基于改进蜂群算法的无人机路径规划

人工蜂群算法存在初始蜜源具有随机性,后期收敛速度慢,易早熟等问题.运用最大最小距离积法处理初始蜜源,把K均值聚类算法与人工蜂群算法相结合,提出改进的人工蜂群算法,用于解决无人机路径规划问题.仿真结果表明改进的人工蜂群算法收敛速度更快,得到的解的适应度更好.     

基于GAPSO-TS的多基地无人机航路-时间协同规划

针对多基地无人机协同规划航迹计算复杂、容易陷入局部最优的问题,在遗传粒子群算法(GAPSO)的基础上,引入禁忌搜索算法(Tabu-Search)混合为GAPSO-TS算法,通过与PSO、GAPSO算法对比,表明GAPSO-TS算法能够提高全局寻优性能,同时相对于GAPSO算法,加快了收敛速度.在多无人机时间协同三维航路规划里应用GAPSO-TS算法可以更快的收敛,同时设计以时间协同为约束的适应度函数,函数具有简单易行的特点,保证了不同基地的无人机都可以在同一时间内最快到达目的地,实验结果验证了算法的可行性.     

联合势场与蚁群算法的机器人路径规划

针对全局静态环境下传统蚁群算路径规划时,易陷入局部最优、前期路径有效性差等问题,提出了基于改进人工势场局部搜索和改进蚁群算法全局搜索的机器人路径规划算法.在地图环境栅格化基础上,算法首先利用有效障碍物检测和临时中间目标点改进人工势场算法,以优化其死锁和欠优问题,通过改进人工势场优化蚁群算法的初始路径搜索,避免其早期的交叉等问题,同时构建与收敛相关的负反馈通道,调节全局与局部信息素的自适应更新,以平衡算法的收敛速度与全局搜索能力.简单环境与复杂环境的仿真实验结果表明,所提算法具有较好的全局搜索能力,收敛速度和搜索能力优于已有改进蚁群算法,验证了算法的有效性.     

邀请论文：大数据挖掘创新的新思路

以计算机为主的现代手段,在数据挖掘中虽然取得了很大成功,但是与现实的需求相比,仍有巨大的差距。大数据挖掘创新将是一个永恒的主题。吴文俊院士创造的计算机算法“吴方法”,是汲取中国传统科学思想方法精华的瑰宝,不仅开辟了定理机器证明的科学新方向,而且还创造了大数据挖掘的新方法。“吴方法”显示了传统科学方法与计算机主导的现代手段相结合的巨大威力,必将对大数据挖掘创新产生不可估量的影响。本文还通过深入分析一些重大科学发现,如行星运动三定律、DNA双螺旋结构等案例,探讨了传统科学思想方法对大数据挖掘的重要启示。     

基于BP神经网络的防空C3I人机交互性能评估

阐述了BP神经网络的相关原理,建立了防空武器指挥自动化系统人机交互性能评估的指标体系,对应用人工神经网络解决防空武器指挥自动化系统人机交互性能评估的方法问题进行了探讨,并且给出了神经网络的评估模型及算法.通过实例证明该方法是可行的.     

防空、反潜作战中舰载设备生存能力的定量评估算法

防空、反潜作战是当前海上编队面临的最重要的作战样式之一,研究舰载设备在海战中的生存能力,对于提高水面舰艇可持续作战能力具有重要作用。采用定量评估方法来研究舰载设备的生存能力问题,基于水面舰艇编队典型防空、反潜作战防线模型,给出了详细的数学计算模型。     

二次型极小化问题带误差的迭代算法

证明了二次型极小化问题带误差的迭代算法的有效性,所得结果推广了关于二次型极小化问题迭代的收敛性。     

AWGN信道中Turbo码的性能和仿真

主要对Turbo码的解码算法进行了研究,分析了常用的MAP解码算法,对Turbo码在AWGN信道中应用不同的解码算法进行了仿真,针对不同解码算法和解码迭代次数等因素对Turbo码性能影响进行分析,结果表明Turbo码在AWGN信道中和低信噪比条件下具有优良的性能。     

美国海军陆战队员的“梦中情人”——AAAV两栖突击车

AAAV两栖突击车,是美国海军陆战队的“两栖作战利器”,主要用于水上攻坚,输送登陆兵高速抢滩上陆,并向对方岸滩浅近纵深实施连续不间断的突击。AAA V两栖突击车的成功研制,将在世界两栖作战历史上第一次真正消除战场机动的间隙,使登陆部队的水上高速机动和陆上高速机动变成一种不间断的行动。弄清美海军AAA V两栖突击车的研制背景、研制过程、战术技术性能和关键技术,对于我们加强军事理论创新,发展新型两栖战车以及提高两栖登陆作战能力,可以起到重要的借鉴作用。一、A AAV的研制背景经历二次大战和战后历次局部战争,美军积累了丰富…