Averaging frameworks for simulation optimization with applications to simulated annealing

We present two frameworks for designing random search methods for discrete simulation optimization. One of our frameworks is very broad (in that it includes many random search methods), whereas the other one considers a special class of random search methods called point‐based methods, that move iteratively between points within the feasible region. Our frameworks involve averaging, in that all decisions that require estimates of the objective function values at various feasible solutions are based on the averages of all observations collected at these solutions so far. Also, the methods are adaptive in that they can use information gathered in previous iterations to decide how simulation effort is expended in the current iteration. We show that the methods within our frameworks are almost surely globally convergent under mild conditions. Thus, the generality of our frameworks and associated convergence guarantees makes the frameworks useful to algorithm developers wishing to design efficient and rigorous procedures for simulation optimization. We also present two variants of the simulated annealing (SA) algorithm and provide their convergence analysis as example application of our point‐based framework. Finally, we provide numerical results that demonstrate the empirical effectiveness of averaging and adaptivity in the context of SA. © 2012 Wiley Periodicals, Inc. Naval Research Logistics, 2012     

非均匀光强对曲率型自适应光学系统的影响

在高斯光强和光强存在正态随机起伏情况下,研究了一种37单元的曲率型自适应光学系统对低阶Zernike像差的校正效果,并和均匀光强时的校正效果进行了比较.光强为高斯分布时,光强的不均匀性对Zernike像差的校正带来了一定的影响,对于曲率为零的Zernike像差影响较小,对曲率不为零的Zernike像差影响较大.光强存在正态随机起伏时,对各阶Zernike像差的校正影响较小,曲率为零的Zernike像差的校正效果好于曲率不为零的Zernike像差的校正效果.结果表明在光强起伏不严重的情况下,该37单元曲率型自适应光学系统对低阶Zernike像差可以较好地校正.     

无源北斗组合导航算法对载体机动的适应性

研究了自适应滤波定位算法,以便减小大机动时组合导航系统的定位误差。首先,在仿真分析组合导航算法的基础上,提出了模糊逻辑自适应滤波方案。然后,通过仿真获取系统知识,建立模糊逻辑算法调整滤波器驱动噪声方差,实现滤波定位模型对用户机动的适应性。最后,通过仿真验证,模糊逻辑自适应滤波算法能够根据用户机动情况实时调整卡尔曼滤波器的驱动噪声方差参数,并能有效提高组合导航系统机动时的定位精度。     

特征结构配置和H_∞鲁棒控制的飞行控制器设计

常规的特征结构配置(EA)方法不能同时满足系统频域设计指标和鲁棒稳定性的要求,而H_∞鲁棒控制理论在设计控制器时,并没有考虑系统时域性能。为此,基于特征结构配置和H_∞鲁棒控制,设计一种直观的控制器。该控制器以特征结构配置作为内环控制器,以H_∞鲁棒控制器作为外环控制器,使闭环系统能同时获得较好的时域动态特性、鲁棒稳定性以及指令跟踪性能力。通过对某无人机横侧向飞行控制的仿真,进一步验证了该方法的有效性。     

基于对偶四元数的航天器六自由度相对运动输入有界控制

利用对偶四元数的理论来分析航天器六自由度的相对运动,设计了一种考虑输入有界的姿轨一体化控制器。在介绍对偶数和对偶四元数的基础上推导六自由度相对运动的姿轨耦合模型;利用双曲正切函数绝对值小于1的特性来显式地构造有界控制器,分别设计两个相互耦合的自适应调节律来动态地改变控制器的输出,并基于李雅普诺夫稳定性理论严格证明了闭环系统的全局渐近稳定性;利用数学仿真实验来验证该控制器和控制力满足给定的约束条件,能够实现航天器六自由度相对运动的精确稳定控制,并且对模型参数不确定性和外界扰动具有鲁棒性。与其他方法相比,由该控制器计算得到的控制力矩器的收敛速度更快,输出的控制力矩和控制力的最大幅值更小,且消耗的能量也更少。     

基于神经网络的模型参考自修复飞行控制

提出了一种基于模糊神经网络的模型参考自修复飞行控制结构,并对所使用的BP网络学习算法进行了分析改进.对比非故障和故障状态下的飞行仿真结果表明,改进后的自修复飞行控制方法可以有效地抑制神经网络的"过学习"现象,减小了对神经网络辨识器精度的依赖程度,在故障条件下的补偿作用非常明显,达到了自修复飞行控制的目的.     

一种基于Q-R矩阵分解的自适应滤波算法

由于计算误差等因素的影响,致使滤波协方差阵不对称或负定,从而导致滤波器发散,影响滤波算法的收敛速度和稳定性。在机动加速度"当前"统计自适应卡尔曼滤波算法的基础上,引入了基于Q-R矩阵分解的自适应卡尔曼滤波算法。将协方差阵分解为两个矩阵的乘积,来保证协方差矩阵的正定性。仿真结果表明,该算法可以较好地跟踪机动目标,具有精度高、稳定好、收敛快等特点。     

增量元学习IDBD算法在轴频电场信号检测中的应用

为了提高海洋环境电场背景中微弱舰船轴频电场的检测能力,针对传统的最小均方误差算法进行了改进,提出了一种基于增量元学习IDBD算法的自适应线谱增强器。利用所提算法对舰船缩比模型产生的实测轴频电场信号数据进行处理,结果表明该算法在低信噪比的情况下能够有效地将微弱轴频电场信号从宽带背景噪声中分离出来。所提算法相比于普通的自适应线谱算法,在改善信号的信噪比方面效果更加显著,且具有更快的收敛速度和更小的稳态误差,极大提高了舰船轴频电场的检测能力。     

尺度自适应特征压缩跟踪

为在复杂环境中对目标进行长时间精确跟踪,提出一种尺度自适应特征压缩跟踪算法。通过结构约束性采样,获取不同尺度不同位置的扫描窗,离线计算不同尺度下的稀疏随机感知矩阵。在线跟踪时利用这些矩阵感知对应尺度的图像采样块,实现特征降维,提高运算速度。利用朴素贝叶斯分类器对降维特征判决,在线学习更新分类器参数,找出具有最高分类得分的采样块作为新的跟踪结果,实现跟踪位置及尺度的自适应更新。实验结果表明,该算法能适应目标的基本姿态变化及尺度缩放,不依赖于目标初始跟踪区域尺度选取,跟踪结果具有较强的鲁棒性。     

抗差最小二乘估计在惯组外场标定中的应用

惯组在外场进行标定时常常会受到环境的振动干扰,从而会对惯组的标定精度造成极大的影响.为解决这一问题,在分析了粗差对惯组标定精度影响的前提下,建立了一种改进的辨识惯组误差系数的数学模型,使其能够分辨出那些受到振动干扰影响的惯组误差系数.最后利用抗差最小二乘估计对惯组误差系数进行处理,通过等价权函数的连续降权和连续减弱影响处理,抵制了异常数据对惯组标定精度的影响.仿真结果表明,抗差最小二乘估计具有很强的抗差能力,能有效减弱异常干扰对参数估计的影响,提高惯组外场标定的精度和数据的可靠性.