首页期刊导航|系统仿真学报
期刊信息/Journal information
系统仿真学报
系统仿真学报

李伯虎 赵沁平

月刊

1004-731X

simu-xb@vip.sina.com

010-88527147

100039

北京市海淀区永定路50号院

系统仿真学报/Journal Journal of System SimulationCSCD北大核心CSTPCD
查看更多>>《系统仿真学报》是中国系统仿真学会会刊,是中国系统仿真技术领域具有权威性及代表性的学术刊物。其宗旨是报道我国仿真技术领域具有国际、国内领先水平的科研成果, 刊登创新性学术见解的研究论文。《系统仿真学报》由中国系统仿真学会及中国航天科工集团706所联合主办,以中文编辑形式出版,同时附有英文摘要,供国外学者和检索系统引用。本刊始创于1989年,月刊,每期300页左右。《系统仿真学报》的国内影响力逐年提高,据2005年版《中国科技期刊引证报告》统计,《系统仿真学报》的总被引频次为867,在1608种科技期刊中列第188位,在信息科学与系统科学类中列第2位。据《中国学术期刊综合引证年度报告(2005)》统计结果,《系统仿真学报》被列入“科技与生产/技术/自动化”类中的高均值计量指标期刊,总被引频次为1123,影响因子为0.538,Web下载率52.4%,居同类期刊之首。我学报的国际影响力也越来越高,《英国科技文摘SA/INSPEC》连续多年全部收录我学报。2005年《美国工程索引EI数据库》收录我学报814篇论文,收录率为99%。我学报4次获得到中国科协及国家自然基金委的择优性资助。
正式出版
收录年代

    基于不完全信息博弈的云制造群智能优化方法

    张坤鹏王艳纪志成
    915-928页
    查看更多>>摘要:为解决云制造过程中云平台经营方与需求方之间的不完全信息以及相互竞争制约的关系导致制造服务难以抉择的问题,提出了一种基于不完全信息博弈模型的云制造群智能优化方法.以各自理性追求自身收益函数最大化为目标,针对需求方与云平台之间的利益竞争关系建立了基于不完全信息的静态博弈模型,并提出了需求方与云平台之间的竞争规则,通过海萨尼转换引入自然,将其转换为完全信息下的动态博弈得到贝叶斯扩展式,并证明了贝叶斯纳什均衡的存在性和唯一性.提出了一种基于高斯函数与扰动策略更新的粒子群算法对上述模型进行求解.仿真结果表明:改进算法相对其他算法有较快的收敛速度与较高的云制造系统总收益,不完全信息博弈模型能够兼顾不同类型的需求方提高云制造系统的总收益.

    云制造博弈不完全信息贝叶斯纳什均衡收益函数粒子群算法

    面向队列实际行为特性的混合交通流建模及分析

    王曦杨秀建贾晓寒王申义...
    929-940页
    查看更多>>摘要:为探讨自主汽车队列实际行为特性对交通流的影响,针对混入前车跟驰(PF)汽车队列的混合交通流,考虑队列实际行为特性并按照其实际控制策略进行建模,基于元胞自动机方法建立了混合交通流模型.仿真分析表明:队列车头时距、队列渗透率、队列规模、控制增益等队列特征对混合交通流呈现出耦合及非线性的影响特性,不同队列特征下的混合交通流时空特征差异显著;减小队列车头时距或增加队列渗透率对提升道路的通行能力总体是有利的;队列规模及控制增益对交通流量的一致性影响规律不明显,都需要结合其他队列特征进行具体分析.

    智能交通汽车队列元胞自动机混合交通流前车跟驰

    基于K-means聚类的超启发式跨单元调度方法

    赵彦霖田云娜
    941-956页
    查看更多>>摘要:结合我国制造业实际生产状况,针对柔性作业车间跨单元调度问题,提出一种基于K-means聚类的超启发式算法.应用K-means聚类算法将相近属性的实体划入相应"工件簇"决策块中,采用蚁群算法为每个决策块选择启发式规则;对每个决策块内的实体运用相应的启发式规则产生调度解.仿真结果表明:该算法以决策块的形式适度增大了计算粒度,有效降低了算法时间复杂度,以聚类的方式将具有相近属性的被加工实体进行聚集,有利于为不同属性的实体选择合适的规则.该算法提高了计算效率,具有较好的优化性能,是解决柔性跨单元调度的一种有效算法.

    跨单元调度超启发式算法决策块聚类蚁群算法

    融合RRT*与DWA算法的移动机器人动态路径规划

    张瑞周丽刘正洋
    957-968页
    查看更多>>摘要:为实现移动机器人在复杂动态障碍物环境中的避障,提出一种改进的快速随机扩展树(rapidly-exploring random tree,RRT*)与动态窗口法(dynamic window approach,DWA)相融合的动态路径规划方法.基于已知环境信息,利用改进RRT*算法生成全局最优安全路径.通过消除RRT*算法产生的危险节点,来确保全局路径的安全性;使用贪婪算法去除路径中的冗余节点,以缩短全局路径的长度.利用DWA算法跟踪改进RRT*算法规划的最优路径.当全局路径上出现静态障碍物时,通过二次调整DWA算法评价函数的权重来避开障碍物并及时回归原路线;当环境中出现移动障碍物时,通过提前检测危险距离并转向加速的方式安全驶离该区域.仿真结果表明:该算法在复杂动态环境中运行时间短、路径成本小,与障碍物始终保持安全距离,确保在安全避开动态障碍物的同时,跟踪最优路径.

    移动机器人路径规划改进RRT*算法动态窗口法动态避障

    基于多重迁移注意力的增量式图像去雾算法

    韦金阳王科平杨艺费树岷...
    969-980页
    查看更多>>摘要:为提高深度神经网络去雾算法对增补数据集的处理能力,并使网络差异化处理重要程度不同的图像特征以提高网络去雾能力,提出一种基于多重迁移注意力的增量式去雾算法.通过自编码器形式的教师注意力生成网络提取标签和雾霾的多重注意力,作为特征迁移媒介网络的标签约束网络训练,形成与教师注意力尽可能相近的迁移媒介注意力,并将其融入学生去雾网络的特征中,提高学生去雾网络的去雾能力;通过增量式训练方法提高学生去雾网络对增补数据集的处理能力.结果表明:所提算法对ITS、OTS以及真实雾图上皆具有较好的处理能力,在保证去雾图像像素结构完整、颜色不失真的同时具有较好的去雾效果,算法处理后的图像在主观视觉效果和客观评价指标上皆优于对比算法.

    深度学习图像去雾迁移注意力增量式训练

    基于构型优选的5G集群无人机协同导航方法

    高超黄郑赵轩王红星...
    981-990页
    查看更多>>摘要:针对现有基于测距的集群UAV协同导航方法普遍忽略了空间构型对定位定能的影响,难以获得精确的导航定位结果,提出一种基于空间构型优选的5G集群UAV协同导航方法.构建了复杂环境下基于5G信号的UAV相对测距误差模型,基于最小几何精度因子(geometric dilution of precision,GDOP)准则建立了协同导航节点寻优策略,实现了协同导航空间构型的实时优选;设计了基于5G测距网络的协同导航滤波器,对UAV导航信息进行在线估计和实时补偿,提高集群UAV的协同定位精度.仿真结果表明:该方法从机定位精度平均提升了约42.05%,为集群UAV实现在卫星不可用条件下的自主导航提供了一种有效的新方法.

    5G测距协同导航多无人机GDOP(geometricdilutionofprecision)最优构型

    一种多无人机协同优先覆盖搜索算法

    余翔邓千锐段思睿姜陈...
    991-1000页
    查看更多>>摘要:针对应急救援行动中存在的受灾区域大、重点区域分布不均匀、救援时间有限等问题,提出一种多UAV协同区域优先覆盖搜索算法.对搜索区域进行离散栅格化处理,根据灾情预估信息对搜索区域中的每个网格进行概率标记;通过K-means++聚类算法将搜索区域划分成大小相似、个数与UAV数量相等的子区域,依据聚类中心确定每个子区域的搜索起点,使多架UAV分区协同搜索整个区域;根据网格概率和当前距离之间的平衡关系计算出每个网格的分数,改进贪心算法,以此分数为基准在子区域中进行优先搜索和减少重复路径,引入A*算法解决网格分数冗余问题.仿真结果表明:所提算法在保证优先搜索的同时缩短了路径长度和搜索时间,为应急救援中的搜索难题提供了一种有效的解决办法.

    多无人机K-means++区域划分协同搜索改进贪心算法A*算法

    虚拟环境中面向灭火指挥的火场信息可视分析

    张本润曹卫群
    1001-1016页
    查看更多>>摘要:针对森林火灾现场指挥的需求,综合分析地理环境、气象条件、森林资源和林火行为等灭火指挥所需信息,设计实现了在虚拟林火环境中的数据可视化可视分析方法.使用王正非-3D混合元胞自动机模型模拟林火蔓延过程;采取差时方法预测林火蔓延行为;实时捕捉不同兴趣域内环境数据的变化,结合多视图面板及图层叠加的方法,构建火场信息可视分析模块.通过调整虚拟林场的环境参数,对不同场景下的林火蔓延过程进行模拟仿真,并对火场信息进行可视化可视分析.实验结果表明:该方法能够在一定条件下较准确地预测林火蔓延行为,还可以较全面地描述火场信息.

    三维虚拟环境林火蔓延模型可视化可视分析林火仿真

    基于RIS的元素分组面状全连接网络

    侯顺虎方胜良曾庆尧王孟涛...
    1017-1027页
    查看更多>>摘要:针对神经网络全连接层在训练中参数量多、所占内存多、易产生过拟合问题,从智能超表面(reconfigurable intelligence surface,RIS)结构特征出发,提出了一种基于RIS的元素分组面状全连接神经网络(RIS-based element grouping areal fully connected neural network,RGFCNN).借鉴RIS的结构特征,在传统全连接神经网络上进行优化.设计了透射面注意力机制用于数据有效特征提取,相比于传统的全连接网络,该网络没有对数据进行一维排列,而是提出了一种运用于神经网络构建的元素分组策略,直接对二维面状数据进行分组全连接处理,各组处理输出进行数据串联.实验结果表明:在公开的具有IQ数据特征的通信信号数据集上,RGFCNN在信噪比大于0 dB时具有更好的识别精度,而训练参数是原来的大约1/6.

    智能超表面全连接神经网络元素分组策略IQ信号调制识别

    基于改进目标检测的动态场景SLAM研究

    史蓝兮颜文旭倪宏宇赵峰...
    1028-1042页
    查看更多>>摘要:针对单目SLAM在动态场景下存在的对极约束误匹配问题,提出一种基于目标检测的动态特征点选择方法,通过在特征提取时剔除SLAM系统前端图像帧中动态特征点,提高SLAM的定位精度.提出了一个改进的目标检测网络,利用重叠面积、距离相似度和余弦相似度构建描述边界框的回归损失函数,实现目标的准确定位,获得当前图像帧中物体特征点范围.判断物体类别,对于标记为动态的物体根据目标检测结果剔除前端图像帧中的动态特征点.根据静态特征点,采用对极约束进行两帧图像间的特征匹配估计位姿,对单目相机运动进行跟踪、建图与闭环检测.通过对目标检测网络的主干进行结构重参数化改进,提升推理过程的速度,保证整体系统运行的实时性.在公开数据集KITTI的11个序列上的实验结果表明:改进后的系统比ORB-SLAM3系统定位精度提升了23.4%,帧率可以达到30 帧/s以上,在保证实时运行的条件下能有效提高动态场景下单目SLAM系统定位精度.

    视觉SLAM对极约束特征匹配目标检测IoU损失函数结构重参数化