备件保障效能动态评估方法

针对目前效能评估方法多重视效能指标的静态观测值,对时序状态数据所蕴含的趋势信息关注较少的缺点,提出基于灰色聚类-粗糙集和集对分析的备件保障效能动态评估方法。针对主客观赋权方法各自的优缺点,引入依赖度和重要度的概念,建立灰色聚类-粗糙集组合赋权模型;将指标权重引入集对理论,提出集对同势、均势和反势的定义,描述备件保障效能的变化规律,构建基于马尔可夫链的集对分析动态模型。实例分析结果表明,该方法可以有效反映备件保障效能的动态变化特征,为决策者制定备件保障长期计划提供科学依据。     

高精度CFD程序的内外子区域划分异构并行算法

对计算流体力学(Computational Fluid Dynamics, CFD)程序CNS提出一种Offload模式下对任务内外子区域划分的异构并行算法,结合结构化网格下有限差分计算和四阶龙格-库塔方法的特点,引入ghost网格点区域,设计了一种ghost区域收缩计算策略,显著降低了异构计算资源之间的数据传输开销,负载均衡时CPU端的计算与MPI通信完全和加速器端的计算重叠,提高了异构协同并行性。推导了保证计算正确性的ghost区域的参数,分析了负载均衡的条件。在"CPU(Intel Haswell Xeon E5-2670 12 cores×2)+加速器(Xeon Phi 7120A×2)"的服务器上测得该算法较直接将任务子块整体迁至加速器端计算的异构算法性能平均提升至5.9倍,较MPI/OpenMP两级并行算法使用24个纯CPU核的性能,该算法使用单加速器时加速至1.27倍,使用双加速器加速至1.45倍。讨论和分析了性能瓶颈与存在的问题。     

Schedule design for liner services under vessel speed reduction incentive programs

Gas and particulate emissions from ship transportation have been increasing in recent years. In order to mitigate ship emissions near coastal areas, voluntary vessel speed reduction incentive programs (VSRIPs) were put in place by a number of ports. This paper studies a schedule design problem faced by liner shipping companies under VSRIPs. It proposes a mixed-integer nonlinear mathematical model for the minimization of the total cost, consisting of fuel cost, as well as operating cost, minus dockage refunds. The model balances three determinants, that is, the compliance of VSRIPs, the speed limit (the maximum physical speed of ships and the upper speed limit imposed by VSRIPs), and the limited number of ships. An enumerative algorithm and a piecewise-linear approximation algorithm are developed, based on some properties of the nonlinear model. The efficiency of the proposed algorithms is validated through extensive computational experiments.     

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。     

多阶段传感器-武器联合任务管理方法

针对动态环境下的传感器-武器联合任务管理问题展开研究。根据在动态作战过程中出现的有效新目标、有效空闲传感器和武器数量设定阶段门限,以决定进入下一阶段的时机,从而构建多阶段的作战过程。从打击方案质量及系统响应时间的角度出发,分析构建分布式作战体系对系统作战效能的影响,使系统在每个任务管理阶段可以决定响应流程。通过仿真实验验证了所构建的分布式作战体系与设定的阶段门限可以明显提升系统的作战效能。     

基于PSO的制导炮弹射击修正量分析

针对复杂、非线性的制导炮弹射击修正量问题,提出了基于粒子群优化(PSO)算法的制导炮弹射击修正量求解模型。通过建立制导炮弹的外弹道模型为射击误差分析提供基础,从射击密集度、射击准确度两方面对舰炮武器系统的射击精度进行分析,以单发命中概率为射击要求,以改进的PSO启发式搜索策略实现对制导炮弹的射击修正量求解,最终结合蒙特卡洛方法可实现对不同初速、不同射击距离下制导炮弹的射击修正量求解。仿真结果表明算法的可用性,并且能够为制导炮弹的论证设计提供理论支撑。     

博弈条件下基于SINR的制导雷达波形设计

针对电子战环境中用于扩展目标检测的制导雷达波形优化问题,提出了3种博弈策略模型,并针对不同博弈策略模型分别给出了波形优化策略。在前两种模型中,以最大化信干噪比为准则,在杂波条件下采用注水法优化波形;在第3种模型中,给出了智能雷达与智能目标之间的均衡解,并采用两步注水法得到了最优波形设计方案。仿真结果展示了不同条件下制导雷达和目标的功率分配策略。     

一种基于能量补偿修正的移相相减方法

针对基于移相相减技术的双线阵左右舷分辨方法(移相相减法)在端射方向的能量衰减问题,依据移相相减法所得心形指向性函数变化形式,提出一种基于能量补偿修正的移相相减方法。该方法根据移相相减技术得到扫描角度上的合成数据;依据心形指向性函数变化形式与扫描角度关系,采用能量补偿修正技术降低扫描角度对合成波束的影响。理论推导分析和仿真实验结果均表明,当目标位于端射方向时,相比原移相相减法,本方法可以对目标实现有效探测;在同一衰减比下,探测能力增加了10°以上,增加了移相相减法对目标方位角的适用范围。     

基于模糊遗传算法的先进战机协同攻防决策

根据先进战机的特点以及协同空战的发展方向,采用了一种基于先敌发现、先敌发射、先敌摧毁能力的空战态势分析模型,为了更符合作战情形对其进行了部分改进。将模糊遗传算法应用于上述模型,给出了求解多机协同攻防决策问题的算法,模糊推理器主要用于交叉概率Pc和变异概率Pm的整定。最后用具体算例进行仿真验证,结果表明采用的空战态势分析模型能够较为准确地描述多机协同空战,同时采用的算法具有较好的可行性和实时性,为协同空战的攻防决策提供了新的解决方案。     

基于集对分析的坦克多目标威胁评估方法

针对在未来陆战场复杂多样的局势下,坦克应具备对敌目标实时准确威胁评估的能力。基于客观的熵权法和模糊的集对分析方法,提出坦克的战场威胁评估方法。能够在基于客观目标分析的基础上,引入熵的概念来决定威胁评估的权重分布,在评估过程中考虑到评估自身的随机性与不确定性,采用区间数的形式,利用模糊的集对分析方法,进行评估过程中的计算,达到简单快速的计算过程。经应用实例计算证明,该方法具备相当准确性,评估结果合理,评估方式灵活实用,可满足评估的实时性需求。