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.     

舰船最优概念设计方案的构造方法研究

在舰船概念设计阶段,设计者往往需要从大量设计方案中筛选优秀方案,此问题属于多属性多目标优化的问题,而进化算法的兴起为此类问题的解决提供了较好的途径.针对进化算法中Pareto最优解集的特点,结合舰船设计实际,提出一种新的构造最优解集的方法--提取法.案例验证表明,提取法是合理和有效的.     

基于遗传算法的项目评标研究

针对遗传算法中的两项重要技术——编码问题和适应度函数的设计做了深入探讨，利用遗传算法全局最优的特点，对教学设备进行了评标，同时对适应度函数的设计针对以往的设计方法提出新的见解，对其设计方案提出改进，引入AHP算法进行适应度函数的设计，给出利用AHP算法进行适应度函数设计的全过程。     

屯垦戍边新型团场建设如何创新发展

近年来,农六师军户农场坚持以科学发展观为指导,从本地实际出发,积极探索实现经济社会全面、协调、可持续发展的新路子,新型团场建设有了一个很好的开端。军户农场认真贯彻落实兵团党委"1+3"、"1+8"文件精神,大力实施"科教兴场、结构优化、龙头带动"三大战略,依托中基、西域种业等龙头企业,精心培育了种植面积4万亩、总产30万吨的酱用番茄生产基地,种植面积2.5万     

射频发射模块非线性效应的消除方法

射频模块存在相位特性的非线性效应,群延迟随频率的变化不再是一个常数,并可能造成输出射频信号的波形失真,而影响精密射频信号源的输出精度。基于递归最小二乘算法的自适应滤波器,提出了消除其非线性效应的新方法。并以GPS模拟源为例,利用其自校模块,采用软件无线电和数字信号处理技术,精确估计出射频模块的模型参数。将基带合成信号通过一个数字逆滤波器,以消除相位的非线性和群延迟随频率的变化。利用自编的仿真程序包,在Matlab中进行了相应的模拟计算。仿真结果表明,该方法可有效地消除相位非线性效应对射频信号的影响,输出信号的波形失真在理论上可控制在0.01%以内。     

基于MSOA神经网络模型的装备保障费用预测

引入基于多步骤优化方法(MSOA)神经网络模型用以预测装备保障费用。实验结果表明,与传统的ARIMA时间序列模型和常规BP神经网络模型相比,基于MSOA神经网络预测模型具有更高预测精度。因此,该模型是一种更有效的装备保障费用预测模型。     

蚁群算法在光电载荷标校中的应用

针对空中平台光电载荷安装误差的梗准问题,提出了一种利用蚁群算法实现动态标校的方法.通过光电裁荷测量得到的目标方位角、俯仰角和平台导航信息,结合GPs转化得到的方位角、俯仰角真值,建立了基于最优估计理论的目标函数,并利用蚁群算法求得了系统的安装误差.通过蒙特卡洛模拟仿真,验证了该方法能够较为准确地标定出安装误差;通过校准,有效避免了由安装误差引起的结果有偏,使得目标跟踪结果收敛至真值附近.