梁紅杰

（黃河科技學(xué)院，鄭州 450006）

基于敏捷系統(tǒng)工程建模的離線檢測(cè)系統(tǒng)配置模型

梁紅杰

（黃河科技學(xué)院，鄭州 450006）

提出一個(gè)開(kāi)發(fā)用于對(duì)復(fù)雜系統(tǒng)進(jìn)行敏捷分析的基于系統(tǒng)工程建模的方法，該方法無(wú)須使用高性能的計(jì)算資源。該方法包括了3個(gè)最基本的系統(tǒng)工程指標(biāo)映射，也就是性能測(cè)量、有效性測(cè)量，以及通過(guò)元建模的單圖價(jià)值測(cè)量。通過(guò)該方法，分析者可以有效地支持元模型進(jìn)行圖系統(tǒng)的測(cè)量，從元素級(jí)別的性能測(cè)量到綜合系統(tǒng)級(jí)別的單圖指標(biāo)，實(shí)時(shí)地在約束的時(shí)間框架下進(jìn)行決策支持。通過(guò)元建模獲得近似虛擬模型的數(shù)學(xué)表示形式，它緩解了對(duì)計(jì)算資源長(zhǎng)運(yùn)行時(shí)間占用和高計(jì)算性能要求的負(fù)擔(dān)。該元模型同樣提供了一個(gè)有效的通過(guò)所提出的建模對(duì)模擬的多輸出收益進(jìn)行匯集的方法。這兩種方法共同構(gòu)成這種敏捷的，基于模型的系統(tǒng)工程方法的基礎(chǔ)。這種基于建模方法的有效性被配置于離線檢測(cè)系統(tǒng)的實(shí)驗(yàn)所證明。

定量系統(tǒng)工程，元建模仿真，仿真優(yōu)化，優(yōu)先建模

0 引言

本文的關(guān)鍵研究目標(biāo)在于開(kāi)發(fā)了一個(gè)基于敏捷方法的輕量級(jí)模型，該模型可以用于對(duì)復(fù)雜系統(tǒng)進(jìn)行定量性的評(píng)估。該方法可以帶來(lái)實(shí)現(xiàn)實(shí)時(shí)靈敏性分析和通過(guò)模式化計(jì)算資源進(jìn)行自動(dòng)優(yōu)化的能力?；谠撃Ｊ降姆椒ㄍ瑯涌杀辉O(shè)計(jì)為可以推廣到任何領(lǐng)域以及可以被使用在通常的系統(tǒng)分析中［1］。對(duì)這樣一種系統(tǒng)分析能力的需求來(lái)源于多個(gè)領(lǐng)域，例如，在協(xié)同系統(tǒng)工程環(huán)境，在分析領(lǐng)域，以及在應(yīng)急準(zhǔn)備和響應(yīng)方面［2］。

對(duì)于系統(tǒng)工程及其分析方法，這里可以主要?jiǎng)澐譃?類，真實(shí)現(xiàn)場(chǎng)實(shí)驗(yàn)、建模與仿真及元建模［3］。通常公認(rèn)的觀點(diǎn)是，在測(cè)試和評(píng)估的比較方面，特別是對(duì)于具有復(fù)雜上下文環(huán)境的大型系統(tǒng)來(lái)說(shuō)，建模和仿真是相對(duì)更加經(jīng)濟(jì)的、有效的和高效的分析手段［4］。虛擬建模源于定義一個(gè)系統(tǒng)架構(gòu)和它作為基本子組件特性功能的性能指標(biāo)的輸入輸出關(guān)系。該虛擬建模指標(biāo)是為對(duì)大型復(fù)雜系統(tǒng)的系統(tǒng)工程生命周期進(jìn)行分析而實(shí)現(xiàn)的［5］。

對(duì)于基于建模分析的一個(gè)主要問(wèn)題在于，由于長(zhǎng)期的運(yùn)行時(shí)間占用，這些大規(guī)模的虛擬算法完全變成了分析算法的阻礙，該問(wèn)題特別在基于代理和地理空間的領(lǐng)域顯得更加突出［6］。其他產(chǎn)生于復(fù)雜系統(tǒng)虛擬建模分析的困難包括，為了完備地評(píng)價(jià)一個(gè)可以在不同設(shè)計(jì)方案之間進(jìn)行選擇的系統(tǒng)，多樣化的性能測(cè)量必須經(jīng)常被納入考慮［7］。為了更快地增加其有用性作為產(chǎn)生分析結(jié)果的定量分析工具，需要更快速地基于虛擬分析的虛擬仿真器。

獲取這些能力的理念基礎(chǔ)是開(kāi)發(fā)一個(gè)多級(jí)別定量圖測(cè)量的方法，也就是對(duì)性能的測(cè)量以測(cè)量其效能，以及通過(guò)分析其效能圖來(lái)分析其單圖指標(biāo)［8］。對(duì)這3種系統(tǒng)工程指標(biāo)的定義如下：

①性能測(cè)量（PMF）-該指標(biāo)位于組件級(jí)別。例如：?jiǎn)蝹€(gè)傳感器的檢測(cè)概率DP。

②效能測(cè)量（EMF）-該指標(biāo)位于系統(tǒng)級(jí)別。例如：一個(gè)系統(tǒng)范圍的檢測(cè)概率DP。

③單圖指標(biāo)測(cè)量（MMF）-一個(gè)單獨(dú)的結(jié)合所有效能測(cè)量指標(biāo)的對(duì)綜合系統(tǒng)效能的測(cè)量。例如：所有效能測(cè)量的加權(quán)求和。

從性能測(cè)量到單圖指標(biāo)測(cè)量的處理過(guò)程導(dǎo)致了系統(tǒng)敏捷分析能力的要求，同時(shí)加速了分析可替換進(jìn)程的節(jié)奏及引起了開(kāi)發(fā)和提升定量實(shí)時(shí)決策支持工具能力的需求。該映射過(guò)程的細(xì)節(jié)已有著作進(jìn)行相關(guān)論述［9］。本文描述了虛擬元建模的基本構(gòu)建塊以及提出了該方法在配置離線檢測(cè)系統(tǒng)上下文場(chǎng)景下的指標(biāo)。使用了一個(gè)典型方案開(kāi)發(fā)了該場(chǎng)景下的學(xué)習(xí)訓(xùn)練系統(tǒng)，該方案綜合系統(tǒng)性能評(píng)定基于附加的技術(shù)，例如在檢測(cè)點(diǎn)上增加離線檢測(cè)機(jī)制，需要進(jìn)行敏捷評(píng)估。這種類型的敏捷定量分析是有助于確定可用資源任務(wù)需求的最佳用法，需要調(diào)整操作觀念以及采集策略。

1 以建模為基礎(chǔ)的系統(tǒng)工程方法

在基于建模的系統(tǒng)工程方法的思想之下首先是要獲取一個(gè)多級(jí)別的定量指標(biāo)映射圖，也就是PMF，EMF與MMF之間的關(guān)系，可以用如下公式表示：

首先通過(guò)虛擬元建模來(lái)對(duì)反映PMF與EMF之間關(guān)系的映射圖進(jìn)行闡述，然后再通過(guò)優(yōu)先建模來(lái)對(duì)EMF和MMF之間關(guān)系的映射圖進(jìn)行描繪。

PMF與EMF映射圖以及該方法中敏捷系統(tǒng)分析部分的基礎(chǔ)均通過(guò)應(yīng)用虛擬元建模來(lái)完成。一個(gè)虛擬元模型是一個(gè)在實(shí)驗(yàn)設(shè)計(jì)空間模型中的離散點(diǎn)上建立的虛擬建模，該元模型試圖在分析過(guò)程中取代虛擬仿真模型。

一個(gè)元模型的關(guān)系可以用最易理解的數(shù)學(xué)公式表示如下：

Ki是對(duì)EMF以i為索引的代價(jià)的虛擬響應(yīng)，x是一個(gè)虛擬建模輸入的向量?？紤]到M（x）是一個(gè)隱含函數(shù)用于表示虛擬元建模PMF輸入?yún)?shù)與虛擬效能測(cè)量EMF輸出參數(shù)之間的映射圖。虛擬元建模N（x）與M（x）之間有一個(gè)近似誤差δ。

對(duì)元建模研究的文獻(xiàn)有很多，各有各的觀點(diǎn)和角度及其應(yīng)用場(chǎng)景，但其對(duì)元建模認(rèn)知的共性可以總結(jié)如下，及組成一個(gè)完備元建模方法需要系統(tǒng)地考慮以下3個(gè)基本組件，即：元建模結(jié)構(gòu)、適應(yīng)策略、誤差估計(jì)［10］。

元建模結(jié)構(gòu)被通過(guò)基礎(chǔ)函數(shù)和基礎(chǔ)模型擴(kuò)展方法進(jìn)行定義。適應(yīng)策略由回歸方法、矩量法，以及最大似然法組成。誤差估計(jì)過(guò)程由預(yù)計(jì)重采樣，交叉驗(yàn)證及預(yù)測(cè)能力組成。元建模的應(yīng)用涉及：基于系統(tǒng)或設(shè)計(jì)空間特性挑選最合適元模型組，以及組成一個(gè)優(yōu)質(zhì)實(shí)驗(yàn)性設(shè)計(jì)，這是一個(gè)難以解決的問(wèn)題［11］。

一個(gè)決策者常常會(huì)面對(duì)來(lái)自多種元模型的多重EMF輸入，其作用于單個(gè)的，對(duì)系統(tǒng)良好的定量測(cè)量，也就是定義的MMF。這里給出了一個(gè)線性膨脹函數(shù)以顯示由多重EMF向單MMF轉(zhuǎn)換的多屬性的值。

yi用來(lái)表示對(duì)于系統(tǒng)通過(guò)虛擬元建模獲取的EMF，s（yi）是參數(shù)化組件的值函數(shù)，由EMF和βi的權(quán)重計(jì)算得到。組件值函數(shù)代表了一個(gè)個(gè)體EMF水平與一個(gè)決策者優(yōu)先水平之間的映射圖，該值域范圍在0～1之間。

式（4）的擴(kuò)展是一個(gè)近似馮·諾伊曼摩根斯坦實(shí)用模型［12］。S.Rosen等人對(duì)該模型進(jìn)行了更加細(xì)致的描述，他們同時(shí)給出了適應(yīng)該優(yōu)先模型的評(píng)估過(guò)程算法［13］。

圖1給出了一個(gè)對(duì)完全PMF到 EMF再到MMF映射圖的概要描述，它可以應(yīng)用到敏捷定量系統(tǒng)分析上。在后續(xù)章節(jié)，將進(jìn)一步詳細(xì)闡述基于建模的系統(tǒng)工程方法是如何作用于執(zhí)行一個(gè)基于檢測(cè)點(diǎn)掃描的離線檢測(cè)重構(gòu)安全檢測(cè)系統(tǒng)的。

2 離線檢測(cè)場(chǎng)景的構(gòu)建

安全組織的一項(xiàng)重要的責(zé)任是保護(hù)建筑物和建筑物內(nèi)人們的安全［14］。設(shè)置的檢測(cè)點(diǎn)通常需要進(jìn)行代表性的被禁止的或者不合法項(xiàng)目的檢測(cè)，這往往是在進(jìn)入建筑之前首要的并且是唯一的檢測(cè)機(jī)會(huì)。檢測(cè)點(diǎn)主要依賴于3個(gè)因素：檢測(cè)技術(shù)，安保人員以及操作觀念。當(dāng)所有3個(gè)因素都能夠正確地工作，來(lái)自該建筑物內(nèi)部的威脅和風(fēng)險(xiǎn)有望被降低。如果這3個(gè)因素中任何一個(gè)沒(méi)有規(guī)范正確的運(yùn)作，那么對(duì)于該建筑及其居住者的風(fēng)險(xiǎn)將會(huì)增加并可能產(chǎn)生嚴(yán)重的不良后果。

從一個(gè)系統(tǒng)性能的角度來(lái)看，在決策安全態(tài)勢(shì)的時(shí)候，所有這些元素必須是可以進(jìn)行對(duì)等評(píng)估的。不論對(duì)于理解當(dāng)前安全狀態(tài)還是潛在改進(jìn)變化的評(píng)估方面這都是正確的，就如同對(duì)新技術(shù)的介紹，附加了更多的個(gè)人安全，或者操作觀念的變化。在一個(gè)系統(tǒng)分析架構(gòu)下量化這些屬性，以及對(duì)它們進(jìn)行評(píng)估可以在計(jì)劃和獲取上有所幫助。

有助于定義和理解EMF及PMF的例子是對(duì)離線系統(tǒng)新技術(shù)的介紹。在此實(shí)例中，對(duì)離線檢測(cè)技術(shù)的介紹是基于檢測(cè)點(diǎn)近似場(chǎng)景創(chuàng)建的。表1列出了EMF將如何受到引入離線檢測(cè)技術(shù)的影響。

這些技術(shù)的PMF可能非常相似（概率檢測(cè)，虛警概率，傳感器吞吐量，傳感器檢測(cè)距離等），雖然其特定值通常會(huì)不一樣。作為結(jié)果，當(dāng)相似的PMF將到達(dá)同樣的EMF，此時(shí)PMF的值將會(huì)不一樣，且它們對(duì)EMF影響的能力也會(huì)變得不同。

由于當(dāng)評(píng)估一個(gè)類似檢測(cè)點(diǎn)和離線檢測(cè)系統(tǒng)上存在多種組合的可能性，敏捷分析系統(tǒng)的能力就變得非常重要，特別在于是否需要維護(hù)一個(gè)自然水平的安全級(jí)別。如果一項(xiàng)技術(shù)失敗了，或者如果一個(gè)安全哨失去效用了，可以理解此時(shí)就會(huì)受到影響，同時(shí)就需要具有快速調(diào)整到消除這些缺陷的能力。一個(gè)輕量級(jí)工具所具有的，可以在很短時(shí)間內(nèi)（數(shù)秒至數(shù)分鐘）實(shí)現(xiàn)這種類型的分析的創(chuàng)造力是非常必要的。在理解如何構(gòu)建優(yōu)先模型問(wèn)題上，與最終用戶的約定是非常重要的，這將使得工具以基于用戶通常的意愿來(lái)作出決策。在第二節(jié)中描述過(guò)優(yōu)先模型，其構(gòu)成了EMF與MMF的映射圖。通過(guò)理解最終用戶的需求以及他們對(duì)自己工作范疇的認(rèn)識(shí)，在對(duì)系統(tǒng)進(jìn)行一個(gè)定理分析處理的過(guò)程中，該敏捷分析工具可以用來(lái)以用戶所偏愛(ài)的方式構(gòu)建。

3 基于元模型系統(tǒng)工程方法的應(yīng)用

本節(jié)提出的方法集中應(yīng)用在傳感器技術(shù)兩個(gè)不同的配置下投入決策來(lái)進(jìn)行比較：一個(gè)常規(guī)檢測(cè)點(diǎn)系統(tǒng)以及一個(gè)配置離線檢測(cè)系統(tǒng)的檢測(cè)點(diǎn)系統(tǒng)。這里將顯示包含元建模的基于建模的系統(tǒng)工程方法，如何可以被使用于制定一個(gè)快速準(zhǔn)確以及定量的決定。首先，下頁(yè)圖2中給出了一個(gè)PMF和EMF關(guān)系的大型的虛擬仿真圖。這些PMF包括了離線檢測(cè)傳感器和其他系統(tǒng)檢測(cè)傳感器的檢測(cè)概率及虛警概率。操作者預(yù)覽時(shí)間是另一個(gè)要考慮的PMF性能指標(biāo)。圖2中EMF的顯示代表了系統(tǒng)級(jí)的測(cè)量。這4個(gè)EMF變量的匯集可以用于定義MMF。該映射圖的優(yōu)先函數(shù)也在該圖中給出了定義。

每一個(gè)EMF變量都有一個(gè)元模型，也就是說(shuō)檢測(cè)概率、虛警概率、吞吐量、篩查（或篩查比例）是被校準(zhǔn)過(guò)的。一個(gè)混合設(shè)計(jì)使用了一個(gè)拉丁超立方體設(shè)計(jì)分層與采用Plackett_Burman設(shè)計(jì)相結(jié)合，其結(jié)果在表2中顯示。這產(chǎn)生了一個(gè)虛擬建模采樣和配置元建模實(shí)驗(yàn)性的設(shè)計(jì)。該混合設(shè)計(jì)使能了覆蓋設(shè)計(jì)空間和內(nèi)部點(diǎn)實(shí)例的角落點(diǎn)的子集以捕獲復(fù)雜的非線性相互作用。

非線性回歸、遺傳程序以及神經(jīng)網(wǎng)絡(luò)是3個(gè)可以校準(zhǔn)的元建模的候選要素，RMSE統(tǒng)計(jì)和相關(guān)系數(shù)R被使用于選擇最佳適應(yīng)性元模型。非線性回歸模型由二階條件及其系數(shù)相互作用所組成。遺傳程序使用了一個(gè)進(jìn)化程序，通過(guò)類似遺傳算法的變異和交叉方法搜索候選權(quán)重和元建模方程的符號(hào)結(jié)構(gòu)。遺傳算法在本質(zhì)上是一個(gè)隨機(jī)搜索程序，該方法的多個(gè)重復(fù)實(shí)例試圖通過(guò)最佳適應(yīng)元模型以獲取返回的結(jié)果。該神經(jīng)網(wǎng)絡(luò)包括了一個(gè)前饋學(xué)習(xí)訓(xùn)練結(jié)構(gòu)和適應(yīng)性算法組成在多個(gè)隱藏層和節(jié)點(diǎn)相連接的低錯(cuò)誤測(cè)試校準(zhǔn)多重網(wǎng)絡(luò)中。

在圖3中分別給出了訓(xùn)練系統(tǒng)和測(cè)試系統(tǒng)元模型的EMF指標(biāo)。要注意的是，這兩個(gè)模擬集群輸出是與在檢測(cè)點(diǎn)系統(tǒng)中使用離線檢測(cè)傳感器相關(guān)的。對(duì)于檢測(cè)EMF的概率，神經(jīng)網(wǎng)絡(luò)可以產(chǎn)生最好的適應(yīng)性，訓(xùn)練系統(tǒng)和測(cè)試系統(tǒng)其RMSE指標(biāo)各自為0.006 5及0.013 5。R值的結(jié)果是0.932。測(cè)試系統(tǒng)指的是數(shù)據(jù)沒(méi)有用于訓(xùn)練模型的系統(tǒng)。對(duì)于虛警概率的EMF指標(biāo)，神經(jīng)網(wǎng)絡(luò)導(dǎo)致訓(xùn)練系統(tǒng)和測(cè)試系統(tǒng)的最佳適應(yīng)RMSE各為0.001 2和0.009 3。R值結(jié)果為0.974。對(duì)于吞吐率的EMF指標(biāo)，遺傳程序?qū)е伦罴堰m應(yīng)RMSE在訓(xùn)練系統(tǒng)和測(cè)試系統(tǒng)分別為0.000 61和0.000 63。同時(shí)R值結(jié)果由于小范圍吞吐量的輸出存在變率，所以僅為0.847 9。對(duì)于篩查的EMF指標(biāo)，神經(jīng)網(wǎng)絡(luò)的結(jié)果產(chǎn)生的RMSE對(duì)訓(xùn)練系統(tǒng)和測(cè)試系統(tǒng)的結(jié)果分別為0.000 5和0.008 1。而R值結(jié)果是非常出色的0.999 7。不過(guò)需要注意的是，這里在由于增加獲取去除離線檢測(cè)傳感器可能導(dǎo)致雙端測(cè)量時(shí)有一極可能發(fā)生集群擁塞。

4 整合EMF派生PMF到MMF映射

這里存在一個(gè)主要問(wèn)題：如何決策添加離線檢測(cè)和對(duì)于兩個(gè)離線檢測(cè)傳感器影響MMF的檢測(cè)概率水平的值。認(rèn)識(shí)這層關(guān)系將有助于決策如何在每一個(gè)離線檢測(cè)傳感器上增加適當(dāng)?shù)耐度氡壤?。需要注意的是，這里有兩組鏡像設(shè)備被納入考慮，一組范圍是3 m～7 m，另一組范圍是5 m～15 m。當(dāng)進(jìn)入系統(tǒng)的放量變得非常擁擠時(shí)，離線檢測(cè)傳感器被配置成最大獲取能力范圍。每一個(gè)離線檢測(cè)傳感器都被整合進(jìn)由X射線傳感器和金屬探測(cè)器構(gòu)建的檢測(cè)點(diǎn)檢測(cè)系統(tǒng)。

可以得出由系統(tǒng)檢測(cè)水平概率，虛警概率，吞吐量，以及入境篩查百分比結(jié)合工作的綜合結(jié)果的優(yōu)點(diǎn)。一個(gè)優(yōu)先建模可以被校準(zhǔn)后得出EMF輸出到一個(gè)單數(shù)值表示的系統(tǒng)完備映射圖。通過(guò)對(duì)四項(xiàng)元模型屬性的EMF以及優(yōu)先模型的MMF應(yīng)用基于模型系統(tǒng)工程的方法，一個(gè)代表離線檢測(cè)水平概率與綜合MMF之間關(guān)系的映射圖將被實(shí)時(shí)創(chuàng)建。結(jié)果顯示，MMF點(diǎn)，檢測(cè)概率，以及兩個(gè)離線檢測(cè)傳感器關(guān)系可以用三維曲面表示。

在系統(tǒng)中通過(guò)添加離線檢測(cè)傳感器可以增加MMF值這點(diǎn)是可以確定的，MMF的表面圖可以通過(guò)決策者進(jìn)行使用，以此來(lái)促進(jìn)涉及檢測(cè)值概率的最經(jīng)濟(jì)有效的兩個(gè)傳感點(diǎn)的決策動(dòng)作。一個(gè)選擇是對(duì)第1組離線傳感器進(jìn)行全面的投入，相對(duì)于第2組傳感器，本組顯示出了一個(gè)對(duì)MMF的平滑的較強(qiáng)的影響。另一個(gè)可接受并有效的選擇是，對(duì)第1組離線傳感器進(jìn)行90%檢測(cè)概率值的投入，對(duì)第2組則進(jìn)行50%的投入。實(shí)驗(yàn)結(jié)果表示，最終決定被經(jīng)由協(xié)同決策系統(tǒng)通過(guò)使用MMF映射圖完成，該映射圖實(shí)時(shí)產(chǎn)生于虛擬元建模和優(yōu)先建模。

5 結(jié)束語(yǔ)

本文展示了虛擬元建模如何被應(yīng)用到基于建模系統(tǒng)工程技術(shù)之中，從而達(dá)到敏捷分析的目的。虛擬元建模提供了一個(gè)實(shí)時(shí)決策制定能力，本文中該能力通過(guò)離線檢測(cè)的學(xué)習(xí)訓(xùn)練場(chǎng)景所展示。該方法包括了虛擬元建模和優(yōu)先建模，并將多水平系統(tǒng)映射圖方法即PMF至EMF再到MMF的映射關(guān)系納入了分析。

PMF至EMF再到MMF的映射關(guān)系使能了組件技術(shù)的性能測(cè)量敏感性分析，用于獲取綜合系統(tǒng)效果評(píng)價(jià)。本文顯示了這些技術(shù)如何可以一同為敏捷系統(tǒng)工程工作。對(duì)于元建模其被廣泛使用于各領(lǐng)域中，要求較為嚴(yán)格的技術(shù)決策挑選最合適元模型的方法上，目前其實(shí)驗(yàn)性設(shè)計(jì)必須自動(dòng)校準(zhǔn)，而不能將校準(zhǔn)過(guò)程留給系統(tǒng)分析者手動(dòng)完成。對(duì)該問(wèn)題的解決將進(jìn)一步推進(jìn)該系統(tǒng)工程框架的發(fā)展，從而產(chǎn)生一個(gè)通用的敏捷定量客觀的分析機(jī)制。

本文中的PMF至EMF再到MMF的映射關(guān)系應(yīng)用，同樣可以使用柏拉圖分析作為MMF通過(guò)變化預(yù)算分配的效能評(píng)價(jià)。舉例如下，柏拉圖分析可以通過(guò)最大化MMF實(shí)現(xiàn)，其通過(guò)啟發(fā)式搜索程序在每一筆預(yù)算級(jí)別中來(lái)決策選擇最優(yōu)EMF。擁有一個(gè)實(shí)時(shí)PMF與MMF的映射圖使得該優(yōu)化可以通過(guò)多種預(yù)算級(jí)別來(lái)實(shí)現(xiàn)。這將在后期工作中進(jìn)行討論。另外，分析認(rèn)為對(duì)于每一個(gè)元模型的測(cè)量錯(cuò)誤與對(duì)綜合MMF的測(cè)量錯(cuò)誤所使用的方法一樣，都包括了錯(cuò)誤從每一個(gè)元模型之間進(jìn)行的傳播，這同樣也包括了PMF和MMF的映射圖，如何改進(jìn)該問(wèn)題，這將是下一步研究的內(nèi)容。

［1］Sadhasivam D S，Jayarani R.Design and Implementation of an Efficient Two-level Scheduler for Cloud Computing Environment［C］//In:International Conference on Advances in Recent Technologies in Communication and Computing，2009（148）：884-886.

［2］Enderle J，Hampel M，Seidl T.Joining Interval Data in Relational Databases［C］//In Proc.ACM SIGMOD Conference on Management of Data，Paris，2004：683-694.

［3］Rosen S，Saunders C，Guharay S.Multilevel Mapping of System Engineering Metrics Via Simulation Metamodeling［J］. Bioinformatics，2008，24（3）：993-996.

［4］Alekseyenko A V，Lee C J.Nested Containment List（NCList）:A New Algorithm for Accelerating Interval Query of Genome Alignment and Interval databases［J］.Bioinformatics，2007，23（11）：1386-1393.

［5］尹寄明，樓佩煌.基于CAN總線系統(tǒng)的溫度測(cè)量節(jié)點(diǎn)設(shè)計(jì)［J］.計(jì)算機(jī)測(cè)量與控制，2006，14（5）：607-609.

［6］Chwif L，Paul R.On Simulation Model Complexity［C］//Proceedings of the 2000 Winter Simulation Conference，2002：449-445.

［7］Liu Y，Hu Y.Combination Tree for Mining Frequent Patterns Based on Inverted List［C］//In Proc.of the International Conference on Computational Intelligence and Security，2006：805-808.

［8］Rosen S，Saunders C，Guharay S.Metamodeling of Time Series Inputs and Outputs［C］//Proceedings of the 2012 Winter Simulation Conference，2012.

［9］張金學(xué)，掌明，李媛媛.基于四元數(shù)法的固定翼微型飛行器姿態(tài)控制［J］.計(jì)算機(jī)測(cè)量與控制，2012，20（7）：1851-1854.

［10］李新征，易建強(qiáng)，趙冬斌.基于視覺(jué)的機(jī)器人定位精度提高方法［J］.計(jì)算機(jī)測(cè)量與控制，2005，13（6）：545-547.

［11］Kim T S，Oh R，Lee S J，et al.Vertical Handover between LTE and Wireless LAN Systems based on Common Radio Resource Management（CRRM）and Generic Link Layer（GLL）［J］.Korean Society forInternetInformation，2010，11（1），35-45.

［12］Jin F，Choi H A，Kim J H，et al.Common Radio Resource Management for Access Selection in Multi-Access Networks［R］.In:IEEE Radio and Wireless Symposium，doi: 10.1109/RWS.20084463574，2008：643-646.

［13］Buyya R，Yeo C，Venugopal S.Market-oriented Cloud Computing:Vision，Hype，and Reality for Delivering it Services as Computing Utilities［C］//in Proceedings of the 10th IEEE International Conference on High Performance Computing and Communications（HPCC-OB，IEEE CS Press. Los Alamitos，CA.USA），2008.

［14］楊凌霄，鐘穎，陶玉昆.基于神經(jīng)網(wǎng)絡(luò)的超磁致伸縮執(zhí)行器模型參考控制［J］.計(jì)算機(jī)測(cè)量與控制，2010，18（8）：1777-1779.

Configuration Model Based on Agile Systems Engineering Modeling Offline Inspection System

LIANG Hong-jie
（Huanghe Science and Technology University，Zhengzhou 450006，China）

This paper presents a model-based systems engineering approach developed for a quick analysis of complex systems，the method without the use of high performance computing resources.The method comprises three basic indicators of system engineering mapping，which is a measure of performance，effectiveness measurement，and the value measured by a single diagram element modeling. By this method，the analysis can effectively support element model diagram of the system for measurement，measured level of performance from the element to the integrated value of the systemlevel diagram of a single，real-time decision-support framework under constraint.By element modeling an approximate mathematical representation of the virtual model is obtained，which eased the burden on the long-running occupation of computing resources and high performance computing requirements.The meta model also provides an effective method for modeling proposed by many analog output gain for pooled.Both of these methods constitute this agile，model-based systems engineering foundation.This modeling approach is based on the validity of the proof of our detection system configured for offline experiments.

quantitative systems engineering，simulation metamodeling，simulation optimization，preference modeling

TP391

A

1002-0640（2015）09-0021-05

2014-08-05

2014-09-07

梁紅杰（1975- ），男，河南內(nèi)黃人，講師。研究方向：系統(tǒng)工程、算法設(shè)計(jì)等。