基于四维空间相似度的军械紧急调运方案优选方法

分析了军械紧急调运方案优选决策的混合多属性特点。基于TOPSIS方法的基本原理,首先通过方案属性值的四维属性值转化,将不同类型的属性值统一成相同的形式,然后通过定义四维空间相似度,将各类型属性值的相似度计算规范到统一的度量空间,解决了含有实数、区间数、语言值和不确定语言值等多种不同决策属性值的的军械紧急调运方案优选这一混合型多属性决策问题。计算示例表明了该方法的可操性和有效性。     

MADM中不同属性的规范化研究

不同属性值的规范化是多属性决策问题中的重要过程.提出了一种属性值作为点到优区间和劣区间的距离的定义,依据该定义得到了属性值规范化新方法,并通过实例证明了新规范化方法的有效性.     

GA BP网络在机体研制费用预测中的应用

针对目前BP神经网络在应用中,网络结构难以确定以及网络极易陷入局部解问题,用遗传算法优化神经网络的连接权和网络结构,并在遗传进化过程中引入交叉概率和变异概率与个体的适度值相联系,改进了操作算子,而且在交叉操作后又引入模拟退火机制,提高遗传算法的局部搜索能力.建立了基于改进遗传算法的BP网络费用预测模型,并以某型飞机机体进行实例分析,计算结果表明,该方法预测的准确性更高,且预测结果稳定.     

基于强化麻雀搜索神经网络的空战机动决策方法

针对空战中机动决策速度慢、准确性低问题,提出基于强化麻雀搜索神经网络的空战机动决策方法,该方法分别考虑角度、距离、高度等因素构造相应的态势函数,将几种态势函数结合起来并加权得到态势评估函数,利用神经网络的黑盒部分计算各个态势函数的权值,利用混沌初始化和小孔成像反向学习策略强化麻雀搜索算法,再利用其特性去优化神经网络,将麻雀的适应度函数与神经网络的权值和阈值建立直接的映射关系,从而获得准确的态势评估函数,再将得到的态势评估函数结合博弈论模型得到博弈态势值,并由此来进行空战机动决策。仿真表明,该方法在与粒子群和遗传算法优化的神经网络模型相比之下,决策速度更快、准确性高,从而能获得空战优势,以获得最终的空战胜利。     

基于遗传算法的项目评标研究

针对遗传算法中的两项重要技术——编码问题和适应度函数的设计做了深入探讨，利用遗传算法全局最优的特点，对教学设备进行了评标，同时对适应度函数的设计针对以往的设计方法提出新的见解，对其设计方案提出改进，引入AHP算法进行适应度函数的设计，给出利用AHP算法进行适应度函数设计的全过程。     

弹药自动装填机器人免疫遗传模糊神经滑模控制

提出了一种基于改进免疫遗传算法的弹药自动装填机器人自适应模糊神经滑模控制器(IIGAAFNSMC)。用径向基神经网络来近似等效滑模控制中的不确定参数,通过自适应免疫遗传算法在线调整径向基神经网络非线性隐含层的结构和参数。利用最小二乘法计算线性输出层的权值,自适应模糊系统调节滑模控制的增益,减小了网络逼近误差和外部干扰并消除了传统滑模控制中的抖振问题。仿真结果表明,该方法比传统的神经网络滑模控制器具有更高的逼近精度和速度。     

遗传算法的均匀圆阵DOA估计

为了精确估计移动目标方位角,通过用遗传算法对均匀圆阵进行目标的估计,引入确定性最大似然准则确定遗传算法中的适应度函数,并利用模式空间变换方法将均匀圆阵转换为虚拟线阵;列出了遗传算法基本步骤.通过计算机仿真对遗传算法与MUSIC算法以及遗传算法迭代次数与信噪比的关系进行了比较,验证了在低信噪比的情况下有很好的收敛性和稳定性.     

一种考虑主观偏好的武器装备采购决策方法

针对只有部分权重信息且决策属性值以区间数形式给出的武器装备采购方案决策问题,提出了一种基于区间数相离度和可能度的偏差最小化决策方法,将决策者对待选方案的主观偏好融合到计算模型当中,并详细给出了该决策方法的计算步骤和算法。研究表明,该方法能够有效解决武器装备采购决策过程中的主观偏好问题,使得决策结果更为客观合理,最后通过一个示例来验证方法的可行性和有效性。     

基于遗传算法和神经网络的混合自学习策略

通过对神经网络自学习方法和基因遗传算法的研究 ,采用自适应基因遗传算法对神经网络进行训练 ,形成基于遗传算法和神经网络的混合自学习策略 ,克服了神经网络自学习方法的不足 ,提高了系统的自学习能力     

基于属性值为区间数的轰炸机敏感性评估

分析了影响轰炸机敏感性的主要因素,针对敏感性评估中存在的不确定和模糊性,构建了属性值为区间数的轰炸机敏感性评价指标体系,基于改进的区间层次分析法和信息熵法得到了区间数形式的指标权重,利用VIKOR法建立了轰炸机敏感性评估模型,引用心态指标对区间数进行排序择优.通过实例计算,验证了方法的可行性和有效性。结果表明此方法能够考虑决策者主观偏好,评估各方案与正负理想方案的接近程度,计算决策者处于不同心态下不同机型的折衷解,并排序得到决策的最优解,对各方案优劣进行评判,为轰炸机敏感性评估研究提供了参考。     

基于前景理论和证据推理的混合型多属性决策方法

针对属性权重完全未知的混合型多属性决策问题,提出一种基于前景理论和证据推理的决策方法。通过直觉模糊数对精确数、区间数和语言变量3种混合型属性的决策信息进行统一,根据前景理论对决策信息进行转化;提出基于直觉模糊熵与相似度的属性可靠性评估方法,结合属性重要度确定属性权重;采用证据推理算法集结属性信息,得到方案的综合前景值,并以此进行方案排序。算例分析结果表明,所提方法具有较强的区分能力,能够有效降低决策结果的不确定性,对混合型多属性决策问题具有较好的适用性。     

模糊多属性决策理论在防空兵作战能力评估中的应用

针对防空兵系统特点,运用模糊多属性决策理论探索防空兵作战能力评估问题。构建了模糊多属性评估算法,结合具体的数学工具建立了模糊多属性评估模型,经过三级模糊综合评估得出评估结论。经实例检验该方法在防空兵作战能力评估中具有较好的应用价值,另外该方法在其他领域也具有较好的推广价值。     

基于三角模糊数的登陆点选择模型

针对登陆点选择的特点,对登陆点选择步骤进行分析,确定影响的四个基本因素,利用三角模糊数型多属性决策方法建立登陆点选择模型。与层次分析法相比,此算法时更能突出登陆点选择时,指挥者对登陆点的偏好所影响登陆点选择的基本因素值只能大概给出,基本因素之间的权重信息也不能完全确知的特点,通过计算机编程,此模型能够快速地实现对登陆点的排序选优,为指挥员提供辅助决策。     

BP网络的优化及其在光纤陀螺温度漂移建模中的应用

针对BP网络存在易陷入局部极小和收敛速度慢的问题,采用遗传算法(GA)优化BP网络;采用混配的方法,对遗传算法进行了改进,克服了遗传算法中所存在的种群内过早收敛的缺点,并在光纤陀螺温度漂移建模中,取得了预测的效果。     

一种新的多属性决策方法

针对模糊多属性决策问题,提出了一种新的属性值以三角模糊数形式给出的模糊多属性决策方法。首先定义了两三角模糊数的中心决策矩阵;其次通过引入方案间优势度和优势度比较矩阵概念及其计算公式,从而给出了方案的排序,实例分析说明了所提出的决策方法的合理性及其算法的有效性。     

战斗机综合效能的多属性评估方法

基于多属性决策理论,建立了一种战斗机综合效能的多属性评估框架.评估属性包括:飞机机动性.几何完善性,结构完善性,续航性,飞机使用保障技术特性,武器、火控和航空电子系统特性,以及全寿命周期费用.综合效能评估采用TOPSlS方法,回避了将各评估参数综合成单一效能度量值的困难.采用最小信息折衷评估方法确定属性权重.对F-15C、F-16A、F-18A三种战斗机的综合效能进行了评估、对比.     

基于威布尔比例故障率模型的装备检测间隔期多属性模糊决策方法

在对威布尔比例故障率模型进行研究的基础上,以可接受的故障风险为约束,计算了装备的检测间隔期。由于装备使用受到故障风险、检测费用、可用度及停机时间等多属性影响,运用基于加权投影折中法建立了模糊多属性状态检测周期决策模型,实现了多因素条件下状态检测间隔期的综合优化决策。最后,通过实例分析验证了该模型的适用性。     

基于群体多属性决策的坦克武器作战能力评估

针对坦克武器系统作战能力评估新趋势,运用不完全信息群体多属性决策方法探索坦克武器系统作战能力评估问题。依据决策群体中每一决策个体的主观偏爱和信息掌握程度,形成对不同坦克武器系统在各属性下效用的不完全信息,决策群体集结各效用不完全信息形成群体偏爱,对武器系统作战能力进行排序或选优。该方法模型简单、利用计算机实现,较好地解决了信息化条件下坦克武器系统作战能力评估问题。     

基于卷积神经网络的卫星网络协调态势评估方法

为充分发掘利用海量卫星网络数据,提高决策效率,加强空间频轨资源获取与储备的分析手段,尤其是对地球静止轨道资源的协调获取问题,提出基于机器学习算法的卫星网络态势评估策略。通过对卫星网络协调因素进行特征分析,选择卷积神经网络(Convolution Neural Network, CNN)为目标算法模型,并建立算法模型的训练数据集及Label规则,采用分裂信息增益度量方法对数据进行降维处理,建立CNN评估模型,并进行了验证分析。结果表明,CNN模型对卫星网络协调态势评估问题测试的正确率高达80%以上,具有较高的评估效能。随着数据量的增多,CNN评估效果逐步提升,是一种在卫星网络协调态势分析、资源储备的有效评估方法。