舰船舵减横摇广义预测约束控制

依据舵减摇状态空间模型,推导舵减横摇广义预测控制律,在舵角舵速约束的条件下,采用二次型规划计算控制量进行减横摇控制.对某一船舶在典型航行工况下进行了系统仿真,仿真结果表明,该方法不但可取得35%～45%的减摇效果,而且对横摇角速度与横摇角加速度也有40%左右的减小效果.     

基于迭代Bargaining策略优化服务合成执行路径

服务质量(QoS)是优化服务合成执行路径的关键研究内容,当前绝大多数存在的方法很少注意到商业环境下服务商之间存在的隐性竞争压力可能会迫使服务商动态改变他们的QoS值以至于合成优化执行路径发生改变.针对此问题,提出一个基于迭代Bargaining策略的约束违背纠正方法.该方法使用本地最优化策略,在没有考虑用户QoS约束的情况下建立一条最优执行路径.对此路径,全局QoS计算模型和全局约束违背检查模型能找出所有发生的约束违背.一个迭代的Bargaining策略被递归作用于关键路径执行节点,使得更好服务提供商被选出替换原有执行节点,从而一个优化的执行路径能被重新建立以满足用户综合的QoS约束需求.     

神州漫步

北京公务员晋升与培训挂钩今后,北京市公务员晋升、考核和任职定级将与培训紧密挂钩。日前,北京市人力资源和社会保障局相关负责人介绍,今年北京市将全面加强公务员4类培训,培训领域包括文     

基于协方差矩阵估计的稳健Capon波束形成算法

常规Capon波束形成器性能对模型误差或失配非常敏感,尤其是当期望信号包含在训练数据中,导向矢量失配将引起性能急剧下降。为解决这一问题,提出了一种采用干扰噪声协方差矩阵和导向矢量联合估计的稳健波束形成算法。该方法通过对Capon空间谱在非目标信号的方位区域内的积分,实现对干扰噪声协方差矩阵的估计,解决数据协方差矩阵包含有目标信号时引起信号自相消问题;其次为了克服导向矢量失配的影响,通过最大化输出功率,并增加二次型约束防止估计的导向矢量接近于干扰导向矢量,实现对导向矢量的估计。仿真实验表明:该算法能获得近似最优的输出信干噪比,与现有算法相比稳健性更强。     

多脉冲导弹可达域优化方法设计与分析

为了更合理地制定导弹的战术指标和作战任务规划,对多脉冲导弹可达域进行研究。通过引入加权的纵程和横程的组合性能指标函数,将可达域的优化问题转化为最优控制问题,建立以飞行攻角和侧滑角为双优化设计变量的多阶段多约束优化模型,采用hp自适应伪谱法对其进行求解,并着重分析多脉冲导弹发动机参数和终端约束条件对导弹可达域的影响。仿真结果表明,hp自适应伪谱法能有效解决多阶段多约束的多脉冲导弹可达域优化问题,且多脉冲导弹脉冲发动机时间间隔越小,推力比越大,装药比越小,导弹的可达域越大,相比于终端速度对可达域的影响,终端弹道倾角对可达区域的影响较小。     

弹性支持的无限铁木辛柯梁对移动振动质量的响应

针对具有弹性基础的无限梁在移动的振动质量激励下的响应问题,采用考虑剪切变形和转动惯量的铁木辛柯梁理论建立梁的微分方程,并利用双重傅立叶变换求解,得到梁的运动方程。最后,通过一个数值计算的实例,分析了振动质量以及其移动的速度对梁的响应的影响。结果表明,振动质量本身对梁的响应的影响不可忽视。     

军队采购寻租行为的经济分析

文章阐述了军队采购过程中寻租的概念,分析了竞争寻租的过程,并构建了军队采购过程中寻租行为的约束激励模型。     

装备维修任务调度策略研究

针对已经确定的维修机构资源分配方案,通过优化任务调度可缩短整个维修任务的完成时间,分析了维修任务调度的主要过程,建立了基于资源约束的装备维修任务调度模型,并给出了应用实例,实例表明算法科学合理,简单实用,具有一定的应用价值.     

一种改进的回溯试探组卷算法

组卷是在线测评系统中一个重点、难点问题,常见组卷算法随机抽取法、遗传算法、回溯试探等各有优缺点,只能适应一些特定的情况。针对回溯试探法平均组卷时间长、重复率高的问题,进行了两次改进,分别是一次回溯试探搜索的多个解和修正重复率降低重复率。通过试验,得出的结论是改进回溯试探法的平均组卷时间和重复率都有明显降低且比较稳定,可适用于各种规模的题库。     

基于DBSCAN聚类的异构多智能体分层任务分配方法

针对多约束条件下大规模探测/通信智能体集群协同探测任务分配问题,从全局与局部相结合的角度,提出了一种分层任务分配求解方法。首先,根据通信距离约束对所有任务节点进行聚类预分组,将集群任务分配问题划分为上层全局任务分配和底层局部任务分配。然后,根据聚类结果采用启发式算法求解探测/通信智能体组间全局任务分配结果。随后,根据探测智能体的全局任务分配结果,采用遗传算法对探测智能体组内任务进行分配。最后,通信智能体根据探测智能体的组内任务分配结果,采用基于虚拟节点的方法进行组内任务分配。实验结果表明,相较于直接求解方法,分层任务分配方法不仅解决了大规模集群协同任务分配问题,还可以在保证优化目标值相近的情况下,缩短70%以上的求解时间,较快得到相对最优的任务分配结果。