基于马尔科夫决策的目标选择策略

目标选择是军事计划的关键要素之一。基于马尔科夫决策方法,解决具有复杂目标间关联的多阶段目标选择问题。使用与或树描述目标体系各层状态间的影响关联,并以目标体系整体失效为求解目的,建立了基于离散时间MDP的多阶段打击目标选择模型。在LRTDP算法基础上提出一种启发式方法,通过判断从当前目标体系状态到达体系失效状态的演化过程中的可能资源消耗和失败概率,来提供对当前状态的评估值,该方法能有效排除问题搜索空间中不能到达体系失效目的的中间状态,压缩了由于目标间复杂关联而增长的巨大状态空间。用实验验证了该方法有效性,实验结果表明,该方法直观实用,对目标间具有复杂关联关系的目标打击决策有一定参考价值。     

沙漠边缘的沙棘情缘——九师一七○团搭建多元增收新平台掠影

正位于古尔班通古特沙漠边缘的九师一七○团,"风吹沙砾跑,满地不长草",常年降雨量不足50毫米。近年来,就在这片贫瘠的土地上,沙棘树成为耀眼的"明星":被人们形象地称为改善环境的"生态树"、职工增收的"摇钱树"、团场争种的"增效树",沙棘的种植为团场职工提供了多元增收的平台。一七○团林业管理站的职工黄开勇就是依靠种植沙     

火炮发射药装药自动识别方法

发射装药号是影响火炮身管寿命的重要因素,为自动识别火炮发射药的装药号,避免人工记录失误和完善火炮射弹履历,分析了装药号自动识别原理,运用火炮动力学分析理论和ADAMS虚拟样机技术,建立火炮发射动力学虚拟样机.通过仿真试验获取样本数据,应用BP神经网络进行学习和训练,从而建立装药号和测试数据之间的非线性映射关系,实现对火炮发射装药号的精确预测.     

De Vogelaere 映射线性 Jacobi矩阵的图形表示

对于可逆的二维保面积De Vogelaere映射,本文给出了n次迭代的线性Jacobi矩阵元的图形表示及其数学证明。     

一种基于多目标微粒群优化的虚拟网络映射方法

针对多个虚拟网络同时映射时资源统一优化分配的问题,提出了一种基于多目标微粒群优化的虚拟网络映射方法(MSC-VNE),提高底层网络资源利用率及全局负载均衡性能。建立了虚拟网络映射的多目标优化模型,将单个虚拟网络映射作为一个子群,并采用多子群协作优化的方法在子群映射时通过相互信息交换进行协同进化,最终达到全局资源的优化分配。仿真结果表明,与典型成果相比,提出的方法有效地提高了底层网络资源利用率和虚拟网络构建成功率。     

基于节点映射的武器装备需求生成方法

针对目前武器装备需求分析过程中,作战任务域向装备功能域映射方法可操作性不强的问题,研究了基于＂作战节点＂向＂系统节点＂映射的武器装备需求分析方法。该方法通过分析确定作战节点和系统节点,完成作战节点向系统节点映射、作战节点连接线向系统接口映射,最终得到装备系统需要的功能子系统及功能,较好地解决了需求映射过程中的随意性问题。     

具有集值H-半-伪单调映射的广义向量变分不等式解的存在性

首先推广向量集值半一单调映射到向量集值H-半-伪单调映射,然后利用Kakutani—Fan—Glicksberg不动点定理,研究了具有集值H-半-伪单调映射的广义向量t变分不等式问题,在自反Banach空间中得到了两个存在性结果。     

基于深度强化学习的无人战车自主行为决策

针对高动态强对抗战场环境下,无人战车面临的自主行为决策问题,分析了未来陆战场无人战车实际作战需求,构建了基于马尔可夫决策过程的自主行为决策模型,提出了一种深度强化学习结合行为树的方法,利用行为树的逻辑规则与先验知识降低强化学习问题的难度,保证收敛性和鲁棒性,同时使行为决策模型具有学习能力.构建典型作战场景,验证深度强化学习结合行为树的无人战车自主行为决策方法的有效性.     

二次型极小化问题带误差的迭代算法

证明了二次型极小化问题带误差的迭代算法的有效性,所得结果推广了关于二次型极小化问题迭代的收敛性。     

弱拓扑下集值最优化问题的通有稳定性

用函数的上图象之间的Hausdoff距离定义最优化问题目标函数间的距离。在此弱拓扑下研究定义在紧距离空间上具有普遍意义的最优化问题的稳定性;指出在Baire分类意义下大多数这类问题的解是通有稳定的。