为保证复杂仿真系统达到可信度要求和缩短开发周期,应在构建复杂仿真系统之初确定各个仿真子系统的可信度。为此,提出一种复杂仿真系统可信度智能分配方法,在明确复杂仿真系统总体可信度的情况下获取各仿真子系统的可信度分配结果。根...为保证复杂仿真系统达到可信度要求和缩短开发周期,应在构建复杂仿真系统之初确定各个仿真子系统的可信度。为此,提出一种复杂仿真系统可信度智能分配方法,在明确复杂仿真系统总体可信度的情况下获取各仿真子系统的可信度分配结果。根据复杂仿真系统的组成和结构,提出基于多层成对马尔可夫随机场(multi-layer pairwise Markov random field,ML-PMRF)的复杂仿真系统可信度分配模型构建方法。基于最大后验推理和离散萤火虫群优化,提出一种面向ML-PMRF的智能推理方法。通过实例应用及对比实验,验证了所提方法的有效性和合理性。展开更多
文摘为保证复杂仿真系统达到可信度要求和缩短开发周期,应在构建复杂仿真系统之初确定各个仿真子系统的可信度。为此,提出一种复杂仿真系统可信度智能分配方法,在明确复杂仿真系统总体可信度的情况下获取各仿真子系统的可信度分配结果。根据复杂仿真系统的组成和结构,提出基于多层成对马尔可夫随机场(multi-layer pairwise Markov random field,ML-PMRF)的复杂仿真系统可信度分配模型构建方法。基于最大后验推理和离散萤火虫群优化,提出一种面向ML-PMRF的智能推理方法。通过实例应用及对比实验,验证了所提方法的有效性和合理性。
