部队野外驻训要做到“十个严防”

部队野外驻训全面展开后将面临一系列矛盾问题,须认真贯彻习主席关于军事训练的重要讲话精神,把强化部队管理、确保安全稳定作为促进训练任务圆满完成、巩固提高部队战斗力的重要基础来抓,以务实的作风、扎实的工作抓好“十个严防”工作,努力实现任务完成好、部队不出事的目标。一、严防政治问题。政治安全任何时候都要放在第一位。要始终把铸魂工程作为长期任务,高度关注意识形态领域动向,组织开展时事政治、民族政策、群众纪律、隐蔽斗争和政治纪律教育,切实把官兵思想搞纯净、干部队伍搞纯洁、政治生态搞纯正。     

科学统筹国防动员建设的几个关系

用科学发展观统领国防动员建设,体现了先进的战略思想和科学的管理理念.我们必须坚持以科学发展观为指导,妥善解决国防动员建设中的一系列矛盾和问题,统筹好国防动员建设中的各种关系,努力推进国防建设与经济建设科学发展.     

基于灰色理论的有人/无人机协同作战效能评估

在人工智能等高新技术推动下,有人/无人机集群协同作战将是未来战争的新常态,如何有效评估其作战效能是当前亟须研究解决的重点难点问题。从有人/无人机集群典型作战任务下的作战运用能力需求入手,重点对评估指标体系构建、评估指标权重的确立与修正、评估模型构建等进行研究,实例验证了评估模型的可行性。研究成果可为评估有人/无人机集群协同作战效能提供有效方法手段,同时为有人/无人机集群协同作战运用提供理论支撑和决策参考。     

中国共产党对矛盾分析方法的运用规律探析

中国共产党善于用矛盾分析方法认识世界、指导实践,党在辉煌的历史中总是能找出主要矛盾,集中主要精力和力量办大事,牢牢掌握了历史主动权,取得了举世瞩目的成就。党史上不同时期对矛盾分析方法的认识和运用中总体呈现出四个方面的规律。     

潜艇兵力作战方案选优软件的设计与实现

对联合封锁中潜艇兵力作战方案选优问题进行了研究,针对在只有一个选优指标时,人们通过比较分析法能够容易地准确判别方案优劣的特点,综合采用了改进的层次分析法、模糊综合评判等方法设计并实现了方案的选优。通过验证,该软件在应用于作战方案多目标决策等复杂系统时是适用的和可靠的,并且此软件较为简便,可操作性强。     

旅团党委落实学习制度选好内容是基础

<正>习主席在党的二十大报告中要求“建设马克思主义学习型政党”。旅团党委学习制度是建设学习型政党的重要抓手,是提升党委领导能力和决策水平的重要制度,是锻造过硬党委班子的重要途径。随着部队职能使命不断拓展,练兵备战强度逐渐加大,工学矛盾日益突出,要落实好学习制度就必须聚焦党委能力,在内容上精挑细选,真正做到要精要管用。一、深学创新理论,强化政治引领能力引领正确政治方向是党委的首要职责。     

基于模糊物元分析法的坦克作战效能评估

鉴于坦克作战效能评估中客观存在的不确定性和模糊性,提出了基于改进模糊物元分析方法的坦克作战效能评估模型。该模型在构建坦克作战效能评估指标体系基础上,将层次分析法和熵权法计算出的权重有机组合实现综合赋权,并据此建立坦克作战效能的模糊物元分析评估模型。实例分析表明,所提出的模型便于理解,易于实现,兼顾了主客观因素的影响,评估结果总体反映了坦克作战效能的真实水平,也为其他装甲武器作战效能的科学评估提供新思路。     

基于“综合赋权”模糊物元模型的机场运行安全评价

为了保证机场运行安全,防止事故的发生,依据模糊物元分析理论,结合机场运行安全评价指标体系,构建了基于综合赋权的机场系统模糊物元安全评价模型。在该模型中,通过层次分析法和熵值法主客观综合所确定的权重,为指标体系进行线性加权,实现综合赋权,从而将计算得到的综合权重用于模糊物元建模与评价。实例分析结果表明,该模型步骤简单,过程科学合理,并兼顾了主客观因素的影响,评价结果总体反映了机场的真实安全水平,也为机场安全的科学评价提供了新思路。     

改进IAHP-CIM模型的雷达组网探测能力评估方法

针对雷达组网探测能力的评估问题,采用鱼骨图法对影响雷达组网探测能力的多种因素进行梳理,得到结构层次清晰的指标评价体系。采用改进的区间层次分析—控制区间和记忆模型对该指标体系进行评估,具体方法是:运用区间层次分析法构造区间判断矩阵;利用蛙跳算法求解区间判断矩阵中满足最小一致性的确定性矩阵;利用控制区间和记忆模型来确定各指标的风险概率,实现指标体系的评估。以具体的案例为对象进行仿真实验,结果表明,所提评估方法有效,评估结论相对客观、可信,对雷达组网探测能力评估具有一定参考价值,从而为雷达组网的优化部署奠定良好基础。     

分布式异构集群中节点优先级调优算法

节点优先级常用于评价异构集群中节点的性能,因此节点优先级评价指标权重的选择非常重要。采用层次分析法(analytic hierarchy process, AHP)建立了节点优先级评价指标体系,计算得到各指标的初始权重,并使用BP神经网络对初始权重进行优化。训练时,BP网络输入为集群运行中采集的节点实时资源数据,输出为节点的优先级。分析网络训练完成后得到的权重矩阵可以获得各优先级评价指标的优化权重。实验表明,基于AHP和BP的节点优先级评价模型可以更加准确地分析节点性能。相比于Spark默认算法和权重未优化的对照算法,使用调优后的节点优先级可以有效提高集群性能。运行不同工作量的相同负载时,集群平均性能分别提高了16.64%和9.76%;处理相同工作量的不同负载时,集群的平均性能分别提高了12.49%和6.54%。