基于Rollout算法的模拟电路测点选择

针对模拟电路的测点选择问题,对整数编码故障字典进行了研究。分析了基于信息熵算法的测点选择算法,并采用Rollout算法对信息熵算法进行优化,建立了一种新的测点选择算法,给出了新算法的详细计算过程和计算效果。试验结果表明,新算法的计算效果优于信息熵算法,且随着故障字典复杂度的增加,优势更加明显。

基于Rollout算法的冗余多故障诊断策略

针对冗余系统的多故障诊断问题,分析了冗余多故障系统的相关性矩阵模型,通过对模型进行转换后,用Rollout算法对基于信息熵的诊断策略进行优化,提出了一种新的多故障诊断策略;该策略不需要计算最小碰集,而且具有先测试,最后修复的特点,在具体应用中更便于操作;实例计算结果表明,和现有算法相比,本策略得到的期望测试费用更低。

基于Rollout算法的测试不可靠条件下的诊断策略

针对复杂系统故障诊断中诊断精度低、虚警率高的问题,进行了不可靠测试条件下基于Rollout算法的诊断策略优化方法研究。建立综合考虑测试点的故障检测能力、信息量、测试费用以及测试结果信任度的启发函数,利用Rollout算法生成诊断策略,最后用阿波罗检测系统实例验证了该算法的优越性。理论和实验表明,Rollout算法的平均测试费用低于贪婪算法,而且计算时间在可接受范围内,因此可用于测试不可靠条件下的诊断策略设计。

基于Rollout信息启发式算法的故障诊断策略

针对传统故障诊断策略构建算法通用性较差的问题,采用Rollout信息启发式算法构建二值和多值测试,用更新后的基于信息启发函数的基准策略进行迭代更新,逐步逼近最优策略。以二值和多值测试为例构建相应的诊断策略。分析结果表明,该策略对二值测试、多值测试和不确定测试均适用,可以获得优于单步启发式搜索的诊断结果,且时间复杂度不高,适用于优化复杂系统的故障诊断。

基于Rollout算法的序贯多故障诊断策略

针对目前大部分序贯多故障诊断算法需要计算最小碰集、计算方法较为复杂的问题,在对多故障相关矩阵模型进行转换的基础上,利用Rollout算法对基于信息熵的多故障诊断策略进行优化,提出一种新的多故障诊断策略.实例计算结果表明,与现有算法相比,所提出方法的期望测试费用更低,且具有先测试后修复的特点,在实际工程中更便于操作.

基于Rollout算法的多值属性系统诊断策略

针对多值属性系统的诊断策略问题,根据Rollout算法可改善基础启发式算法的特点,用Rollout算法对基于信息熵的多值属性系统诊断策略进行优化,提出一种新的多值属性系统诊断策略.理论和实验分析表明,Rollout算法的计算结果优于信息熵算法,计算时间在可接受范围之内,可用于复杂多值属性系统的最优诊断策略设计.

N车探险问题的一种Rollout算法

本文主要对N车探险问题进行研究,通过建模将该问题转化为一个复杂度为O(n!)的排序问题.将N车探险问题引入动态规划的框架中,继而对该问题进行模型改建,将其转化为一个动态规划模型.引入两个基本启发式算法对其进行求解,在此基础上,提出并构建了一种rollout算法.这种rollout算法的设计源于动态规划中的策略迭代思想,花费较少的计算时间的代价,可以大大改善基础启发式算法的计算效果。文章最后给出计算实例.

Rollout及其并行求解算法在多类商品库存控制中的应用

Rollout算法是Bertsekas提出的求解马尔科夫决策过程(MDP)问题的一种仿真优化算法。文章研究Rollout算法求解多类商品库存控制问题,给出了基于性能势和神经元动态规划的Rollout优化算法。另外,为了降低运算时间,文章提出了两种Rollout并行求解算法,并讨论了这两种并行算法各自的适用场合。实验结果表明,Rollout算法能满足模型未知系统的优化要求,具有较好的并行性能。

基于双重Rollout算法的多工作模式系统诊断策略优化

实际多工作模式系统测试与诊断过程中单一工作模式下测试不能检测和隔离全部故障,不同工作模式下测试检测和隔离故障的代价和效率也不同,为以最小的代价实现多工作模式系统的故障隔离与定位,提出基于双重Rollout算法的诊断策略优化方法.在构建指定工作模式下的完整诊断策略时,首先采用第1重Rollout算法,得到该工作模式下的局部诊断策略和故障模糊集;针对该工作模式下无法隔离的模糊集,采用第2重Rollout算法从剩余工作模式中选择切换至最优工作模式下进行隔离,得到新的局部诊断策略和新的模糊集;依次类推,直到故障模糊集为空或已满足系统隔离要求.实例分析结果表明,与现有算法相比,所提出方法得到的解更接近最优解,期望测试费用更低.

多Agent MDPs中并行Rollout学习算法

文章在rollout算法基础上研究了在多Agent MDPs的学习问题.利用神经元动态规划逼近方法来降低其空间复杂度,从而减少算法"维数灾".由于Rollout算法具有很强的内在并行性,文中还分析了并行求解方法.通过多级仓库库存控制的仿真试验,验证了Rollout算法在多Agent学习中的有效性.

贪心算法在系统故障诊断策略生成中的应用

诊断策略是具有一定顺序的测试序列。诊断策略生成的目标是隔离故障,并使测试开销达到最小。本文介绍测试序列生成的各种信息启发式算法并通过对比各种算法诊断策略生成的期望开销,着重讨论了Rollout算法的优越性。

基于信息论的诊断策略生成算法研究

诊断策略是具有一定顺序的测试序列。系统故障测试序列在装备的研制和维修中应用广泛。如何最快地隔离故障并使测试开销达到最小是测试序列生成的目标。通过介绍信息论中的各种算法,主要有单步信息启发式搜索、多步信息启发式搜索与Rollout信息启发式搜索,并比较了各种算法的优缺点,着重讨论了Rollout算法的优越性。

基于概率阈的冗余多故障诊断策略

针对冗余复杂系统的多故障诊断问题,为减小计算量和期望测试费用,设定一个概率值作为概率阈,忽略发生概率低于这个值的多故障状态,提出了一种基于概率阈的冗余多故障诊断策略。该策略首先对相关矩阵模型进行转化,并舍弃概率低于概率阈故障状态,然后用Rollout算法对基于信息熵的诊断策略进行优化,并给出了计算步骤与方法。实例表明,与文献中方法相比该策略虽然降低了一定的准确度,但减少了更大比例的期望测试费,而且降低了相关性矩阵模型的规模,缩短了计算时间。

分层系统序贯诊断策略

根据复杂系统一般由多个分系统组成,其结构往往具有层次性的特点,研究了分层系统的测试模型,在对模型进行分层处理的基础上,采用Rollout算法对分层系统中各个子系统的相关性矩阵模型进行计算,并按照得出测试序列和层次结构建立故障诊断树,从而建立了一种分层系统诊断策略。实例分析表明,基于分层考虑的诊断策略可以按照测试需求,方便地将故障隔离到各个层次,而且通过对系统进行分层处理,可降低系统的计算复杂度,缩短计算时间。

复杂系统测试不可靠条件下的故障诊断策略研究

针对实际复杂武器系统测试与诊断存在虚警和漏检等问题,提出一种测试不可靠条件下的故障诊断策略。首先综合考虑测试费用和误诊损失,提出系统平均检测代价函数。在信息熵算法的基础上提出Rollout算法,兼顾了诊断策略的搜索速度和解的最优性。最后应用实际案例验证了该方法。结果表明:该诊断策略具有较高的系统诊断精度,并满足较高的测试速度和可接受的测试费用等实际工程应用要求。

基于概率方法的QoS感知Web服务组合

针对Web服务的服务质量(QoS)的随机本质,提出了一个基于概率QoS感知的Web服务组合方法,实现传统方法难以描述的QoS需求.在概率QoS模型的基础上,定义QoS目标以及组合方案与QoS目标之间的距离函数.通过将服务组合问题转化为组合优化问题,应用Rollout算法作为求解问题的计算框架,对一个具体问题设计了相应的启发函数.以跨国旅游方案提供商作为具体案例演示基于概率方法的QoS感知服务组合.该方法很好地解决了概率QoS模型难以应用到动态服务组合中的问题.理论分析和实验数据表明该方法可以很好地满足用户对于组合服务的QoS需求.

资源可用量不确定和活动多模式情形下的随机项目调度问题

可更新资源可用量的不确定是项目调度中普遍面临的问题,本文在随机资源可用量和活动多模式的约束下,考虑到活动可中断的情形,基于马尔可夫决策过程理论构建以最小化项目期望工期为目标的随机调度模型,针对问题特征设计以动态活动-模式优先规则和串行调度生成机制相结合的启发式算法作为基准策略的Rollout算法,并针对PSLIB的J30算例集展开实验研究。研究发现:随着资源可用量变化波动的增大,项目工期、活动中断次数以及问题的求解难度也随之增加;虽然考虑活动中断的优先规则在解决确定型问题时的表现优于不考虑活动中断的优先规则,但对于随机问题的效果却相反;本文提出的算法对于资源需求小或资源供应充足的情形求解效果更佳。本研究可以有效利用项目进度信息为项目管理者提供高质量的动态决策依据。

随机多模式资源受限项目调度

项目调度是实现项目资源优化配置的重要手段。项目执行时往往面临大量不确定因素,并呈现出典型的多模式特性,给项目调度带来了很大挑战。鉴于此,本文研究活动工期不确定条件下的多模式资源受限项目调度问题,建立了该问题的马尔科夫决策过程模型。为了高效求解上述模型,设计了基于Rollout的近似动态规划算法。该算法可以在项目执行过程中根据最新的项目状态动态给出调度方案,从而有效优化项目期望工期。在所提算法中,利用“活动—模式”列表与并行调度机制相结合的启发式算法构建基准策略,并设计了基于离散时间马尔科夫链的动态仿真,以进一步提升算法性能。基于公开的项目调度问题库PSPLIB,通过大规模计算实验分析了本文算法的性能,探讨了多种因素对调度效果的影响。