加权α-比较数排序法在群决策中的应用

针对军事决策的群体性和模糊性,探索新的群决策方案优选方法。将区间数这一模糊概念与α-比较数排序法相结合,用区间数表示决策者对备选方案的模糊偏爱度,并结合决策者在决策群中的权重确定决策群对方案集的综合偏爱度,得到一种新的群决策方案排序模型,并通过算例验证了模型的准确性。该模型综合考虑了决策者在比较备选方案确定其偏爱度时的模糊性以及决策者的决策地位,能比较全面地反映军事群决策的特性,并且计算简便,便于指挥系统实时解算。     

基于量子蚁群算法的VRPTW研究

深入研究带时间窗的配送车辆路径问题,建立贴合实际情况的VRPTW模型,并且针对建立的模型,将量子计算的理念与方法融入蚁群算法,改进后的算法更加科学地初始化蚂蚁的位置,使蚂蚁有更大可能性地寻找到最优路径。在搜索的过程中添加量子比特启发式因子,使用局部信息素更新和全局信息素更新相结合的信息素更新方式,全局信息素更新添加了量子旋转门的新模式。并使用2-opt搜索对结果进行进一步的探索,扩大搜索的范围,增加了得到最优解的概率。使新建立的量子蚁群算法能够实现对模型更加高效的求解。     

基于证据理论的直觉模糊群决策方法

针对属性权重和专家权重完全未知的直觉模糊群决策问题,提出一种基于证据理论的决策方法。基于记分函数和属性不确定度,将专家的直觉模糊决策矩阵转化为Mass函数;运用了基于直觉模糊熵的属性权重计算方法,将专家针对属性集关于方案集的评价证据进行修正与合成;确定了考虑接近度与相似度的专家权重计算方法,融合了TOPSIS法与Jousselme距离度量专家权重,将各专家关于方案集的评价证据进行修正与合成,最后进行方案排序。运用实例证明了方法的合理性和有效性。     

基于UPF的WNN学习算法及其应用

为改善小波网络(WNN)的非线性建模能力,提出一种基于改进无迹粒子滤波(UPF)的WNN学习算法。算法先引入最小偏度策略减少无迹变换(UT)的Sigma采样个数,改进无迹Kalman滤波(UKF);再用改进UKF算法选取粒子滤波的重要性密度函数,构成新型UPF;最后,将SUPF作为WNN的学习算法进行训练和测试。实验表明,基于新采样策略UPF与基本UPF的WNN模型精度总体接近,但速度更快,效率更高,某型军用飞机气动力建模也验证了算法的有效性与可行性。     

多指标约束下的防空反导装备修理级别建模

修理级别分析是防空反导装备维修决策的重要内容。分析了防空反导装备的组成结构和维修流程,建立了基于模块化装备的修理级别分析决策流模型,在多指标约束条件下,以维修效果和维修费用为目标函数,建立了防空反导装备修理级别的经济性分析模型,运用自适应粒子群算法对模型进行求解,通过算例证明了该模型的合理性和方法的有效性,对于完善防空反导装备的修理级别决策分析具有理论指导意义。     

基于采样的非线性滤波方法

在系统阐述贝叶斯估计理论的基础上,分析和总结了扩展卡尔曼滤波、Sigma点卡尔曼滤波以及粒子滤波等方法的特点、使用条件以及局限性.介绍了扩展卡尔曼滤波方法并指出其缺陷;介绍了无轨迹卡尔曼滤波、中心差分卡尔曼滤波等确定性采样方法,并在加权统计线性回归意义下将其归结为Sigma点卡尔曼滤波方法;介绍了随机采样方法-粒子滤波方法,并指出其主要的研究方向.最后,对非线性滤波的发展趋势进行了展望.     

能力型防空群指控系统概念模型及效能评估*

为提高能力型防空群整体作战能力,应用系统论方法分析了能力型防空群指控系统的构成要素及运行模式,提出了指控系统信息结构力的概念,建立了能力型防空群指控系统概念模型.在此基础上,提出了能力型防空群指控系统效能评估指标体系,运用网络复杂性理论、图论、集合论及信息论方法建立了能力型防空群指控系统的物理性能及信息结构力计算模型,给出了指控系统效能综合评估函数,可为防空指控系统构建提供参考.     

飞行器航路规划算法分析

针对现代军用飞行器任务规划系统航路规划的特点,分析了飞行器航路规划的基本要求,阐述了目前国内外应用和研究的几种航路规划算法:A*搜索算法、遗传算法、粒子群算法、数学规划算法、电势理论法等,并对飞行器航路规划算法的发展趋势进行了展望.     

基于改进的MADM的防空混编群配置地域优选研究*

地面防空混编群中的骨干型火力单位具有作战空域大、具备同时攻击多个目标的能力,是混编群作战体系的主体,担负着对重要目标的抗击任务.其配置将直接影响作战任务,而对其地域选择是火力单位配置的关键环节.首先分析了影响骨干型火力单位地域选择的因素,其次针对其不确定性及权重难以确定的问题,基于改进的MADM算法建立了地面防空兵混编群骨干型火力单位配置地域优选模型,最后给出该算法的实例分析.     

基于粒子群优化的稀疏分解最优匹配原子搜索算法

信号的稀疏分解能得到信号的稀疏表示形式,便于进一步处理,但其计算非常复杂,是一个NP问题.粒子群优化是群体智能优化算法,算法简单,易于实现,且搜索效果好.把粒子群优化算法用于稀疏分解的最优匹配原子的搜索,能降低稀疏分解复杂度,同时减少稀疏分解的超完备字典对存储空间的占用,以提高用稀疏分解理论进行信号处理的计算效率,满足或接近实时性的要求.实验证明,此方法切实可行.