建模与仿真VV&A基本问题研究结果

2023-08-15 理论教育版权反馈

【摘要】：从中可得到如下结论：1）目标期望风险值与极限期望风险值的比率是60.4519/489.5345≈0.1235，优化的效果不错。得到的结果见附录D。从中可得到如下结论：1）目标费用值与全序列V&V活动费用的比率是41.5594/78.5526≈0.5291。3）遗传算法的设置：初始种群数量30，交叉概率0.3，变异概率0.2，进化代数1000。

1.SEVM的结果与分析

对于问题1而言，各项参数的设置如下：

1）α=0.8。

2）为逼近函数E[F（D，ξ）]，通过随机模拟产生的样本数量为3000，其中2000用于训练神经元网络，输入神经元数量14，输出神经元数量1；单隐层，隐层神经元数量6。

3）遗传算法的设置：初始种群数量30，交叉概率0.3，变异概率0.2，进化代数1000。

得到的结果见附录C。从中可得到如下结论：

1）目标期望风险值与极限期望风险值的比率是60.4519/489.5345≈0.1235，优化的效果不错。

2）从进化寻优的进程来看，目标值在开始阶段下降急促而明显，达到一定数值后基本趋于稳定。

3）附录C数据表明，各项活动的深度值在通过进化寻优后，基本趋于稳定。结合其数据，可以推断：活动13、2必须要完全执行；活动1、12、14、3、4也基本要完全执行；活动11基本无需执行，可以进一步优化V&V活动的广度；其他活动依据相应的深度值适当执行。

对于问题2而言，各项参数的设置如下：

1）β=0.3。

2）使用为解决问题1而训练好的神经元网络。

3）遗传算法的设置：初始种群数量30，交叉概率0.3，变异概率0.2，进化代数1000。

得到的结果见附录D。从中可得到如下结论：

1）目标费用值与全序列V&V活动费用的比率是41.5594/78.5526≈0.5291。

2）从进化寻优的进程来看，目标值在开始阶段下降急促而明显，达到一定数值后基本趋于稳定。

3）附录D的数据表明，各项活动的深度值在通过进化寻优后，基本趋于稳定。结合其数据，可以推断：活动13、14必须完全执行；活动2、7也基本要完全执行；活动10、11、5、6基本无需执行，可以进一步优化V&V活动的广度；其他活动依据相应的深度值适当执行。

2.SCCPM的结果与分析

对于问题1而言，各项参数的设置如下：

1）α=0.8，β=0.95。

2）为逼近函数Pr{F（S，ξ）≤R}≥β，通过随机模拟产生的样本数量为3000，其中2000用于训练神经元网络，输入神经元数量14，输出神经元数量1；单隐层，隐层神经元数量6。

3）遗传算法的设置：初始种群数量30，交叉概率0.3，变异概率0.2，进化代数1000。

得到的结果见附录E。从中可得到如下结论：

1）目标风险值与极限风险值的比率是85.9433/1094.72≈0.079，优化的效果不错，而且对于该结果有0.95的置信水平。

2）从进化寻优的进程来看，目标值在开始阶段下降急促而明显，达到一定数值后基本趋于稳定。

3）附录E的数据表明，各项活动的深度值在通过进化寻优后，基本趋于稳定。结合其数据，可以推断：活动2必须完全执行；活动1、12、13、14、3、4、5、8也基本要完全执行；活动10基本无需执行，而且可以观察到活动6的深度值还有下降的趋势。当前其深度值是0.1960，因此活动6也可考虑基本不执行；其他活动依据相应的深度值适当执行。

对于问题2而言，各项参数的设置如下：

1）β=0.95，λ=0.15。

2）为逼近函数Pr{F（S，ξ）≤λR₀}，通过随机模拟产生的样本数量为3000，其中2000用于训练神经元网络，输入神经元数量14，输出神经元数量1；单隐层，隐层神经元数量6。

3）遗传算法的设置：初始种群数量30，交叉概率0.3，变异概率0.2，进化代数1000。

得到的结果见附录F。从中可得到如下结论：

1）目标费用值与全序列V&V活动的费用比率是46.3303/78.5526≈0.5898。

2）从进化寻优的进程来看，目标值在开始阶段下降明显，但不急促，达到一定数值后基本趋于稳定。

3）附录F的数据表明，各项活动的深度值在通过进化寻优后，基本都趋于稳定。结合其数据，可以推断：活动13、14、2必须完全执行；活动7也基本要完全执行；活动10、11、5、6基本无需执行，可以进一步优化V&V活动的广度；其他活动依据相应的深度值适当执行。

建模与仿真VV&A基本问题研究结果

相关推荐