基于STAGE平台的模型扩展方法

STAGE(Scenario Toolkit And Generation Environment)是用于开发想定战场环境和武器系统验证的仿真软件。用户可根据需求利用自己开发的仿真模型取代STAGE的内置仿真模型,也可以将开发的仿真模型与STAGE中现有模型进行集成。针对STAGE 6.0仿真开发平台,研究了STAGE模型扩展中的关键技术,实现了用户开发模型与STAGE仿真引擎的集成,从而为快速构建用户自定义战场环境提供了一种新途径。     

基于组合智能模型的无人机作战需求方案质量评估方法

现代战场中无人机作战需求方案质量评估的影响因素日益复杂,传统质量评估方法已不能满足要求,而组合智能评估方法集成多种方法的优势,能有效解决复杂系统评估问题。综合考虑无人机系统自身的性能因素和战场环境对无人机的影响,构建了多层次的无人机作战需求方案质量评估指标体系,研究了组合智能评估方法在无人机作战需求方案质量评估中的应用,设计了基于神经网络的智能模型和基于改进熵值法的传统模型,并运用实例验证了组合智能评估方法的有效性和可行性。     

基于元模型的天基信息服务组合建模研究

针对天基信息应用问题,对多源、异构和跨平台的数据共享进行了研究。借鉴以数据为中心的思想,在界定天基信息服务概念的基础上,利用元模型高层次抽象的建模方法,构建了天基信息业务元模型和天基信息服务元模型,实现了业务活动之间的松耦合,提高了天基信息服务的针对性;采用粗粒度与精粒度结合的建模方法,实现了天基信息资源的灵活运用与精准服务,有利于挖掘原始数据的深层价值,实现信息增值,对解决天基信息快速响应用户的个性化需求问题提供了新方法。     

基于多Agent协作的战场信息共享系统研究与实现

针对联合作战中分布、动态的战场环境和海量的战场信息,满足不同作战实体对战场信息资源共享的需求,构建了一个基于多智能体的、面向作战任务的信息资源共享模型,并提出了一种新颖的基于相似度的用户动态聚类方法。从用户的资源请求中发现用户兴趣和用户之间的相似度,通过交互机制有效地将相同兴趣的用户及资源智能体关联起来,提高作战主体获取战场信息的能力。实验证明该算法具有较高的效率和良好的可扩展性。     

航天器软件的研发路线

航天器自主能力构建面临着需求不断增多、多变、复杂化、未知的发展趋势,需要在软件研发方式和架构设计上做出改变。在分析已有的4种研发路线的基础上,提出第5条路线,即基于模型化、数据化设计思想的研发路线;提出具有即插即用能力的业务模型,采用电子数据单技术自底向上构建设备级和功能业务级的即插即用能力;以智能规划业务为例说明了业务模型的设计应用。路线5的目标是为构建航天器自主能力和星地之间智能管控能力提供可持续发展的基础。     

航天器智能能力的构建

为解决航天器智能能力的构建和智能技术的引入问题,从能力部署视角提出了智能等级的划分,从定性的自动、自治、自主的等级出发,自底向上分解为数据注入接收能力、任务执行能力、自学习能力、系统自我管理能力、任务自我管理和思考能力,其程度分为底层反应、中层程序和高层思考。对照上述能力给出可实施的5阶模型和人字架构。人字架构是以即插即用技术加自主控制技术来支持上层智能能力的模型。该模型基于航天器接口业务架构和欧洲空间局的包应用标准业务,采用管理信息库和电子数据单技术进行数据化设计。对应星上的智能能力等级讨论相适应的地面系统能力。人字架构具有层次化、业务模型化和自底向上归一化构建的特点,对上层智能技术的引入是开放的。     

基于云环境的边防智能视频监控系统建设构想

传统视频监控系统在施工周期、空间扩容、信息共享、管理维护等方面存在诸多困难和问题。论文在调研分析现有边防视频监控系统的基础上,提出了一种基于云环境的智能视频监控系统,并对该系统的拓扑结构、逻辑架构、工作流程和系统特点进行了详细介绍。该系统通过虚拟化物理资源、云端化视频录像、自动化业务处理流程以及提供丰富的API接口,可以实现全天候实时监控、智能化检测预警和便利化信息查询等功能,满足授权用户在任何时间、任何地点采用多种通信方式获取统一的视频监控服务需求。     

基于元深度强化学习方法的智能博弈决策模型研究

针对陆军装甲分队博弈对抗决策问题,在分析深度强化学习方法在构建智能博弈对抗决策模型适用性基础上,对基于马尔科夫决策过程的陆军装甲分队博弈对抗过程模型进行了形式化描述,提出了基于元深度强化学习的博弈对抗决策模型,给出了分队战术平台下基于元深度强化学习的智能博弈对抗策略生成与优化框架.研究成果可为智能博弈对抗问题的解决提供一种思路.     

基于WBS的装备作战需求联合论证任务流程设计方法

针对装备作战需求联合论证中任务分解与协同困难的问题,以构建融合业务活动与管理活动的集成论证活动为目标,提出了基于WBS的装备作战需求论证活动分解方法,分析了装备作战需求论证活动分解的原理、原则和活动表示方法,研究了业务活动与管理活动的WBS分解过程,研究了业务活动与管理活动的集成方法和协同分析方法,初步构建了基于WBS的装备作战需求联合论证任务流程模型,为进一步优化和调整装备作战需求论证流程、提高论证工作效率和成果质量提供了新的方法。     

基于大模型的态势认知智能体

针对战场态势信息众多、变化趋势认知困难的问题,提出基于大模型的态势认知智能体框架和智能态势认知推演方法。从认知概念出发,结合智能体的抽象性、具身性特点,明确了智能体构建的3个关键环节：学习环境、记忆方式和产生知识机制;设计了战场态势认知智能体架构,包括记忆部件、规划部件、执行部件、评估部件以及智能体训练要点。在长期记忆部件中,围绕战场复杂状态建模特点,分析大语言模型、多模态大模型、大序列模型的运用问题。     

在线学习的主用户仿冒攻击策略

在认知无线网络中,次用户通过频谱感知来学习频谱环境,从而接入那些没有被主用户占用的频谱空隙。事实上,多种恶意攻击的存在会影响次用户频谱感知的可靠性。只有深入研究恶意攻击策略,才能确保认知无线网络的安全。基于此,研究了一种认知无线网络中的欺骗性干扰策略,即主用户仿冒攻击策略,该攻击策略通过在信道上传输伪造的主用户信号来降低次用户频谱感知的性能。具体来说,将攻击策略问题建模为在线学习问题,并提出基于汤普森采样的攻击策略以实现在探索不确定信道和利用高性能信道间的权衡。仿真结果表明,与现有的攻击策略相比,提出的攻击策略能更好地通过在线学习优化攻击决策以适应非平稳的认知无线网络。     

Optimal production ramp-up in the smartphone manufacturing industry

Motivated by challenges in the smartphone manufacturing industry, we develop a dynamic production ramp-up model that can be applied to economically satisfy nonstationary demand for short-life-cycle products by high-tech companies. Due to shorter life cycles and more rapid evolution of smartphones, production ramp-up has been increasingly critical to the success of a new smartphone. In the production ramp-up, the key challenge is to match the increasing capacity to nonstationary demand. The high-tech smartphone manufacturers are urged to jointly consider the effect of increasing capacity and decreasing demand. We study the production planning problem using a high-dimensional Markov decision process (MDP) model to characterize the production ramp-up. To address the curse of dimensionality, we refine Monte Carlo tree search (MCTS) algorithm and theoretically analyze its convergence and computational complexity. In a real case study, we find that the MDP model achieves revenue improvement by stopping producing the existing product earlier than the benchmark policy. In synthetic instances, we validate that the proposed MCTS algorithm saves computation time without loss of solution quality compared with traditional value iteration algorithm. As part of the Lenovo production solution, our MDP model enables high-tech smartphone manufacturers to better plan the production ramp-up.     

高职新生外语学习风格调查分析

本研究通过问卷形式,对155名高职新生的感知学习风格进行调查,以了解学生外语学习风格总体倾向,不同民族、性别、专业及外语学习年限不同学生学习风格的差异,并分析其学习风格与外语学习成绩间的相关性。此研究目的是帮助高职外语教师了解学生感知学习风格偏好,使教师在教学过程中因材施教并指导学生重塑外语学习风格,以便提高高职学生外语学习效率。     

多通道图注意力解耦社交推荐方法

提出具有解耦能力的多通道图注意力社交推荐模型,该模型主要包括深度聚类模块、多通道图注意力聚合模块和评分预测模块。其中,深度聚类模块用于对用户和项目进行分组,并利用聚类结果将用户社交图和用户项目图拆分成多个用户社交子图及用户项目子图,以学习用户兴趣分组及用户对不同类项目的兴趣；多通道图注意力聚合模块学习不同子图对预测结果的注意力；评分预测模块将学习到的用户表示向量和项目表示向量输入多层感知机进行评分预测。在多个真实数据集上的实验结果表明:提出的方法优于其他社交推荐算法。与最新的用于社交推荐的图神经网络方法相比,在Ciao和Epinions数据集上,均方根误差分别降低了2.26%和2.07%,平均绝对误差分别降低了2.58%和3.06%。     

基于在线学习的频谱感知次序策略*

认知无线电允许次级用户在频谱没有被主用户使用时动态地接入频谱进行数据传输。动态频谱接入是解决无线电频谱资源短缺和使用效率低下问题的有效方案,而频谱感知是实现动态频谱接入的关键挑战之一。次级用户的感知能力有限,为了快速找到频谱空闲概率最大的频段从而获得更多的频谱接入机会,研究了频谱感知次序问题。考虑到频谱空闲概率会随时间变化且对次级用户不可知,提出了一个在线学习框架,把频谱感知次序问题规约成经典多摇臂赌博机问题,并利用在线学习方法——满意折现汤普森抽样算法(satisficing discounted Thompson sampling)处理优化问题。仿真结果表明,和其他算法相比,所提算法可获得更多的频谱接入机会并且能够跟踪频谱空闲概率的变化。     

Constructing a strict total order for alternatives characterized by multiple criteria: An extension

The problem of finding a strict total order for a finite set of multiple criteria alternatives is considered. Our research extends previous work by us, which considered finding a partial order for a finite set of alternatives. We merge the preference information extracted from the preference cones and corresponding polyhedral sets, with the information derived from pairwise comparisons of two alternatives, yielding a preference matrix. This preference matrix is used as input to an integer programming model to obtain a strict total order that provides a transitive ranking for the set of alternatives. © 2014 Wiley Periodicals, Inc. Naval Research Logistics 61: 155–163, 2014     

具有策略偏好的模糊双矩阵对策模型及其应用

针对局中人对策略有偏好、支付值模糊的双矩阵对策给出了一种具体的求解方法,首先根据加权算子集结得到局中人的策略偏好向量、利用模糊数排序方式将模型转化为清晰的双矩阵对策,再利用粒子群优化算法求解.最后以雷达电子对抗为例,建立了具有策略偏好的模糊双矩阵对策的作战效能评估模型,研究结果对于双方资源分配,提高作战效能具有一定的军...     

A misclassification cost‐minimizing evolutionary–neural classification approach

Machine learning algorithms that incorporate misclassification costs have recently received considerable attention. In this paper, we use the principles of evolution to develop and test an evolutionary/genetic algorithm (GA)‐based neural approach that incorporates asymmetric Type I and Type II error costs. Using simulated, real‐world medical and financial data sets, we compare the results of the proposed approach with other statistical, mathematical, and machine learning approaches, which include statistical linear discriminant analysis, back‐propagation artificial neural network, integrated cost preference‐based linear mathematical programming‐based minimize squared deviations, linear integrated cost preference‐based GA, decision trees (C 5.0, and CART), and inexpensive classification with expensive tests algorithm. Our results indicate that the proposed approach incorporating asymmetric error costs results in equal or lower holdout sample misclassification cost when compared with the other statistical, mathematical, and machine learning misclassification cost‐minimizing approaches. © 2006 Wiley Periodicals, Inc. Naval Research Logistics, 2006.     

结合规则知识与神经网络于空袭武器的辅助选择

结合规则推理与神经网络,提出了一种新的空袭武器辅助选择方法。其根据空袭武器选择的基本原则以及问题的特点,构造T-S模糊逻辑系统及其实现的相应神经网络模型,然后通过已有的战例与试验例子训练神经网络,并对问题进行求解,得出空袭武器选择提供依据(一种量化的武器适用度)。另外,还利用专家提供的规则知识于学习实例的预处理,学习实例信息的扩充。     

基于效果的联合作战行动规划研究

联合作战行动规划是依据联合作战的使命和资源约束建立完成使命的最佳行动过程,通过对交战环境状态、交战主体的资源能力状态、行动、事件和效果的定义,结合人工智能领域解决"计划"问题的研究、军事领域基于效果的作战思想提出了联合作战行动规划模型及策略优选方法.模型结合了马尔可夫决策过程和贝叶斯网络技术来求解交战主体的最优策略,对联合作战设计具有适应性的行动策略做出的初步尝试.