基于扩展Voronoi图的兵力机动路线决策

兵力机动决策是作战指挥决策的重要组成部分,兵力机动路线决策是兵力机动决策的关键.将地形、障碍和敌情威胁抽象为扩展Voronoi图的生长源,进而根据扩展Voronoi图的特性规划出兵力机动可选择路线,根据相应算法进行选择并修正后得到机动路线,为指挥员的决策提供参考.     

浅议日历统筹图的画法

统筹法是50年代中期发展起来的一种科学的计划管理方法,统筹图是统筹法的基础,熟练掌握绘制统筹图是应用这种方法的前提和条件。日历统筹图能清楚地反映出工作进展的时间概念,并能直接提供一些有用的时间参数,便于人们对计划任务进行控制,选择最佳方案。本文就绘制日历统筹图的基本步骤、制作程序等进行了讨论。     

基于熵最优分组的雷达信号参数特征提取算法

雷达信号参数特征提取是电子情报侦察系统中的一个关键步骤,常采用直方图法.但直方图法中有一个关键且较难解决的问题:最优分组问题,且该问题对直方图法的有效性有着决定性的作用.根据信息熵的物理意义及其基本性质,提出一种基于熵最优分组判定准则的直方图算法,对雷达信号参数特征进行提取.并由仿真实验验证了该方法提取雷达信号参数特征的有效性.     

CBR技术在智能决策系统基础开发中的应用

本文将决策分析和CBR技术通过关联图结合起来,介绍了一种新的知识表示和处理方法,阐述了CBR技术在模型匹配和提出新决策模型中的应用,提出了一种开发用来解决通用领域决策问题的智能决策系统的方法.     

无人机路径规划算法与仿真

根据敌方防御雷达、防空火力等威胁以及禁飞区的分布情况,构造基于战场威胁中心的Voronoi图,得到可以规避各种威胁的航迹线段,结合战场威胁信息,计算航迹段的代价,形成有向图,计算出无人机初始最优航路,利用无人机初始状态和性能约束进行航路的进一步修正,满足了无人机的飞行特点.并运用MATLAB编制图形化界面,实现仿真结果的图形显示.     

基于因子图的AUV协同导航通信延迟误差补偿算法

针对自主水下航行器协同导航系统水声通信延迟导致的定位误差增大问题,在因子图协同导航算法框架下提出一种基于量测信息重建的通信延迟补偿算法。首先,基于主从式协同导航系统状态方程、量测方程构建因子图模型。由于多个自主水下航行器距离量测信息导致因子图模型存在环结构,故通过两次消息传递迭代求解各节点变量概率密度分布。随后,在广播式水声通信延迟机理分析基础上进行量测信息重建,并将其接入因子图代替原始量测信息进行消息传递与解算,从而补偿水声通信延迟。仿真实验结果表明,所提算法可以有效提高从自主水下航行器定位精度,没有通信延迟补偿的协同导航算法定位精度与水声通信固定延迟呈反比,在水声通信固定延迟为10 s的条件下,所提算法相比没有通信延迟补偿的协同导航算法,定位精度可以提高82.57%。     

基于图神经网络GraphVAE的兵棋态势预测方法

在战场上敌我双方作战的过程中,准确地预测敌方的兵力部署将有利于我方的作战。基于兵棋推演的态势数据,通过训练图神经网络,提出了预测敌方未知算子位置的方法。首先,在对数据进行预处理后,实现了态势到图结构数据的转化,构造了兵棋态势的图结构数据集,用于图神经网络的训练。其次,根据兵棋态势及其数据的特点改造了GraphVAE模型,实现了兵棋态势图结构数据的补全。最后设计了基于补全后的图结构数据,计算敌方算子位置的方法。通过实验证实了该方法的有效性和可行性。     

含控制相关的循环并行执行

文中定义了在当代向量计算机上可高效实现的merge与pos函数,提出利用二函数消去do循环中forward—if与search—if的方法。本文讨论了向量化forward—loop的一般性方法并引入封闭子图的概念,给出一种简化语句执行条件的途径。     

关于图的(g,f)-因子分解的一些结论和进展

设Ｇ是一个有限无向简单图,ｇ和ｆ是定义在图Ｇ的顶点集Ｖ（Ｇ）上的两上整数值函数,且ｇ≤ｆ。图Ｇ的一个（ｇ,ｆ）－因子是Ｇ的一个支撑子图Ｆ使对任意的Ｘ∈Ｖ（Ｆ）有ｇ（ｘ）≤ｄＦ（ｘ）≤ｆ（ｘ）。若图Ｇ的边集能划分为ｍ个边不交的（ｇ,ｆ）－因子Ｆ１,…,Ｆｍ,则称＾－Ｆ＝｛Ｆ１,…,Ｆｍ｝是Ｇ的一个（ｇ,ｆ）－因子分解。设Ｈ是Ｇ的ｍ条件的子图＾－Ｆ的Ｇ是一个（ｇｆ）－因子分解,若对每个１≤ｉ≤ｍ都有│     

关于图的距离Irredundance数

G=(V,E)是简单连通图,用G—v表示从G中删除v以及与v相关联的边所得到的图,ir_n(G)表示G的n—irredundance数,证明了下列不等式: ir_n(G—v)≥(ir_n(G) 1)/2这个结果推广了Favaron的相应结论。