遵循“四个规律” 优化“四主功能”——拓宽当代革命军人核心价值观“三进入”途径

遵循思想政治教育规律科学优化政治理论课教学的主渠道功能 遵循教育与自我教育相结合的基本规律和根本原则，克服传统的灌输教育弊病。教育与自我教育相结合，是思想政治教育的基本规律和根本原则，因此，我们必须强调教育主客体之间的互动，即师生互动、课内外互动、理论与实践互动。特别要在教学中引导和营造研究探索的氛围，做到基本观点的认知与最新问题的探索互动。由于一些学员思想上面临的困惑是社会发展带来的新问题，理论上没有明确答案，故一味由教员作简单定论的方法并不可取，应通过教育者与被教育者的互动探讨，求得明辨是非。     

基于控制器动态线性化的数据驱动ILC

针对未知非线性非仿射重复离散时间系统,将迭代域的动态线性化技术应用于非线性被控系统和未知非线性理想学习控制器,提出一种新的数据驱动迭代学习控制方案。通过设计一种改进的无模型自适应迭代学习控制算法对理想学习控制器的增益进行估计,该方案仅利用非线性系统的输入输出数据,便可自动调整迭代学习控制律。数值仿真和对高速列车模型的仿真验证了该方法的有效性和适用性。     

基于对称非线性函数的变步长LMS自适应滤波算法

为解决自适应最小均方误差（least mean squares,LMS）滤波算法难以平衡稳态误差和收敛速度的问题,提出了基于对称非线性函数的变步长LMS自适应滤波算法。通过自变量取绝对值、叠加非线性拉伸量改进Sigmoid函数,构造一个对称非线性函数用于刻画步长因子与稳态误差的非线性关系。该对称非线性函数具有能够根据误差动态调整步长、更快达到收敛状态的特点。根据构造的对称非线性函数和输入信号功率生成归一化变步长因子,解决噪声逐级放大的问题,进一步提高算法的滤波效果同时,加速收敛。实验表明：该算法在低信噪比、信噪比变化、信号频率变化、滤波器阶数变化、延迟采样点数变化条件下均具有更好的滤波效果、更优的稳定性和更快的收敛速度。     

基于DE-Q学习算法的移动机器人路径规划

针对使用Q学习算法对移动机器人进行路径规划时存在收敛速度较慢的问题,提出了一种基于Q学习的改进算法来选择全局路径规划的最优方案。通过方向奖惩机制与估价函数改进Q学习算法的奖励机制,提高Q学习算法的收敛效率。最后使用MATLAB对改进的Q学习算法进行了仿真实验,实验结果表明,通过设置方向奖惩机制和估价函数可以加速Q学习算法的收敛。     

基于改进NSGA-Ⅲ的抗饱和攻击防空编队部署方法

现代空袭有饱和攻击、对抗体系多样等特点,在对目标进行有效掩护的同时,确保自身生存是防空火力编队研究的重点问题。考虑到火力重叠面积、火力覆盖面积、耗弹量、有效掩护宽度、有效防御扇区等因素,提出一种改进的NSGA-Ⅲ算法,通过控制选择交叉种群将不同策略的解集进行组合,实现区域、目标掩护混合部署、导弹和高炮等不同武器的综合使用,使得编队防御性能得到优化。以轰炸机、巡航弹、无人机的饱和攻击为应用场景进行仿真验证,结果表明此方法能够在兼顾区域、目标安全的同时,提升整体防空编队的生存能力。     

基于改进PSO算法对榴弹最佳杀伤面积的计算

为了获得榴弹在空中爆炸时的最佳杀伤参数,提出了一种最优参数计算方法。以卧姿人员为杀伤目标,建立了杀伤面积与落速、落角和炸高的数学模型和优化模型,利用随机惯性权重法对标准粒子群优化算法（particle swarm optimization,PSO）算法中的惯性权重进行改进,采用改进后的算法对榴弹最佳杀伤参数进行计算。结果表明：改进的算法对比传统计算方法,计算精度更高,最大炸高改进误差超过0.1 m,对比标准PSO算法需要的粒子数量更少,收敛速度更快。为榴弹最佳杀伤参数的设计提供了一种高效计算方法。     

基于粒子群算法的WSN多目标跟踪能量均衡算法

为了满足无线传感网络下多目标跟踪对于跟踪精度与网络寿命的需求,提出一种基于粒子群算法和势均衡多目标多伯努利滤波（cardinality balanced multi-target multi-bernoulli filter,CBMeMBer）的多目标跟踪能量均衡算法。算法通过粒子群算法计算网络能量中心,围绕能量中心形成传感器簇从而改善网络结构,在CBMeMBer滤波的基础上,借助Cauchy-Schwarz散度作为评价函数优化传感器节点量测更新顺序,以保证多目标跟踪精度。通过仿真结果证明算法在多目标跟踪精度与网络能量均衡性上的优势。     

双边定时截尾下广义Pareto分布的可靠性分析

基于双边定时截尾样本,研究广义Pareto分布的形状参数和可靠性指标的估计问题。在进行极大似然估计时,由于似然方程无解析解,故采用EM算法。对形状参数选取,4信息先验,在平方损失下,研究给出广义Pareto分布的形状参数和可靠性指标的Bayes估计。通过Monte-Carlo模拟对形状参数和可靠度函数的极大似然估计、EM估计和Bayes估计的效果进行比较。模拟结果说明,Bayes方法和EM算法适合在小样本场合下对形状参数进行估计,Bayes方法和极大似然估计法适合在大样本场合下对形状参数估计,极大似然估计方法和EM算法适合对可靠度进行估计。     

多核数字信号处理器矩阵乘卷积算法性能评测

矩阵乘卷积算法能够为各种卷积配置提供高性能基础实现,是面向给定芯片进行卷积性能优化的首要选择。针对国防科技大学自主研制的飞腾异构多核数字信号处理器(digital signal processor, DSP)芯片的特征以及矩阵乘卷积算法自身的特点,提出了一种面向多核DSP架构的高性能并行矩阵乘卷积实现算法ftmEConv。该算法由输入特征图转换、卷积核转换、矩阵乘以及输出特征图转换这四个均运行在通用多核DSP上的并行化部分构成,通过有效挖掘通用DSP核中功能单元的潜力来提升各个部分的性能。实验结果表明,ftmEConv实现了高达42.90%的计算效率,与芯片上的其他矩阵乘卷积算法实现相比,获得了高达7.79倍的性能加速。     

基于蚁群算法的航空弹药需求测算

智能化是现代航空弹药需求与指挥控制系统的发展趋势,如何进行合理快速地调拨航空弹药是系统设计过程中的关键任务之一。为此,提出了依据目标对航空弹药进行选择的策略,利用蚁群算法对战斗目标进行聚类分析,对各类目标进行模糊综合评判,从而确定装备出动方案,依据弹药与装备的关系,对满足既定保障度的弹药需求量建立模型,并计算出满足既定保障度的弹药供应量,为战前对战场态势预估,实现弹药战时及时准确调拨,为作战弹药准备提供依据。