结果：进一步完善VV&A模型

2025-09-29 理论教育版权反馈

【摘要】：在进行V&V策略制定的实例分析中，我们发现，V&V费用和M&S风险的关系大致如图6.1所示。因此，为更有效益地进行V&V活动，SEVM和SCCPM解决问题1时应做修改，即需要把费用考虑到目标函数中去，而费用的约束可以去除，因为最后得到的最优策略的执行费用肯定符合之前的费用约束，改进后的数学模型如下：和进一步研究M&S可信性评估的“逆”问题，即为达到预先设定的可信性等级，如何求取满足最小费用或最小风险的最优策略。

V&V一般方法论是本书着墨最多的一章，其中，模型（S，ξ）的构建过程还需进一步改进，特别应向如下两个方向改进：

1）实际中，V&V过程是一个反复的过程，因此，在（S，ξ）中应考虑引入环和反馈，并且要考虑进行活动所需时间的约束，考虑并行机制。

2）V&V策略的分量之一——深度，是使用确定数值来描述的，太过刚性，可考虑使用模糊数或语意值来描述，即引入模糊策略。

在进行V&V策略制定的实例分析中，我们发现，V&V费用和M&S风险的关系大致如图6.1所示。

图6.1 SEVM解算问题1时的费用和风险曲线图

也就是说，在费用和风险的测度一致的情况下，在两者相等的这一临界点之前，投入较少的费用，可取得较大的约减风险效果，即，而在这一点之后，再投入相应的费用，约减风险效果便不明显，即。因此，为更有效益地进行V&V活动，SEVM和SCCPM解决问题1时应做修改，即需要把费用考虑到目标函数中去，而费用的约束可以去除，因为最后得到的最优策略的执行费用肯定符合之前的费用约束，改进后的数学模型如下：