系统可靠性模糊分配的熵权方法

采用模糊数来表示不同模糊因素的相对强度,即通过指标得分的比较,用三角模糊数来表示m个模糊因素的权重系数,建立模糊判断矩阵,根据α截集和决策者对模糊判断矩阵的满意乐观程度指标λ进行模糊区间运算,得出各分系统可靠性指标所占的熵权,再根据熵权对系统可靠性指标进行分配。这种方法可以正确把握处理模糊问题的尺度,减少人为干扰。     

基于遗传算法的大系统可靠度优化分配

给出了大系统可靠度优化分配的数学模型 ,设计了大系统可靠度优化分配问题的遗传算法。数值例子表明该方法可以有效地解决大规模的、复杂的非线性规划问题。解决了传统算法的局限性     

机械化部队频谱资源管理与分配系统的设计

介绍以战术电台为主要通信设备的无线通信网络频谱管理及自动分配系统的设计思路,给出解决问题的途径与方法,并简要介绍一个频谱资源管理与分配系统的运作情况.     

基于TOPSIS法与灰色关联度法的故障样本分配方法

针对故障率作为维修性试验验证故障样本分配的主要影响因素,而使故障样本分配结果的合理性与可信性不足的问题,提出了一种基于TOPSIS法与灰色关联度法的维修性试验验证故障样本分配方法。构建了故障样本分配影响因素体系,采用残缺判断矩阵法确定了各影响因素的权重,基于TOPSIS法与灰色关联度法构建了故障样本分配的数学模型。以某型装甲车辆加温器的维修性试验为例,验证了所提故障样本分配方法的可行性,结果表明:相比按比例分层抽样的故障样本分配方法,所提方法的故障样本分配结果的合理性与可信性明显提高,更适用于装甲装备维修性试验验证工程实践。     

基于反正切函数的测试性分配方法

针对现有主流测试性分配方法存在的分配指标过低和过高等不合理问题,分析认为其根源在于现有方法采用线性分配函数,而该函数不符合测试性指标提升规律,为此,构造了一种基于反正切函数的测试性分配函数,设计故障检测率与故障隔离率指标的分配算法,开展案例应用并与经典故障率分配法和综合加权分配法进行对比分析,结果表明随着分配权重(故障率)的变大,本方法分配指标的增幅逐渐减小,不会出现极低指标和超1指标的不合理情形。     

实兵演习战场态势研究

实兵演习战场态势是指挥员通过实战化训练提升获取战场情况、指挥部队行动能力的重要支撑和手段。首先针对当前实兵演习战场态势存在的数据结构、传输机制、系统架构和聚合显示等重点难点问题进行了详细地阐述和分析,然后在此基础上提出了态势数据结构的层次化设计、按需公布订购的数据传输机制、态势框架的柔性化设计和基于作战能力的态势聚合机制等相关的解决方法。以期能够建立一个支持大规模、分布式联合应用,并且可以显示综合战场态势和专用战场态势的战场态势系统。     

分布式遗传模拟退火算法的火力打击目标分配优化

根据火力打击规则,建立了多目标函数的目标分配模型,提出了分布式遗传模拟退火算法对模型进行求解。分布式遗传模拟退火算法基于经典遗传算法进行改进:将单目标串行搜索方式变成多目标分布式搜索方式,适用于多目标寻优问题求解;采用保留最优个体和轮盘赌相结合的方式进行个体选择,在交叉算子中引入模拟退火算法,使用自适应变异概率,较好地保持算法广度和深度搜索平衡。最后,通过仿真实验验证了算法的有效性和可靠性。     

新型光电装备免费及按比例组合保修策略

通过对新型光电装备故障规律和实际保修的需求分析,在原有规定保证期内免费保修策略基础上进行优化,提出免费及按比例保修组合策略概念,建立该策略对应的费用模型及可用度模型,得到费效比函数。同时通过对某新型光电装备保证期内维修保障工作应用组合保修策略开展实例建模,得到最优策略并分析证明提出该组合策略的实用性和可行性。     

合成分队火力分配协同决策模型研究

针对合成分队火力分配效率和科学性不高的问题,采用协同决策思想对合成分队火力优化分配方法进行了研究。针对合成分队的作战特点提出了3种模型:建立了攻击力量类型相同的多种准则的火力分配模型,建立了攻击力量类型不同的基于双层规划的火力分配模型,建立了具有上级指定任务的分队内和分队间的火力协同分配模型,并对相关模型进行了实例仿真验证。提出的这3种模型能够解决合成分队在火力分配中的协同决策问题,可提高作战指挥决策的实时性和科学性。     

装备器材保障资源调度决策模型及算法

装备器材保障资源调度问题是一个非常复杂的问题,根据其优化目标要求,从保障时间最短、保障耗费最低、安全性最高3个方面建立了该问题的多目标优化模型,并通过目标优先度决策将其转化为单目标模型;接着,采用两阶段法进行求解,将其分为最优路径决策、器材分配决策两个阶段进行决策优化,在明确资源点到需求点之间的最优路径后再进行器材资源的分配;并分别采用基于小生境的自适应遗传算法和基于生成树的遗传算法进行求解。通过实例分析,求解结果能够满足装备器材保障的要求,表明所构建的决策模型和算法是有效的。