基于改进QGA的有/无人机编队多任务联盟生成

针对有/无人机编队作战中多约束复杂任务分配问题,提出一种改进QGA(Quantum Genetic Algorithm,QGA)的多任务联盟求解方法。首先确定任务需求、时间、平台能力等多种约束,综合考虑联盟总任务收益、耗费成本与任务时间因素,构造目标函数,建立了多任务联盟生成优化问题模型;从多分组并行演化、观测值修正、动态旋转角调整3方面对QGA算法进行改进用于问题求解;并结合实际案例进行了仿真分析,结果表明,提出的方法可以有效生成多任务联盟,解决有/无人机编队多约束复杂任务分配问题,解质量较高。     

改进的聚类算法在入侵检测系统中的应用

K-中心点聚类算法是几种经典的聚类算法之一。但传统的K-中心点聚类算法的效率以及稳定性较低,聚类的过程缓慢,容易陷入局部最优解,使得聚类最终结果的准确性不能得到保证。为此,提出了一种基于数据的"密度"信息有效地改进K-中心点聚类算法并应用于入侵检测模型。该算法很好地克服了传统的K-中心点聚类算法过分依赖初始中心点选择的弊端,并且用实验分别验证,以这种方法来进行数据的聚类相比于传统的K-中心点聚类算法,显著提高了数据集聚类的效果,在入侵检测系统的应用中也有效地提高了检测率和降低了误检率,具备一定的实用价值。     

基于多尺度特征聚类算法的不确定目标检测

提出一种基于无样本的SAR图像目标检测分类方法。针对空战过程中难以获得大量SAR图像目标样本问题,采用基于全局CFAR的多尺度SIFT特征进行目标纹理描述,并针对特征维度较高及特征描述之间存在的冗余问题,通过PCA算法对其进行降维处理后,采用DBSCAN算法对潜在目标区域的多尺度SIFT特征进行分类实现目标检测。通过单一目标和多类目标图像进行实验验证,实验结果表明该方法具有一定的有效性和可行性。     

LDPC编码跳频通信系统中的迭代抗干扰抑制算法研究

文中讨论 LDPC 码在抗干扰跳频通信中的应用问题。在接收机几乎没有任何信道先验知识(包括信噪比/信干扰比,部分频带干扰信息等)的假设下,推导了一种新的鲁棒检测算法。该鲁棒检测算法与最小和迭代解码算法结合可成功用于 LDPC 码的有效接收,性能逼近理想不可实现条件下的最佳检测算法。     

ATIE:一种自适应的可调域间出口选择算法

TIE算法能对域间出口的选择进行调节,但是该算法的参数计算过于复杂,并且出口选择的调节并不能随负载的变化而变化,因此提出了一种自适应的可调域间出口选择算法ATIE,该算法能够满足流量工程和网络健壮性要求,并通过参数T的改变随当前负载的变化而变化.实验表明,ATIE算法能够在控制剖面敏感性和随负载变化的流量工程自适应性上达到合理的折衷.     

动态优化偏最小二乘模型的建立与应用

介绍了动态优化方法选择偏最小二乘法最佳主成分数的原理,以汽油烯烃指标为检测对象,研究了主成分数对检测结果的影响.研究结果表明:应用交互验证方法推荐的主成分数并不是最优,通过动态优化方法确定主成分数可提高所建立数学模型的预测效果,与交互验证方法选择主成分数方法相比较,动态优化方法确定的主成分数能够得到更好的预测结果.该方法能有效提高偏最小二乘数学模型的预测效果,是建立具有更好适应性数学模型的有效方法.     

美军战斗力生成模式及对我军军费分配结构优化的启示

美军战斗力生成模式的发展趋势是:重点保障作战需要,注重军事人力资本的投入,为保证武器装备的先进性提供充足的财力支持,研究、试验、发展与鉴定费用小幅度增长,注重对于海空军的投入。以此为借鉴,我军军费分配结构优化要以战斗力生成模式的发展趋势为基本导向,注重国防资产效用最大化对战斗力生成的保障作用,突出国防科技对战斗力生成模式发展趋势的引领地位。     

优化军需物资包装的几点建议

军需物资包装是构成军需保障力的重要因素。合理的军需物资包装能够有效保护产品，降低军需物流成本，对提高军需物流效率和保障效能具有重要意义。笔者对优化军需物资包装提几点建议。     

基于遗传BP神经网络的装备研制风险分析方法

简要介绍了GA和BP算法,利用遗传算法全局性搜索的特点,改变BP算法依赖梯度信息的指导来调整网络权值的方法,寻找最为合适的网络连接权和网络结构,提出了遗传算法优化BP神经网络的思路及其数学模型.最后,结合对某型航空装备的风险源的分析,利用此优化模型进行了验证.结果表明了该方法的可行性,为装备研制风险分析提供了一种新思路.     

多媒体传感器网络中基于ACO的QoS路由协议

针对目前无线多媒体传感器网络QoS路由协议算法复杂、能耗较大等缺点,提出将蚁群优化算法用于改进无线多媒体传感器网络的路由选择.首先,抽象出多媒体传感器网络QoS 路由模型,进而,利用蚁群算法设计了一个运用带网络约束条件的权值去更新信息素浓度增量的路由算法--AntWMSN算法,AntWMSN算法利用正向蚂蚁F_(ant)收集链路带宽、时延、丢包率等参数,结合精华蚂蚁系统更新本地节点的网络状态模型以及每个访问过的节点上的信息素,从而找到满足多约束QoS条件下的最佳路由.仿真结果表明,该算法具有分布式全局优化网络路由选择的特性,比传统的QoS路由协议具有更好的收敛性,并且在满足网络对QoS参数需求的前提下,有效地提高了网络的生命周期.