A robust optimization approach for imprecise data envelopment analysis

Crisp input and output data are fundamentally indispensable in traditional data envelopment analysis (DEA). However, the input and output data in real-world problems are often imprecise or ambiguous. Some researchers have proposed interval DEA (IDEA) and fuzzy DEA (FDEA) to deal with imprecise and ambiguous data in DEA. Nevertheless, many real-life problems use linguistic data that cannot be used as interval data and a large number of input variables in fuzzy logic could result in a significant number of rules that are needed to specify a dynamic model. In this paper, we propose an adaptation of the standard DEA under conditions of uncertainty. The proposed approach is based on a robust optimization model in which the input and output parameters are constrained to be within an uncertainty set with additional constraints based on the worst case solution with respect to the uncertainty set. Our robust DEA (RDEA) model seeks to maximize efficiency (similar to standard DEA) but under the assumption of a worst case efficiency defied by the uncertainty set and it’s supporting constraint. A Monte-Carlo simulation is used to compute the conformity of the rankings in the RDEA model. The contribution of this paper is fourfold: (1) we consider ambiguous, uncertain and imprecise input and output data in DEA; (2) we address the gap in the imprecise DEA literature for problems not suitable or difficult to model with interval or fuzzy representations; (3) we propose a robust optimization model in which the input and output parameters are constrained to be within an uncertainty set with additional constraints based on the worst case solution with respect to the uncertainty set; and (4) we use Monte-Carlo simulation to specify a range of Gamma in which the rankings of the DMUs occur with high probability.     

智能家居中基于实时电价的家用电器调度方案

针对现有调度方案中不能解决电器使用的不确定性和可再生能源的问题,提出了一种考虑不确定性的基于实时电价的家用电器任务调度方案,该方案采用线性规划的建模方法,以最小费用支出为优化目标,兼顾了PV光伏系统、家用蓄电池以及向电网出售剩余电力情况下的能量流动,用随机规划方法和蒙特卡罗模拟来解决电器使用过程中的不确定性,保证了用户满意度.最后经实验证明,该方案具有重要的实际意义.     

基于蒙特卡洛法的战斗部破片毁伤仿真

建立了战斗部破片对目标关键部件的毁伤计算的蒙特卡洛仿真模型, 将破片的毁伤能力指标加以量化. 以防空导弹打击空中目标为例, 验证了方法的有效性, 可为导弹武器打击目标的毁伤效果计算提供决策依据.     

不变结构半弹道式再入飞行器的建模与多模型方法估计

以配平攻角状态再入的不变结构半弹道式再入飞行器(Semi-ballistic reentry vehicle, SBRV)不同于传统的弹道式再入飞行器(Ballistic reentry vehicle, BRV)和机动再入飞行器(Maneuvering reentry vehicle, MaRV), 本文分析了该飞行器再入特征, 提出了新的模型并分析了该模型与传统再入模型间的关系. 对该再入问题的多模型混合状态估计器引入了F-均匀模型集与期望模式补偿(Expected-mode augmentation, EMA)集. 根据SBRV的圆柱体状模式空间的需求, 文中扩展了现有的方法以设计F-均匀模型集, 进而提出一种EMA集的实现形式. 前者在分布最小失配意义下使估计器最优; 后者相比于前者具有更高的估计精度. 仿真结果表明, 相比于传统Monte-Carlo法生成的模型集, 在模型集势相当的情况下这两种模型集对不变结构SBRV再入的初始阶段有更高的模式估计的精度, 在该飞行器状态变化剧烈时有更高的混合状态估计精度.     

蒙特卡罗法及其在射弹散布仿真中的应用

作战仿真的真实性需要对抗双方火力射击效果的真实体现。文中提出了一种利用蒙特卡罗法进行射弹散布仿真的方法 ,并将结果与实际情况进行了比较。该方法已用于装甲兵数字化作战仿真实验室的作战仿真中     

基于雨流计数变程的疲劳可靠性仿真研究

为评估单个构件在随机载荷作用下的疲劳可靠性,基于应力时间历程的雨流计数变程利用应力-强度干涉理论和Dirlik雨流计数变程的概率密度表达式,假设疲劳极限服从正态分布,得出结构具有无限寿命的可靠度.利用Miner损伤累积理论,假设疲劳寿命服从对数正态分布,考虑Dirlik表达式的参数和损伤累积临界失效值的分散性,假设其服从正态分布,使用Monte-Carlo模拟法获得结构有限寿命下的可靠度.结果显示,虽然应力时间历程的最大范围值大于结构的疲劳极限,但是当其大部分应力小于疲劳极限时,结构仍具有较高的无限寿命可靠度;而有限寿命下的可靠度显示,尽管单个应力时间历程下结构具有较高的无限寿命可靠度,但是经过多次循环后其不发生疲劳失效的可靠度将逐渐降低.     

光子注量到周围剂量当量转换系数的Monte-Carlo模拟

本文采用蒙特卡罗程序EGS5计算了10 keV~10 MeV光子注量到周围剂量当量的转换系数。模拟计算中考虑了两种情况：1）不带次级电子模拟;2）带次级电子模拟。把两种情况下的计算值与前研究者的计算值及ICRP 74号报告中的建议值进行了比较。并给出了用于计算光子注量与周围剂量当量间的转换系数的拟合公式。     

基于多传感器融合的机器人蒙特-卡洛定位决策

在复杂的不确定环境里,采用单一传感器对机器人进行定位时精度较低,并且易受干扰,可靠性较差。针对这一问题,先将激光测距仪和超声波传感器得到的观测信息利用平方根无迹卡尔曼滤波(SR-UKF)进行融合。根据更新的状态值和误差方差,构造出机器人蒙特—卡洛定位(MCL)的重要性密度函数,充分利用各种传感器采集的冗余信息,综合2种传感器各自的优点。仿真实验表明:基于多传感器融合的机器人蒙特—卡洛定位决策(SR-UKF-MCL)在定位精度和鲁棒性上都有较大的提高,证明了该种方法的可行性。     

基于可靠性理论的岩土工程反分析设计

在工程技术领域以可靠性理论为基础的极限状态分析方法能够考虑设计参数的随机性,比以固定安全系数为根据的传统分析方法更为科学,由于在岩土工程中存在大量的不确定和不确知因素,应用可靠性理论解决岩土工程中的问题一直比较困难,但有很好的应用前景.参照现有成果和统计数据,提出了基于可靠性理论的岩土工程参数反分析设计基本过程和方法:建立结构体系的极限状态方程,确定反分析设计参数及其概率分布,并计算设计参数与可靠性指标β的关系,再根据建筑物安全等级或设计要求确定目标可靠性指标β*从而反推出设计参数.最后应用Monte-Carlo方法,说明了基于可靠性理论的刚性桩复合地基面积置换率m的设计以及土坡稳定分析中土性参数的选取.     

大体积阱式NaI(Tl)探测器的效率计算与测量

使用蒙特卡罗方法模拟计算了一个用于4πγ计数的大体积阱式NaI(Tl)探测器的效率和能谱。采用一系列单能γ源标定探测器,对计算结果进行检验,其结果基本一致,两者间的最大偏差不超过±8%,证明计算结果是可靠的。