融合Q学习算法和人工势场算法的无人机航迹规划方法

针对基于Q学习算法规划出的航线存在与静态障碍物发生碰撞危险的问题,提出融合Q学习算法和人工势场算法的航迹规划方法。该方法首先利用Q学习算法规划出一条航线,其次根据地图统计该航线每个航段内包含的障碍物,最后对每个包含障碍物的航段采用改进的人工势场法进行重新规划。实验结果显示,提出的融合方法能够在牺牲少量轨迹长度和时间的情况下,得到与静态障碍物避免发生碰撞的最短路径。     

63A坦克进攻作战中最优突击效果仿真模型

对63A坦克进攻突击作战过程中,敌方目标设置的重要性、危害性、针对性等不同而造成的我方突击效果差异,引入动态规划方法,就如何做好我方坦克多阶段决策优化分配问题作了探讨.     

谢谢亲人解放军

今年二月以来,龙陵县在进行第二届村级班子换届选举中,经过“两推一选”的紧张角逐,全县250名村官中有80名复、退军人当选为村支书、村委会主任或副主任。     

如何利用EXCEL进行财务数据的分析与决策

面对大量繁琐、无序的数据和报表处理一直是广大财务人员一个难以逾越的障碍 ,EXCEL电子表格处理软件很好地解决了这些问题。借助EXCEL利用“规划求解”进行数据分析与决策 ,既方便又快捷 ,有利于提高财务分析与决策的效率和准确性。     

基于进化规划的自适应高斯神经网络

自适应高斯神经网络能够对目标信号的功率谱有效识别特征进行自动提取和分类,但此网络使用BP算法,其误差能量函数是一个不规则的超曲面,容易陷入局部极小值.因此,提出了一种使用进化规则来设计和训练自适应高斯神经网络的新方法.该方法能够自动地确定网络的最优结构和联结权值,同时避免网络的局部优化.实验结果表明,将该方法用于被动声纳目标的分类识别,能够有效地克服局部最小问题,具有更好的识别率.     

立足当前 谋划长远——精心编制好中长期国防科技发展规划

战略是旗帜,战略是灵魂,战略是统帅。着眼全局,筹谋未来,做好国防科技工业中长期科技发展规划战略研究工作,是关系国防科技工业未来发展的一项十分重要的工作。科技发展规划要以全面提高国防科技工业整体素质,增强国防科技工业核心竞争力和持续健康发展的能力,适应武器装备发展和国民经济建设的需要为基本出发点,实施“强化基础、提高能力、军民结合、跨越发展”的科技发展战略。     

强化学习在多阶段装备组合规划问题中的应用

针对多阶段武器装备组合规划中的选择难、规划难问题,提出基于多目标优化算法以及强化学习技术的混合优化方法。在各个阶段以装备组合效能最大和成本最小为准则,构建单阶段多目标优化模型,并设计基于非支配排序遗传算法的求解算法以生成各阶段的Pareto解,在此基础上建立多阶段的组合优化模型。通过强化学习的Q-Learning方法,在各阶段的Pareto解中采用探索或者利用两种模式,生成各阶段的装备组合,并指导下一阶段的装备选型,从而生成整个周期内的规划方案。通过对比实验分析,验证了所提模型和算法的有效性,能够为多阶段武器装备组合规划提供辅助决策。     

基于遗传算法的航空兵出动架次计算方法

针对航空兵出动架次计算问题,基于资源受限项目调度理论进行问题描述和建模,以给定兵力对目标任务的最大出动架次为效能指标,分析影响因素和约束条件,建立了问题数学模型.根据问题模型特点,采用遗传算法进行求解,针对染色体编码问题,设计了一种扩展任务列表编码方法;针对初始解集求解问题,提出了一种基于优先规则的出动架次分配算法.并构建了航空兵出动架次计算仿真算例对问题模型和求解算法进行验证,实验结果表明,所提模型和算法能够有效求解大规模航空兵出动架次计算问题.     

适应新形势努力实现交通战备建设跨越式发展

当前,我国正处在全面建设小康社会,加快推进社会主义现代化建设的发展阶段。新形势下,交通战备工作千头万绪,任务繁重,如何紧贴军事斗争准备现实需要,实现交通战备建设跨越式发展,是摆在各级交通战备部门面前的全新课题。一、提高思想认识,不断强化使命意识交通战备建设事关未来作战的胜负。我们必须从战略全局高度,充分认识交通战备建设的重要意义,认清肩负的历史使命,增强抓好交通战备工作的紧迫感和责任感。首先,加强交通战备建设是安全形势所迫。与我国接壤的某些周边地区,是当今世界民族宗教矛盾突出、“热点”较多、动荡不安的地区之…