通信网络拓扑可靠性的重要度熵评价方法

针对通信网络拓扑可靠性受到多因素影响的问题,提出了一种基于重要度熵的可靠性评价方法。该方法采用介数作为基础重要度指标,依据节点度、距离、最短路径等拓扑特性传播重要度影响,保证了对节点重要度的客观评价。方法选取网络重要度熵为可靠性指标,并通过边收缩将链路重要度转化为节点重要度进行评价,进而计算网络的重要度熵。最后通过仿真,验证了该评价方法的有效性。     

数据与知识双驱动的备件需求模糊预测模型

针对知识驱动型需求预测模型所需的专家知识稀缺、数据驱动型需求预测模型可解释性不足的问题,提出了数据与知识双驱动的备件需求模糊预测模型。该模型基于模糊聚类算法将数值型数据聚类为结构简单、可解释性强的规则库,运用模糊逻辑将领域专家知识表示为Mamdani型规则库。在此基础上,引入了一种新型智能计算理论——模糊网络理论对两类规则库进行合并运算,形成初始预测模型。采用遗传算法优化模型规则库的模糊集参数来提高模型预测准确性。通过与模糊聚类算法进行对比,提出的模型在可解释性以及准确性指标上均具有优势。     

面向混部云失败批处理作业的预测算法

为了降低混部云失败批处理作业的风险,使用K-means聚类算法将批处理作业分为四类,在分类的基础上提出了二层嵌套分类模型(two-layer nested classification model, TLNM),实现了基于TLNM的预测算法。基于Ali Trace 2018数据集上的实验结果表明,该算法的接受者操作特性(receiver operating characteristic, ROC)曲线明显优于其他常用分类器,ROC曲线下面积(即AUC)可以达到0.978,表明该算法具有良好的分类性能。同时召回率可以达到0.951,通过混淆矩阵可以看出TLNM算法能够准确预测出执行失败的批处理作业。     

面向无人环境的机器人生态圈自主任务决策方法

借鉴自然界生态系统的典型特征,提出机器人生态圈概念。通过使集群机器人进行智能协同与复杂演化,涌现自我维持、自我复制与自我进化等生命特征,实现无人条件下的长期生存、繁衍与进化,并执行特定的任务。针对机器人生态圈典型任务场景的自主任务决策需求,分析不同机器学习任务决策方法的特点,建立机器人生态圈自主任务决策的决策树模型和神经网络模型。分析表明,两种模型的正确率均在80%~90%,且均具有良好的稳定性。这说明,机器人生态圈自主任务决策问题可以通过决策树、神经网络等机器学习方法来很好地加以解决,从而为面向无人化场景的任务应用提供技术支持。     

节点实时性能自适应的集群资源分配算法

由于配置和所运行作业的不同,集群各节点的实时性能差异较大。为提高集群性能,提出节点实时性能自适应的集群资源分配算法 (node real-time performance adaptive cluster resource scheduling algorithm,NPARSA)。节点实时性能用其配置(CPU核数及速度、内存容量、磁盘容量)和实时状态参数(CPU、内存和磁盘的剩余数量及磁盘读写速度)表示。NPARSA根据作业类型自主选择节点性能评价指标的权值,实现节点实时性能对于作业类型的自适应。实时性能最优的节点分配给作业。虚拟机实验和物理集群实验表明,与Spark默认资源分配算法、没有考虑作业类型与节点匹配的算法、使用作业和节点匹配差异程度作为资源分配依据的算法相比,NPARSA能更有效地缩短作业执行时间、提高集群性能。     

考虑战损件回收再造的战场军需备件供应优化研究

在考虑军需备件需求和战损件修复不确定性的条件下,研究了战场上军需备件供应优化问题,建立了优化问题的数学模型,证明了模型的凸函数特性,给出了模型的最优解析解计算方法.     

网络战对作战的影响及对策

网络战作为一种新的作战形式引入作战领域,越来越受到各国重视,并已成为世界各国争相研究和重点建设的作战样式。文章从网络战的特点入手,针对网络战对作战影响进行了探讨,并从构建网络体系、研发武器装备、重视人才培养和加强训练演练四个方面阐述了强化军队网络战的对策措施。     

和平时期网络舆论战的特点及对策刍议

作为一种软杀伤性的政治攻心战,网络舆论战已成为信息化条件下体系作战的一种重要作战样式。和平时期网络舆论战具有其鲜明的特点,即舆论传播的隐秘性和受众的广泛性,信息传递的迅速性和受众的自组织性,信息的海量性和受众注意的易转移性。对此,应积极利用互联网争夺意识形态领域的主导权,积极参与网上讨论并注意引导网络舆论风向,加强网络舆论战技术装备和人才队伍建设,为打赢信息化条件下的网络舆论战打下良好基础。     

基于PCA-RBF网络的储运过程管道堵塞故障诊断方法

针对现代储运过程管道堵塞故障诊断时,提取的过程参数多导致诊断速度慢、性能差等问题,提出了基于主成分分析（PCA）和径向基函数（RBF）神经网络故障的诊断方法。首先利用PCA方法对储运过程高维历史数据矩阵进行特征提取,提取的故障特征信息作为训练集,并给出故障特征信息的分类号;然后将其作为RBF神经网络分类器的输入输出进行故障模式识别。仿真实验表明：该方法应用于储运过程管道堵塞故障诊断,不仅大幅度地降低了诊断模型的训练时间,而且提高了诊断正确率。     

基于Monte Carlo的军事物流结点可靠性评估方法

军事物流网络结点是构成军事物流网络的基本要素。战场环境瞬息万变,结点的可靠性往往受许多不确定因素的影响,计及不确定因素的评估方法可以更客观、真实地评估结点的可靠性。基于此,提出了刻画物流结点可靠性的评估指标体系,建立了计及不确定因素的军事物流结点可靠性评估模型,给出了Monte Carlo求解算法。对影响结点可靠性的因素进行了分析,在此基础上提出了改善军事物流结点可靠性的措施。以某战役级军事物流网络为例进行算例分析,验证了该方法的可行性和正确性。