二维混沌置乱矩阵构成置换群的理论和实验证明

群论是研究对称性问题的强有力的数学工具.混沌指的是确定性非线性动力系统表现出来的内在随机性,具有有界、非周期、对初始条件和参数极度敏感等特点,由其产生的离散序列可用来对数字图像等数据进行加密.目前已有的文献中对二者之间的关联现象鲜有研究.基于群和混沌的基本理论,结合置换群的概念,从理论和实验两方面证明了二维混沌置乱矩阵对置换变换构成置换群的结论,并由此指明了试图用不同初值,经不同混沌系统产生多个混沌二维置乱矩阵对数字图像、视频等多媒体数据进行多重置乱加密以加强安全性的做法的无效性.     

变结构多模型估计第IV部分:模型群切换算法的设计和评估

在第Ⅲ部分提出了一种称为模型群切换算法(MGS)的变结构多模型(VSMM)估计器。它是第一种通用的、可应于一大类具有混合(连续或离散)不确定性问题的VSMM估计器。在这种算法中,模型集合通过在一定数目预先确定的模型群之间的切换来实现自适应。它比固定结构MM(FSMM)估计器,包括交互多模型估计器(IMM)具有更大的潜力获得更高的费效比。本文研究了算法应用中的一些比较重要的问题,包括模型群自适应逻辑和模型群的设计。研究的结果通过一个机动目标跟踪问题的详细设计例子进行了演示。这个跟踪问题使用一个时变模型集合,每个模型由目标的加速度期望值表征。仿真结果用来证实在仔细设计和非常随机和确定的情况下,MGS算法同使用所有模型的固定结构IMM(FSIMM)估计的性能(基于更合理和完全的度量,而不是仅使用通常的rms误差)和计算复杂程度的比较。     

求解互补问题的极大熵微粒群混合算法

首先,利用NCP函数,将互补问题转化为一个非光滑方程组问题,然后用凝聚函数对其进行光滑化,进而把互补问题的求解转化为无约束优化问题,最后利用微粒群算法对其进行求解。利用3个测试算例对其进行测试并与其他算法进行比较,计算结果表明:该算法在求解的准确性和有效性方面均优于其他算法。     

基于免疫粒子群文化算法的数字电路故障诊断

为改善粒子群算法摆脱局部极值点的能力,提升种群进化的多样性,将免疫算法中免疫机制引入到粒子群算法中形成免疫粒子群算法;为有效提高故障覆盖率和缩短测试生成时间,将免疫粒子群算法引入文化算法框架中形成免疫粒子群的文化算法。将其应用于数字电路故障模型仿真实验并与其他测试生成算法进行对比,结果表明该算法能够有效提高故障覆盖率,缩短测试生成时间,在大规模电路测试生成与故障诊断中更具优势。     

基于改进遗传粒子滤波与SME的多目标跟踪算法

针对基于对称量测方程的多目标跟踪,传统的滤波手段无法解决因对称变换带来的非高斯问题,提出一种新的遗传粒子滤波方法。新的滤波算法利用粒子的噪声含量与权值的负相关,改进了更新过程中权值计算所依赖的概率密度函数,避免了新量测噪声的求解。同时利用遗传算法的优势,保障了粒子的多样性,提高了粒子的使用效率,防止了滤波发散及局部最优。仿真结果表明,基于对称量测方程的多目标跟踪中,改进的遗传粒子滤波算法较扩展卡尔曼滤波算法、不敏卡尔曼滤波算法和联合概率数据关联滤波算法跟踪效果更好。     

把预备役部队和民兵防空力量建设统合起来

胡锦涛主席指出:基于信息系统的体系作战能力成为战斗力的基本形态.这一重要思想深刻揭示了信息化条件下战斗力生成和发展的规律,是科学发展观在军事领域的具体运用.     

基于混合粒子群的武器分配与规划方法研究

武器-目标分配是一个至今未能解决好的多约束规划问题,其复杂性包括模型和算法两方面,已被证明是一个NP完全问题。在对以往武器-目标分配模型分析的基础上,引入时间和制导资源约束构建新的模型,以防御武器系统生存概率最大作为目标函数,提出一种混合粒子群算法。该算法融合粒子群算法和遗传算法,首先利用粒子群算法找到不受时间和制导资源约束的一组解,再利用一个遗传算法对粒子群算法找到的解进行寻优,最终找到一组满足时间和制导资源约束的最优解。仿真结果表明,该算法收敛速度快,求解精度高。     

基于椭圆曲线群上的零知识证明

通过研究椭圆曲线群,给出基于其上的2个零知识证明方案,这2个方案均使得甲方向乙方宣称自己拥有某种信息,并通过互动证明使其确信具有该信息,但同时还未泄漏该信息。