一种基于变权的军事决策模型

根据军队信息化建设所需全面型和专长型军事人才的特点,需要采取一定的方法选拔不同岗位所需的人才.该文试图利用变权理论,采取惩罚型状态变权向量和激励型状态变权向量,完成因素之间权重的转移,进而实现因素之间的均衡或突出某些因素的作用,由此建立了一个不同岗位需求的军事人才选优的综合决策模型.     

面向决策的一体化建模方法及其在兵力筹划中的应用

在对军事决策问题的主要特点进行分析的基础上,提出从军事概念模型到数学模型再到定性推理模型的一体化建模思想.以空军航空兵遂行直接航空火力支援任务为想定背景,根据EATI模板,利用基于UML的Rose工具依次对想定任务的实体、任务、交互等进行分析;对于兵力筹划中的结构化问题建立了机会约束多目标规划数学模型;对于非结构化问题则构造了推理机,推理机体现了定量与定性相结合的决策分析思想.最后,以一个实例验证文章思路的可行性.     

基于变一致优势粗糙集的作战效能评估与分析

针对目前作战效能评估方法存在主观性较强、可解释性不强等缺陷,提出基于变一致优势粗糙集的作战效能评估方法。在一定的作战想定背景下,基于作战仿真工具EINSTein生成的仿真数据,对该方法产生的一系列规则进行了分析,给出了各个联合类中条件属性的重要性得分定义,对影响作战效能的因素进行了详细分析并提出了合理的建议。最后,通过与支持向量机方法进行对比,实例说明本文提出的方法对效能评估值的预测准确率更高,可解释性更强。     

扶贫攻坚结硕果

赤城县是革命老区,地处冀北山区,全县平均海拔945米,县境内峰峦叠嶂、群山环绕、沟壑纵横,耕地较少,山地面积较大,素有"八山一水一分田"之称,过去是全省有名的吃救济粮贫困县。     

一种新的证据K-NN数据分类算法

K近邻分类算法已被广泛应用于模式识别中。为了有效处理识别问题中的不确定信息并提高数据分类精度,提出了一种新的证据K-NN(NEK-NN)分类算法。首先从总的训练集中随机重复采样来构造多个训练样本子集。在每个训练子集中,利用目标数据与其各个近邻的距离分别构造基本置信指派,并根据K个近邻数据在每个类别中的数目来对构造的置信指派进行加权。然后,利用DS规则对加权证据融合。根据每个训练子集下融合结果的算术平均值来判断目标的类别属性。通过模拟数据集和真实数据集的实验,将NEK-NN算法与其他几种常见的方法做了对比分析,结果表明NEK-NN算法能够有效地提高分类的精度。     

用活“变”的辩证法——中南装备公司提升管理出成效纪实

中南装备公司面对经济紧缩的形势,下定决心,真抓实干,克服困难,结合企业实际,开展了"全员降本增效"年活动,学习邯钢经验,强化基础管理、质量管理、目标成本管理、履约管理,通过一年的努力,取得了较好成效.     

频谱感知技术在认知无线电中的应用

频谱感知是认知无线电的关键技术,能量检测广泛应用于频谱感知。针对认知无线电频谱感知技术较少运用于实践的不足,提出了基于0FDM传输系统的频谱感知。在0FDM系统中利用能量检测的判决结果控制子载波的开关,实现感知结果对数据传输的控制,最后利用认知无线电平台进行实时数据的传输。实验结果表明,系统能够在认知无线电平台上成功进行无线通信的数据发送与接收,频谱感知结果能够有效控制数据传输,为认知无线电由理论研究步向实际应用奠定了基础,具有一定的实用价值。     

基于变结构方法的空空导弹鲁棒逆控制律设计

为克服动态逆控制严重依赖被控对象精确数学模型且鲁棒性较差的缺点,将动态逆与变结构方法相结合采用双环结构设计了空空导弹鲁棒动态逆控制律.将导弹飞行状态划分成快慢2个回路,慢回路(外环)采用变结构控制,并设计扩张状态观测器,对外环中的不确定性进行估计;快回路(内环)采用动态逆控制.仿真结果表明,所设计的控制律具有较好的动态特性和鲁棒性能.     

基于案例推理的物资应急采购保障预案系统的构建

随着智能技术的快速发展,智能预案必将成为预案的发展趋势。将人工智能中的案例推理技术引入到物资应急采购保障预案建设中,构建物资应急采购保障数字预案系统,应从案例的表示、案例的组织与存储、案例的检索、案例的修改与调整及案例的学习五个方面着手。系统的优势在于能够根据情况变化迅速进行信患筛选、整合与调整,自动生成科学合理的物资应急采购保障预案,帮助决策者进行辅助决策。     

节点实时性能自适应的集群资源分配算法

由于配置和所运行作业的不同,集群各节点的实时性能差异较大。为提高集群性能,提出节点实时性能自适应的集群资源分配算法 (node real-time performance adaptive cluster resource scheduling algorithm,NPARSA)。节点实时性能用其配置(CPU核数及速度、内存容量、磁盘容量)和实时状态参数(CPU、内存和磁盘的剩余数量及磁盘读写速度)表示。NPARSA根据作业类型自主选择节点性能评价指标的权值,实现节点实时性能对于作业类型的自适应。实时性能最优的节点分配给作业。虚拟机实验和物理集群实验表明,与Spark默认资源分配算法、没有考虑作业类型与节点匹配的算法、使用作业和节点匹配差异程度作为资源分配依据的算法相比,NPARSA能更有效地缩短作业执行时间、提高集群性能。