基于案例决策理论的仿真任务共同体服务选择算法

资源分配优化是面向服务（ SOA）的大型多用途仿真系统的关键问题，而含有不确定状态或效果的服务选择是资源分配优化中的一个难点。针对以上问题，提出了构建仿真任务共同体的方法，基于案例的决策理论（ CBDT）的思想，设计了一种不确定型仿真任务共同体服务选择算法（ CBDSSA）。算法通过服务选择案例相似度的层次化运算，生成相似历史案例集，计算得到相似历史案例的方案效用值，最终评估出目标服务选择方案综合效用值并排序备选。算例验证表明，算法约束条件少，层次结构分明，运算结果直观，为仿真任务共同体服务选择问题提供了一种新的思路和实践手段，对大型多用途仿真系统资源分配优化研究具有一定的参考价值。     

多目标多决策者环境下防空反导装备体系资源分配与优化

作战体系具有层次高、规模大,各作战分系统间协调配合密切的特征。在作战任务中,这种多层次、多系统、多决策者、多目标的结构使得对各作战子系统的武器装备分配变得更为复杂。为解决此类复杂结构的优化问题,在层次化多目标分析方法基础之上,将层次系统的风险管理引入到模型中来,形成多目标多决策者资源分配模型多目标多决策者资源分配模型,用以解决在不确定风险环境下进行多目标资源分配的问题。利用MOMDRA模型建模空袭风险下防空反导体系的武器装备分配问题,在求解该模型的过程中采用系统分解的思路,利用权重法,站在不同决策者的角度得到该体系的Pareto最优资源分配方案,并通过一个实例来说明此方法的可行性。     

舰载软硬武器综合反导决策优化

舰载软硬武器综合反导方案的定量评估与优化是水面舰艇当前面临的技术难点之一.应用多阶段多目标模糊动态决策模原理于反导资源分配方案的选优.实例证明了该模型的有效性.该模型可以嵌入到指控系统的辅助决策软件中,为舰艇在反导作战中进行动态决策提供依据.     

防空作战风险决策分析

防空作战决策活动具有极强的风险性。以决策者面对风险的态度为突破点,通过建立效用曲线并在最大效用原则下对有关决策问题进行优化,在一定程度上可大大降低决策方案的风险性。同时对于防空体系设计也具有一定的参考价值。     

基于协同学的编队协同空战任务决策

基于协同学理论给出了编队协同空战系统的协同学框架;提出了编队协同作战方案的五元组定义,明确了影响系统进程的序参量;基于系统有序度与协同度的概念,构建了协同效能优化模型;以任务冲突检测与消解为依据给出了任务决策的约束条件;最后以二进制粒子群优化算法对此约束优化问题进行了求解.仿真结果表明,以协同学理论描述编队协同任务决策问题是可行的,构建的协同效能模型与任务决策方法在处理编队时序任务决策问题时是有效的.     

复杂约束下的导弹作战任务规划模型和算法研究*

导弹作战任务规划是一个涉及时间、资源、质量和其他关系约束的复杂问题.首先通过定叉约束满足效用对基本约束满足模型进行了扩展,建立了导弹任务规划的约束满足优化模型.在此基础上,研究了任务规划模型求解的时间和效用传播算法,提出了基于综合效用的优化求解框架.该模型和求解框架易于解决具有多种约束因素的复杂问题,具有较好的通用性.通过定义软、硬约束效用,使得实际任务规划问题求解具有更好的灵活性.     

复杂约束下的导弹作战任务规划模型和算法研究

导弹作战任务规划是一个涉及时间、资源、质量和其他关系约束的复杂问题。首先通过定义约束满足效用对基本约束满足模型进行了扩展，建立了导弹任务规划的约束满足优化模型。在此基础上，研究了任务规划模型求解的时间和效用传播算法，提出了基于综合效用的优化求解框架。该模型和求解框架易于解决具有多种约束因素的复杂问题，具有较好的通用性。通过定义软、硬约束效用，使得实际任务规划问题求解具有更好的灵活性。     

基于黑板模型的分布式协同任务决策方法研究

基于黑板模型的分布式指挥控制网络为未来复杂环境下海战中多平台间的高效协同提供了新思路,通过构建应用于多航母群联合海战的分布式协同网络,对多航母群联合海战下的系统负载进行了研究,建立了一种多平台任务决策的数学模型,采用嵌套遗传算法进行了仿真求解,得到了理想的任务决策方案。最后对由于目标函数中内部负载权重系数不同取值所引起的不同任务决策结果进行了比较,验证了将基于黑板模型的分布式协同网络应用于多航母海战协同决策的科学性,为分布式海战协同决策网络的后续研究工作奠定了基础。     

常规导弹战前运输任务优化模型

制定常规导弹战前运输计划时,各车辆运输时间和运输路线的安排是一个组合优化问题.运用军事运筹学和不确定性优化理论,充分考虑节点冲突性、车辆隐蔽性、任务时间、道路容量等因素,建立了运输任务方案的优化模型.该研究为常规导弹波次作战计划的制定和优化提供模型支持,有助于提高常规导弹作战指挥自动化和部队的生存能力.     

陆战场中的计算卸载和资源分配

移动边缘计算（MEC）作为5G时代的关键技术之一,通过计算卸载的方式提升任务执行质量。区别于其他研究,以陆战场为应用背景,针对多类型卸载任务共存的情况,考虑各类型任务的属性及需求,划分任务卸载优先级,以最小化系统开销为目标的同时提升高卸载优先级任务的卸载数量。通过仿真验证上述方法的可行性与优越性。     

Integrating decisions with advance supply information in an assemble-to-order system

We study a periodic-review assemble-to-order (ATO) system with multiple components and multiple products, in which the inventory replenishment for each component follows an independent base-stock policy and stochastic product demands are satisfied according to a First-Come-First-Served rule. We assume that the replenishment for various component suffers from lead time uncertainty. However, the decision maker has the so-called advance supply information (ASI) associated with the lead times and thus can take advantage of the information for system optimization. We propose a multistage stochastic integer program that incorporates ASI to address the joint optimization of inventory replenishment and component allocation. The optimal base-stock policy for the inventory replenishment is determined using the sample average approximation algorithm. Also, we provide a modified order-based component allocation (MOBCA) heuristic for the component allocation. We additionally consider a special case of the variable lead times where the resulting two-stage stochastic programming model can be characterized as a single-scenario case of the proposed multistage model. We carry out extensive computational studies to quantify the benefits of integrating ASI into joint optimization and to explore the possibility of employing the two-stage model as a relatively efficient approximation scheme for the multistage model.     

采用PWPF调节器的再入飞行器最优控制分配方法

针对具有反作用控制系统(Reaction Control System,RCS)和气动舵两类控制机构的再入飞行器,提出一种基于脉宽脉频(Pulse-Width Pulse-Frequency,PWPF)调节器的最优控制分配方法。将RCS的输入信号转化为连续变化量,RCS与气动舵的控制分配问题被描述为二次规划问题,并采用有效集方法对其求解。采用离散法和PWPF调节器将优化结果转化为RCS的开关机状态。与混合整数规划问题相比,连续二次规划问题更容易求解,计算速度更快。通过对二次规划问题的重构,该算法能有效地应对故障情况。     

军事攻防中的多属性资源分配对策模型

针对资源受限情形下的两阶段攻防资源分配问题,提出一种基于多属性决策的资源分配对策模型。防守者首先将有限的防护资源分配到不同的目标上,继而进攻者选择一种威胁组合方式对目标实施打击。基于博弈论相关知识,模型的求解结果可以使防守者最小化自身损失,使进攻者最大化进攻收益。同时,针对模型的特点,给出了一些推论和证明。通过一个示例验证了模型的合理性以及相关推论的准确性,能够为攻、防双方规划决策提供辅助支持。     

Optimal resource allocation and redistribution strategy in military conflicts with Lanchester square law attrition

We address the problem of optimal decision‐making in conflicts based on Lanchester square law attrition model where a defending force needs to be partitioned optimally, and allocated to two different attacking forces of differing strengths and capabilities. We consider a resource allocation scheme called the Time Zero Allocation with Redistribution (TZAR) strategy, where allocation is followed by redistribution of defending forces, on the occurrence of certain decisive events. Unlike previous work on Lanchester attrition model based tactical decision‐making, which propose time sequential tactics through an optimal control approach, the present article focuses on obtaining simpler resource allocation tactics based on a static optimization framework, and demonstrates that the results obtained are similar to those obtained by the more complex dynamic optimal control solution. Complete solution for this strategy is obtained for optimal partitioning of resources of the defending forces. © 2008 Wiley Periodicals, Inc. Naval Research Logistics, 2008     

基于多目标的雷达组网传感器资源管理算法

在雷达组网系统的多目标跟踪过程中,当目标数量过多时,由于传感器资源不足,无法使用传统传感器的管理方法进行资源分配,且运算时间过长,不满足工程实际需求。针对以上问题,提出了一种新的多传感器多目标跟踪任务快速分配算法,该算法将跟踪目标个数和跟踪目标精度作为优化目标,首先按照设定的分配准则对传感器进行一次分配,最大化跟踪目标个数;然后利用一种基于传感器排序的启发式传感器分配方法进行二次分配,通过控制跟踪目标的协方差水平,使目标的跟踪精度尽量接近期望值。仿真结果表明,该算法能够在较短的时间内对多传感器进行有效快速地分配,既跟踪了更多的目标,又达到了期望目标的跟踪精度,并且在一定程度上控制资源消耗,减少系统的总耗能。     

面向计算流体力学的图形处理器资源管理

针对求解计算流体力学过程中图形处理器资源利用率低的问题,提出面向计算流体力学的图形处理器资源优化管理方案。基于计算流体力学的算法特性和同时运行任务的执行特点,设计合理的调度方案。通过动态改变不同任务的启动规模和启动时间,在减少资源竞争的同时提高图形处理器资源的有效使用。实验结果表明:本文提出的资源管理方案相比基线方法在不同任务规模下的平均加速比达到 1.64,对图形处理器的硬件资源使用也有了显著的提升。     

基于改进匈牙利算法的多技能人员调度方法

人员的优化配置对于提高装备制造效率具有重要意义。针对经典匈牙利算法不能解决具有并联环节的人员指派问题的不足,提出利用虚拟工作代替并联环节,将问题转化为典型的指派问题;通过判断虚拟工作的可实现性,迭代搜索得到最优解。以某多技能人员任务指派系统为例,详细介绍了该优化方法的步骤。优化结果很好地验证了改进算法的有效性。     

Optimal FCFS allocation rules for periodic‐review assemble‐to‐order systems

In Assemble‐To‐Order (ATO) systems, situations may arise in which customer demand must be backlogged due to a shortage of some components, leaving available stock of other components unused. Such unused component stock is called remnant stock. Remnant stock is a consequence of both component ordering decisions and decisions regarding allocation of components to end‐product demand. In this article, we examine periodic‐review ATO systems under linear holding and backlogging costs with a component installation stock policy and a First‐Come‐First‐Served (FCFS) allocation policy. We show that the FCFS allocation policy decouples the problem of optimal component allocation over time into deterministic period‐by‐period optimal component allocation problems. We denote the optimal allocation of components to end‐product demand as multimatching. We solve the multi‐matching problem by an iterative algorithm. In addition, an approximation scheme for the joint replenishment and allocation optimization problem with both upper and lower bounds is proposed. Numerical experiments for base‐stock component replenishment policies show that under optimal base‐stock policies and optimal allocation, remnant stock holding costs must be taken into account. Finally, joint optimization incorporating optimal FCFS component allocation is valuable because it provides a benchmark against which heuristic methods can be compared. © 2015 Wiley Periodicals, Inc. Naval Research Logistics 62: 158–169, 2015