加强国防动员需抓好四个关键环节

应对多种安全威胁、完成多样化军事任务,是新形势下国防动员面临的重大课题和紧迫任务。新形势下加强国防动员工作,必须狠抓“预案制定、按纲施训、优化队伍、信息动员”四个关键环节．不断提升遂行多样化任务的能力。     

基于改进粒子群优化算法的发动机故障仿真

为对发动机的稳态故障特性进行有效分析,提出了一种基于改进粒子群优化算法的故障仿真方法。首先将描述系统性能的非线性方程组,转化为带约束的最优化形式,通过设置式中参数可以仿真不同状况下的系统故障。并且提出运用一种改进的粒子群优化算法来为解决描述系统的高维、非线性函数,该算法在初始化时,运用混沌的思想,使得粒子分布遍历所有状态;在进化时,运用的免疫的思想,设置了基于适应度的克隆算子与变异算子增加粒子的多样性;在免疫选择之后,对各个粒子的速度也进行了重新设置,增加了粒子寻找全局最优的能力。实验结果表明,改进的粒子群优化算法能够有效地求得最优解。     

机载雷达电子对抗系统的仿真

从最近几场局部战争中可以看到,机载雷达对抗作为关键作战手段贯穿于战争的全过程,影响着战争的进程和结局。机载雷达对抗不仅仅只是作战的保障手段,它已经成为直接的军事打击力量。因此,对机载雷达电子对抗的研究,有利于取得战争的主动权。通过对雷达性能判据的推导和更新,箔条干扰模型的建立,进一步证明了在箔条干扰下,雷达探测性能明显降低。还通过对机载雷达电子对抗模拟仿真系统的研究,真实地模拟了机载雷达电子对抗作战平台,为培养电子对抗人才提供了很好的辅助工具。     

图形模型在航迹规划中的应用

对几种图形模型航迹规划的基本原理和方法进行了介绍,并进行了仿真验证。针对图形模型航迹规划中可行点选取的随意性,提出利用遗传算法寻找初始可飞区域内的可行点,将可行点连接起来就组成了初始可行航迹,此时便可用dijkstra算法进行航迹规划。由于标准传统遗传算法航迹规划的不足,提出运用实数编码的贝叶斯优化算法进行航迹规划,通过仿真验证了算法的有效性。     

基于量子粒子群优化的无人飞行器路径规划

根据地形障碍、敌方防御雷达、防空火力等威胁以及禁飞区的分布情况,引入最小威胁面的概念,利用B-Sp line插值逼近最小威胁面中的三维航迹在二维水平面内的投影,从而将三维曲线的规划问题简化为二维平面中控制点的寻优问题。采用量子粒子群优化算法,将约束条件和搜索算法相结合,有效解决了简单粒子群算法在高维空间中易陷入局部最优点的问题,简化了问题复杂度、提高了计算效率。仿真结果表明,生成的航迹具有地形跟随、障碍回避和威胁回避等功能。     

基于改进遗传算法的平流层飞艇定点悬停控制(英文)

平流层飞艇定点悬停控制是飞艇应用领域的关键技术。该控制问题可以转化为非线性多目标优化问题来求解。遗传算法是解决现代非线性多目标优化问题的一种重要方法。但是基本遗传算法在解决定点悬停飞艇实际控制问题时,具有易陷入局部最优解、在遗传进化过程中随机性较强、搜索效率低下及耗时多等缺陷。通过借鉴并行遗传算法、模拟退火算法和向量评价遗传算法的基本思想,在基本遗传操作中添加切断算子和拼接算子,设计一种改进遗传算法来改善上述缺陷。仿真结果表明该方法是有效可行的。     

战时空军装备调配保障优化模型

战时空军装备调配保障质量的优劣,直接影响和制约作战的进程与结局。立足于作战,考虑在保证作战任务顺利完成的情况下,所需调配的装备数量。从任务变化、装备作战单元组合以及部署方案三个方面,建立空军装备调配保障优化模型。这些模型可以为制定战时调配保障的装备补充计划、筹措计划以及储备计划等提供定量分析的思路。     

基于规则优化与排序的恶意代码匹配检测

恶意代码已在网络和主机系统中造成了严重的危害,对恶意代码进行有效的检测与防御已成必然。在综合现有一些恶意代码检测技术的基础上,提出了一种基于规则优化与排序的恶意代码匹配检测方法,并对检测系统的整体结构和功能模块进行了详细的描述。运用将面向协议特征变换为面向内容特征进行搜索匹配的思想,减少特征库中规则的条数,改进了特征库中规则的形式化描述。采用规则匹配成功的频繁度对规则在特征库中的位置进行了排序,以减少匹配搜索的深度,提高检测速度,同时对规则的形式化描述进行了相应的扩展。另外,为了获取更好的检测性能,改进了BM算法,通过设计匹配转移二维数组实现了搜索跳转。研究结果证明,该方法可节省时间,算法的效率高。     

训练模拟器计算机视景技术研究及应用

本文详细介绍了微机环境下,处理大地形、多地物、海量的三维视景数据时,所采取的多种模型优化和软件算法,来保证训练模拟器三维视景系统的实时运行。     

一种改进的连续域蚁群算法

简要介绍了蚁群算法,并从解决连续域问题的角度分析了段海滨等提出的基于网格划分策略的连续域蚁群算法的基本原理,针对该算法的特点和存在的缺陷,提出了改进的办法:在前期用遗传算法快速生成初始信息素,再利用蚁群算法寻求精确解。最后通过对一个二维连续域函数优化仿真实验,证明了改进后蚁群算法的有效性。仿真实验结果证明:改进后的蚁群算法无论是时间性能还是优化性能都明显优于改进前的蚁群算法,克服了蚁群算法的缺陷,大大提高了算法的速度和求解效率,达到了时间性能和优化性能的双赢。