最优Hamilton圈的一种新算法

提出了一种行之有效的执行算法——换顶算法，对无向图权值矩阵的数据进行有效处理，通过交换顶点来寻找一条较优Hamilton圈。在整个过程中，权值矩阵的上三角数据为有效数据，只需要按一定的顶点交换规则对这部分数据进行调整就可以达到优化Hamilton圈的目的。提出了交换规则的思想，且通过选择适当的规则，先判定可行性再执行交换算法，节省了大量的运算时间，降低了算法的时间复杂性。该算法也适用于Hamilton链的情况。     

一种基于多目标优化的QoS路由交互式算法

为了满足通信网络中一些特定业务对于多个网络指标性能的同时要求 ,研究了一类基于多目标决策的QoS路由算法。通过选取带宽作为约束条件 ,把时延和丢失率作为优化目标 ,建立了QoS路由选择的多目标非线性整数规划模型 ,并给出了一种求解模型的交互式算法。该算法通过逐步调整目标函数的上界 ,压缩目标函数的搜索空间来满足决策者的要求和网络条件。实例计算结果表明了算法的可行性     

分布式遗传模拟退火算法的火力打击目标分配优化

根据火力打击规则,建立了多目标函数的目标分配模型,提出了分布式遗传模拟退火算法对模型进行求解。分布式遗传模拟退火算法基于经典遗传算法进行改进:将单目标串行搜索方式变成多目标分布式搜索方式,适用于多目标寻优问题求解;采用保留最优个体和轮盘赌相结合的方式进行个体选择,在交叉算子中引入模拟退火算法,使用自适应变异概率,较好地保持算法广度和深度搜索平衡。最后,通过仿真实验验证了算法的有效性和可靠性。     

使用FPGA设计高可靠SpaceWire路由器

为了提高系统的可靠性和可用性，提出一种基于静态随机存取存储器（Static Random-Access Memory,SRAM）型现场可编程门阵列（Field-Programmable Gate Array, FPGA）的SpaceWire路由器设计方法。路由器通过系统级三模冗余技术加固，采用基于位流重定位的动态部分刷新技术修复系统中发生的软故障，并提出一种基于工作输入和健康现态的实时状态同步方法，以确保故障模块修复后的状态与其他模块同步。因此，该系统能够进行错误掩蔽和自我修复。在Xilinx Virtex-5 FPGA开发板ML507上对所提出的路由器系统结构和设计方法进行实现和验证。实验结果表明，路由器的可靠性和可用性显著增加，且系统的实时性很好，能保证路由器在整个工作过程中提供正常服务而不会引起系统功能中断或延迟；位流重定位技术的采用将所需存储空间减少三分之二，同时也降低了原始位流本身故障的可能性。     

混沌蝙蝠算法UAV网络控制系统故障诊断策略

针对总线条件下具有双通道多包传输的短时变时延无人机(Unmanned Aerial Vehicle,UAV)发动机控制系统,提出一种基于改进蝙蝠优化算法(Bat Algorithm,BA)的发动机故障检测算法,快速变化的延迟被认为是系统不确定性的一种。残差信号的传递函数与噪声和故障信号的传递函数之比用作目标函数。通过改进的Bat算法对其进行优化,以获得最佳的观察增益矩阵,使得该故障观测器系统不仅能够抑制噪声,而且对提升对故障敏感程度。最后将该方法在网络控制系统半物理平台上进行仿真,仿真结果说明所提出的方法能够同时抑制噪声信号和放大故障信号,从而提高了故障诊断的正确率,降低了虚警率。     

LDPC-Coded MIMO-OFDM系统的一种判决反馈信道估计算法

研究了LDPC编码在MIMO-OFDM系统中的应用,提出了基于LDPC编码的MIMO-OFDM系统的一种改进判决反馈信道估计算法,该算法一方面利用多步预测和干扰对消技术改进了判决反馈算法的精度,另一方面利用空时解码后的序列和LDPC译码后的序列进行了两级反馈信道估计。该算法在利用LDPC码优异的低误码性能改善信道估计精度的同时,有效地改进了LDPC帧过长导致时变信道条件下的信道估计不精确的问题。     

引入OODA关联度的火力打击目标排序方法

针对联合火力打击体系破击战法中确定体系破击目标困难的问题,提出一种基于超网络构架OODA关联度算法。该方法引入理想目标清单补充目标打击清单中遗漏的体系目标,区分层次构建包含多个子网络的超网络,在超网络中找到能够实现OODA循环的节点,进而确定各节点的OODA关联度,并通过仿真实验分析各综合评分算法的排序效果。仿真结果表明:OODA关联度独立于其他评价指标,可作为火力打击目标排序的评价维度之一,且使用理想点综合评估算法的排序效果最好,引入OODA关联度的目标排序相比于传统排序法更能体现体系破击战法思想。     

飞行流量变化下的动态扇区划分研究

为了解决当前扇区动态配置效率低下的问题,提出了飞行流量变化下的扇区动态划分方法。分析非决定性因素影响下飞行流量服从的不确定分布,通过建立空域有限元拓扑网络和量化管制员负荷,以均衡监视负荷和减少协作负荷为目标,应用结合二进制和反向学习的高级烟花算法,最终生成了最优扇区划分结果。仿真实例表明,该方法在满足时效性的同时加快了收敛速度,提高了管制效率,适用于实际扇区的优化调控。     

基于改进多种群PSO算法的火炮随动系统调节器参数优化

针对传统火炮随动系统调节器参数整定难以达到最优的问题,提出一种基于K-均值与惯性权重指数递减的多种群PSO(KEDM-PSO)优化算法。为保证种群的全局搜索能力得到最优的参数,采用将初始种群划分为多个子群协同寻优的策略。综合考虑系统复杂程度、种群规模、解集的多样性及收敛性,采用K-均值算法将初始种群划分为3个子群,使3个子群协同寻优。为保持种群多样性,各子群不断地聚类重组,动态调整子群规模以更好地进化。子群寻优采用惯性权重指数递减策略,使得算法具有初期搜索范围大、速度快,后期惯性权重小,利于收敛、稳定的特点。试验表明该算法是有效可行的。     

基于平均度的树分解启发式算法

很多树宽较小的NP难问题能用树分解技术在多项式时间内求解,寻找无向图的树宽有助于提高求解效率。因此,基于图的平均度提出了两种新的树分解启发式算法。这两种算法根据树分解与图三角化之间的关系,利用顶点度与平均度的偏差和填边数构造顶点消除序列,快速得到树分解的宽度。在随机正则图和DIMACS图着色实例上的测试结果表明:这两种算法简单易实现,与最小填边法相比能找到更优的树宽上界。