基于优化蚁群算法的装备调拨决策系统研究与设计

将蚁群算法和遗传算法应用于装备调拨决策系统,实现了装备调拨决策信息的生成.同时利用遗传算法对蚁群算法的参数进行了优化,实验证明优化后的蚁群算法在平均路径长度、算法平均执行时间和总执行时间上较传统蚁群算法都有一定程度的改进.     

电子侦察装备的随机期望值分配模型与算法

针对电子战系统试验训练过程中存在随机性特征参数的问题,首先结合实际事例分别建立了电子侦察装备的单目标和多目标随机期望值分配模型;然后针对多目标随机期望值分配模型,给出了目标规划方法和遗传算法求解步骤;最后基于遗传算法,讨论了目标函数权系数的选择对求解结果的影响.仿真结果表明:所建立的随机期望值模型合理,算法可行.     

基于约束满足的编队协同作战多实体资源受限优化配置模型

针对编队协同作战中因资源配置不合理而导致出现冲突的问题,运用基于约束满足的方法,建立了多实体资源受限优化配置模型,并采用基于规则的启发式算法对模型进行求解和仿真计算,结果表明该方法简单、可行。     

基于遗传算法的无线通信节点部署优化策略

根据无线通信节点部署过程中网络受到区域环境影响和电波传播损耗等实际问题,建立了考虑区域影响的信号衰减模型和无线通信网络覆盖模型,提出了一种综合考虑网络覆盖和通信干扰的优化部署策略。该策略采用了加速遗传算法,大大降低了计算量。基于该优化策略,通过仿真实验得到了特定区域的最优通信节点数和节点部署位置图。     

卫星通信系统中基于LDPC编码协同性能研究

文章提出在卫星移动通信系统中应用编码协同策略。分别建立卫星上、下行用户链路编码协同模型,仿真Rayleigh信道和Rician信道下基于LDPC编码的系统性能,并与单路未协同和传统两发一收分集系统进行性能比较。理论分析和仿真表明,采用LDPC编码协同策略相对于非协同时的系统性能有较大提升,虽然与分集系统性能有一定差距,但是其终端实现比较简单,在未来卫星移动通信系统中具有一定的应用前景。     

见证中国力量孕育奋进梦想

新一轮援疆征程的号角已经吹响,兵团发展重任在肩。让我们抢抓机遇,砥砺前行,用中国力量见证我们奋进的脚步援疆工作又开启了新征程。9月23日至24日,第四次全国对口支援新疆工作会议在北京召开。这是党的十八大之后第一次全国对口援疆会议,也是五年援疆规划实施过半、援疆工作深化推进之时的一次关键会议。会议明确了今后援疆重点将立足就业、教育、人才等方面。再次印证了一个政党以人为本、执政为民的理念,展现了一种制度协同整合的优势,见证     

建设天蓝地绿、水清气净的家园

"三化"建设是推进团场经济社会发展的重要路径和抓手,而生态建设是改善团场居民生活条件的重要保证。只有搞好生态建设才能保证"三化"建设可持续发展,只有确保"三化"建设稳步推进,才能促进生态建设健康发展。素有边陲"绿宝石"之称的六师奇台农场,2012年被评为国家级生态乡镇,是兵团屈指可数的拥有AAAA级风景区的团场之一。如何把奇台农场的"三化"建设与生态建设有效地结合起来,并做到相互促进、协同发展,是值得重视和思考的问题。     

双伪测量的多水下航行器移动长基线协同导航算法

用最近邻理论研究了基于移动长基线的多AUV协同导航.移动长基线多AUV协同导航结构中,主AUV内部装备高精度导航设备,从AUV内部装备低精度导航设备,外部均装备水声装置测量相对位置关系,利用协同导航融合内部和外部传感器信息,实现从AUV进行实时导航定位.基于最近邻理论,建立了双伪测量的数学模型,设计了协同导航算法,进行了数学仿真研究.研究结果表明,在双领航者结构下,通过构建双伪测量可以显著提高群体的导航定位精度.     

DDBN的无人机决策推理模型参数学习

针对复杂战场环境下的无人机决策推理模型参数学习的问题,提出基于遗传算法的离散动态贝叶斯网络参数学习算法。该算法将模型网络参数的最大似然估计函数作为遗传算法的适应度函数,在全局进行并行优化搜索,得到最优的网络参数,从而提高了决策推理模型对复杂环境的快速适应。仿真结果表明,该算法可以获得准确的离散动态贝叶斯网络参数,能够有效地解决复杂战场环境下无人机威胁评估问题,为无人机的自主任务决策提供有效的参数保障。     

遗传神经网络在保障资源需求预测中的应用

针对现代战争条件下装备保障资源需求变化快,保障资源预测困难的问题,首先分析了影响装备保障资源需求的因素,根据实际情况选取了平均维修间隔时间(MTBM)、平均修复时间(MTBR)等8项影响装备保障资源需求的关键指标,然后将基于遗传算法(GA)优化的反向传播(BP)神经网络应用于保障资源需求预测中,构建了基于遗传神经网络的需求预测模型,最后利用1980年～2010年实际保障资源需求数据对模型进行了验证.验证结果表明,基于GA优化的BP神经网络预测模型有较快的收敛速度、较强的适应性和较高的预测精度,适用于装备保障资源需求预测.