幂零群和π－正规化子

有限群的结构与其子群的性质间的关系问题是群论的一个重要研究方向，通过群的极大子群、正规子群、半正规子群等对该群进行研究，已有一系列结果，将先用群G的p-Sylow子群P及其极大子群去研究群的结构，得到G是幂零群的一个充要条件，然后给出了π－正规化子的定义，讨论了它的一些性质，得到了π－正规化子的一些结论。     

有限群的极大子群的正规指数

有限群的结构与其子群性质间的关系问题是群论的一个重要研究方向,通过群的极大子群、正规子群、半正规子群、极大子群的正规指数等去研究群的可解性,超可解性、幂零性等,已有一系列结果.应用极小反例方法,利用有限群极大子群的正规指数,得到了一个有限群是π-可解群的充分条件,2个有限群是π-可解群的充分必要条件.     

基于改进多种群PSO算法的火炮随动系统调节器参数优化

针对传统火炮随动系统调节器参数整定难以达到最优的问题,提出一种基于K-均值与惯性权重指数递减的多种群PSO(KEDM-PSO)优化算法。为保证种群的全局搜索能力得到最优的参数,采用将初始种群划分为多个子群协同寻优的策略。综合考虑系统复杂程度、种群规模、解集的多样性及收敛性,采用K-均值算法将初始种群划分为3个子群,使3个子群协同寻优。为保持种群多样性,各子群不断地聚类重组,动态调整子群规模以更好地进化。子群寻优采用惯性权重指数递减策略,使得算法具有初期搜索范围大、速度快,后期惯性权重小,利于收敛、稳定的特点。试验表明该算法是有效可行的。     

一种基于多目标微粒群优化的虚拟网络映射方法

针对多个虚拟网络同时映射时资源统一优化分配的问题,提出了一种基于多目标微粒群优化的虚拟网络映射方法(MSC-VNE),提高底层网络资源利用率及全局负载均衡性能。建立了虚拟网络映射的多目标优化模型,将单个虚拟网络映射作为一个子群,并采用多子群协作优化的方法在子群映射时通过相互信息交换进行协同进化,最终达到全局资源的优化分配。仿真结果表明,与典型成果相比,提出的方法有效地提高了底层网络资源利用率和虚拟网络构建成功率。     

|μ(G)|=|π(G)|的有限群

本文讨论了一类有限群,当且仅当|μ(G)|=|π(G)|,我们称该群 G 为“*”群。我们得到了“*”群的一系列性质,并给出了在群 G 可解或超可解情形下“*”群的基本构造。     

非常余维数的未定向协边子群

本文在如下情况:(1)取定P(1≤P≤8),设K_i=8l_i P(i=1,…,l),k_2>9/4(k_1-1)>O;(2)取定整数q(l≤q≤4)式,设k_1=4t_1 q(i=1,…,l),k_2>5/2(k_1-1)>0满足时,决定了一些非常非常余维数的未定向协边子群J_n~(k_1…k_l).     

群目标侦察航迹规划方法

针对群目标侦察中的航迹规划问题,提出先采用聚类算法将目标群分成若干个子目标群,然后采用分层规划方法进行求解。第1层为目标群之间的路径规划,将问题转化为多旅行商问题并采用遗传算法求解确定最短航迹;第2层为子目标群内部的航迹规划,由于传感器通常是以一定宽度进行扫掠式侦察,因此,首先用Delaunay三角剖分算法求出包含子群内所有目标的最小凸多边形,再利用区域覆盖扫掠算法求出凸多边形内机动次数少、路径最短的航迹。仿真结果表明,所设计的航迹规划方法能够实现群目标侦查中无人机的航迹规划,证明了模型的可行性和算法的有效性。     

稳定正规环分解定理

提出了稳定正规环的概念；推广了正规环的分解定理；给出了正则局部环整性的一个简单证明；指出了研究正则环的一条新途径。     

备件冷储备方案下装备群任务可靠性建模

针对具有相同结构功能的装备群系统可靠性评估问题,根据任务周期内对装备完好数的要求,合理表示了系统状态转移过程。以部件任务期间状态变化为研究对象,将系统等效表示为多阶段任务系统,即串行k/N(G)系统。在确定系统可行状态过程基础上,分别建立了部件寿命分布在3种不同情形下的系统任务可靠性模型,并分析了备件冷储备方案的影响。为确定系统任务期间备件携带量提供决策支持,最后给出了一个应用实例。     

基于种群分类的变尺度免疫克隆选择算法

提出了一种基于种群分类的变尺度免疫克隆选择算法.该算法通过对目标函数进行非线性尺度变换,突出了全局最优解的优势地位;建立记忆子群实现了种群代际进化信息的交换;依据亲和度将抗体分为精英子群、普通子群、劣等子群,并对其分别执行自适应高斯变异、均匀变异和消亡更新等策略,增强了算法的局部和全局搜索能力.引入小生境技术提高了抗体...     

火炮射表数据处理中几个有关问题的讨论

本文是文献的继续,主要研究射表数据处理中的几个技术问题。其中包括:自变量、逼近多项式的结构、项数和逼近精度的选择问题,以及广义正规方程组的解法、选项中的异常现象和贼点剔除问题等。它们是正确和有效进行射表数据处理的重要因素,是必须很好解决的问题。     

飞机飞行控制律多目标优化设计研究

针对传统飞行控制律参数单目标优化设计不能同时满足多控制指标要求,且与飞行品质要求缺乏相关性,物理意义不明确等缺点,提出了一种基于改进NSGA-II算法的飞行控制律多目标优化设计方法。在该算法中提出了一种分化进化策略,使得进化搜索过程中染色体群可以自适应分化为数量和构成动态调整的子群,避免了多染色体子群对局部最优区域的重复搜索,维持染色体的多样性,有效抑制了早熟收敛现象发生。最后,使用改进的NSGA-II算法对某型飞机横航向控制律设计进行数值仿真,结果显示提出算法有效提高控制律优化调参效率,结果满足期望的飞行品质要求。     

变结构多模型估计第IV部分:模型群切换算法的设计和评估

在第Ⅲ部分提出了一种称为模型群切换算法(MGS)的变结构多模型(VSMM)估计器。它是第一种通用的、可应于一大类具有混合(连续或离散)不确定性问题的VSMM估计器。在这种算法中,模型集合通过在一定数目预先确定的模型群之间的切换来实现自适应。它比固定结构MM(FSMM)估计器,包括交互多模型估计器(IMM)具有更大的潜力获得更高的费效比。本文研究了算法应用中的一些比较重要的问题,包括模型群自适应逻辑和模型群的设计。研究的结果通过一个机动目标跟踪问题的详细设计例子进行了演示。这个跟踪问题使用一个时变模型集合,每个模型由目标的加速度期望值表征。仿真结果用来证实在仔细设计和非常随机和确定的情况下,MGS算法同使用所有模型的固定结构IMM(FSIMM)估计的性能(基于更合理和完全的度量,而不是仅使用通常的rms误差)和计算复杂程度的比较。     

变结构多模型估计第III部分:模型群切换算法

本文提出了一种称为模型群切换算法(MGS)的通用的变结构多模型(VSMM)估计器.它假设整个模型集合可以用一定数目的模型群来覆盖,每个模型群代表相互间紧密联系的一族系统行为方式或结构,在任何给定时刻,由一个硬决策来决定具体运行的模型群。它是第一种可普遍应用于一大类具有混合(连续或离散)不确定性问题的VSMM估计器。同时,它很容易实现。通过一个简单的失效检测和识别的例子显示当具有与固定结构的交互多模型(FSIMM)估计器相同的性能时,MGS算法可以从本质上减少计算量。     

变结构多模型估计第Ⅳ部分——模型群切换算法的设计和评估

在第Ⅲ部分提出了一种称为模型群切换算法(MGS)的变结构多模型(VSMM)估计器它是第一种通用的、可应于一大类具有混合(连续或离散)不确定性问题的VSMM估计器.在这种算法中,模型集合通过在一定数目预先确定的模型群之间的切换来实现自适应.它比固定结构MM(FSMM)估计器,包括交互多模型估计器(IMM)具有更大的潜力获得更高的费效比.本文研究了算法应用中的一些比较重要的问题,包括模型群自适应逻辑和模型群的设计.研究的结果通过一个机动目标跟踪问题的详细设计例子进行了演示.这个跟踪问题使用一个时变模型集合,每个模型由目标的加速度期望值表征.仿真结果用来证实在仔细设计和非常随机和确定的情况下,MGS算法同使用所有模型的固定结构IMM(FSIMM)估计的性能(基于更合理和完全的度量,而不是仅使用通常的rms误差)和计算复杂程度的比较.     

对流层散射无源监视系统最优布局方法

为提高对流层散射无源监视系统对辐射源的定位精度,利用改进粒子群优化算法对分布式监视节点进行最优布局设计。推导了基于电磁波方位到达角定位机制下的几何精度因子。在改进粒子群优化算法中,采用混沌理论初始化所有粒子的初始参数;通过自适应变化的惯性权重和学习因子来提高算法寻优能力;为防止粒子陷入局部最优,利用双子群机制进行寻优,并在两子群之间进行交叉变异操作,以增加粒子的多样性。仿真结果表明:相对于几种常规的布站方式,所提算法能够明显提高监视系统对辐射源的定位精度,运行时间较遍历寻优算法有所减少。     

关于star—cyclic正规算子的一个等价命题

J.B.Conway(1985)在A Course in Functional Analysis.New York Springer-Verlag.(1985)中IX.3中给出了star-cyclic正规算子的一个特性.即当N为star-cyclic正规算子,且λ∈σp(N)时,dimKer(N-λ)=1.本文证明了在复可分无穷维的Hilbert空间中正规算子为diagonalizable时,该性质和star-cyclic正规算子是等价的.     

克服军事训练中的随意性

民兵预备役部队军事训练中的随意性是制约训练落实、影响训练质量的一个＂顽症＂。落实按纲施训,正规施训的一个重要方面就是克服军事训练中的随意性。     

变结构多模型估计第Ⅲ部分——模型群切换算法

本文提出了一种称为模型群切换算法(MGS)的通用的变结构多模型(VSMM)估计器.它假设整个模型集合可以用一定数目的模型群来覆盖,每个模型群代表相互间紧密联系的一族系统行为方式或结构,在任何给定时刻,由一个硬决策来决定具体运行的模型群.它是第一种可普遍应用于一大类具有混合(连续或离散)不确定性问题的VSMM估计器.同时,它很容易实现.通过一个简单的失效检测和识别的例子显示当具有与固定结构的交互多模型(FSIMM)估计器相同的性能时,MGS算法可以从本质上减少计算量.     

试论军种发展及对战争的影响——从军种演变看军事力量结构走向

军种是军事力量结构的一种组织形式,是战争发展到一定阶段的产物。军种演变对战争产生了重大影响,它的出现直接改变了军事力量结构,极大地拓展了战场空间和国家利益空间。在未来一个时期,随着社会形态的变化、科学技术的进步、军事活动的驱动和人们对战争的主观认知,以军种为代表的军事力量结构必将发生新的变化。总的方向是趋向融合,军事力量从组织形式上成为一个整体。