基于遗传算法的编队区域防空武器分配方法

针对舰艇编队内多型区域防空武器抗击多型来袭反舰导弹问题,提出一种基于遗传算法的区域防空武器分配方法.该方法以防空武器可用性和消耗值以及编队队形配置为约束条件,以最大化编队的生存总价值为优化目标;采用二进制数字串表示变量,以解决传统二进制编码的邻值突变问题;用矩阵形式表示解空间,以方便观察计算结果和引入松弛技术.仿真计算结果表明,该分配方法能够有效提供多种区域防空武器抗击两型来袭导弹时的武器分配方案,计算结果优于神经网络方法.     

防空导弹网络化体系作战效能评估指标与验证方法

在分析研究作战效能评估理论的基础上,提出了一套适应传统以平台为中心和以网络为中心的防空导弹体系作战效能评估指标,分析防空体系作战效能验证方法,给出了网络化体系作战效能仿真验证的总体设计思路和效能评估试验项目设计方案,可为网络化体系作战效能评估与验证研究提供支撑.     

战场信息分发服务语义描述方法的分析与比较

文章针对基于语义的战场信息分发这一特定应用,对OWL-S和SAWSDL两种常用的语义服务描述语言进行了深入的比较与分析。首先,以航迹信息为例构建了战场态势信息本体,并对战场传感器所提供的服务进行封装;然后,详细描述了如何采用OWL-S和SAWSDL描述本体及服务,并结合战场态势语义的特殊需求,对两种语言的描述能力、匹配组合的支持能力等性能进行了比较。分析表明OWL-S更适合于复杂多变的战场信息环境。     

一种针对PRESENT的改进旁路Cube分析方法

对PRESENT-80旁路Cube攻击进行了改进．基于第3轮单比特泄漏模型,在现有寻找密钥相关线性等式的基础上,通过获取非线性等式方法恢复出更多密钥位．实验结果表明：针对第1个s盒的第1位信息泄漏,2^7.67个选择明文即可恢复40位密钥,优于现有的32位;针对第2,3,4个S盒的第1位信息泄漏,2^12.147个选择明文即可恢复64位密钥,优于现有的48位,将密钥搜索空间降低到2^16．此外,本方法可适用于PRESENT-128及其它轻型分组密码旁路Cube分析．     

一种装甲装备摩托小时梯次储备的生成与控制方法

针对成建制列装新装备部队如何使教练车形成规定的摩托小时梯次储备并尽早产生送中修装备问题,运用改进的模拟退火算法辅助制定年度装备使用送修计划,构造了以重点用车、一般用车、控制用车平均摩托小时储备为自变量的目标函数,用以量化表示教练车形成摩托小时梯次储备的程度,通过对任务分配的不断调整,找出使目标函数值最大的解,得到最优的使用送修计划安排,并利用Matlab软件在算法上实现了这一过程。     

基于生成对抗网络的图像去雾算法

针对有雾情况下目标检测等视觉任务精度明显下降,提出了一种端到端图像去雾网络,能够直接生成清晰图像且不需要成对的无雾图像和真实图像进行训练.将注意力模块融入生成器网络中,充分考虑不同通道和不同区域在有雾图像中的影响,并将通道注意力和像素注意力相结合,提出了一种新的特征关注模块,赋予重要特征通道和像素区域更多的权重.考虑到...     

基于Richardson外推法的CFD离散误差分析

为研究数值模拟中网格类型及网格尺度变化对离散误差产生的影响,对NACA2412三维翼型在0°、4°、8°、12°攻角下进行了计算流体力学(CFD)仿真,得到了对应条件下的升力系数及阻力系数,利用Richardson外推法研究多套连续变化的结构网格及非结构网格数值解的空间离散误差,并结合网格收敛指标(GCI)法对误差进行...     

对武器装备联合运用实验问题的思考

武器装备联合运用问题是武器装备体系化发展模式和联合作战背景下带来的新挑战.如何通过实验手段支撑武器装备联合运用问题的研究是军队当前亟需解决的重要课题.本文从不同角度对武器装备联合运用问题进行定位,剖析了武器装备联合运用实验的本质和目的,构建了武器装备联合运用实验架构,分别研究了基于规则匹配、基于组合优化,以及基于仿真推...     

面向应急物流的边缘计算架构设计

由于应急物流具有突发性和不可预见性,其外部环境往往复杂多变,导致网络通信经常处于极不稳定的状态。传统的云计算中心架构方式难以满足应急物流系统低时延、高能效等要求,而现有的边缘计算架构模型对应急物流场景中边缘设备可能面临的不确定风险考虑不足。本文通过分析应急物流对网络信息服务的要求,提出一种基于软件定义网络的边缘计算架构,依托网络虚拟化技术屏蔽底层网络硬件的差异,实现计算、存储与网络资源动态配置,并对通信中断、任务挂起与恢复和边缘设备接入等功能流程进行了设计。实验结果证明,该架构能够适应复杂多变的通信环境,为终端用户提供实时稳定可靠的服务。     

基于AP-SVM模型的装备维修器材需求预测方法

在小样本条件下运用SVR模型预测装备维修器材需求量时,预测效果受随机干扰因素影响较大.为解决这一问题,提出了一种新的AP-SVM模型.首先,运用AP聚类算法对训练数据进行分类,将分类结果作为训练数据训练SVM分类器,并对待测试数据的所属类别进行判断;然后,根据数据类别构建训练向量集,对SVM进行训练,运用SVR模型计算...