基于HLA的分布式仿真优化方法及应用研究

【摘要】： 高效率、高效益的物流系统是现代物流运营绩效的决定性因素。物流系统具有离散、动态、随机、复杂等特性,采用传统的解析方法对其进行分析比较困难。基于仿真的优化方法成为复杂物流系统研究的重要手段。 但在实际应用中,该方法存在一定缺陷。优化目标的评价完全依赖于仿真过程,而基于复杂物流系统的仿真模型通常大型、复杂,其运行需耗费大量时间,而且通常要多次重复运行仿真模型以降低系统随机性,这无疑进一步加剧了计算量。时间效率问题成为制约该方法应用与发展的瓶颈因素。因此,本文关注如何显著缩短仿真优化时间。具体而言,论文的核心工作如下： (1)分析了分布式仿真优化方法(DSO)的理论框架。DSO方法的基本思想是对传统集中式仿真优化方法(CSO)的分布并行处理,在该思想的指导下对DSO方法的执行流程、模式及特点进行了分析。 (2)提出了基于高层体系结构HLA的分布式仿真优化框架。在充分分析HLA在本方法适用性的基础上,引入HLA技术,以HLA\RTI作为支撑平台,建立了DSO系统的基本框架,并对该框架下各部分的功能进行了阐述。 (3)提炼出了在HLA环境下实现DSO方法需要解决的问题,并根据各个问题给出了相应的解决方法。 (4)重点研究了实现分布并行化的若干关键环节。从优化问题的数学模型表述、优化算法的并行化处理到实现数据分发的关键技术,层次递进,逐一解决。 (5)探讨了与DSO方法密切关联的时间和节点两个因素。基于DSO方法的执行流程,分析从系统启动到最后优化结束的各个时间项,最后给出总运行时间的完整表达式；挖掘并分析了影响DSO系统节点分配的主要因素。 最后,论文对本文提出的分布式仿真优化方法在集装箱港口物流系统中的应用进行了研究。以集装箱港口作业资源配置优化问题为对象,开发了一个相应的DSO系统,并设计了多个运行方案,对DSO方法进行验证分析。结果表明,与集中式仿真优化方法(CSO)相比,本文提出的DSO方法能极大缩短仿真优化时间,显著加快仿真优化速度。