The probability of the existence of a feasible flow in a stochastic transportation network

Stochastic transportation networks arise in various real world applications, for which the probability of the existence of a feasible flow is regarded as an important performance measure. Although the necessary and sufficient condition for the existence of a feasible flow represented by an exponential number of inequalities is a well‐known result in the literature, the computation of the probability of all such inequalities being satisfied jointly is a daunting challenge. The state‐of‐the‐art approach of Prékopa and Boros, Operat Res 39 (1991) 119–129 approximates this probability by giving its lower and upper bounds using a two‐part procedure. The first part eliminates all redundant inequalities and the second gives the lower and upper bounds of the probability by solving two well‐defined linear programs with the inputs obtained from the first part. Unfortunately, the first part may still leave many non‐redundant inequalities. In this case, it would be very time consuming to compute the inputs for the second part even for small‐sized networks. In this paper, we first present a model that can be used to eliminate all redundant inequalities and give the corresponding computational results for the same numerical examples used in Prékopa and Boros, Operat Res 39 (1991) 119–129. We also show how to improve the lower and upper bounds of the probability using the multitree and hypermultitree, respectively. Furthermore, we propose an exact solution approach based on the state space decomposition to compute the probability. We derive a feasible state from a state space and then decompose the space into several disjoint subspaces iteratively. The probability is equal to the sum of the probabilities in these subspaces. We use the 8‐node and 15‐node network examples in Prékopa and Boros, Operat Res 39 (1991) 119–129 and the Sioux‐Falls network with 24 nodes to show that the space decomposition algorithm can obtain the exact probability of these classical examples efficiently. © 2016 Wiley Periodicals, Inc. Naval Research Logistics 63: 479–491, 2016     

基于模糊评判的某行星转向机故障预测研究

为了实现对自行火炮传动系统的预测维修,以行星转向机为例,运用动态模糊综合评判的办法,提取引起行星转向机典型故障的关键影响因素,探讨了动态模糊判断矩阵和动态权重的确定方法,在此基础上确定了其动态预测模型,并用实例验证了模型的正确性。     

模糊神经网络在发电机励磁控制中的应用

采用含有惯性项学习算法的BP神经网络代替模糊PID控制器,对同步发电机励磁控制系统进行仿真。仿真结果表明,在系统遭受扰动或突加减载时,所设计的模糊神经网络励磁控制器具有良好的控制效果。     

基于风险控制的装备供应链网络设计模型

针对风险管理中的装备供应链正向（供应）网络设计问题,在对装备供应链风险和成本进行量化分析的基础上,综合考虑风险和成本2方面因素,建立了基于风险控制的装备供应链网络设计优化模型。并设计了遗传算法对模型进行求解,给出在指定风险水平下最优设计方案与总成本。最后通过实例分析和计算,结果表明,该优化模型合理、有效、可行。     

非线性系统的神经网络广义预测控制

研究了神经网络广义预测控制方法在非线性系统中的应用,基于BP网络构造神经网络预测器,利用非线性系统的开环输入输出数据离线训练神经网络,根据拟牛顿BFGS优化算法使得二次型性能指标函数达到最小,得到了最优的控制序列。同时给出了神经网络广义预测控制算法的步骤,讨论了提高系统鲁棒性的措施。仿真结果表明,这种神经网络预测控制算法具有响应速度快、控制效果好和跟踪精度高等特点。     

战场目标情报的模糊聚类分析与Excel实现

为有效地对战争目标情报进行快捷、准确地分析处理,从而确定目标区域战场价值程度,以炮兵某次进攻战斗为战术背景,将敌防御区域按照目标分布特点划分为12个小区域;再根据目标的属性和打分原则,运用打分法分别求出各个小区域的综合得分情况;最后采用模糊聚类分析方法和Excel应用软件对其价值进行分析评估,依据模糊聚类结果从而确定重点区域,为指挥员和决策机关制定正确的策略提供科学的依据。     

卫星通信网作战效能评估研究

通过对卫星通信网完成信息传输作战任务的能力分析,建立了卫星通信网作战效能评估指标体系;将模糊层次分析法和熵权法相结合,建立了确定指标权重向量的综合集成赋权模型,采用专家打分和隶属度函数法计算单因素模糊评估向量,采用相对状态特征值对评估结果进行处理,建立了模糊综合评估模型,实现了卫星通信网作战效能的评估,并对评估结果进行了分析。     

基于BP神经网络的装备故障诊断专家系统研究

分析了神经网络和专家系统的特点,提出了基于BP神经网络与专家系统结合的某装备的故障诊断方法,构造了BP神经网络的装备故障诊断专家系统的诊断模型,克服了传统专家系统在知识获取和表达的薄弱环节,并用了某型装备的故障实际数据进行了验证,结果表明了神经网络与专家系统结合是一种有效的诊断方法。     

基于n-宗派的C2组织协作性量化分析

C2组织的协作性是目前信息化战争研究中的一个热点。利用"社会网络分析方法",对C2组织的指挥控制关系网络模型进行"n-宗派"分析,可以有效地揭示组织的子结构特征以及定量地研究组织的协作性。分析了指挥控制关系网络模型n-宗派中"n"的现实意义,设计了"宗派协作指数"和"组织协作指数"的计算方法和公式。结合示例,以2-宗派为例说明了C2组织协作性量化分析的步骤和过程。研究表明,基于n-宗派的C2组织协作性量化分析具有可操作性和现实意义。     

基于神经网络和遗传算法对反装甲目标威胁度评估研究

针对威胁度估计问题和装甲车辆在战场上的实际情况,运用神经网络和遗传算法理论探索反装甲目标威胁度评估问题。基于BP神经网络模型的算法,利用神经网络良好的自适应能力和遗传算法强大的全局搜索能力,通过样本数据训练,提高了威胁度估计的准确性和适应性。经过验证该算法能够有效反应出反各种反装甲目标的威胁度,其稳定性、精确性也比较高。