基于Swarm的供应链多主体聚集模型及其仿真

供应链是一类典型的复杂适应系统,本文采用一种高级Petri网方法建立基于多主体的供应链模型,着重论述通过子主体代换建立多主体聚集模型的方法与步骤,并给出多主体聚集模型实例。最后,建立了供应链配送渠道系统简化模型,设计了相应的仿真参数,通过Swarm仿真平台模拟了供应链配送渠道系统的动态组合行为,并对仿真结果进行了分析。

基于Swarm的供应链运作模型的仿真研究

供应链是一类复杂适应系统,目前基于多主体的供应链仿真研究仅局限于局部问题,缺乏对供应链运作流程全方位的描述和仿真实现。以供应链运作参考模型为蓝本,采用前期研究成果所提出的一种基于高级Petri网的多主体建模方法,建立基于Swarm的供应链运作模型,能够有效地描述供应链主体结构、主体间的各种业务处理活动,涵盖采购、生产、配送和计划四个流程,以及资源分配、市场竞争等行为。并且提供了与主体类图之间映射的有效途径,为基于Swarm的仿真系统程序的设计奠定了良好基础,为研究供应链结构演化规律提供支持。

两种数字生命的Swarm仿真研究

数字生命的概念是托马斯·雷最早在计算机上模拟实验提出的,以此为指导,介绍了复杂适应系统、Agent建模等理论知识,利用Swarm仿真平台构建了两种异类数字生命及共同生存的环境,模拟自然界生命体最基础的繁殖歼灭等生命现象,通过可视化窗口观察生命体个体及群体间的交互行为,得到结果的不可测性和突现性,实现了两种数字生命的Swarm仿真。

基于缓存的卫星传输性能优化策略

传统卫星透明转发模式在新型星地网络下会导致巨大的时延。为提高对地面用户的服务能力,本文在低轨卫星和地面内容服务器上设置缓存,并联合低轨卫星、地面内容服务器以及地面用户在同频干扰下,针对星地网络的传输吞吐问题进行建模。使用改进的粒子群(PSO)算法和支持超平面优化(SHOT)求解器求解。实验表明,对目标优化问题求解时,SHOT求解器获得的曲线较为平滑,优化的PSO算法相比SHOT求解器得到的结果,有2%上下的波动。在信干噪比阈值为8 dB和最大功率20 W,以及卫星或地面内容服务器干扰数量分别为2和3的约束下,可分别求得45 Mbps和37 Mbps的系统吞吐量。在分别设置低轨卫星、地面内容服务器以及地面用户数量的情况下,本文对两种算法的运行时间进行了分析,最坏情况下设置3类数量为4时,优化PSO解法比SHOT求解器快约10 s。结果表明,启发式算法更适用于未来复杂星地网络建模,更适合寻找非凸非线性全局解,并在高维问题下求解速度表现更优。

基于主体的动态竞争模型的设计与仿真

企业竞争是一个动态演化过程,结合复杂适应系统理论,借鉴Holland的ECHO模型的建模思想,从系统演化的角度出发,给出了基于主体的动态竞争模型框架,设计了相应的运行机制。最后,建立了市场竞争的简化模型,设计了相应的仿真参数,通过Swarm仿真平台模拟了零售商的动态竞争行为和演化过程,并对仿真结果进行了分析。

基于Agent的企业演化模型仿真研究

针对企业演化过程的动态性和不确定性,借鉴Holland教授的复杂适应系统理论的建模思想,提出运用神经网络的学习能力模拟智能体适应性的方法,建立基于复杂适应系统理论的企业演化模型。主要从企业行为的视角对处于动态竞争中的企业如何应对竞争实现企业演化的问题进行探讨,期望充实关于竞争和演化的理论。通过开发基于swarm平台的Ob-ject-c仿真程序,模拟了不确定环境下企业的规模分布和动态演化过程,并对仿真结果进行分析。

智能体行为一致性的神经网络方法仿真

针对传统股市研究方法存在的不足,提出用人工神经网络的学习能力模拟Agent的适应性。借鉴Holland的模拟股市建模思想,引入ERA方案建立股市模型。运用Agent行为一致性神经网络方法并结合CT方法对股市进行仿真,模拟不确定环境下股市的动态演化过程。该模型可更好地理解股市的动力学特性。

基于CAS的企业竞争模型与仿真研究

企业系统本质上是一个复杂适应系统,是一个开放的、动态演化的、具有自组织能力的系统。人工神经网络具有非线性逼近能力和自组织、自适应能力。提出运用神经网络的学习能力模拟Agent适应性的方法,借鉴Holland的CAS理论的建模思想,建立基于CAS理论的企业竞争模型。通过开发基于Swarm平台的仿真程序,模拟不确定环境下企业的规模分布和动态演化过程。

基于离散粒子群和禁忌搜索的网格资源调度算法

提出一种基于智能的网格资源分配和任务调度算法,由于网格资源调度是个离散问题,所以采用基于惯性权重的离散粒子群算法,针对离散粒子群算法在后期容易陷入局部最优的缺陷,将其与禁忌搜索算法相结合,在算法的前期采用离散粒子群算法进行搜索,在后期采用禁忌搜索算法进行局部搜索。并利用网格模拟工具Gridsim Toolkit开发一个网格模拟系统进行实验。实验结果表明,该算法具有较高的寻优能力。

插电式混合电动汽车动力系结构的非线性约束优化(英文)

为了优化插电式混合电动汽车(PHEV)动力系(例如发动机功率、电动机功率、相关经济效率)构件尺寸,使用了"粒子群优化"(PSO)方法。对于非线性约束优化问题,PSO方法比常规优化方法更有效、经济。用动力系反洗工具箱(PSAT)方法,构建了新的带有优化配置的PHEV动力系的模型系。仿真计算结果表明:运用PSO优化构件的汽车,具有同等的驾驶性能,在燃料消耗上达30%的改进。