基于动态贝叶斯网络的复杂网络抗毁性分析

复杂网络抗毁性是复杂网络在节点或边遇敌攻击后能继续维持基本功能的能力,是衡量军事信息网络鲁棒性和敏捷性的重要指标。针对复杂网络及对作战体系支撑能力的多指标、复杂化和动态演绎特点,在静态分析方法基础上,提出基于动态贝叶斯网络的抗毁性分析方法。建立了复杂网络抗毁性指标体系。构建了基于动态贝叶斯网络的复杂网络抗毁性评估模型,提出确定评估模型参数的方法。仿真验证了方法的可行性和有效性。     

Non‐greedy heuristics and augmented neural networks for the open‐shop scheduling problem

In this paper we propose some non‐greedy heuristics and develop an Augmented‐Neural‐Network (AugNN) formulation for solving the classical open‐shop scheduling problem (OSSP). AugNN is a neural network based meta‐heuristic approach that allows integration of domain‐specific knowledge. The OSSP is framed as a neural network with multiple layers of jobs and machines. Input, output and activation functions are designed to enforce the problem constraints and embed known heuristics to generate a good feasible solution fast. Suitable learning strategies are applied to obtain better neighborhood solutions iteratively. The new heuristics and the AugNN formulation are tested on several benchmark problem instances in the literature and on some new problem instances generated in this study. The results are very competitive with other meta‐heuristic approaches, both in terms of solution quality and computational times. © 2005 Wiley Periodicals, Inc. Naval Research Logistics, 2005.     

Short‐term capacity allocation problem with tool and setup constraints

We consider a short‐term capacity allocation problem with tool and setup constraints that arises in the context of operational planning in a semiconductor wafer fabrication facility. The problem is that of allocating the available capacity of parallel nonidentical machines to available work‐in‐process (WIP) inventory of operations. Each machine can process a subset of the operations and a tool setup is required on a machine to change processing from one operation to another. Both the number of tools available for an operation and the number of setups that can be performed on a machine during a specified time horizon are limited. We formulate this problem as a degree‐constrained network flow problem on a bipartite graph, show that the problem is NP‐hard, and propose constant factor approximation algorithms. We also develop constructive heuristics and a greedy randomized adaptive search procedure for the problem. Our computational experiments demonstrate that our solution procedures solve the problem efficiently, rendering the use of our algorithms in real environment feasible. © 2005 Wiley Periodicals, Inc. Naval Research Logistics, 2005     

失去润滑条件下弧齿锥齿轮传动系统瞬态温度场Simulink仿真分析

根据传热学理论和热网络法,以某型直升机尾减速器弧齿锥齿轮传动系统为研究对象,建立了其温度场Simulink仿真计算模型。基于该模型,计算获得该传动系统正常润滑条件下的稳态温度场,并以它作为初始条件计算分析该传动系统失去润滑条件下的瞬态温度场,为预测该弧齿锥齿轮传动系统在失去润滑条件下的干运转生存能力提供理论依据。     

利用网络动力学评估复杂社会网络知识传播性能

为了对复杂社会网络知识传播性能进行评估,提出了利用复杂网络动力学和知识传播指数相结合的评估模型,该模型综合考虑了网络的拓扑特性、个人的知识普及能力和对知识的感兴趣程度,通过网络知识传播指数阈值的大小来衡量网络的知识传播性能.通过仿真发现,知识在社会网络中的传播对均匀网络平均度值和无标度网络初始传播节点度值的依赖性小,对知识传播指数的依赖性大;在相同条件限制下,无标度社会网络的知识传播性能要高于平均度值相等的均匀社会网络.     

网络中心与平台中心的声纳浮标探测概率建模

针对基于网络中心与平台中心的声纳浮标组网探测问题,在分析声纳浮标瞥概率模型的基础上,建立了两种方式下声纳浮标网的发现概率计算模型,给出了评价声纳浮标网探测效能指标.最后以声纳浮标拦截阵探测为例,对基于网络中心和基于平台中心的声纳浮标网探测效能进行分析,仿真了声纳浮标布设数量与布设间距对探测效能的影响.结果表明:当声纳浮标布设数量超过一定值时,继续增加并不能使网络中心的探测效能显著增加;与平台中心探测相比,声纳浮标瞥概率为Fermi模型时,网络中心探测的优势并不显著.     

基于行为建模的移动代理性能评估

针对移动代理的分布式应用性能评估需求,建立了移动代理生命周期中主要行为的网络负载模型和时间消耗模型.在3种典型分布式应用想定下,分析了基于C＼S模式和移动代理模式的应用实现基本过程,对两种模式下的网络负载和执行时间进行了仿真比较,结果证明了在访问节点数量较多,网络传输速率较低时,移动代理模式的具有更好性能.     

基于WSN的目标探测与分类算法

针对WSN监测系统的目标检测与分类问题,提出一种基于直觉模糊推理(IFR)的多源数据融合方法。由模糊推理的思想,设计各状态变量的属性函数。根据目标声强变化和引起的地磁场变化的模型,设计模糊推理规则,并检验了所建规则的合理性。理论分析与仿真结果的对比表明算法能准确地对目标进行分类,且运算量小,适用于计算能力较弱的WSN节点。     

SpaceWire时延抖动的仿真

SpaceWire总线是欧洲空间局为航天应用而设计的一种高速、点对点、全双工的总线网络[1]。时延抖动是表征网络传输性能的关键参数,它度量了端到端的最大传输时延和最小传输时延的差。通过建模仿真,对于某特定应用场景下的SpaceWire总线的时延抖动进行了定量分析和研究。利用Opnet建立仿真模型,通过仿真得出最大传输时延和最小传输时延,从而统计出时延抖动。并且对时延抖动进行定性定量的分析,获得对时延抖动有影响的关键参数。跟据分析结论,提出了改善时延抖动的建议和方法。本文的研究成果对于构建低时延抖动的SpaceWire总线网络提供参考。     

抗毁网络多拓扑路由子层的免疫优化选择算法

针对现有多拓扑路由在多故障条件下无法有效进行故障恢复的现象,根据免疫理论中抗原与抗体相匹配的原理,提出一种多拓扑路由子层选择算法.该算法以最大限度保护通信业务为目标,将多故障情形与子层相匹配的过程看作抗体与抗原相结合的过程,使子层与故障在一定范围内最大程度地相似,并利用人工免疫算法进行寻优,提高了网络抗毁性.实验结果表明,该算法可使网络在多故障条件下的恢复能力得到提高.