基于遗传算法的油料装备最优化调拨模型

对油料装备调拨问题进行分析,建立了基于遗传算法的油料装备最优化调拨模型,论述了应用遗传算法求解油料装备调拨问题的过程,得出油料装备最优化调拨方案的生成方法。     

基于优化蚁群算法的装备调拨决策系统研究与设计

将蚁群算法和遗传算法应用于装备调拨决策系统,实现了装备调拨决策信息的生成.同时利用遗传算法对蚁群算法的参数进行了优化,实验证明优化后的蚁群算法在平均路径长度、算法平均执行时间和总执行时间上较传统蚁群算法都有一定程度的改进.     

基于PowerBuilder的装备通用调拨模块的设计与实现

分析了军械管理信息系统中调拨功能的特点,探讨了基于PowerBuilder的装备通用调拨模块的设计方法和实现技术,并在实际工程中验证了其有效性。     

基于蚁群算法的航空弹药需求测算

智能化是现代航空弹药需求与指挥控制系统的发展趋势,如何进行合理快速地调拨航空弹药是系统设计过程中的关键任务之一。为此,提出了依据目标对航空弹药进行选择的策略,利用蚁群算法对战斗目标进行聚类分析,对各类目标进行模糊综合评判,从而确定装备出动方案,依据弹药与装备的关系,对满足既定保障度的弹药需求量建立模型,并计算出满足既定保障度的弹药供应量,为战前对战场态势预估,实现弹药战时及时准确调拨,为作战弹药准备提供依据。     

基于改进遗传算法的油料调拨优化

为实现油料快速调拨运输，利用改进的遗传算法求解油料调拨优化问题，采用了一种受贪婪算法启发的新的交叉算子和变异算子，对比模拟退火算法等其他算法而言，具有较好的鲁棒性，能很好地解决油料调拨运输过程中多任务多地点的油料调拨运输问题。     

基于两级联合库存的低消耗备件优化配置研究

针对现行装备低消耗备件供应保障效率不高的问题,提出了基于两级联合库存的低消耗备件优化配置方法。在建立备件两级联合库存模型的基础上,引入备件横向调拨策略,并以横向调拨方案为约束条件,两级库存系统期望缺货量最少、横向调拨量最大为优化目标,建立了两级联合库存配置优化模型。运用线性规划软件对模型进行求解和优化,结合实例对横向调拨方案进行了分析,结果表明该模型在达到备件配置要求的情况下,提高了备件利用率,为制定合理的备件优化方案提供决策依据。     

加强装备动员建设应解决的几个重点问题

装备动员是把军民通用装备物资和科学技术成果,通过征用或无偿调拨,迅速装备部队,快速将国防潜力转化为军事实力的政府行为。装备动员是新形势下战争动员的重要组成部分,加强装备动员建设,对于做好军事斗争准备具有十分重要的现实意义。当前,加强装备动员建设应重点解决好以下几个问题。 一、健全装备动员领导体制 建立和完善适合我国国情的装备动员领导体制,是做好平时装备动员准备,确保战时动员顺利实施的关键     

装备动态优化调拨系统体系结构研究

将Agent理论与方法引入到油料装备调配中,对油料动态优化调拨问题进行描述与求解,提出基于Agent的油料装备动态优化调拨系统体系结构,并构建了结构.Agent的结构由通讯模块、控制模块、设备控制器、人机接口、局部数据库、局部知识库等几部分构成.通讯模块使用面向对象的通讯机制,完成Agent间、Agent与人及设备之间的通讯处理.通信器负责接收和发送本Agent和别Agent间传递的消息、事实库、工艺库、调度目标规则库及Agent之间合作规则库等.它对提高油料快速保障效率具有重要意义.     

通信装备管理信息系统通过技术鉴定

通信装备管理信息系统是根据广州军区通信部装备器材处提出的整体方案,由广州军区通信器材修理所和通信器材仓库联合研制。该系统与计算机联网,可通过长途自动电话网实施通信装备数量质量管理。通信装备管理信息系统分为装备管理和装备质量管理两个部分组成,主要用于通信装备管理部门作为对装备实施组织计划、调拨、补充、库存、退役、报废管理以及对装备的     

通用物资装备动员应遵循的几个原则

通用物资装备动员是为了保障战争需要,对国家机关、社会团体、企事业单位和公民个人拥有或者管理的通用物资装备,通过征用或无偿调拨,迅速装备部队,快速将国防潜力转化为军事实力的活动.通用物资装备动员是战争动员的重要组成部分,通常包括给养、运力、工程机械、工程器材、观察器材、通信器材、医疗器械和炊事用具等内容.通用物资装备动员是否及时有效,对于夺取战争胜利具有重要影响.     

四种智能算法的比较研究

随着智能算法的研究深入,一些新的智能优化算法不断被提出,包括从遗传算法、蚁群算法、粒子群算法、人工鱼群算法等。这些算法都是从自然界的自然生物的特性启发而研究出来的,由于这些算法在求解时不依赖于梯度信息,因而特别适用于传统方法解决不了的大规模复杂问题。通过这些算法的介绍和分析,并通过测试函数测试了四种算法的收敛性、收敛速度和精度,评价了这些智能算法在求解函数优化问题的能力。最后对优化算法今后的发展方向进行了评述与展望。     

改进遗传算法在传声器阵列优化中的应用

规则平面阵列因其结构周期性,在进行波束综合时存在主瓣宽、旁瓣电平高等问题。对此,提出一种基于改进遗传算法的阵列优化方法。设计平面栅格传声器阵列,以满足阵元间距的要求,并构造以主瓣宽度为约束条件、以全局旁瓣电平为适应度的目标函数,对常规遗传算法进行改进,采取个体间自由交叉、随机的阵元数量强制变异的策略来增大种群的搜索范围。通过仿真,得到多个优化阵列,与几种规则平面阵列相比,在不同的信噪比输入下,经过改进遗传算法优化得到的随机阵列均有更好的表现。而相比于几种常规的优化算法,改进的遗传算法具有更强的搜索能力,得到数量更多、性能更优的随机阵列,由此证明了所提方法的可行性。     

求解不确定型车辆路径问题的弱鲁棒优化方法

为降低鲁棒优化模型最优解的保守性,以最小化违约车辆数和总惩罚成本为目标,建立针对旅行时间不确定的开放式车辆路径问题的弱鲁棒优化模型。对于不确定数据集的每个取值,该模型的最优解可以使其目标函数值始终不超过某数值,进而改善最优解的保守性。为提高启发式算法发现最优解的概率,提出一种自设计遗传算法对模型进行求解,其主要思想是利用粒子群算法搜索出可使遗传算法预期产生最好解的算法要素,并将其进行组合,从而产生新的遗传算法。采用新产生的遗传算法对模型继续求解,输出最好解。计算结果表明:与以往的鲁棒优化方法相比,弱鲁棒优化方法的最优解的保守性显著降低。     

基于遗传算法的战时维修保障系统优化研究

分析了战时维修保障系统的结构功能,给出了维修保障系统的解析模型,提出了维修保障系统的可控参数及指标;为了使维修保障系统发挥最佳效能,以最小二乘准则作为系统的优化准则,建立了维修保障系统的优化模型,采用遗传算法对优化模型进行求解,给出了计算方法,并以计算实例验证了方法的可行性。     

基于遗传算法的大系统可靠度优化分配

给出了大系统可靠度优化分配的数学模型 ,设计了大系统可靠度优化分配问题的遗传算法。数值例子表明该方法可以有效地解决大规模的、复杂的非线性规划问题。解决了传统算法的局限性     

A New Chaotic Genetic Hybrid Algorithm and Its Applications in Mechanical Optimization Design

A new chaotic genetic hybrid algorithm(CGHA) based on float point coding was put forward in this paper.Firstly,it used chaos optimization to search coarsely and produced a better initial population.Then,a power function carrier was adopted to improve the ergodicity and the sufficiency of the chaos optimization.Secondly,the genetic algorithm(GA) was used to search finely and guaranteed the population's evolution.To avoid the search being trapped in local minimum,a chaos degenerate mutation operator was designed to make the search converge to a global optimum quickly.Finally,CGHA was used to solve a typical mechanical optimization problem of shear stress checking for a cylinder helix spring.Compared with traditional penalty function method,chaos-Powell hybrid algorithm and standard GA,CGHA shows better performance in solution precision and convergence speed than those of the algorithms.Therefore,CGHA is a new effective way to solve the problems in mechanical optimization design.     

基于卫星云图历史资料反演云团非线性预测模型

针对线性预测方法难以有效描述云团的非线性、非平稳变化的困难,基于经验正交函数分解(EOF)和遗传算法参数优化结合的思想,提出了一条云团非线性预测模型反演的方法途径。首先将卫星云图序列作EOF的时、空分解;在此基础上,引入遗传算法对EOF的时间系数序列进行了动力模型重构和模型参数反演,建立了EOF时间系数的非线性微分方程组;再通过时、空函数合成,构造了云团演变的动力预报模型。试验结果表明,反演的云团预报模型能较为合理地描述特定季节区域内云团演变的基本趋势,预测结果与实际云图的主要特征基本相符,尤其是实现了云图3h以上的中、长时效的客观预测。     

导弹总体参数优化设计的合作协同进化MDO算法

传统的导弹设计方法不能很好地实现各子系统设计的协同 ,而多学科设计优化技术十分适合现代计算机网络环境下的多学科协同设计。根据协同进化与MDO在本质上的相似性 ,采用合作协同进化的方法进行MDO算法研究 ,以充分发挥进化算法的优越性。给出了一种基于合作协同进化的MDO算法 ,将该算法应用于导弹的气动 发动机 控制一体化优化设计。     

基于风险控制的装备供应链网络设计模型

针对风险管理中的装备供应链正向（供应）网络设计问题，在对装备供应链风险和成本进行量化分析的基础上，综合考虑风险和成本2方面因素，建立了基于风险控制的装备供应链网络设计优化模型。并设计了遗传算法对模型进行求解，给出在指定风险水平下最优设计方案与总成本。最后通过实例分析和计算，结果表明，该优化模型合理、有效、可行。     

混合遗传算法及其在运载火箭最优上升轨道设计中的应用

运载火箭最优上升轨道设计问题是一类终端时刻未定、终端约束苛刻的最优控制问题,经典算法求解这类问题时收敛性差、局部收敛等问题表现得比较突出。针对上述问题,将具有良好全局收敛性的遗传算法应用到运载火箭最优上升段设计问题求解中,为了提高遗传算法的收敛速度和克服早熟问题,结合遗传算法和单纯型算法的优点,设计了两种混合遗传算法。计算结果表明,所设计的混合遗传算法是求解复杂问题的有效全局优化方法,可以成功地解决一类终端时刻可变飞行器最优控制问题。