基于模糊综合评价DEA方法的信息化部队作战能力评估

针对信息化部队作战能力,探讨了模糊综合评价与数据包络分析(DEA)理论的应用,提出了信息化作战部队能力评估指标体系,并采用模糊综合评价进行初步评估,构建了适合于能力评价的DEA模型,研究了评估结果的相对有效性,实例证明,该方法在综合评价等领域具有很强的实用性。     

基于模糊层次分析法的射击有利度分析模型

射击有利度是针对射击目标进行打击的有利程度的一种评价指标,采用层次分析法可以较好地构建射击有利度分析模型,但是传统的层次分析法在构建比较判断矩阵的过程中缺乏与人类思维的一致性,同时修正该矩阵的方法十分复杂。说明了从线性角度给出的替代比较判断矩阵的模糊一致矩阵,以及以此为核心模糊层次分析法,并给出了数据验证和对比。     

面向装备体系作战效能评估的SEM建模与评估方法

针对装备体系作战效能评估分析需求,构建了基于SCA（ Sensor?Controller?Actuator）的装备体系作战能力评估指标体系,研究了基于SEM（ Structural Equation Modeling）的装备体系作战效能评估方法,并以某防空反导装备体系作战效能评估为例,验证了方法的合理性和有效性。该研究可为装备体系发展论证及作战效能评估提供参考。     

基于候选聚类的K调和均值算法(KHM-CC)

聚类分析是常见的数据分析技术。基于KHM的聚类分析是当前研究的热点。提出了基于候选聚类的KHM算法(KHM-CC),详细阐述了算法的设计过程。采用UCI的小样本(iris)数据集和大样本(Bag of Words)数据集对比了KHM-CC算法和禁忌搜索KHM算法(KHM-TS)和变邻域搜索KHM算法(KHM-VNS)的性能。实验结果表明,KHM-CC算法在处理iris数据集小样本数据集时,其性能和KHM-VNS算法基本接近,而优于KHM-TS算法。但是在处理Bag of Words大样本数据集时,性能优于KHM-VNS和KHM-TS算法,其聚类计算耗时明显缩短,证实KHM-CC算法在高维度数据集的处理上更具优势。     

后疫情时代线上教学质量评价研究

教学质量评价是高校教学的重点工作。在后疫情时代中,线上教学已成为不可缺少的教学方式之一,针对目前高校线上教学过程中存在的问题,利用层次分析法建立线上教学模式的质量评价体系,并运用模糊综合评价对各评价指标进行综合评价,不仅可以完善教学管理制度,还可发挥激励作用,提升教师的教学成就。对疫情期间的大规模线上教学情境下收集的3377份调查问卷数据进行分析,结果表明：线上教学配套设施建设及线上教学队伍培养是线上教学工作的重中之重,同时线上教学应以学生为中心,才能更好地推动线上教学工作高质量开展。     

基于权重的AHP判断矩阵一致性调整方法

传统的判断矩阵调整方法计算得到的权重不能最大限度地保留原始判断矩阵的信息。为此,提出一种基于权重的判断矩阵调整方法。该方法根据权重的性质,构造完全一致矩阵,利用AdaGrad最速下降法对矩阵进行拟合,使该矩阵相对于原始判断矩阵的总改变量最小,以其对应的权重作为矩阵的计算结果。数值计算结果表明,该方法相比于其他方法,权重对原始判断信息的保留度更高,且不需要反复进行矩阵一致性检验。     

多功能复杂信号侦察可配置计算模型

复杂信号侦察处理是多功能数字阵列雷达(MFDAR)的重要组成部分,可以服务于MFDAR的雷达与通信信号侦察以及电子战等多种用途,其中信号侦察的实时性与功能的灵活适应性是MFDAR的关键。在详细研究MFDAR信号侦察处理特点基础上,提出了两阶段可配置的信号处理流程,构建了基于混合结构的宽带信号侦察可配置计算模型BSRRCM。BSRRCM对"非确定、非单向"的信号流进行了描述,利用"固化典型流程、设置有限配置点"的思想,BSRRCM将应用分解成可完全重配置的典型处理流程和可局部重配置的功能任务序列,快速映射到合适的计算平台上,在确保信号处理实时性前提下使系统获得了动态的灵活配置能力与可扩展性。     

基于GM(1,1)灰色模型弹药补给量的预测

为提高现代作战中弹药保障的有效性,运用灰色系统理论,对"弹药补给过程中的‘贫’信息处理及灰色结构模型"进行分析,并将GM(1,1)模型用于弹药补充量预测。经实例计算,该模型和所作的分析在进行弹药补给量的预测是有效可行的,具有较强实用性,能为部队的弹药补给保障工作提供科学依据。     

基于DEA/AHP方法的自行火炮作战效能评估

为提高自行火炮作战性能评价的客观性,采用DEA/AHP两阶段模型对所有自行火炮作战性能进行综合评价。该模型第一阶段使用DEA方法计算所有自行火炮之间相对有效性。以构造AHP的判断矩阵,第二阶段对判断矩阵进行AHP计算并作全排序优选,最后给出了排序结果。     

基于NSGA-Ⅱ的WTA多目标优化(英文)

将多目标遗传算法NSGA-(改进的非支配排序遗传算法)应用于求解武器-目标分配(WTA)问题。首先,针对以往在建立防空型WTA问题的优化模型上的片面性,把WTA问题看做多目标优化问题,建立了综合考虑作战效能和防御效能的WTA双目标优化模型。然后在此基础上,研究和应用了NSGA-来求解WTA问题。最后由仿真算例验证了NSGA-在WTA问题中的应用可行性,表明了NSGA-可以快速地搜索到WTA多目标优化的Pareto最优解集,从而为求解WTA问题提供了一条有效途径。