舰空导弹设计方案评价

舰空导弹设计方案评价是一项复杂的系统工程。因其涉及到的因素众多,有些因素易于量化,有些因素难以量化,往往给决策者带来诸多困难。在建立舰空导弹设计方案评价指标体系的基础上,采用熵权法和理想点法相结合的方法对舰空导弹设计方案评价问题进行研究,以期降低决策的主观随意性,使决策更加科学合理。     

基于OPN的军事信息服务组合模型构建方法

介绍了军事信息服务的基本含义,给出了基于对象Petri网的军事信息服务组合模型的形式化描述方法,构建了军事信息服务组合模型的基本结构,并针对一个具体的防空反导作应用案例,使用国防科大对象Petri网建模仿真环境工具开发了相应的军事信息服务组合模型,并对组合服务进行了简要分析。实践表明,该方法能满足军事信息服务组合模型构建的需要,并具有良好的服务建模与仿真分析能力。     

信息化作战轮式车辆装备保障力量的思考

随着信息技术及高技术武器装备的发展,信息化作战对轮式车辆装备的要求越来越高,轮式车辆装备保障的重要性也日渐突出,轮式车辆装备保障力量研究的必要性也不断加强。在深入分析信息化作战轮式车辆装备保障力量概念和主要特征的基础上,对信息化作战轮式车辆装备保障力量的生成模式和编组方式进行了思考。     

PCA和ICA的舰船尾流后向散射光信号检测

水体的后向散射光信号是舰船尾流后向散射光信号检测的常见干扰,由于其在频域十分接近且信号强度大于尾流信号,因此严重影响了有用信号的提取。针对这一问题,提出了一种基于主成分分析(PCA)和独立成分分析(ICA)相结合的尾流散射光信号检测方法。首先使用主成分分析对采集的散射光信号进行降维,去除冗余成分,之后使用基于负熵的F astICA算法对数据进行处理,分离了水体和舰船尾流的散射光信号,通过实验验证了该算法的有效性。     

基于作战仿真的指令分析研究

分析研究的主要内容是基于作战仿真的各种指挥指令,比较了实际军用文书与仿真指令之间存在的异同,分析了作战仿真系统中指令的类型以及内容结构,列举典型真实军事命令语言,进行便于仿真系统使用的格式化,重点论述实际军事命令等文书在作战仿真系统中如何被准确、高效地识别与运用,提出了两个适用于作战仿真系统的指令格式——基本指令格式和拓展指令格式,并归纳出指令格式的回字架构,为仿真指令在仿真系统中的应用提供支撑。     

基于组合权重的目标识别系统威胁评估

现代信息战场中,对敌方的目标识别系统进行有效干扰,是增强我方、打击敌方的有效手段。对敌方的目标识别系统进行有效的威胁评估,有助于指挥员的决策以及对干扰资源的优化配置。借鉴空中目标威胁评估常用方法,提出对敌方目标的敌我属性识别系统进行威胁评估的方法。首先选择合理的威胁评估指标,然后对指标数据进行规范化处理,利用信息熵法求解威胁评估的客观权重与改进的层次分析法求解出的主观权重加权得到组合权重,运用灰关联分析法进行威胁评估和排序,最后用实例验证方法的有效性和合理性。     

地球静止轨道高能电子通量在线预测模型

利用粒子群优化算法和最小二乘支持向量机,建立地球静止轨道高能电子通量在线预测模型。针对粒子群优化算法,提出一种新的粒子群多样性测度计算方法,有效改善其早熟收敛现象。运用改进的粒子群优化算法优化最小二乘支持向量机的正则化参数和核参数。利用滑动时间窗口策略更新模型数据,选择触发机制以及模型的再学习机制为设计变量,实现模型的在线预测功能。对2000年电子通量监测数据和相关太阳风、地磁参数等实际数据进行的提前1~3天的预测实验,表明所建在线预测模型具有较高的预测性能,并具有一定的实用价值。     

模糊偏序关系的一种信息集成方法

以模糊超过关系、模糊不协调关系为例,就模糊偏序关系给出了一种基于分组加权极大(极小)算子的信息集成方法,讨论了该方法的一致性、非独裁性等性质.     

基于多目标的雷达组网传感器资源管理算法

在雷达组网系统的多目标跟踪过程中,当目标数量过多时,由于传感器资源不足,无法使用传统传感器的管理方法进行资源分配,且运算时间过长,不满足工程实际需求。针对以上问题,提出了一种新的多传感器多目标跟踪任务快速分配算法,该算法将跟踪目标个数和跟踪目标精度作为优化目标,首先按照设定的分配准则对传感器进行一次分配,最大化跟踪目标个数;然后利用一种基于传感器排序的启发式传感器分配方法进行二次分配,通过控制跟踪目标的协方差水平,使目标的跟踪精度尽量接近期望值。仿真结果表明,该算法能够在较短的时间内对多传感器进行有效快速地分配,既跟踪了更多的目标,又达到了期望目标的跟踪精度,并且在一定程度上控制资源消耗,减少系统的总耗能。     

Integrating decisions with advance supply information in an assemble-to-order system

We study a periodic-review assemble-to-order (ATO) system with multiple components and multiple products, in which the inventory replenishment for each component follows an independent base-stock policy and stochastic product demands are satisfied according to a First-Come-First-Served rule. We assume that the replenishment for various component suffers from lead time uncertainty. However, the decision maker has the so-called advance supply information (ASI) associated with the lead times and thus can take advantage of the information for system optimization. We propose a multistage stochastic integer program that incorporates ASI to address the joint optimization of inventory replenishment and component allocation. The optimal base-stock policy for the inventory replenishment is determined using the sample average approximation algorithm. Also, we provide a modified order-based component allocation (MOBCA) heuristic for the component allocation. We additionally consider a special case of the variable lead times where the resulting two-stage stochastic programming model can be characterized as a single-scenario case of the proposed multistage model. We carry out extensive computational studies to quantify the benefits of integrating ASI into joint optimization and to explore the possibility of employing the two-stage model as a relatively efficient approximation scheme for the multistage model.