导弹实弹射击信息管理系统的设计与实现

针对目前实弹射击训练结束后缺乏科学、全面、便捷的数据信息记录手段和成绩评价方法的问题,通过分析导弹实弹射击整体过程及成绩评价需求,建立数据记录评价指标体系,运用Client/Server数据库开发技术和模糊综合评判的方法,设计并实现了“导弹实弹射击信息管理系统”。该信息管理系统经实际使用后,验证了需求分析的合理性以及设计实现的科学性,为客观、全面地记录实弹射击训练情况,评价导弹实弹射击训练提供了一种有效的手段。     

颠覆性技术发展面临的挑战与对策

信息攻防作战力量既可以独立成军成战,又可以和各军兵种、各种武器平台无缝衔接、联合协同,以发挥无限的战争潜力,是以信息攻防新技术为支撑、以软硬打击新能力为标志的新型作战力量。从核心信息基础设施建设,信息攻击和防护能力建设以及信息攻防协同作战三个方面论述了信息攻防新型作战力量建设的重要问题及战法对策,对信息攻防作战的特点规律和技术手段进行了剖析。     

颠覆性技术发展面临的挑战与对策

颠覆性技术是大国军事博弈的战略需要和提升国家科技创新能力的重要途径,可引发作战样式和战争形态的根本性变革。目前,世界主要国家纷纷确立其军用颠覆性技术重点发展领域,甚至开展技术竞赛,意图抢抓科技创新机遇,掌握战争主动权。然而,颠覆性技术从研发到战斗力转化的每个环节都充满了未知和风险,需客观分析其未来发展可能面临的挑战,并思考相应对策。     

求解CVRP问题的一种改进启发式蚁群算法

针对蚁群算法求解CVRP问题时收敛速度慢、求解质量不高的缺点,提出了一种改进启发式蚁群算法。该算法借鉴蚁群系统和基于排列的蚂蚁系统的优点设计信息素更新策略,既加强了对每次迭代最好解的利用,又避免了陷入局部最优;按一定比例使用基本方法和基于PFIH方法构造路径,扩大了算法的搜索空间;采用一种混合局部搜索算子,增强了算法局部寻优能力。实验结果表明,改进启发式蚁群算法可以大幅度减少车辆运行成本,具有较快的收敛速度。     

通信对抗战术演习目标信号构设方法

构设带有一定战术背景的目标信号环境,是当前通信对抗战术演习急需解决的现实问题。在分析了通信对抗战术演习对构设目标信号环境特殊要求的基础上,提出了构设目标信号环境的以少代多的数量等效方法、以近代远的距离等效方法、组网通联等效方法和作战行动变化等效方法。提出了由全局逼真度、阶段逼真度、受训装备感受逼真度和目标逼真度组成的四级构设逼真度指标体系。针对一个具体的构设实例,设计仿真算法验证了文章提出的4个构设方法,并通过对预期构设逼真度的分析得出了一些有意义的结论。研究成果已在实践中得到了应用。     

基于关键路径和任务复制的多核调度算法

针对目前大多数多核处理器任务分配优化算法没有考虑关键路径上节点对任务完成时间的重要影响,导致任务完成总时间延迟的问题,提出了基于关键路径和任务复制(CPTD)的单任务调度算法。CPTD算法通过复制任务图中fork节点的方式将任务图转化为与之相对应的产品加工树;再在生成的产品加工树中找到关键路径,并采取使关键路径上节点的紧前节点尽早调度的方式,使关键路径上节点尽早开始执行,进而使产品加工树中节点完成时间得以提前,达到缩短任务执行总时间的目的。理论分析表明,CPTD算法能够实现应用程序在多核上充分并行处理,并能缩短任务完成时间。     

“同志”的语义演变及军语语用功能

汉语中“同志”一词的使用具有较长的历史,其语义不断发生变化,从指称一种现象发展到指称人和称呼人。在军队中,“同志”是条令规定的用语,必须充分认识其在使用中具有的建构功能和人际功能,从而促进军人之间高尚革命友谊关系的建立和保持。     

浅析武警部队收费票据管理

近年来,武警部队一些财务部门在财务管理工作中,重视经费管理而轻视票据管理、重视收费管理而轻视收费票据管理的现象比较突出,使收费票据管理出现了一些薄弱环节。这些薄弱环节又进一步影响了财务部门对预算外收入的控制和监督,也影响了会计信息质量。对此,笔者提出了加强收费票据管理的对策,即：增强票据管理意识,严格落实管理制度,完善票据领用办法,规范票据的使用,加强业务稽查,加强管理信息化建设及提高人员素质。     

基于最小时间窗的多功能雷达调度算法研究

雷达、电子战、通信等多功能电子系统一体化是雷达的发展方向之一,针对多功能雷达的资源管理与调度,基于孔径分割建立了多功能雷达系统的任务模型,根据任务作用距离确定了任务事件对孔径资源的占用率,并在此基础上给出了一种基于最小时间窗调度间隔的任务调度算法来解决多功能雷达的任务调度问题,通过仿真验证,证明该算法具有一定的有效性.     

基于QPSO算法的支持向量机参数优化研究

应用具有量子行为的粒子群优化算法,对支持向量（SVM）进行参数优化研究．根据支持向量机的分类准确率和泛化能力之间的关系,应用QPSO算法选取比较优秀的参数模型,比较参数模型的各项性能,选取最适合实际需要的参数模型．仿真表明,QPSO算法的SVM模型与PSO算法相比在分类准确率和泛化能力上均获得更好的效果,经QPSO优化后的SVM整体性能明显提高．