遷移仿真的案例
基于COMSOL軟件的三維封裝電遷移Cu互連線的多物理場模擬仿真 ￥2000
本案例提出一種新的電遷移仿真建模方法，通過COMSOL多物理場軟件建立了經(jīng)典三維Cu互連線結(jié)構(gòu)。通過有限元仿真得到三維互連線的溫度、電流密度和應(yīng)力分布，獲得了更優(yōu)的數(shù)據(jù)仿真結(jié)果。仿真模型如圖1所示。仿真結(jié)果如圖2所示。
圖1 幾何模型
Cu互連線中等溫面分布
Cu互連線的電流密度分布圖
Cu互連線應(yīng)力分布圖
Cu互連線中電遷移導(dǎo)致的原子擴(kuò)散通量散度分布
Cu互連線熱遷移原子擴(kuò)散通量散度分布
圖2 數(shù)值仿真結(jié)果
結(jié)果顯示，金屬互連線中電流在直角內(nèi)側(cè)有嚴(yán)重的淤積現(xiàn)象，電遷移在互連線轉(zhuǎn)折處最為劇烈;高溫區(qū)域位于直角內(nèi)外側(cè)之間，熱遷移的程度隨著溫度的升高而升高;高應(yīng)力區(qū)域主要是互連線的外邊緣處，但是應(yīng)力遷移在總體電遷移中占比較小，幾乎可以忽略。另外，Cu互連線的抗電遷移性能總體優(yōu)于Ag互連線，是優(yōu)異的高密度集成電路導(dǎo)體材料。
感興趣的朋友可下載模型源文件，歡迎交流合作
展開 基于砂箱和循環(huán)井修復(fù)劑在低滲透區(qū)域遷移仿真模擬 ￥800
而氧化劑被注入地層后，僅受到橫向遷移的水流作用的影響，使得氧化劑的遷移速度慢，在受污染區(qū)域的修復(fù)效率不高。地下環(huán)境通常為非均質(zhì)地層，在高滲透區(qū)形成優(yōu)先流動路徑此外，由于注入溶液與地下水之間的密度差異，試劑在含水層中遷移過程中可能會漂浮或下沉，這種密度效應(yīng)導(dǎo)致氧化劑遷移過程形成繞流現(xiàn)象，在修復(fù)劑輸送和含水層修復(fù)中較為常見。為了解決異質(zhì)性及密度效應(yīng)引起的優(yōu)先流問題，常用解決方式是以注入水溶性和剪切稀釋聚合物的方式增強(qiáng)具有不同滲透性的多孔介質(zhì)之間的交叉流動。但是，額外添加的聚合物不僅改變氧化劑的遷移路徑，還改變了污染物的遷移路徑，使得氧化劑的作用效率受到了限制。對于地層中投加額外的試劑不僅提高了建造費(fèi)用還會影響地層生物地球化學(xué)性質(zhì)。
本模型建立了砂箱和循環(huán)井的二維簡化模型，如圖1所示。
圖 1 砂箱和循環(huán)井幾何模型
仿真模擬了低滲透性的砂箱內(nèi)的滲流場以及修復(fù)劑濃度場的遷移分布，仿真結(jié)果如圖2所示：
展開 【開源CAE培訓(xùn)通知】TELEMAC-MASCARET水動力及泥沙遷移專題培訓(xùn)
培訓(xùn)地點(diǎn)
遠(yuǎn)算培訓(xùn)教室（杭州市西
湖區(qū)千島湖智谷大廈）
培訓(xùn)內(nèi)容包括：
TELEMAC-MASCARET軟件進(jìn)行泥沙輸運(yùn)仿真計(jì)算基礎(chǔ)理論和仿真方法指導(dǎo)
TELEMAC-MASCARETt軟件進(jìn)行水動力及泥沙輸運(yùn)耦合計(jì)算案例的上機(jī)實(shí)踐
TELEMAC-MASCARET軟件在工業(yè)領(lǐng)域的應(yīng)用實(shí)例介紹
4月14日
上午：
（1）TELEMAC-MASCARET軟件介紹
（2）TELEMAC-MASCARET功能模塊及應(yīng)用領(lǐng)域介紹
（3）SALOME-HYDRO前后處理平臺工具介紹
（4）練習(xí)1：河流的二維水動力學(xué)分析
下午：
（5）TELEMAC2d水動力學(xué)仿真指導(dǎo)，
使用SALOME-HYDRO進(jìn)行幾何建立、地理信息插分、計(jì)算邊界條件和計(jì)算操縱文件生
成的方法介紹。
（6）練習(xí)1（續(xù)）：河流的二維水動力學(xué)分析
4月15日
上午：
（1）TELEMAC-MASCARET泥沙遷移仿真指導(dǎo)，簡述泥沙輸運(yùn)理論知識背景，介紹TELEMAC-MASCARET中的GAIA泥沙遷移仿真模塊。
展開 縮短40%遷移周期：如何構(gòu)建具身智能高可靠驗(yàn)證底座？
Sim-to-Real 遷移難：仿真環(huán)境與真實(shí)物理差異過大，導(dǎo)致策略遷移后表現(xiàn)大幅下降。
或許，CoppeliaSim能夠幫你解決上述難題！一款基于分布式控制架構(gòu)的多功能機(jī)器人仿真平臺，能在虛擬空間中完成具身智能體的全流程驗(yàn)證，幫助您將研發(fā)風(fēng)險(xiǎn)前置、成本大幅降低。
一、為什么考慮CoppeliaSim？
CoppeliaSim提供高保真的虛擬驗(yàn)證環(huán)境，幫助您在零硬件損耗下完成算法驗(yàn)證與物理交互測試，顯著縮短Sim-to-Real的遷移周期，是具身智能研發(fā)的“加速器”。
1.1的真實(shí)物理交互
內(nèi)置MuJoCo、Bullet、ODE等5款主流物理引擎
精準(zhǔn)模擬碰撞、抓取、軟體交互、繩索布料等復(fù)雜場景
為Sim-to-Real提供堅(jiān)實(shí)的底層物理支撐
1.2專為算法訓(xùn)練與“腦干協(xié)同”設(shè)計(jì)
合成數(shù)據(jù)工廠可自動生成深度、語義、力覺等標(biāo)注數(shù)據(jù)
支持正逆運(yùn)動學(xué)求解，適配分支、閉環(huán)、冗余自由度等復(fù)雜機(jī)構(gòu)
集成OMPL庫，可實(shí)現(xiàn)靈活高效的路徑與運(yùn)動規(guī)劃
1.3無縫對接主流開發(fā)生態(tài)
支持Python、Lua、C++、MATLAB等7種語言接口
原生兼容ROS/ROS2，現(xiàn)有算法與通信機(jī)制平滑遷移
適配人形、機(jī)械臂等各類具身智能體模型開發(fā)
1.4長效研發(fā)資產(chǎn)構(gòu)建
通過邊界測試與風(fēng)險(xiǎn)規(guī)避，模擬極端工況及硬件失效場景
實(shí)現(xiàn)策略訓(xùn)練成本集約，高頻訓(xùn)練免去真實(shí)硬件磨損
縮短虛實(shí)遷移周期，預(yù)部署調(diào)優(yōu)可有效降低遷移難度
二、典型應(yīng)用場景
以下場景正是研發(fā)中最容易反復(fù)“掉坑”的環(huán)節(jié)——CoppeliaSim能在以下場景中幫助團(tuán)隊(duì)提前排雷。
展開 
紙條吸水?dāng)?shù)值仿真 ￥500
本案例基于COMSOL模型仿真了一濾紙從一端吸水后的水分場遷移擴(kuò)散過程，仿真模型及結(jié)果如下所示：
Ansys聯(lián)合微軟推動芯片開發(fā)、仿真和云計(jì)算方面的創(chuàng)新
Ansys Cloud是Ansys基于Azure打造的仿真高性能計(jì)算云服務(wù)，近日將自動升級計(jì)算服務(wù)器硬件配置以提供使用當(dāng)今最新AMD芯片的能力。
全新Azure HBv3 虛擬機(jī)專為加速CAE仿真工作流程而設(shè)計(jì)，采用搭載AMD 3D V-Cache技術(shù)的第3代AMD EPYC處理器，讓高性能計(jì)算實(shí)現(xiàn)前所未有的性能提升。在Azure開展的早期測試中發(fā)現(xiàn)對大規(guī)模計(jì)算流體動力學(xué)（CFD）仿真的速度提升高達(dá)80%，顯式有限元分析（FEA）碰撞測試的速度提升高達(dá)50%。這意味著Ansys Cloud客戶可以更快地求解CAE問題，從而在更短時(shí)間內(nèi)做出更佳設(shè)計(jì)決策。
AMD的EPYC產(chǎn)品管理副總裁Ram Peddibhotla表示：“對高性能計(jì)算的需求比以往任何時(shí)候都要強(qiáng)烈。AMD繼續(xù)著眼于為我們的合作伙伴和客戶提供合適的處理器來支持合適的工作負(fù)載。而搭載AMD 3D V-Cache技術(shù)的第3代AMD EPYC處理器非常適合高性能計(jì)算。我們非常高興能與Azure和Ansys合作，開發(fā)能為CFD、FEA等高性能計(jì)算提供卓越性能的解決方案。”
Ansys Cloud近日將自動升級，以提供搭載AMD 3D V-Cache技術(shù)的AMD EPYC 7003系列處理器
（圖片來源：AMD）
Ansys產(chǎn)品高級副總裁Shane Emswiler稱：“HBv3虛擬機(jī)在Azure上提供了前所未有的性能提升。看到這種提升是通過AMD的創(chuàng)新3D存儲器堆疊技術(shù)實(shí)現(xiàn)的，令人倍感欣慰。這對Ansys而言是真正的良性循環(huán)，這讓我們的客戶有信心向云端遷移更多仿真計(jì)算，以盡快獲得性能提升。”
展開 Ansys聯(lián)合微軟推動芯片開發(fā)、仿真和云計(jì)算方面的創(chuàng)新
Ansys Cloud是Ansys基于Azure打造的仿真高性能計(jì)算云服務(wù)，近日將自動升級計(jì)算服務(wù)器硬件配置以提供使用當(dāng)今最新AMD芯片的能力。
全新Azure HBv3 虛擬機(jī)專為加速CAE仿真工作流程而設(shè)計(jì)，采用搭載AMD 3D V-Cache技術(shù)的第3代AMD EPYC處理器，讓高性能計(jì)算實(shí)現(xiàn)前所未有的性能提升。在Azure開展的早期測試中發(fā)現(xiàn)對大規(guī)模計(jì)算流體動力學(xué)（CFD）仿真的速度提升高達(dá)80%，顯式有限元分析（FEA）碰撞測試的速度提升高達(dá)50%。這意味著Ansys Cloud客戶可以更快地求解CAE問題，從而在更短時(shí)間內(nèi)做出更佳設(shè)計(jì)決策。
AMD的EPYC產(chǎn)品管理副總裁Ram Peddibhotla表示：“對高性能計(jì)算的需求比以往任何時(shí)候都要強(qiáng)烈。AMD繼續(xù)著眼于為我們的合作伙伴和客戶提供合適的處理器來支持合適的工作負(fù)載。而搭載AMD 3D V-Cache技術(shù)的第3代AMD EPYC處理器非常適合高性能計(jì)算。我們非常高興能與Azure和Ansys合作，開發(fā)能為CFD、FEA等高性能計(jì)算提供卓越性能的解決方案。”
Ansys Cloud近日將自動升級，以提供搭載AMD 3D V-Cache技術(shù)的AMD EPYC 7003系列處理器
（圖片來源：AMD）
Ansys產(chǎn)品高級副總裁Shane Emswiler稱：“HBv3虛擬機(jī)在Azure上提供了前所未有的性能提升。看到這種提升是通過AMD的創(chuàng)新3D存儲器堆疊技術(shù)實(shí)現(xiàn)的，令人倍感欣慰。這對Ansys而言是真正的良性循環(huán)，這讓我們的客戶有信心向云端遷移更多仿真計(jì)算，以盡快獲得性能提升。”
展開 ANSYS半導(dǎo)體專題培訓(xùn)視頻
通過仿真電遷移、熱效應(yīng)和放電現(xiàn)象，您可以驗(yàn)證最為復(fù)雜的集成電路的電源噪音完整性和可靠性。ANSYS 仿真和建模工具為您提供早期電源預(yù)算分析，以實(shí)現(xiàn)高強(qiáng)度沖擊設(shè)計(jì)決策和 IC 設(shè)計(jì)交付所需的、經(jīng)過晶圓代工廠認(rèn)證的準(zhǔn)確性。半導(dǎo)體專題培訓(xùn)視頻：網(wǎng)頁鏈接
Ansys聯(lián)合微軟推動芯片開發(fā)、仿真和云計(jì)算方面的創(chuàng)新
Ansys Cloud是Ansys基于Azure打造的仿真高性能計(jì)算云服務(wù)，近日將自動升級計(jì)算服務(wù)器硬件配置以提供使用當(dāng)今最新AMD芯片的能力。
全新Azure HBv3 虛擬機(jī)專為加速CAE仿真工作流程而設(shè)計(jì)，采用搭載AMD 3D V-Cache技術(shù)的第3代AMD EPYC處理器，讓高性能計(jì)算實(shí)現(xiàn)前所未有的性能提升。在Azure開展的早期測試中發(fā)現(xiàn)對大規(guī)模計(jì)算流體動力學(xué)（CFD）仿真的速度提升高達(dá)80%，顯式有限元分析（FEA）碰撞測試的速度提升高達(dá)50%。這意味著Ansys Cloud客戶可以更快地求解CAE問題，從而在更短時(shí)間內(nèi)做出更佳設(shè)計(jì)決策。
AMD的EPYC產(chǎn)品管理副總裁Ram Peddibhotla表示：“對高性能計(jì)算的需求比以往任何時(shí)候都要強(qiáng)烈。AMD繼續(xù)著眼于為我們的合作伙伴和客戶提供合適的處理器來支持合適的工作負(fù)載。而搭載AMD 3D V-Cache技術(shù)的第3代AMD EPYC處理器非常適合高性能計(jì)算。我們非常高興能與Azure和Ansys合作，開發(fā)能為CFD、FEA等高性能計(jì)算提供卓越性能的解決方案。”
Ansys Cloud近日將自動升級，以提供搭載AMD 3D V-Cache技術(shù)的AMD EPYC 7003系列處理器
（圖片來源：AMD）
Ansys產(chǎn)品高級副總裁Shane Emswiler稱：“HBv3虛擬機(jī)在Azure上提供了前所未有的性能提升。看到這種提升是通過AMD的創(chuàng)新3D存儲器堆疊技術(shù)實(shí)現(xiàn)的，令人倍感欣慰。這對Ansys而言是真正的良性循環(huán)，這讓我們的客戶有信心向云端遷移更多仿真計(jì)算，以盡快獲得性能提升。”
展開 SimData深度解析：高保真虛擬數(shù)據(jù)集的構(gòu)建與評測
結(jié)論：SimData的高保真度體現(xiàn)在幾何結(jié)構(gòu)、光照、材質(zhì)及動態(tài)特性上，真實(shí)世界學(xué)到的先驗(yàn)知識可以有效遷移到該仿真域中。
3、泛化能力：微調(diào)（Fine-tuning）后的性能提升
這是本次評測最核心的發(fā)現(xiàn)。我們嘗試將nuScenes預(yù)訓(xùn)練模型在SimData上進(jìn)行微調(diào)（Fine-tuning）。
實(shí)驗(yàn)結(jié)果：微調(diào)后的模型在SimData上的檢測精度顯著提升，性能甚至超過了從零開始訓(xùn)練（Train from Scratch）的模型。
雷達(dá)圖分析：在Car, Truck, Bus等主要類別上，"Pretrained + Finetune"（藍(lán)線）包圍面積，表現(xiàn)最優(yōu)。
這一結(jié)果有力證明了：
SimData的域特性與真實(shí)數(shù)據(jù)足夠接近，不存在巨大的域鴻溝。
利用大規(guī)模真實(shí)數(shù)據(jù)預(yù)訓(xùn)練 + 針對性虛擬數(shù)據(jù)微調(diào)，是提升模型在特定場景（如極端工況）泛化能力的有效路徑。
四、 總結(jié)與展望
SimData及配套工具鏈的推出，為自動駕駛數(shù)據(jù)閉環(huán)提供了一種低成本、高效率的解題思路。
易用性：aisim2nuscenes工具鏈讓仿真數(shù)據(jù)即插即用，無縫融入現(xiàn)有開發(fā)流。
真實(shí)性：評測數(shù)據(jù)表明，SimData與真實(shí)數(shù)據(jù)分布趨勢一致，具備極高的物理感知價(jià)值。
價(jià)值點(diǎn)：它不僅能作為感知模型的訓(xùn)練補(bǔ)充，更是驗(yàn)證模型泛化能力、解決長尾問題的理想“演兵場”。
未來，隨著數(shù)據(jù)集規(guī)模的進(jìn)一步擴(kuò)大（解決部分類別樣本稀缺問題），SimData有望在更復(fù)雜的感知任務(wù)中發(fā)揮關(guān)鍵作用，助力自動駕駛算法加速迭代。
展開 高溫模擬下冰塊的熱傳遞和融化過程 ￥19.89
ABAQUS提供了很多材料模型進(jìn)行失效模擬；還提供了Umeshmotion子程序和ALE技術(shù)，為磨損等材料侵蝕的仿真創(chuàng)造了可能。
ABAQUS提供的材料損傷和失效模型如下：
Shear、Ductile、JC Damage: 用于模擬金屬材料剪切和延性損傷；
FLD、FLSD、M-K、MSFLD Damage: 用于模擬金屬薄壁件的縮頸破壞；
Quade、Quads、Maxs、Maxe、Maxps、Maxpe Damage: 用于界面單元模擬的損傷破壞；
Hashin Damage: 用于纖維增強(qiáng)復(fù)合材料的損傷模擬；
Mullins Effect: 用于超彈性材料的損傷模擬；
CDP：混凝土塑性損傷模型。
同時(shí)用戶還可以根據(jù)自己的需求，自定義材料子程序（UMAT/VUMAT），設(shè)計(jì)個(gè)性化的損傷材料模型。
在研究生課題組中，有項(xiàng)目方向是做液體流動遷移擴(kuò)散仿真，故考慮ABAQUS是否能夠進(jìn)行液體性質(zhì)模擬。
本作業(yè)主要應(yīng)用Umeshmotion子程序模擬高溫下冰塊的熱傳遞和融化過程。在此之前，我們在課堂上學(xué)習(xí)過支架的線性靜力分析、壓力容器內(nèi)壓靜力分析、含切口板材單軸拉伸模擬、罐與接管的熱分析、基體上薄膜脫粘分析等，結(jié)合這些基礎(chǔ)，通過設(shè)定材料屬性，使用ALE自適應(yīng)網(wǎng)格控制，調(diào)用Umeshmotion子程序，來模擬高溫下冰塊的熱傳遞和融化過程。ABAQUS的Umeshmotion利用自適應(yīng)網(wǎng)格技術(shù)在計(jì)算過程中自動調(diào)整節(jié)點(diǎn)位置，由此可進(jìn)行燒蝕、磨損等涉及節(jié)點(diǎn)移動的模型仿真。
在ABAQUS中利用此可進(jìn)行以下探究（本文僅進(jìn)行案例復(fù)刻及一些改變）：
熱傳遞機(jī)制的模擬：在高溫環(huán)境下，模擬冰塊內(nèi)部的熱傳遞機(jī)制，包括傳導(dǎo)、對流和輻射。ABAQUS提供了多種材料模型和邊界條件來模擬這些熱傳遞過程。
展開 
如何高效構(gòu)建與測試非結(jié)構(gòu)化道路場景？
1 引言
隨著智能駕駛仿真測試等技術(shù)的快速發(fā)展，行業(yè)評估體系已從單一的“測試?yán)锍虜?shù)”向更全面的“場景覆蓋度”及“邊緣場景”檢驗(yàn)演進(jìn)。在此趨勢下，實(shí)車測試向仿真環(huán)境遷移已成為提升驗(yàn)證效率與安全的必然選擇。統(tǒng)計(jì)數(shù)據(jù)表明，一套成熟的自動駕駛算法驗(yàn)證通常遵循“99.9%仿真測試 + 0.09%封閉場地測試 + 0.01%公開道路測試”的黃金比例。
然而，當(dāng)前市場上主流的仿真工具所構(gòu)建的場景，大多集中于結(jié)構(gòu)清晰、標(biāo)線完整的規(guī)范化道路環(huán)境，如城市高架、筆直高速及標(biāo)準(zhǔn)停車場。這些“結(jié)構(gòu)化道路”雖然是現(xiàn)代路網(wǎng)的重要組成部分，卻遠(yuǎn)未涵蓋真實(shí)世界路況的多樣性。當(dāng)智駕系統(tǒng)需要向更高階的L3、L4級別邁進(jìn)，或當(dāng)車輛需進(jìn)入礦區(qū)、鄉(xiāng)野、山地等特殊區(qū)域時(shí)，那些缺乏清晰車道線、路面起伏不平的“非結(jié)構(gòu)化道路”，便成為制約系統(tǒng)實(shí)際落地與可靠運(yùn)行的關(guān)鍵瓶頸。
因此，實(shí)現(xiàn)高效、真實(shí)且可擴(kuò)展的非結(jié)構(gòu)化道路仿真能力，已成為當(dāng)前智能駕駛測試驗(yàn)證領(lǐng)域的核心挑戰(zhàn)與迫切需求。在此背景下，本文旨在系統(tǒng)闡述非結(jié)構(gòu)化道路仿真的必要性、當(dāng)前面臨的技術(shù)難點(diǎn)及其解決方案。
2 非結(jié)構(gòu)化道路測試必要性
在傳統(tǒng)的ODD（運(yùn)行設(shè)計(jì)域）定義中，非結(jié)構(gòu)化道路常被歸類為“特定場景”。然而在實(shí)際交通環(huán)境中，城鄉(xiāng)結(jié)合部、復(fù)雜山路、臨時(shí)施工路段以及各類園區(qū)內(nèi)部道路等場景占有相當(dāng)比例。
AI生成，僅供參考
對智駕算法而言，結(jié)構(gòu)化道路具備高精地圖先驗(yàn)信息、清晰的車道線與規(guī)范交通標(biāo)志，測試條件相對明確。而非結(jié)構(gòu)化道路則缺乏此類結(jié)構(gòu)化信息，系統(tǒng)必須完全依靠自身感知與決策能力：
1、車道標(biāo)識缺失或模糊：車輛需依賴視覺、雷達(dá)等多源數(shù)據(jù)實(shí)時(shí)判斷可行駛區(qū)域，無法直接依賴車道線進(jìn)行跟蹤。
展開 面向數(shù)字孿生戰(zhàn)場的智能體建模框架構(gòu)建
首先，建立一套支持隨機(jī)化仿真的模型，采用對仿真環(huán)境數(shù)據(jù)域隨機(jī)化方法，擴(kuò)大仿真環(huán)境數(shù)據(jù)分布，使擴(kuò)大后的仿真環(huán)境數(shù)據(jù)分布盡可能覆蓋真實(shí)對抗環(huán)境數(shù)據(jù)分布，并模擬實(shí)戰(zhàn)環(huán)境中的邊界條件模糊的情況；然后，利用由仿真數(shù)據(jù)模糊化模型生成的大數(shù)據(jù)對數(shù)字孿生戰(zhàn)場決策模型進(jìn)行預(yù)訓(xùn)練；最后，通過真實(shí)作戰(zhàn)環(huán)境中少量數(shù)據(jù)對決策模型進(jìn)行針對性提高，從而實(shí)現(xiàn)決策模型虛實(shí)遷移能力。仿真數(shù)據(jù)模糊化數(shù)據(jù)概率分布空間如圖9所示。
圖9 仿真數(shù)據(jù)模糊化數(shù)據(jù)概率分布空間
由于孿生戰(zhàn)場環(huán)境與真實(shí)對抗環(huán)境存在差異化特性，本文從以下4個(gè)域進(jìn)行隨機(jī)化處理：
1） 態(tài)勢特征隨機(jī)化：指在態(tài)勢特征的各個(gè)維度加入隨機(jī)擾動，增加仿真環(huán)境中可觀測態(tài)勢特征的多樣性，從而降低仿真環(huán)境生成的數(shù)據(jù)和真實(shí)作戰(zhàn)數(shù)據(jù)的差異度。
2） 識別效能隨機(jī)化：指對可觀測的態(tài)勢信息進(jìn)行模糊化處理，對不穩(wěn)定態(tài)勢信息（如雙方電子對抗產(chǎn)生的信息）進(jìn)行模擬，從而提高決策模型在識別性能不穩(wěn)定情況下決策的魯棒性。
3） 模型參數(shù)隨機(jī)化：指對決策模型的神經(jīng)網(wǎng)絡(luò)參數(shù)中加入隨機(jī)化參數(shù)。例如，在高并發(fā)的仿真數(shù)據(jù)采樣過程中，在決策模型的參數(shù)中加入擾動，以提高決策模型在對抗推演中數(shù)據(jù)的多樣性。
4） 指令生成隨機(jī)化：指在決策模型的決策指令采樣階段調(diào)整決策指令的采樣分布，以實(shí)現(xiàn)對決策模型探索率的調(diào)整。通過提升探索率，在訓(xùn)練過程中嘗試一些次優(yōu)的決策指令，從而探索多樣性決策序列下非常規(guī)的對抗推演結(jié)果。
將上述4種類域隨機(jī)化進(jìn)行組合，可在一定程度上模擬真實(shí)環(huán)境的邊界不確定性，從而提高智能決策模型對動態(tài)變化的邊界約束的適應(yīng)性。基于仿真數(shù)據(jù)模糊化的智能體訓(xùn)練學(xué)習(xí)過程中，若域隨機(jī)化數(shù)據(jù)分布變化過大，則會導(dǎo)致智能體收斂優(yōu)化困難；若域隨機(jī)化數(shù)據(jù)分布變化過小，則不利于智能體對環(huán)境變化的適應(yīng)性的維持。
展開 