数排序的改进贝叶斯模型确认方法。该方法首先采用二阶概率法对模型的不确定性进行量化,量化结果被做为先验模型输出,再基于实验数据对模型输出的先验概率密度进行贝叶斯更新,最后通过区间数排序的方式对比模型输出的后验和先验概率密度。由此所得的贝叶斯因子能够在模型存在认知不确定性的情况下为模型确认提供可信的结果。算例分析结果显示了本文方法的合理性。     

基于CPS框架的微粉生产过程多模型自适应控制

针对矿渣微粉（Ground granulated blast-furnace slag,GGBS）生产这一多变量、强耦合、多工况的复杂非线性过程,本文根据大量生产数据,提炼出矿渣微粉生产过程的三个典型工况.求解多工况多目标优化问题以求得最优设定值.建立多工况下的递归神经网数据驱动模型,并采用自适应动态规划方法,建立多个控制器,结合加权多模型控制,实现矿渣微粉生产过程在多工况切换情况下的自适应控制.通过过程运行优化、跟踪控制优化、通讯、工业以太网等信息资源与矿渣微粉生产物理资源之间的融合,构建基于信息物理系统（Cyber-physical system,CPS）的矿渣微粉生产优化控制系统.实验分析表明,本文提出的基于CPS的多模型自适应控制器,能够有效实现多工况条件下矿渣微粉生产过程的自适应控制,减小超调量,提高控制品质.     

基于CPS的气动试验研究体系全链路数据融合研究

三大手段融合气动试验是新一代航空航天飞行器研制的必然需求,当前由于链路不通、设备数字化程度低等多种因素,制约了三大手段的有效融合应用。文章分析了气动试验研究体系中的信息物理系统内涵和建设必要性,阐述了信息物理系统与气动试验研究融合的目标愿景,通过构建气动试验研究体系信息物理系统,提出打通数据、流程、试验手段三个链路的方法,形成气动设备、试验研究对象（型号、标模）和人三个维度的数字化,通过气动试验研究大数据为三大手段融合注入新的驱动力,促进气动试验研究能力从数据组织、信息价值、管理能力三个维度螺旋提升,有力推动气动试验研究体系的建立。     

混成时空Petri网的CPS实时事件模型

在分析网络物理系统（ CPS）特点的基础上,提出了一种新的CPS体系结构,并对事件进行形式化定义。提出了一种新的CPS物理实体的形式化建模方法。在Petri网的基础上引入时空因素和连续变量,构造了混成时空Petri网（ HSPN）模型,使其不仅能够描述物理实体逻辑和时间层次的行为,而且能够描述物理实体位置变迁所引起的状态变化。将其应用于实时事件CPS模型设计,以医疗控制系统为例,分析建模方法的可行性。     

Classifier Systems that Learn Internal World Models

Most classifier systems learn a collection of stimulus-response rules, each of which directly acts on the problem-solving environment and accrues strength proportional to the overt reward expected from the behavioral sequences in which the rule participates. Gofer is an example of a classifier system that builds an internal model of its environment, using rules to represent objects, goals, and relationships. The model is used to direct behavior, and learning is triggered whenever the model proves to be an inadequate basis for generating behavior in a given situation. This means that overt external rewards are not necessarily the only or the most useful source of feedback for inductive change. Gofer is tested in a simple two-dimensional world where it learns to locate food and avoid noxious stimulation.     

Uncertainty Analysis of Memory Based Sensor Validation Techniques

This paper presents an analytical derivation and analysis of the uncertainty of the Multivariate State Estimation Technique (MSET). Like all other nonparametric techniques, MSET uncertainty consists of two parts: bias and variance. Bias is a systematic error in MSET inference and practically not computable and non-removable, but when properly regularized it is usually very small with respect to the variance when properly regularized. Variance, on the other hand, represents variability of the MSET estimate due to random noise in the data and can be estimated in real time. All the derivations and results are obtained for the inferential case. The MSET cost function is also derived which shows that MSET minimizes a weighted least squares cost function with weighting affected by the MSET memory matrix. The parallels between MSET and more traditional kernel techniques, namely kernel regression, are drawn and it is shown that MSET is a special type of kernel regression algorithm. The final section presents the results of the MSET uncertainty analysis for real world data obtained from a commercial nuclear power plant.     

基于Agent仿真模型的校核与验证研究

首先对国内外基于Agent仿真模型的校核与验证方面的发展情况进行了述评;然后,提出了一个完整的基于Agent仿真模型的校核与验证框架,该方案中包括表面验证、参数灵敏度分析、模型校准与运行时验证;最后以环境经济政策仿真模型中的校核与验证为例对该框架进行了简单说明。     

时域结构不确定性模型有效性分析

针对扰动集为时非进变的情况，研究具有线性分式传递函数的结构不确定性系统的模型有效性分析问题，这里讨论的模型集的不确定怀比文献「１，２」的林大，但计算复杂性与文献「１」相当。将这类模型的有效性分析问题转化为规划问题，并利用遗传算法进行求解。     

Uncertainty, Political Preferences, and Stabilization: Stochastic Control Using Dynamic CGE Models

This paper is a step toward the merger of optimal control models with dynamic computable general equilibrium (CGE) models. It demonstrates the usefulness of CGE techniques in control theory application and provides a practical guideline to policymakers in this relatively new field. Uncertainty, short-term quantity adjustment processes, and sector-specific political preferences are taken into account in exploring what time paths of adjustments of the economy would be optimal for a government with explicit policy goals. The experimental results highlight the importance of the structures of political preferences and uncertainty when performing optimal stabilization policy exercises.     

Learning Sequential Decision Rules Using Simulation Models and Competition

The problem of learning decision rules for sequential tasks is addressed, focusing on the problem of learning tactical decision rules from a simple flight simulator. The learning method relies on the notion of competition and employs genetic algorithms to search the space of decision policies. Several experiments are presented that address issues arising from differences between the simulation model on which learning occurs and the target environment on which the decision rules are ultimately tested.     

知识不确定性问题的粒计算模型

知识不仅是构成人类认知能力的重要基石,也是智能科学研究的基础问题之一.随着智能科学技术研究的发展,知识的不确定性研究受到人们的普遍关注.知识的不确定性来源于知识本身的不确定性以及受外界(客观世界)影响而导致的不确定性.从粒计算模型的角度分析了模糊集理论模型、粗糙集理论模型、商空间理论模型以及其他扩展粒计算模型中知识的不确定性问题,并对知识不确定性问题的研究工作进行了讨论和总结,对有待研究的重要问题进行了展望.     

The Role of Heterogeneous Agents’ Past and Forward Time Horizons in Formulating Computational Models

The conditioning of strategies by market environment and the simultaneous emergence of market structure in the presence of evolving trading strategies are investigated with major international stock indexes. Models for price forecasting and trading strategies evolution are examined under different time horizons. The results demonstrate that trading strategies can become performative in thin markets, thereby shaping the price dynamics, which in turn feeds back into the strategy. The dominance in thin markets by some (short-memory) traders produces a better environment for learning profitable strategies with computational intelligence tools.The experiment conducted contradicts assertions that long-term fitness of traders is not a function of an accurate prediction, but only of an appropriate risk aversion through a stable saving rate. The stock traders’ economic performance is found to be best with a 1-year forward time horizon, and it deteriorates significantly for tests with horizons exceeding 2 years, identifying frequent structural breaks. To model the turmoil in an economic system with recurrent shocks, short-memory horizons are optimal, as older data is not informative about current or future states.     

军事概念模型分层次验证方法研究

概念模型验证是建模与仿真校核、验证与确认中的重点和难点。军事概念模型的内涵丰富、层次多、种类多,因而难以在一个层次上验证其全部内容。鉴于此,提出了军事概念模型分层次验证方法,将其划分为系统层、模型层、设计层3个层次,然后分析了各个层次的验证内容、验证指标、验证过程和验证方法。该方法的优点是明确了概念建模各个阶段的验证内容和验证方法,分解了验证工作的复杂性,增强了验证工作的阶段性、层次性、针对性和可操作性。