现代防空电子战中威胁目标的数据挖掘

针对现代防空作战中,防空电子战系统中目标数据信息量十分庞大的现状,介绍了数据挖掘技术,结合现代防空电子战系统的实际需要,将数据挖掘应用到防空电子战中威胁目标的属性识别、最大威胁目标的判断、提高抗击成功率、抗击过程中风险预测和控制,并指出了数据挖掘在现代防空电子战中应用成功的关键因素,从而可以利用数据挖掘技术来有效地提高电子战系统的防空作战能力。     

主动元模型在探索性仿真实验中的运用研究

构建了基于主动元模型的探索性仿真实验框架,提出了主动元模型在探索性仿真实验中的生成流程,对主动元模型的实体结构定位原则、结构设计、输入输出机制和数据拟合方法等问题进行了研究,探讨了主动元模型在探索性仿真实验中的三种具体应用模式。     

信度函数在作战效能分析中的运用

针对某些作战效能指标由于与人的行为等因素关系密切而难以量化,运用信度函数探索不确定评价问题。通过建立信度函数模型把指标评价建模为信度函数,并应用登普斯特(Dempster)规则转化为mass函数合成为上层指标进行综合评价。经过实例分析,信度函数模型尤其对战时在考虑指挥员的指挥艺术及士兵士气等非确定性因素的情况下,对作战效能的评估是十分有效的,从而为决策者的作战决策提供一定辅助作用。     

城市人口应急疏散方案优化

通过对城市人口应急疏散方案拟制过程及关键模型分析,从系统诊断、系统分析和系统评价优化的角度,构建城市人口应急疏散方案优化的整体设计框架。在此基础上,利用GIS平台开发的辅助分析系统,对实例进行应用分析,检验了疏散方案优化设计的有效性和实用性。     

DEA方法在防空作战方案优选中的应用

针对现代防空作战对决策速度和准确性的要求,运用DEA方法研究了防空作战方案优选问题。根据防空作战方案构成的主要要素,建立了防空作战方案的C2R评估模型,从“技术有效”和“规模有效”两个方面对备选方案的有效性进行综合分析,得出各方案评估结果,为指挥员优选方案提供了科学准确的依据。与传统的方法相比,该方法不仅具有内在的客观性,避免了方案中投入和产出指标间的相互制约,而且易于实现计算机处理,有效保障指挥员在防空作战中快速准确选定作战方案。     

一种模拟退火伪并行遗传算法

借鉴模拟退火算法的局部搜索能力,结合并行计算的思想设计了一种采用模拟退火机制的实数编码自适应交叉、全概率变异伪并行遗传算法,最后用这种方法对典型的多峰值函数求极值,并和基本遗传算法进行比较,结果表明:该算法具有较强的全局搜索能力和局部搜索能力,能够更有效地克服早熟收敛问题。     

Vondrak-Cepek组合滤波在北斗共视和卫星双向时间比对融合中的应用

为减小卫星双向时间比对(Two-Way Satellite Time and Frequency Transfer, TWSTFT)中的周日效应,利用北斗共视链路没有周日效应的特点,通过Vondrak-Cepek组合滤波方法对中国科学院国家授时中心(National Time Service Center, NTSC)、德国物理技术研究院(Physikalisch-Technische Bundesanstalt, PTB)以及中国计量科学研究院(National Institute of Metrology, NIM)间的北斗共视时间比对结果分别与硬件卫星时间和距离测量设备(SAtellite Time and Ranging Equipment, SATRE) TWSTFT和软件接收机(Software-Defined Radio, SDR)TWSTFT结果进行了融合处理。采用时间偏差和幅值频谱两个指标以及GPS精密单点定位(Precise Point Positioning, PPP)时间比对分别对融合结果进行内外符合评估。结果表明,经过Vondrak-Cepek滤波的融合结果中周日效应基本消失,其与GPS PPP链路差值结果的绝对值保持在链路校准的不确定度范围内。对于长基线NTSC-PTB链路,融合结果1 d的时间偏差稳定度对SATRE和SDR TWSTFT的增益因子分别为1.85和1.81;对于短基线NTSC-NIM链路,融合结果对SATRE和SDR TWSTFT的增益因子分别为1.69和1.59。融合结果的短期稳定度显著提高。     

基于遗传算法的航空兵出动架次计算方法

针对航空兵出动架次计算问题,基于资源受限项目调度理论进行问题描述和建模,以给定兵力对目标任务的最大出动架次为效能指标,分析影响因素和约束条件,建立了问题数学模型.根据问题模型特点,采用遗传算法进行求解,针对染色体编码问题,设计了一种扩展任务列表编码方法;针对初始解集求解问题,提出了一种基于优先规则的出动架次分配算法.并构建了航空兵出动架次计算仿真算例对问题模型和求解算法进行验证,实验结果表明,所提模型和算法能够有效求解大规模航空兵出动架次计算问题.     

求解不确定型车辆路径问题的弱鲁棒优化方法

为降低鲁棒优化模型最优解的保守性,以最小化违约车辆数和总惩罚成本为目标,建立针对旅行时间不确定的开放式车辆路径问题的弱鲁棒优化模型。对于不确定数据集的每个取值,该模型的最优解可以使其目标函数值始终不超过某数值,进而改善最优解的保守性。为提高启发式算法发现最优解的概率,提出一种自设计遗传算法对模型进行求解,其主要思想是利用粒子群算法搜索出可使遗传算法预期产生最好解的算法要素,并将其进行组合,从而产生新的遗传算法。采用新产生的遗传算法对模型继续求解,输出最好解。计算结果表明:与以往的鲁棒优化方法相比,弱鲁棒优化方法的最优解的保守性显著降低。