自适应权值的嵌套式轮循调度算法

服务质量是目前网络应用研究的一个热点.采取何种队列调度算法则是确保服务质量的关键因素之一.针对NDRR算法不能很好地满足实时业务队列突发情况下的延迟性需求,提出了自适应权值的嵌套式轮循调度算法.当实时业务队列处于突发情况时,能够实现动态增加其权重.理论分析表明该算法有较好的公平性,并能降低实时业务队列的延迟上界,且算法的复杂度为O(1).仿真结果表明,该算法明显改善了突发状态下实时业务队列的延迟性能.     

超音速子母弹时序抛撒分离干扰特性

为分析在时序抛撒方式下子母弹多体干扰流场特性及其对各舱段弹体气动特性的影响,基于流体控制方程与六自由度刚体运动方程,结合非结构动网格技术,分别对两种时序抛撒方式及后舱子弹单独抛撒方式下的子母弹三维非定常分离流场进行数值模拟,得到不同抛撒时序下的分离流场特性及其气动干扰特性,揭示各舱段子弹在不同分离阶段的气动干扰相互作用过程。研究结果表明:在时序抛撒分离过程中各弹体间激波不断地交错干扰,增加了流场结构的复杂性;前舱子弹的激波干扰使得后舱段子弹气动分离参数较低,分离效率较慢,尤其在短时序间隔下,后舱弹体受前舱子弹干扰较为严重,弹体的安全分离受到影响。     

并行离散事件仿真中的DDM机制实现

在并行离散事件仿真系统中实现仿真模型间的互操作机制需要引入类似HLA中定义的声明管理(DM)和数据分发管理(DDM)服务.我们开发的KD-PADSE高性能并行离散事件仿真环境采用谓词断言和对象代理方法在面向对象的并行离散事件仿真系统中实现了基于平行结构和事件调度机制的声明管理(DM)和数据分发管理(DDM)服务.在以千兆以太网互联的10节点Linux集群计算机上,采用DDM机制后仿真模型每秒(物理时间)可以进行1万次属性更新,是没有采用DDM机制时的20倍,在功能性和性能上验证了该DDM机制在并行离散事件仿真系统中的适用性.     

警卫指挥调度系统的开发及应用

警卫部队的信息化是警卫部队提高快速反应、协同作战能力的必由之路.介绍了警卫指挥调度系统的功能及工作流程,阐述了开发过程中遇到的一些问题的解决方案,突出了该系统的特点.     

军事与经济协调度测定方法评价

从统计的角度看,测定协调度的常用指标有距离协调度、综合发展度两种,二者在计算方法上有较大差异。前者相对简单,使用频率较高,应用性强;后者计算过程复杂,但方法更成熟。应用的时候,应根据不同时期系统的发展特征选择恰当的测定方法。     

基于蚁群算法的试验流程优化研究

水中兵器的海上试验涉及许多人员、兵力、被试产品、测量设备等,试验周期长、消耗大,因此如何缩短试验周期是亟待研究解决的问题.文中首先将试验流程优化问题转化为车间调度问题,建立了相应的数学模型,再应用蚁群算法转移规则得到中间结果并进行排队以对各种资源约束进行处理.最后将结果利用局部搜索算法优化后作为蚁群算法信息素更新的基础.实例计算结果表明,该方法优化效果良好.     

航空核辐射侦察信息更新率分析

分析了航空核辐射侦察信息的时序关系,结合相关测量设备的发展现状,认为更新率应以水平定位信息为准。分析了侦察过程中定位设备的各种工作状态,指出了其最优工作状态。最后在此工作状态下依据现实可用的定位设备给出了信息更新率。     

基于访问偏好的卫星遥测时序数据存储方法

随着航天事业的发展,尤其伴随巨星星座的构建,在轨卫星数量越来越多,如何管理使用海量的遥测数据成为航天测控系统亟需解决的问题。针对测控系统当前时序数据全参数存储策略带来的时序数据量较大的问题,引入业务访问遥测数据记录中的遥测参数标识、数据使用时间和访问记录时间等参数,构建参数存储强度函数,提出基于深度线性规划霍克斯模型的时序存储算法,对时序数据存储策略进行改进,同时设计实验对比全参数时序数据存储策略和基于深度时序算法的存储策略,验证该方法在保证时序数据访问命中率基础上,存储量相较全参数存储策略降低至2%,达到与基于深度时序算法的存储策略相近的水平,同时解决基于深度时序算法的存储策略收敛性不足的问题,该方法有效解决了单服务器时序数据存储量大的问题。     

抢险救灾非战争军事行动中应急资源调度网络的优化方法

抢险救灾非战争军事行动包括道路抢修和物资运输等任务,而这两类任务在灾后应急资源调度中存在关联性的影响,且面临路网结构可变及需求随机模糊等挑战,对此,提出了一种非确定性应急资源调度网络双层规划模型,设计了基于蒙特卡洛方法与遗传算法耦合的智能启发式求解策略.通过对典型情境下应急资源调度案例进行分析建模和数值求解,说明了该模型和算法的合理性和有效性.     

基于优化神经网络的雷达波束分配方法研究

在多目标的跟踪过程中,自适应地分配雷达波束能够进一步提升雷达的工作效率.为了合理调度雷达波束跟踪目标,根据目标运动状态参数,建立了目标威胁度评估模型.该模型根据目标运动状态,包含类型、速度、加速度、航向角、高度、距离和干扰程度等;然后基于混合遗传粒子群优化算法改进了BP神经网络,分别采用运动状态信息和目标威胁度作为神经网络的输入和输出,建立了目标威胁度评估模型;算法根据威胁度的大小进行波束调度,并采用执行威胁率衡量波束调度的效果.仿真结果表明,该模型具有更高的预测精度,能够准确地实现目标威胁评估,在此基础上具有较好的波束调度效果.