作战模式及需求不确定条件下备件供应优化

高度不确定性是战时备件保障面临的难题之一,主要体现在作战任务想定的多样性以及备件需求的波动性.针对以上问题,分别将作战模式的不确定性和需求的不确定性转化为离散和连续型不确定参数,采用鲁棒优化方法进行建模.以战时备件供应延迟时间最短为目标,以备件满足率和供应成本为硬约束,构建了战时备件供应的鲁棒优化模型.利用元启发式算法对模型进行求解.算例结果表明,鲁棒优化模型的最优解对应最短的延迟时间,同时可以保证战时备件供应"最差情况下"的可行性,即具有很好的鲁棒性.     

基于混沌系统的扩频通信多源异构数据加密算法

多源异构数据体量呈指数级别增加,数据时序混乱,为此提出基于混沌系统的扩频通信多源异构数据加密算法研究.引入混沌系统,利用Logistic混沌映射多源异构数据,以混沌映射轨迹点为基础,生成多源异构数据混沌序列,通过Merlay状态机控制数据时序,提供子密钥产生信号,以时序控制信号为依据,利用特定阀值函数产生子密钥,采用子密钥对多源异构数据进行正向、反向异或以及取模,实现扩频通信多源异构数据的加密.测试结果表明,密钥相差+10-13无法解密出正确数据;加密后图像、音频数据相关性急剧下降;加密时间范围为16.451 s～18.630 s,低于最高限值.测试结论:密钥敏感性、抗统计特性以及加密效率较好,适合大力推广应用.     

改进cell密度聚类算法在空战目标分群中的应用

针对传统聚类算法对流形分布数据聚类效果差,且实时性不高的缺点,提出改进基于cell的密度聚类(Cell-Based density Spatial Clustering of Applications with Noise, CBSCAN)算法解决实时空战目标分群问题。通过分析空战态势参数,建立了空战目标分群通用模型,将目标分群转化为聚类问题。通过改进CBSCAN算法的簇类扩展方式,建立基于改进CBSCAN算法的目标分群模型。通过仿真实验,对比分析了K-means、最大期望算法、密度峰值算法、密度聚类算法、CBSCAN算法和改进CBSCAN算法在30种作战态势下的分群准确性和实时性,结果表明:改进CBSCAN算法可以在编队数目未知和目标流形分布的条件下,对多目标编队进行正确分群,且实时性较原始算法提高约30%,具有实际应用价值。     

考虑专家偏好的基于概率犹豫模糊熵的多属性决策方法

针对现有概率犹豫模糊多属性决策研究中,专家权重和属性权重的确定存在主观随意性的问题,提出了一种考虑专家偏好的基于概率犹豫模糊熵和前景理论的决策方法.基于贴近度度量,考虑专家的偏好性,以追求整体一致性为原则确定专家权重;基于概率犹豫模糊熵,考虑专家的决策差异,度量评估信息的犹豫性和模糊性,确定属性权重;采用前景理论对方案评估信息进行集结,根据价值函数和权重函数得到方案的前景价值,并以此进行方案排序.通过算例对比分析,验证了所提方法的科学性和合理性.     

MOQPSO/D算法求解不确定目标分配问题

为了增强不确定目标分配对战场态势变化的适应性,提出了一种基于分解的多目标量子行为粒子群算法(MOQPSO/D)的不确定目标分配方法.基于模糊多目标规划方法建立了不确定目标分配模型.以MOEA/D为算法框架,以QPSO算法为寻优手段提出了一种MOQPSO/D算法.通过粒子编码和非法粒子调整,将MOQPSO/D算法成功应用于求解目标分配模型.仿真结果表明:采用多目标优化方法能有效增强不确定目标分配对战场态势变化的适应性;MOQPSO/D算法在求解目标分配模型时要明显优于MOEA/D及MOEMD-CD算法.     

多波束干扰系统多目标干扰决策研究

针对多波束地对空雷达干扰系统同时干扰多目标的资源分配问题,为充分利用干扰资源,综合考虑个体干扰有效与整体干扰效益最大.基于目标威胁等级,围绕发现概率下降程度、定位误差增大程度、干扰有效率3个评估指标,建立多目标优化分配模型,对阵面资源进行动态分配,并利用非支配排序遗传算法进行仿真验证.仿真结果表明,该分配模型可充分发挥多波束干扰系统的优势,实现不同作战阶段干扰效益最大化.     

基于改进粒子群算法的岛礁孤立多能源军事供电系统运行优化研究

为更好地发挥岛礁孤立多能源军事供电系统的保障效能,合理使用储能蓄电池,尽量延长蓄电池使用寿命,提出了一种蓄电池折旧成本模型,建立了包括发电成本和蓄电池折旧成本的多能源供电系统运行优化模型.针对传统粒子群算法求解优化模型易出现"早熟收敛"的缺点,提出了改进的粒子群算法.该算法利用最大速度线性递减方法,早期采用惯性权重自适应来平衡全局寻优能力和算法收敛精度之间的矛盾,后期增加压缩因子来加强算法的收敛速度.最后,以某岛礁孤立多能源军事供电系统为例,验证了模型的有效性和算法的性能,可为岛礁多能源供电系统运维人员制定系统运行策略提供指导.     

面向两类典型分析仿真的多样本任务调度工具的设计

当在多台计算机上调度很多样本并行运行时,采用手工操作效率低且极易出错。设计一个自动化的任务分发与调度工具可以有效地提高仿真运行效率。蒙特卡罗仿真和粒子群优化算法仿真是两类典型的分析仿真,介绍了面向这两类仿真的多样本任务调度工具的实现原理和关键技术,这些方法具有很好的通用性和可扩展性,可以广泛应用于解决各类仿真任务的自动分发与调度问题。     

基于随机有限集理论的多传感器目标联合检测跟踪算法

针对杂波环境中的目标检测跟踪问题,提出一种基于随机有限集理论的多传感器目标联合检测跟踪算法。算法将目标状态和量测描述为随机集合,建立考虑目标出现、目标保持、目标消失等情况的目标状态随机有限集模型,以及考虑漏检和虚警的多传感器量测随机有限集模型。将目标的联合检测跟踪问题构建为目标状态集合的贝叶斯最优估计问题,并基于随机有限集理论对该贝叶斯估计算法的递推表达式进行严格理论推导。采用序贯蒙特卡罗技术实现算法的递推滤波。仿真结果验证了该算法的有效性以及算法相对于传统基于数据关联算法的性能优势。     

电磁场计算中FDTD与MRTD

时域有限差分法 (FDTD)在电磁场数值计算中占有重要的地位。本文发现并证明FDTD是时域多分辨分析 (MRTD)的特例。利用小波 -伽略金方法求解麦克斯韦方程过程中 ,基函数为一般的小波分析中的尺度函数或小波函数 ,可以得到MRTD算法。如果基函数选为Haar小波尺度函数 ,可以推得FDTD算法。如果基函数选为Haar小波包中的尺度函数 ,可以得到高阶FDTD算法。通过算例比较 ,MRTD比FDTD的计算效率更高