基于最优化模型的太阳影子定位方法

针对利用太阳影子实现目标的定位问题,分析得到影响影子长度的参数,确立了影长与太阳高度角、目标物长度、经纬度等的函数关系,并结合最小二乘法思想,建立了以理论影长与实际影长之差的平方和最小为目标的优化模型。以直杆为例,运用粒子群优化算法快速求解得到目标的可能位置,并与实际地点进行了比较。     

基于族群机制的花朵授粉算法

针对花朵授粉算法易陷入局部极值、收敛速度慢等不足,提出一种具有族群机制的花朵授粉算法。该算法把种群分成多个族群,各族群的最优个体再组成新的种群,进而促进种群间的信息交流,有效地协调种群进化过程中的全局搜索和局部搜索能力,避免个体的早熟收敛,提高算法的全局寻优能力及收敛速度。通过8个CEC2005benchmark测试函数进行测试比较,仿真结果表明,改进算法的寻优性能明显优于基本的花朵授粉算法、粒子群算法和蝙蝠算法,其收敛精度、收敛速度、鲁棒性均较对比算法有较大提高。     

Optimal maintenance policies for a safety‐critical system and its deteriorating sensor

We consider the integrated problem of optimally maintaining an imperfect, deteriorating sensor and the safety‐critical system it monitors. The sensor's costless observations of the binary state of the system become less informative over time. A costly full inspection may be conducted to perfectly discern the state of the system, after which the system is replaced if it is in the out‐of‐control state. In addition, a full inspection provides the opportunity to replace the sensor. We formulate the problem of adaptively scheduling full inspections and sensor replacements using a partially observable Markov decision process (POMDP) model. The objective is to minimize the total expected discounted costs associated with system operation, full inspection, system replacement, and sensor replacement. We show that the optimal policy has a threshold structure and demonstrate the value of coordinating system and sensor maintenance via numerical examples. © 2017 Wiley Periodicals, Inc. Naval Research Logistics 64: 399–417, 2017     

合成分队双层主从决策模型研究

针对合成分队不同指挥层级之间的决策交互优化问题,提出了基于主从决策的双层武器目标分配模型。该模型能够体现上下指挥层级之间交互式决策协调优化的特点:上层目标为主攻方向我方遭受威胁最小,下层目标为对敌打击最大。结合合成分队作战决策的特点和要求,提出了一种求解该模型的改进型粒子群优化算法。仿真结果表明,该模型合理有效,改进的求解算法能够获得满意解。     

WRF模拟太原地区气象场特征及对弹丸的影响

在用WRF模拟太原地区2014年3月19号天气状况的基础上,得出该地区气象场特征,检验WRF模式在复杂地形下的模拟预报能力,并讨论了模拟的气象场对弹丸飞行造成的可能影响。结果表明:WRF模拟的气象场与真实大气比较接近;在该气象场背景下,射程为90 km的某弹丸由纵风引起射程误差较大,约为1 293.85 m,由横风在落点产生的横向偏差为304.85 m,由温度引起的射程偏差很小约为12.93 m。可见,实际大气对弹丸射击精度的影响是可观的,用WRF模拟的流场计算气象因素对弹丸射击精度的影响是有意义的。     

云模型改进惯性权重的混沌交替粒子群算法

标准粒子群算法通过线性减小惯性权重系数来调整寻优性能,但缺乏智能化机制易导致算法后期产生早熟或陷入局部最优而产生僵局。针对这一问题,提出一种基于云模型改进惯性权重的混沌交替粒子群优化算法。根据粒子迭代变化关系,采用云模型理论对惯性权重ω进行智能化调整,以平衡其全局和局部搜索能力,防止算法产生局部僵局;另外,判定粒子稳定性,对于可能陷入局部僵局的稳定粒子进行混沌扰动,促使其跳出僵局进而向最优位置更新。实验与分析表明,基于云模型改进惯性权重的混沌交替粒子群优化算法能够跳出局部僵局且具有较高的寻优精度,算法接近完全收敛时的平均迭代次数,较现有相关研究分别降低了13.73%~20.11%。     

基于TSS方法的雷达性能优选分析研究

通过TSS方法进行了雷达性能的优选分析研究,分别针对雷达的单一性能指标和综合性能指标进行了优选分析。首先运用TSS方法完成了基于单一性能指标的雷达性能优选分析,然后通过欧几里德贴近度完成了雷达的综合性能指标优选分析,最后给出了TSS方法在雷达性能优选分析研究中的应用实例。     

电子对抗对空侦察雷达阵地配置优化研究

针对电子对抗对空侦察雷达阵地优化配置问题,通过分析雷达站的侦察范围与定位条件,提出双机定位和三机定位的最优配置模式,分别建立双机定位和三机定位的最优站距、定位纵深、配置间隔、阵地高度等相关参数的计算模型。通过对电子对抗对空侦察雷达阵地优化配置问题进行实例计算,表明模型实用、有效。     

基于多Agent无人机协同侦察任务规划模型

建立了多无人机协同侦察任务规划模型,在考虑侦察时间间隔约束和目标载荷需求基础上,给出了位于不同基地的无人机优化部署和调度策略,并提出了基于多Agent的优化搜索仿真算法,利用Matlab实现了无人机优化配置和任务规划模型,得出了无人机优化配置和任务规划方案,最后分析了模型算法存在的某些不足,提出了模型改进的方向。     

Maximizing project cash availability

Consider a project during the life cycle of which there are cash payouts and in‐flows. To better meet his financial commitments, the project owner would like to meet all deadlines without running out of cash. We show that the cash availability objective is similar to the total weighted flowtime used to measure work‐in‐progress performance in the scheduling and inventory control literatures. In this article we provide several specialized solution methods for the problem of minimizing total weighted flowtime in an arbitrary acyclic project network, subject to activity release times and due dates, where the activity weights may be positive or negative and represent cash in‐ and out‐flows. We describe the structure of an optimal solution and provide several efficient algorithms and their complexity based on mincost and maxflow formulations. © 2006 Wiley Periodicals, Inc. Naval Research Logistics, 2006