飞行流量变化下的动态扇区划分研究

为了解决当前扇区动态配置效率低下的问题,提出了飞行流量变化下的扇区动态划分方法。分析非决定性因素影响下飞行流量服从的不确定分布,通过建立空域有限元拓扑网络和量化管制员负荷,以均衡监视负荷和减少协作负荷为目标,应用结合二进制和反向学习的高级烟花算法,最终生成了最优扇区划分结果。仿真实例表明,该方法在满足时效性的同时加快了收敛速度,提高了管制效率,适用于实际扇区的优化调控。     

多级网络物资前送决策模型及并行禁忌搜索算法研究

战时多级网络物资前送研究主要集中在单级网络、确定型模型和规划求解方面,对战场不确定环境下的多级物资分配网络研究较少.在考虑时间、成本的基础上,结合战场实际,运用泊松过程建立了基于敌侦察不确定形态下的随机风险模型,并构造了战时多级网络物资前送决策模型.通过对模型特点分析,结合随机游动算法构造了并行禁忌搜索算法,并通过实例对模型进行求解分析.实验结果表明,所建模型适合不确定战时条件下的多级物资前送实际,并行禁忌搜索算法能够有效求解所建模型,获得物资前送方案,为决策者提供科学依据.     

基于二进制粒子群的复杂网络攻击策略

针对当前复杂网络攻击策略在选择攻击节点集上精准性不足,难以快速获取网络空间战场核心节点集以毁瘫敌方网络空间体系的问题,提出了基于二进制粒子群算法的攻击策略.该策略首先对网络节点状态进行编码,然后,计算基于深度优先搜索的适应度函数值,并使用二进制粒子群算法求解最优节点集,最后,针对典型网络模型开展仿真实验,对比分析了基于...     

如何改善路径测试用例生成的搜索算法

软件结构测试数据生成一直是软件测试领域一个较为复杂的问题,方法和手段尚未成熟。基于程序直接执行的测试数据生成方法因其动态性,显示出一定的优越性,本文主要针对该方法的核心部分——搜索算法进行讨论,探讨了有助于改善其功能的若干手段,目的在于提高算法效率,提高其实用化程度,显示出较好的实验效果。     

基于强化麻雀搜索神经网络的空战机动决策方法

针对空战中机动决策速度慢、准确性低问题,提出基于强化麻雀搜索神经网络的空战机动决策方法,该方法分别考虑角度、距离、高度等因素构造相应的态势函数,将几种态势函数结合起来并加权得到态势评估函数,利用神经网络的黑盒部分计算各个态势函数的权值,利用混沌初始化和小孔成像反向学习策略强化麻雀搜索算法,再利用其特性去优化神经网络,将麻雀的适应度函数与神经网络的权值和阈值建立直接的映射关系,从而获得准确的态势评估函数,再将得到的态势评估函数结合博弈论模型得到博弈态势值,并由此来进行空战机动决策。仿真表明,该方法在与粒子群和遗传算法优化的神经网络模型相比之下,决策速度更快、准确性高,从而能获得空战优势,以获得最终的空战胜利。     

文章编号：基于多目标进化搜索算法的AUV地磁仿生导航方法

针对水下自主航行器(AUV)地磁多参量多目标搜索的问题,提出了一种基于磁趋势敏感的多目标进化搜索算法。在进化算法的结构下,利用地磁场参量与导航路径的约束关系,以磁趋势敏感作为后验评估准则,建立导航模型,使得地磁多分量伴随航行器的运动同时同地收敛至各自目标值,实现导航目的。通过与六边形路径搜索算法的仿真对比,验证了多目标进化搜索算法的有效性和优越性。     

不确定条件下装备器材供应网规划模型

装备器材供应网是装备器材供应保障工作的重要基石,其规划问题是我军装备器材保障过程的重要战略决策之一。针对节点、边和需求的不确定性,对不确定条件下由多个区域供应子网构成的装备器材供应网的规划问题展开研究。针对问题的特点,用区间分析理论对供应网规划中的不确定性因素进行度量和运算,得到不确定性规划模型,通过区间运算转化,将不确定性模型转化为确定性混合整数规划模型,并设计采用基于禁忌搜索算法的两阶段算法进行求解,分别得到了不同参数设置下的模型求解结果,并将所用算法与模糊规划和随机规划算法的求解结果进行了比较分析。实例分析结果表明所建立的模型和算法具有较强的实用性。     

地磁仿生导航的多目标进化搜索算法

针对水下自主航行器地磁多参量多目标搜索的问题,提出一种基于磁趋势敏感的多目标进化搜索算法。在进化算法的结构下,利用地磁场参量与导航路径的约束关系,以磁趋势敏感作为后验评估准则,建立导航模型,使得地磁多分量伴随航行器的运动同时同地收敛至各自目标值,实现导航目的。通过与六边形路径搜索算法的仿真对比,验证了多目标进化搜索算法的有效性和优越性。     

整数DCT(BinDCT)快速算法

设计和实现了基于提升结构的无乘法二进制DCT (BinDCT)的快速算法。该算法是在基于旋转变换的递归算法基础上设计的 ,并将传统的旋转变换的 3个提升矩阵乘积减少至 2个提升矩阵乘积 ,从而使算法的运算量比现有算法大为减少     

基于二进制传感器网络的目标运动方向估计方法

介绍了方向估计二进制传感器网络(DE-BSN),提出基于统计学习解决目标运动方向估计的思路,并给出了使用线性判别分析法(LDA)和支持向量机算法(SVM)的估计方案。仿真分析了在不同传感器节点密度时上述算法的精度、和在节点出现错误的情况下算法对目标方向估计的可靠性。实验结果表明上述算法均可实现高精度的目标方向估计,并都具有一定的鲁棒性,各自的优势分别在于:LDA的计算复杂度较小,而SVM的估计误差较小。