兵力编成结构裁剪中指挥关系优化研究

由于决策个体控制战场作战平台资源实体,通过平台资源实体执行作战任务,作战平台资源实体在任务上的聚集导致决策个体间需要复杂的交互协作与交流,兵力编成需要为任务的执行创造良好的交互结构。基于任务执行的兵力编成包括两方面的内容:一是指控决策结点间的协作关系;二是指控决策结点间的指挥关系。本文基于决策个体在任务上的协作关系设计兵力编成的指挥关系,以最小化编成中总的协作工作负载为目标,并描述了编成指挥决策关系的生成过程,对生成过程的求解采用了优化协作树算法。     

应用离散粒子群-郭涛算法分配多无人机协同任务

针对以往考虑时间窗约束的多无人机协同任务分配问题模型不能反映在有效时间窗内,任务执行时间对任务收益的影响及求解算法效率较低的问题。建立了将任务收益和任务执行时间直接联系起来的任务分配模型和可行解到粒子整数编码方式的映射,设计了混合离散粒子群-郭涛算法的组合优化问题求解策略。借助粒子群算法利用粒子自身信息和种群有用信息指导种群进化的本质特点,优化郭涛算法的适应性序列倒置操作;设计了可变的学习选择概率来选择个体的学习粒子,改进了序列倒置算子。仿真实验验证了该方法处理复杂任务分配问题的有效性。     

面向网络化无人机集群的计算换通信分布式任务调度方法

针对网络化无人机集群任务自主协同问题以及市场竞拍法的优缺点,提出“计算换通信”思想及其相应的分布式任务调度方法。通过对显式和隐式冲突任务的分析,建立任务相关智能体集合。提出基于任务抑制的局部优化方法,用于提前消解部分任务冲突,以减少算法迭代次数。设计基于历史竞标信息的智能体位置推断法,为局部优化提供必要的信息输入。基于组网仿真平台与集群救援场景开展蒙特卡罗仿真实验,结果表明,相比于市场竞拍法中具有代表性的基于共识的捆绑算法和性能影响算法,所提方法能够获得更少的迭代次数、更短的收敛时间以及更优的调度性能。     

基于评估的任务间隔期维修任务选择方法

针对任务间隔期维修任务的选择问题,提出了求解该问题的方法。首先,给出了维修任务优先级评估指标,以及修理有效性评估指标;然后,提出了AHP-熵-DEA-TOPSIS方法,用来确定维修任务的优先级,以及修理有效性;接着建立基于维修效果的数学规划模型,其目标是使维修方案的加权有效性总和在满足维修资源约束条件下最大化。最后,应用该方法对具体示例进行了求解,验证了方法的有效性和可行性。分析表明所求得的维修任务选择方案能够充分利用各种信息,具有较强的可信性与实用性,有助于维修管理人员对维修任务选择进行优化。     

军校学员周边绩效的影响因素及提升对策研究

周边绩效是管理和绩效评价领域研究的新热点,但军校学员的周边绩效及其影响因素还鲜有文章涉及。通过研究发现,人格、工作满意度、主观幸福感、组织公平感、组织交换和军营文化,是军校学员周边行为和周边绩效的主要内、外部影响因素。在此基础上,提出了提高军校学员周边绩效的建议,可促使周边绩效在军校学员管理中得到合理关注,发挥其应有的价值和作用。     

军事通信领域上下文本体建模及不确定性推理

为支持军事通信业务的智能化,研究了军事通信业务上下文信息的表示和推理,提出了一种表示业务上下文信息的语法结构、语义以及上下文元信息的本体建模方法。并利用贝叶斯网络理论,提出了一种支持不确定性推理的业务上下文认知模型的构建方法,最后通过案例分析验证了模型和结论的合理性。     

改进合同网协议的Agent动态任务分配

针对导弹作战任务规划中的动态任务分配问题,研究了MAS框架下任务分配的形式化描述和数学模型,对动态任务分配的特点进行了分析,运用合同网理论,提出了基于改进合同网协议的Agent动态任务分配算法,实现了对不确定开放环境中动态变化的任务分配方法。算例表明算法是有效的。     

任务划分与处理机调度的递归-分治方法

本文介绍并实现了一种如何把一个顺序执行的任务集,根据其子任务之间潜在的并行性,划分成若干个可并发执行的任务子集,并把每个子集分配给一个处理机,使各处理机之间的数据通信量尽可能地少,同时兼顾各处理机之间负载平衡的算法。最后给出了几个典型例题的试算结果,为了满足用户的不同要求,文章还提出了几点改进方法。     

多源异构战场信息关联挖掘技术研究

针对复杂战场环境对信息关联的需求,对多源异构战场信息关联挖掘技术展开研究,提出了面向时空、实体、任务、语义四种关联信息挖掘方法,实现战场信息在多个维度上的关联,使其更好的满足复杂化、多样化的战场信息感知需要。     

基于改进蚁群算法的云计算任务调度研究

把改进的蚁群算法应用到云计算任务调度中,通过将任务在虚拟机上的一次分配作为蚂蚁的一次成功搜索,实现了虚拟机的负载均衡和调度时间的优化,提高云计算资源分配的效率。通过在Cloud Sim平台下进行仿真测试,结果显示,改进蚁群算法在负载均衡性能和总的任务调度时间方面均优于基本的蚁群算法。