新时期公安现役院校宣传思想工作探析

公安现役院校宣传思想工作对于公安现役人才的培养和塑造具有至关重要的作用。分析新时期公安现役院校宣传思想工作的重要性及其特点,从增强意识、推动创新、提高能力等角度就做好公安现役院校宣传思想工作的路径进行探讨。     

绩效预算在军队房管系统中的应用

当前军队房管系统预算工作还存在一些薄弱环节。为了加强预算执行力,提高资金使用效益,可采用绩效预算。具体路径是在零基预算的基础上构建绩效预算体系,实行零基预算与绩效预算相结合的预算方法,最后全面应用绩效预算模式。     

基于系统维修作业流程的维修时间MC仿真

将MC(MonteCarlo)仿真用于维修决策中维修时间的确定,通过系统维修作业流程分析,构建了系统维修时间计算模型,对于基本维修作业三种类型分别构建了维修事件的维修时间计算模型,基于维修作业关系模型和这些计算模型给出了采用MC仿真的算法流程,通过统计得到系统维修时间期望和分布特征。最后以某型惯导转备份机载设备故障维修为例对模型进行了验证,仿真表明。采用MC仿真的方法能够为维修决策提供一种有效的维修时间确定途径。     

科学规划分步实施深入推进军队绩效预算改革

绩效预算是军队预算改革的未来方向。结合我军实际,未来军队预算改革可实行“三步走”策略,第一步引入绩效考评机制,第二步按照绩效预算要求调整预算方法和机制,第三步建立具有我军特色的绩效预算体系。在绩效预算改革过程中,每一阶段都有特定的重点,必须统筹规划、合理设计。     

通信受限下分布式多传感器协同跟踪算法

在分布式多传感器目标跟踪系统中,由于局部融合中心(LFC)的物理限制(如:有限的频率信道、处理器容量有限等),只能接收有限个传感器的传送数据。此外,信息传输的方式也将影响传感网的使用寿命,因此,研究了通信受限下的分布式多传感器目标协同跟踪问题。首先对监视区内分布的传感器进行聚类分簇形成若干个子网,接着从通信能耗的角度出发,对传感器采集信息的传递路径进行最优路径规划;进而对子网局部状态进行估计,在子网信息融合中,分别采用最大距离和、最大化信息增量两种准则进行最佳传感器选择,最后通过各子网全局航迹融合实现分布式多传感器协同跟踪。仿真验证了算法的有效性。     

基于GeoHash索引的A算法优化

A*(A Star)算法进行最短路径计算时,一般采用曼哈顿函数作为最优邻接点的评估标准,在算法执行的过程中,需要对每一步每个邻接点进行计算,判断出当前最优邻接点,然后迭代执行下一步,在数据量较大的情况下,算法的时间复杂度呈几何增长.使用GeoHash索引算法代替曼哈顿函数作为评估标准,在有地理坐标信息的网络拓扑中进行最短路径查找,直接以GeoHash编码索引值作为判断标准,进行快速查找.GeoHash值是经纬度经过一系列编码转换后的实际值,能够拓扑网格中的属性值,减少算法的计算时间,优化算法的时间复杂度.提高A*算法在道路规划、运行调度、无人驾驶路径分析时的最短路径计算时间,可增加实际应用广泛性.     

合成作战单元抢滩阶段作战编波冲击及方案优化模型

如何科学、量化进行编波冲击是影响和制约合成作战单元抢滩阶段战斗的焦点问题、瓶颈所在.通过分析研究影响编波冲击的主客观因素,建立了合成作战单元抢滩阶段作战编波冲击模型,提出了基于"和数分解"的多目标优化搜索算法,并结合算例对模型的有效性和可信性进行了验证,对编波方案的价值进行了评价和优化分析.     

基于改进布谷鸟搜索算法的多传感器调度方法

针对以往战场环境中目标跟踪背景下多传感器调度算法收敛性差、求解精度低的问题,在CS算法(布谷鸟搜索算法)的基础上,提出了一种基于差分进化的布谷鸟搜索算法.在跟踪目标模型的基础上,以跟踪精度、任务完成率以及传感器资源能源消耗为指标,建立多传感器调度模型;借鉴差分进化思想,对布谷鸟搜索算法进行改进;利用改进后的布谷鸟搜索算法(DE-CS算法)求解传感器调度模型.将DE-CS算法与基础CS算法进行仿真比较,仿真结果表明,改进后的算法在收敛速度和精度方面都得到了有效改善,证明改进后的算法有较好的求解质量.     

基于改进蜂群算法的无人机路径规划

人工蜂群算法存在初始蜜源具有随机性,后期收敛速度慢,易早熟等问题.运用最大最小距离积法处理初始蜜源,把K均值聚类算法与人工蜂群算法相结合,提出改进的人工蜂群算法,用于解决无人机路径规划问题.仿真结果表明改进的人工蜂群算法收敛速度更快,得到的解的适应度更好.     

基于GAPSO-TS的多基地无人机航路-时间协同规划

针对多基地无人机协同规划航迹计算复杂、容易陷入局部最优的问题,在遗传粒子群算法(GAPSO)的基础上,引入禁忌搜索算法(Tabu-Search)混合为GAPSO-TS算法,通过与PSO、GAPSO算法对比,表明GAPSO-TS算法能够提高全局寻优性能,同时相对于GAPSO算法,加快了收敛速度.在多无人机时间协同三维航路规划里应用GAPSO-TS算法可以更快的收敛,同时设计以时间协同为约束的适应度函数,函数具有简单易行的特点,保证了不同基地的无人机都可以在同一时间内最快到达目的地,实验结果验证了算法的可行性.