抢险救灾非战争军事行动中应急资源调度网络的优化方法

抢险救灾非战争军事行动包括道路抢修和物资运输等任务,而这两类任务在灾后应急资源调度中存在关联性的影响,且面临路网结构可变及需求随机模糊等挑战,对此,提出了一种非确定性应急资源调度网络双层规划模型,设计了基于蒙特卡洛方法与遗传算法耦合的智能启发式求解策略.通过对典型情境下应急资源调度案例进行分析建模和数值求解,说明了该模型和算法的合理性和有效性.     

一种高分辨SAR层析成像方法

在城区建筑三维重建中,如何利用非均匀的少量观测数据,在保持方位向-距离向分辨率的同时实现高度向的高分辨成像是SAR层析面临的一个主要难题.在确定性点目标模型下,基于RELAX算法,提出了一种适用于城区建筑三维重建的SAR层析高分辨成像方法.与统计模型下的空间谱估计方法相比,该方法无需多视处理,能够保持方位向-距离向分辨率.与奇异值分解方法相比,该方法具有更优的高度向分辨能力.在仿真数据和Envisat-ASAR实测数据处理实验中,该方法的有效性得到了验证.     

基于改进多模滤波算法的控制系统故障诊断

应用分层多模自适应滤波算法对控制系统的故障进行诊断时,只能识别出故障的类型,如识别出是传感器还是执行器发生故障,并不能判定出故障的大小.提出一种改进分层多模自适应滤波算法,应用此算法可使分层多模自适应滤波算法不仅可以检测出控制系统的故障类型,而且能够确定发生故障的执行器局部故障程度.将此算法应用于某无人机控制系统的故障诊断,仿真结果验证了该方法的有效性.     

改进的前向信息修补算法及其应用

前向信息修补算法可以对离散动态贝叶斯网络的缺失数据进行预测,该算法只适用于所有观测节点是相互独立的网络,却不能处理观测节点有依赖关系网络的缺失数据。针对该算法的这一缺陷,提出了改进的前向信息修补算法,在分析离散动态贝叶斯网络的缺失数据具有二种基本形式的基础上,推导出了每种形式的相应预测公式。继而构建了用于识别威胁源离散动态贝叶斯网络的模型。仿真实验验证了改进的前向信息修补算法的有效性。     

拓展TOPSIS的地面目标关联算法

地面战场复杂的背景环境和目标的强机动性,使得传统关联方法所必需的先验信息不易获得,且传统关联方法仅利用状态信息进行关联,导致关联信息量不足,从而关联正确率不高。针对上述问题,采用无需任何先验假设的TOPS IS,在状态信息的基础上引入属性信息,作为拓展TOPS IS的评价指标,利用熵权确定各指标权重,最后用相对贴近度确定关联排序。仿真结果表明,该算法有效地提高了关联正确率,且能够满足实时性要求。     

限定广义纳什均衡及其控制罚算法

广义纳什均衡问题通常有很多解,只有在相当严格的条件下,才有可能得到唯一解。如果任意选取其中之一作为该问题的解,显然是不合理的。为此,提出限定广义纳什均衡的概念。通过给共同约束相对应的拉格朗日乘子增加约束的方法,找出具有某些特性的解。为了求解限定广义纳什均衡,还进一步给出了控制罚算法。     

改进的基于迭代算法的Weibull分布杂波模拟方法

杂波在雷达环境模拟中具有非常重要的地位.基于ZMNL(无记忆非线性变换法)的Weibull分布雷达杂波模型,可以很好地描述海杂波.但这种模型,因其非线性变换前后相关系数之间的关系公式复杂,很难用直观的方法求解.针对这一问题,提出了用迭代算法来求解该非线性公式的过程,并给出了应用该方法进行杂波仿真的具体步骤及仿真结果,证明了该方法的准确、可行性.     

一种圆阵垂直平滑解相干算法

基于均匀圆阵(UCA),提出了一种垂直平滑解相干算法.利用在两个垂直的方向上平移,得到多个平移后的协方差矩阵.对其进行平均,将协方差矩阵的秩恢复为满秩,实现解相干,完成对相干信号的DOA估计.仿真结果表明,该方法具有较好的可行性.     

BP神经网络的遗传模拟退火算法动态选址仿真

针对战区装备保障点动态选址问题的广义最大覆盖选址模型,综合分析传统的启发式算法全局、局部搜索中的优缺点,提出一种基于BP神经网络的遗传模拟退火算法,并将其运用于战区装备保障点动态选址决策实际问题中,对该算法进行了仿真研究,给出具体实例的仿真结果验证了该算法求解最优解的高效性以及运算的高收敛速度.     

模糊需求下保障设施选址-路径模型及算法

针对装备保障过程中被保障单位需求量不确定的问题,在详细分析保障设施选址-路径相关因素的基础上,利用三角模糊数对需求量进行标定。通过运用模糊综合评价与群决策思想确定保障设施备选址点权重,构建时间满意度函数与惩罚成本函数,建立模糊需求下带有时间窗及容量限制的选址-路径模型,并设计了基于聚类分析与蚁群算法的混合启发式求解算法。通过算例分析验证了模型的正确性及算法的有效性。