[发明专利]一种提高复杂信息系统效能的全局敏感性分析方法

说明书

技术领域

本发明涉及一种高效提高复杂信息系统效能的分析方法，特别针对复杂信息系统仿真实验过程繁杂、人力物力消耗巨大的问题，提出简单易用的数学解析法，并结合基于极限学习机的全局灵敏度分析方法，高效的提高复杂系统效能，属于系统工程与信息科学的交叉领域。

背景技术

当今时代，随着科学技术的发展，信息革命的不断推进，全球领域的信息呈现出了日趋激烈的爆炸式增长，合理利用这些信息资源，提取信息中有价值的线索，对其进行利用和发展，是提高国家竞争力的重要手段。为了管理及利用这些信息，功能多样的信息系统出现在各个领域，随着信息的不断增长，信息系统功能不断增加，整体趋于复杂化。此时，信息系统在规定条件和时间内完成规定任务成为重要问题，系统的效能就是对系统所具有能达到规定任务要求能力的度量。

系统效能是指复杂信息系统在处理信息中发挥作用的有效程度，是衡量复杂信息系统处理能力的重要指标。复杂信息系统的效能状况直接影响该系统在信息处理中所发挥的作用。当代复杂信息系统的研制是一项耗费巨大人力、物力的工程，高效能是研制以及使用该系统所追求的总目标。为增强系统功能的全面性，在信息系统研发中引入更多具有先进功能的系统处理装置，信息系统结构趋于复杂化。信息系统各部件之间紧密相关，一个部件的改动，可能会导致信息系统整体性能发生意想不到的改变，改进系统性能，提高复杂信息系统效能是一件繁重复杂的事情。

复杂信息系统的标称能力是其实际能力的判断标准。通过对复杂信息系统进行效能评估，得到量化后的数据就可以为系统需求的改进和后续系统的规划、设计、运行、管理和维护提供有力的理论基础。不断提高复杂信息系统的效能，就能不断对复杂信息系统进行完善，提高系统的运行管理水平，以需求为向导显著提高系统的运行效益。提高复杂信息系统的处理能力，可以通过寻找复杂信息系统的最优效能值，并以此效能值下的参数取值为理论标准，对系统相应零部件进行性能改善与提高，能有针对性地逐步优化系统的体系结构和配置，从而提高复杂信息系统的处理能力。寻找最优效能值是一个不断改变评估模型参数取值的优化过程，即要找到参数对效能值的影响关系。复杂信息系统作为一个精密而又庞大的系统，零部件数量多，种类杂，参数范围大且取值精细，参数间具有不确定性的交互作用，通过传统的分析方法获得参数对复杂系统效能值的影响关系是一件费时费力，容易出错的事情。

敏感性分析是一种研究系统或模型的输入变量变化对输出变量影响的分析技术，它能有效的识别出重要的输入变量。敏感性分析分为全局敏感性分析和局部敏感性分析。全局敏感性分析是一种确定多参数、高维度、取值范围广的复杂评估模型中输入变量对输出变量的影响及输入变量之间相互影响的分析方法。基于极限学习机的全局敏感性分析方法是一种融入代理模型，提高计算准确度和计算效率的敏感性分析方法。该方法首先通过拉丁超立方体采样方法在参数取值范围内进行抽样，生成多维参数记录；然后通过效能评估模型，计算参数对应的效能值，即训练样本集；接着用训练样本训练极限学习机，寻找变量与效能值之间的关系，得到代理模型；再采用拟蒙特卡洛方法抽样得到分析样本集，输入代理模型中，得到分析样本结果集，就得到了分析样本集；最后，对已有的大量分析样本采用Sobol指数敏感性分析法，得到模型中的变量敏感系数以及变量之间的敏感系数。通过敏感系数，确定模型的敏感参数，调参得到最优效能值。根据参数对相应的信息部件进行优化，从而提升了信息的运行能力。本发明解决了传统代理模型代理精度差，训练时间长导致全局敏感性分析不准确问题，针对复杂信息系统效能数据给出了一种高效的敏感分析方法。

发明内容

本发明的目的是在有限的预算和时间内，发明一个快速提升信息系处理能力的方法，即基于极限学习机的全局敏感性分析方法，基于该方法，可以识别出复杂信息系统效能评估模型中的敏感系数，从而解决在参数多、取值范围广等情形下，传统敏感性分析方法效率低、效果差等一系列的问题。

本发明的具体技术方案包括以下几个步骤：

步骤一：明确复杂信息系统，建立科学的评估指标体系，构建基于ADC模型的效能评估模型。

步骤二：根据指标取值范围，利用拉丁超立方体采样方法，生成训练样本输入集，输入步骤一中构建的效能评估模型，计算并输出训练样本结果集，整合得到完整的训练样本集。

步骤三：由于指标单位不同，对训练样本集归一化处理，得到标准的训练样本集。

步骤四：将标准训练样本集输入极限学习机，找到输入变量与效能值之间的关系，直到满足拟合精度，输出代理模型。