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%。     

观众出行分布预测在武警临时勤务中的应用研究

大型活动的性质、规模、级别、观众数量、周边的道路交通状况以及治安情况等因素,都影响着大型活动举行期间的道路交通和安全保卫任务。通过对大型活动观众出行分布预测方法的研究,结合实例得到大型活动观众出行分布情况,同时分析其对武警部队部署执勤警力的影响,为安保工作提供预案决策支持。     

面向云计算的数据中心网络拓扑研究

目前对数据中心网络拓扑的研究主要集中在如何提高结构性能上,却忽略了数据中心网络拓扑是否与云计算机制相适应的问题.针对该问题,建立了一种面向云计算的数据中心网络拓扑结构.研究了在具有该拓扑结构的数据中心网络上执行主流云计算机制的方法.分析了该拓扑结构的网络规模、网络直径等性能.仿真结果表明在具有该拓扑结构的数据中心网络上...     

一种改进的云评估方法

在现有云评估方法的基础上,将云概念化和逆向云发生器引入其中,对原有评估方法进行改进。利用改进后的评估方法对C4ISR系统效能进行评估,使评语的各个数字特征由训练数据得到而非人为确定,进一步消除了评估过程的主观性。     

导弹贮存寿命预估的组合模型

在分析比较了几种寿命预估方法优缺点的基础上,针对单一预估方法在解决实际问题中所暴露的局限性,优选了GM-BPNN组合预估模型。该组合模型既利用了灰色预估理论具有所需要的样本数据少、原理简单、运算方便、短期预估精度高、可检验等优点,也发挥了神经网络并行计算、容错能力强、自适应能力强等优点。最后利用该组合模型对弹上某设备寿命进行了预估,取得了较好的预测效果。     

预报风强度对火箭最大气动载荷精度影响及建模分析

针对不同预报风强度的精度以及其对应的最大气动载荷预报值精度的研究文献极少。以某地区实况风为基准,分别对不同预报风强度的精度以及其对应的最大气动载荷预报值精度特征进行了分析,并利用多元线性回归方法建立了订正模型,结果表明在预报日数第1～11天,预报风强度越大,预报风精度及其对应的最大气动载荷预报值精度越高;利用多元线性回归方法可提高最大气动载荷预报值精度,且预报风强度越小,最大气动载荷预报精度提高越明显。这些发现在火箭发射前的飞行保障及安全决策方面具有参考价值。     

弹道导弹打击航空母舰末制导寻的方法研究

在弹道导弹与航母战斗群的攻防对抗中,弹道导弹需要采用有效的寻的方法以便在对抗中占优势。通过分析航母的运动特性,建立了预测其运动态势的数学模型;在此基础上,采用预测落点的末制导方法,在导弹弹头再入大气层后,通过多次预测和修正,实时修正由于航母运动和再入过程中大气影响等各种干扰因素所引起的落点偏差,以保证弹头能以较好的精度命中目标。从数字仿真结果来看,该方法成功率高,且制导精度较高,具有较强的工程应用价值。     

超高速碰撞形成一次碎片云特性

对超高速碰撞数值模拟方法进行了讨论.采用ANSYS/AUTODYN程序的SPH方法,对球形弹丸超高速撞击时弹丸的破碎、碎片云的形成及扩展过程进行数值模拟,其结果与实验结果进行比较,并验证了计算方法和模型参数的正确性.在此基础上采用数值模拟方法,对钨合金、轧制均质装甲及LY12铝三种材料的球形弹丸超高速撞击靶板之后形成的一次碎片云形貌及演化规律进行了研究,并基于量纲分析方法得出了碎片云特征参数(碎片云头部速度、径向最大膨胀速度及膨胀角)随初始撞击条件的变化规律。     

云模型和特征辐射源信息的平台目标识别

平台目标识别一般分为两个步骤,首先是对平台上辐射源的识别,然后通过辐射源和平台的关联进行平台识别.在辐射源识别阶段提出利用云模型描述和处理参数存在区间模糊和观测具有噪声的数据,较好地解决了对于带有复杂调制信号的辐射源识别问题.在平台识别阶段,就辐射源和平台关联的各种结果给出了新的计算样本和模板间匹配度的方法,并且提出利用平台的特征辐射源信息对平台识别结果进行进一步的筛选,以提高识别率.最后用仿真验证了该方法的有效性.     

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。