论文部分内容阅读
在设计和决策的仿真模型中，仿真的目的往往是通过调整仿真模型中输入参数的变化进行输出性能指标的优化。仿真优化就是要提高这个搜索过程。由于仿真模型往往存在多变量、多极值、仿真模型运行时间长、离散连续变量共存的特点，使得仿真优化相对传统优化更加困难。本文重点阐述了基于元模型的仿真优化方法，这种方法通过在元模型上进行优化，进而解决了仿真次数有限的问题。首先，给出了基于元模型的仿真优化过程模型，在总结和分析了常用元模型和寻优算法的基本原理和优缺点的基础上，结合仿真优化的特点得到了支持向量机和微粒群算法相结合的仿真优化方法，并验证了算法的合理性。分析总结了常用元模型和寻优算法的选择策略，进而提出了基于元模型的智能仿真优化流程。然后，通过软件工具的需求分析，进行基于元模型的智能仿真优化软件设计，给出了工具软件的用例图、数据流图，并实现了仿真优化工具，该工具集成了基于元模型的智能仿真优化流程，可以用于实际仿真优化实例。最后，针对实际仿真模型的优化问题，进行基于元模型的智能仿真优化方法和软件的应用，通过软件运行得到实验结果，元模型各项指标均满足要求，将预测最优值代入仿真模型验证，能够得到比现有结果更优的输入变量值。通过归一化和非归一化，支持向量机元模型和神经网络元模型的对比，分析验证了仿真优化流程的正确性和实用性。