一种具有分层结构的Ad Hoc网络地址自动配置机制

提出了一种具有分层结构的Ad Hoc网络地址自动配置机制.在该机制中,群首节点负责维护全网节点的地址使用情况表,处理网络的分割与合并;新入网节点通过代理节点向群首节点申请地址;使用蚁群算法优化选择代理节点,利用地址表备份机制减少群首节点失效的影响.与MANET Conf协议和ODACP协议的仿真比较结果表明,该方法能够在更短的时间内、使用更少的通信开销为节点分配地址,并且在网络规模增大时,该方法的地址自动配置性能并没有急剧下降,具有更好的可扩展性.     

可判定条件下的零知识证明

零知识证明是密码学关注的问题之一。在可判定条件下,运用代数学中群的共轭性质进行零知识证明,其实例就是数学中关于寻找共轭子的困难性问题。     

基于改进的MADM的防空混编群配置地域优选研究

地面防空混编群中的骨干型火力单位具有作战空域大、具备同时攻击多个目标的能力,是混编群作战体系的主体,担负着对重要目标的抗击任务。其配置将直接影响作战任务,而对其地域选择是火力单位配置的关键环节。首先分析了影响骨干型火力单位地域选择的因素,其次针对其不确定性及权重难以确定的问题,基于改进的MADM算法建立了地面防空兵混编群骨干型火力单位配置地域优选模型,最后给出该算法的实例分析。     

能力型防空群指控系统概念模型及效能评估*

为提高能力型防空群整体作战能力,应用系统论方法分析了能力型防空群指控系统的构成要素及运行模式,提出了指控系统信息结构力的概念,建立了能力型防空群指控系统概念模型.在此基础上,提出了能力型防空群指控系统效能评估指标体系,运用网络复杂性理论、图论、集合论及信息论方法建立了能力型防空群指控系统的物理性能及信息结构力计算模型,给出了指控系统效能综合评估函数,可为防空指控系统构建提供参考.     

基于改进的MADM的防空混编群配置地域优选研究*

地面防空混编群中的骨干型火力单位具有作战空域大、具备同时攻击多个目标的能力,是混编群作战体系的主体,担负着对重要目标的抗击任务.其配置将直接影响作战任务,而对其地域选择是火力单位配置的关键环节.首先分析了影响骨干型火力单位地域选择的因素,其次针对其不确定性及权重难以确定的问题,基于改进的MADM算法建立了地面防空兵混编群骨干型火力单位配置地域优选模型,最后给出该算法的实例分析.     

飞行器航路规划算法分析

针对现代军用飞行器任务规划系统航路规划的特点,分析了飞行器航路规划的基本要求,阐述了目前国内外应用和研究的几种航路规划算法:A*搜索算法、遗传算法、粒子群算法、数学规划算法、电势理论法等,并对飞行器航路规划算法的发展趋势进行了展望.     

序列近似优化方法及其在火箭外形快速设计中的应用

针对序列近似优化方法在代理模型构造与采样策略等方面的不足,基于采样点局部密度,引入与局部密度成反比的样本点影响体积概念,通过优化总影响体积确定径向基函数最优核宽度,满足序列近似优化过程不同规模、非均匀样本条件下的函数近似需要;建立潜在可行域最大距离加点准则,并与潜在最优加点准则结合平衡算法的探索能力与开发能力;建立三步收敛判定准则;构建改进序列近似优化的算法流程。对于Golinski减速器的优化设计问题,算法在目标函数调用42次后便搜索到全局最优解,体现了其良好的全局寻优能力与搜索效率。以"天航二号"火箭为例,建立其外形优化问题数学模型,所提优化方法在调用原始计算模型165次之后便搜索到全局最优解,大大提高了设计效率,同时飞行试验也表明设计结果满足要求。     

小生境粒子群支持向量机的网络故障诊断

针对支持向量机(SVM)在网络故障诊断中应用存在的参数设置和诊断模型复杂的问题,提出一种基于小生境粒子群优化的SVM解决方案。算法在进行参数寻优的同时考虑支持向量个数,实现对诊断模型复杂度的优化,并采用小生境粒子群算法进行求解,提高算法跳出局部最优的能力。在DARPA数据集上的实验表明本文提出的方法能够有效提高诊断模型的泛化性和诊断速度。     

基于优化滤波的水平非均匀蒸发波导反演算法

针对水平非均匀蒸发波导反演中大气折射率剖面水平分布规律不确知和大范围海域气象参数观测难的问题,提出一种基于优化滤波的水平非均匀蒸发波导折射率剖面参数反演算法,该算法采用粒子群优化估计折射率剖面参数初始状态和描述剖面参数水平分布规律的状态转移函数,结合GPS海面散射信号波导传播的DMFT步进计算正演模型和实测GPS散射信号功率建立系统方程和观测方程,并采用粒子滤波迭代估计水平步进上的非均匀折射率剖面参数。该算法的精估计环节有效修正了粒子群估计误差在后续反演过程中导致的误差积累,保证了反演精度,并使得算法具备距离分段条件下逐段反演的能力,为远距离海域蒸发波导折射率剖面参数的反演提供了可行的方法。     

基于多模型组合的模拟电路故障诊断方法

针对传统模拟电路故障诊断方法识别准确率低及耗时较长的问题,提出一种基于改进的二进制粒子群优化算法(IBPSO)与隐马尔科夫模型(HMM)的综合诊断方法。该方法利用IBPSO对故障特征进行提取优化,降低故障特征维度,进一步利用HMM对提取的故障特征进行预处理,排除不可能类故障特征,提高了LSSVM的分类准确率。经过仿真结果分析验证,该方法较现有的BP神经网络诊断方法,能够在确保正确率得到提升的基础上,进一步提高故障诊断速度,具有更强的战场环境适用性。