动态贝叶斯网络的无人机炮火校射

动态贝叶斯网络(Dynamic Bayesian Networks-DBNs),是对具有随机过程性质的不确定性问题进行建模和处理的一个有力工具.提出将隐马尔可夫模型(Hidden Markov Models-HMMs)图形模式与贝叶斯网络结合起来构成DBN,将其用于无人机照相侦察情报的推理分析,决定炮火优先打击区域.首先建立动态贝叶斯网络的战场态势变化模型,而后应用HMM的推理算法获得当前隐含序列最优估计,且可预测出未来战场态势.最后应用模糊推理获得优先打击的区域号.仿真结果表明了模型的可行性.该方法有效解决了贝叶斯网络对于瞬间变化战场态势推理的不足的缺陷,为炮兵指挥员更好地运用火力,分出主次奠定了基础.     

鲁棒自适应雷达伺服系统

该文设计了一鲁棒自适应雷达伺服系统。所设计的自适应雷达伺服系统对于一类未建模型动态具有鲁棒性。针对雷达伺服系统中的摩擦扰动,引进了自适应摩擦补偿。仿真结果表明,同σ—修正法相比,具有更强的鲁棒性。     

A Bayesian analysis on the effect of multiple supply options in a quick response environment

In the apparel industry, vendors often suffer from high mismatches in supply and demand. To cope with this problem, they procure the same style product from different suppliers with different manufacturing costs. Especially in the quick response environment, which allows vendors to monitor trends in customer demand and search for available suppliers through the electronic market, they have additional opportunities to improve their decision‐making. In this paper, we propose an analytical profit maximization model and develop efficient decision tools to help both the middle and lower level managers pursuing this strategy. Furthermore, we have shown how significantly the vendors' potential competitive edge can be improved by exploiting multiple supply options, even at the expense of high premium procurement costs for late orders. The effect is critical, especially in a highly competitive market, and it has important implications for the top managers. © 2003 Wiley Periodicals, Inc. Naval Research Logistics, 2003     

基于网格质量反馈的弹性体动网格改进研究

高鲁棒性的动网格变形方法是求解包含运动边界的非定常流场问题的关键技术。基于经典的弹性体动网格方法，引入两种设计合理、评价效果较好的网格质量参数——Patrick网格质量参数和Baker网格质量参数，从网格质量反馈优化的角度对经典方法作出改进，提出了一种基于网格质量反馈的改进弹性体动网格方法。结合NACA0012翼型的大角度俯仰运动，对比研究改进方法与经典方法的变形能力，整个过程中改进方法均保持更好的平均/最小网格质量，尤其在大俯仰角90deg时，经典方法的平均、最小网格质量降幅均是改进方法的4倍之多，且机翼尾缘处的网格扭曲严重，而改进方法仍与初始网格保持了较好的一致性，具有更高的鲁棒性。作为例证，分别计算了二维NACA0012翼型、三维ONERA M6机翼的俯仰振荡绕流，并与实验结果及流场规律进行对比，结果表明：基于网格质量反馈的改进弹性体法能够显著提高变形网格的鲁棒性，在大幅度的变形下保持较高的网格质量，对多维流场的求解均可取得精确结果，可为非定常流场问题的求解提供有力支撑。     

非线性系统的神经网络广义预测控制

研究了神经网络广义预测控制方法在非线性系统中的应用，基于BP网络构造神经网络预测器，利用非线性系统的开环输入输出数据离线训练神经网络，根据拟牛顿BFGS优化算法使得二次型性能指标函数达到最小，得到了最优的控制序列。同时给出了神经网络广义预测控制算法的步骤，讨论了提高系统鲁棒性的措施。仿真结果表明，这种神经网络预测控制算法具有响应速度快、控制效果好和跟踪精度高等特点。     

代谢网络结构特征的生物信息学研究

作为生物信息学的重要研究内容,近年来代谢网络结构特征方面的研究取得了许多成果。回顾了代谢网络的重构和表示方法,重点综述了代谢网络宏观结构特征所蕴含的生物学意义,以及拓扑特征所揭示的网络演化过程和网络稳健性信息,提出了目前研究中仍然存在的问题及可能的解决思路,并对将来的研究趋势进行了阐述。     

基于电磁防护仿生方法的赛博空域鲁棒性研究

阐述赛博空域研究工作中以仿生方式进行电磁防护所需要涉及的基本内容,对所研究的内容在整个仿生领域中予以大致的定位．对赛博空域进行定义,解释进行电磁防护的基本概念、相关仿生研究的表象级对等模型、研究策略和实现基础．根据结构和功能的关系进行相应方案的规划,并结合鲁棒性研究,在分级冗余基础上考虑鲁棒裕度问题,描述网络简并、功能梯度和旁路易化的特征,使得赛博环境下电磁防护的仿生构想在技术上成为可能．     

军事指挥控制中的贝叶斯决策支持

军事指挥控制是一个复杂的决策过程,该过程中信息是结合定性的专家知识和定量的融合数据而得到的.贝叶斯网为指挥控制系统提供了一个框架来处理这种专家知识和具体数据相结合的问题,并且影响图作为贝叶斯网的延伸可被用于分析指挥控制系统中某个决策的可行性.进一步地,为了减少所需指定的条件概率的数量并引入时变的概念,提出动态影响网作为一种新的决策支持方法.     

基于时空序贯融合的TBM拦截效果评估

基于时空信息进行了TBM拦截效果评估的研究。首先分析了拦截效果评估信息的特征,建立了TBM拦截效果评估流程;在此基础上提出了基于"空间特征级-时间决策级"思想的序贯融合评估模型;融合评估算法中,空间域选取模糊神经网络进行特征级融合,时间域选取D-S证据理论完成决策级融合,空间特征级融合模糊神经网络的各层映射函数分别由模糊隶属函数和采用贝叶斯网络的方法来获取;最后通过实验仿真了评估流程,验证了融合评估模型及融合算法的有效性。     

敏捷C2组织鲁棒性研究

敏捷性的研究是信息时代的组织研究中的重要方面。设计一种敏捷的C2组织,以保证C2组织在执行任务时能够发挥最佳性能,以达到灵活应对任务、减少资源浪费和提升作战效能的目的,这样的组织称为敏捷C2组织。本文从敏捷C2组织形式化概念模型构建开始,对敏捷C2组织的敏捷性测度中的鲁棒性的含义及其测度方法进行详细的定义和阐述,并通过实验对方法进行分析研究验证。