基于QQ群的教育技术本科生情感目标教学环境设计

长期以来,学生的情感发展被教育者所忽视。目前教育技术学学科定位仍处于争论阶段,而其自身较明显的技术外观又往往使专业学生对该学科的理解和认识产生不同程度的偏误。但需要明确的是,学生接受专业教育,既要学习认知层面的专业知识,更要明确以价值观为代表的专业情感目标。可以认为,忽视了专业情感目标的教学是畸形的教学。本文从罗杰斯人本主义理论的视角出发,分析了构建基于QQ群的情感目标教学环境的设计方案,旨在促进教育技术专业的健康发展。     

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。     

“精确”的美海军远征打击群能力

美国海军作战部长维恩·克拉克上将在其著作《2004年度指南》中指出:“用于前沿部署的海军远征打击群的设想将是一个了不起的成就。” 目前这一设想仍处于试验阶段,美国海军已经组建了2个试验性远征打击群。但是在美国海军内部对于远征打击群的设想的具体实施还存在着较大的分歧,本文将对此进行简要介绍。     

投影法在防空群火力分配中的应用

防空群火力分配作为防空指挥自动化系统作战辅助决策的重要组成部分,在现代防空作战中将起着越来越重要的作用,而其关键是及时、准确地判断出来袭目标的威胁程度。以前解决这一问题多是通过线性加权法,引入投影法并通过实例说明了该方法具有简单,易于理解,计算结果合理等优点。     

有限群的极大子群的正规指数

有限群的结构与其子群性质间的关系问题是群论的一个重要研究方向,通过群的极大子群、正规子群、半正规子群、极大子群的正规指数等去研究群的可解性,超可解性、幂零性等,已有一系列结果.应用极小反例方法,利用有限群极大子群的正规指数,得到了一个有限群是π-可解群的充分条件,2个有限群是π-可解群的充分必要条件.     

基于改进TOPSIS法和蚁群算法的反TBM目标群目标分配研究

基于改进的TOPSIS法和蚁群算法,以弹道导弹目标群为研究对象,研究了反导指控系统对目标群的目标分配问题。首先通过改进的TOPSIS法确定TBM目标群威胁排序并基于拦截排序准则确定拦截排序;其次使作战效能最大化,基于蚁群算法确定目标的最优分配方案;最后通过仿真实例验证了在考虑目标威胁值排序前提下采用此算法,可使目标群分配方案更加科学有效和符合反导作战实际。     

基于改进TOPSIS法和蚁群算法的反TBM 目标群目标分配研究*

基于改进的TOPSIS法和蚁群算法,以弹道导弹目标群为研究对象,研究了反导指控系统对目标群的目标分配问题。首先通过改进的TOPSIS法确定TBM目标群威胁排序并基于拦截排序准则确定拦截排序;其次使作战效能最大化,基于蚁群算法确定目标的最优分配方案;最后通过仿真实例验证了在考虑目标威胁值排序前提下采用此算法,可使目标群分配方案更加科学有效和符合反导作战实际。     

基于粒子群算法的装备预防性维修策略研究

为解决实战化条件下装备损耗严重和装备完好率之间的矛盾,立足实际提出加大预防性维修力度.根据装备可靠性理论和寿命分布理论,对装备故障率和役龄进行分析,并引入役龄回退因子进行修正.以装备服役期内预防性维修成本最低为目标函数,以可靠性为约束条件,建立预防性维修策略优化模型.采用粒子群算法对模型求解,并进行算例分析,得到装备在服役期内的最优预防性维修次数和时间间隔,证实了预防性维修模型的可行性和实用性.     

基于改进粒子群算法的火炮内弹道多参数符合计算

为了研究火炮在发射过程中膛内火药燃烧规律以及弹丸运动规律,需要建立火炮内弹道数学模型并进行数值求解,在此过程中对部分内弹道参数进行符合计算是优化内弹道模型的重要途经之一.在经典内弹道方程组的基础上,阐述了经典内弹道计算原理,并对基本粒子群算法进行了改进,使改进后的粒子群算法在迭代初期有较大的惯性权重ω和学习因子c1以及较小的学习因子c2,而在迭代后期有较小的惯性权重ω和学习因子c1以及较大的学习因子c2,从而有效地避免粒子群陷入局部最优而导致收敛精度低的缺陷.将改进后的粒子群算法应用于火炮内弹道多参数符合计算,算例结果表明该方法完全满足工程实际要求,具有收敛速度快、符合精度高的特性,是火炮内弹道多参数符合计算的理想算法之一.     

基于GAPSO-TS的多基地无人机航路-时间协同规划

针对多基地无人机协同规划航迹计算复杂、容易陷入局部最优的问题,在遗传粒子群算法(GAPSO)的基础上,引入禁忌搜索算法(Tabu-Search)混合为GAPSO-TS算法,通过与PSO、GAPSO算法对比,表明GAPSO-TS算法能够提高全局寻优性能,同时相对于GAPSO算法,加快了收敛速度.在多无人机时间协同三维航路规划里应用GAPSO-TS算法可以更快的收敛,同时设计以时间协同为约束的适应度函数,函数具有简单易行的特点,保证了不同基地的无人机都可以在同一时间内最快到达目的地,实验结果验证了算法的可行性.