关系数据库中的属性约简

文中给出了一个函数依赖概念的推广,证明了它与知识发现领域中的许多重要概念都有密切的联系,并应用它得到了知识发现领域属性约简的一个有效完备的多项式算法.     

基于排队论的油料供给最优化分析

通过有限源排队系统的理论,分析油料供给工作中在满足一定的可靠性要求下的最优设计与最优分配问题,同时结合计算机技术,提出了求数值解的方法。     

用遗传算法实现雷达网目标分配

通过对雷达网目标分配问题的深入研究,建立了数学模型.为了获得发现概率最大的目标分配方案,引入了遗传算法来对模型求解,并给出了实现的步骤和方法.最后经过验证,证明该方法应用在雷达网目标分配问题上切实可行.     

舰空导弹拦截群目标火力分配作战效能研究

水面舰艇海上作战的主要威胁来自于敌方反舰导弹的攻击,因而水面舰艇的反导作战能力成为其作战效能的重要指标之一。通过建立舰空导弹的反导模型,结合复杂电磁环境下的目标捕获判断,运用蒙特卡罗法对舰空导弹反导效能进行综合评估,得出对舰空导弹武器系统效能影响的重要因素,通过分析得出几个有益作战的结论。     

基于改进TOPSIS法和蚁群算法的反TBM目标群目标分配研究

基于改进的TOPSIS法和蚁群算法,以弹道导弹目标群为研究对象,研究了反导指控系统对目标群的目标分配问题。首先通过改进的TOPSIS法确定TBM目标群威胁排序并基于拦截排序准则确定拦截排序;其次使作战效能最大化,基于蚁群算法确定目标的最优分配方案;最后通过仿真实例验证了在考虑目标威胁值排序前提下采用此算法,可使目标群分配方案更加科学有效和符合反导作战实际。     

一种“当前统计”模型的模糊自适应算法

"当前"统计模型作为一种先进的时间相关模型,在跟踪机动目标的时候,具有着很好的跟踪效果,但是当目标的机动较弱时,该模型的效果变差。通过对该模型进行分析得知,在该模型中由于机动加速度的最大值不能自适应地调整,导致低机动时系统过程噪声较大,因此在跟踪低机动目标时跟踪效果不太理想。为了克服这一缺点,给出了一种可行的采用模糊自适应调整"当前"模型最大加速度的方法,对模型的最大加速度进行自适应调整。通过仿真结果可知,与标准的"当前"统计算法相比具有更好的跟踪效果。     

基于改进TOPSIS法和蚁群算法的反TBM 目标群目标分配研究*

基于改进的TOPSIS法和蚁群算法,以弹道导弹目标群为研究对象,研究了反导指控系统对目标群的目标分配问题。首先通过改进的TOPSIS法确定TBM目标群威胁排序并基于拦截排序准则确定拦截排序;其次使作战效能最大化,基于蚁群算法确定目标的最优分配方案;最后通过仿真实例验证了在考虑目标威胁值排序前提下采用此算法,可使目标群分配方案更加科学有效和符合反导作战实际。     

高新技术系统巡回修理工时分配模型

针对装备高新技术系统故障规律,对影响巡回修理任务量的因素进行分析,提出了先进因子M、役龄因子T、巡回修理工时分配任务量权重因子W等概念,建立了根据任务量权重因子分配巡回修理工时的模型,并通过实例验证了该模型的有效性。结果表明,该模型能根据巡回修理任务量有效分配工时,提高对稀缺维修资源的利用效率。     

基于EEMD方法的混合信号分离识别

针对宽开通信侦察系统中的多信号分离问题,提出了一种总体平均经验模式分解(EEMD)方法。首先对混合信号进行去噪,进行功率谱估计,然后利用EEMD方法对混合信号进行分解得到一簇本征模态函数IMF(Intrinsic Mode Function),对代表单个信号的IMF进行Hlibert变换,得到与各阶IMF相对应的瞬时频率,确定信号的个数,估计出其载波频率,设计出相应的带通滤波器,分离出单个信号。最后设计决策树对分离出的单个信号进行调制识别,确定信号的种类。文中以三个信号组合ASK、BPSK、2FSK为例,通过仿真验证了方法的有效性。     

多兵种交战中作战指数迭代计算方法及收敛性研究

对于大规模多兵种交战,作战指数评估是进行军事决策的重要依据.针对传统作战指数评估方法依赖专家经验知识的问题,借鉴强化学习理论,提出了多兵种交战兰彻斯特方程中作战指数迭代计算方法,利用作战指数和火力分配策略的递推关系,循环更新作战指数直至结果收敛,重点考察了固定更新率、梯度指数递减方法和动量梯度方法对迭代收敛性的影响,通过调节更新率、递减强度和动量强度等超参数取值,显著提高了迭代收敛速度和稳定性.