基于改进DS证据理论的指挥控制系统信息融合方法

对作战目标的识别是指挥与控制系统在作战环境中实施精确打击的前提条件,然而多种系统协同作战必然会对作战目标的识别有差异.针对冲突识别信息融合导致的目标识别不明确甚至错误的问题,提出一种基于改进DS证据理论的指控系统信息融合方法,该方法构建基于智联体的融合模型,在此模型基础上根据皮尔逊相关系数计算出目标识别信息的相关性权重...     

新体制下导航装备维修保障效能评估研究

军队规模结构和力量编成改革促使导航装备维修保障体系发生深刻变化,为有效评估新体制下导航装备维修保障效能,结合新体制下导航装备维修保障特点及需求,以维修资源配置、维修管理效益、装备维修效率为一级指标,基于层次分析法(AHP)建立维修保障效能评估指标体系,构造拟优一致性矩阵计算权重向量;针对不同类型指标数据,分别选用效益型和成本型隶属度函数生成模糊关系矩阵,使用模糊综合评估法(FCE)评估维修保障效能.实例表明,所建指标体系系统完整,评估方法简便易行,有效可靠.     

基于粒子群算法的装备预防性维修策略研究

为解决实战化条件下装备损耗严重和装备完好率之间的矛盾,立足实际提出加大预防性维修力度.根据装备可靠性理论和寿命分布理论,对装备故障率和役龄进行分析,并引入役龄回退因子进行修正.以装备服役期内预防性维修成本最低为目标函数,以可靠性为约束条件,建立预防性维修策略优化模型.采用粒子群算法对模型求解,并进行算例分析,得到装备在服役期内的最优预防性维修次数和时间间隔,证实了预防性维修模型的可行性和实用性.     

基于改进融合算法的交通网络节点重要性评估

交通目标体系在作战中是打击目标选择的重点,在目标选择前需要对交通网络的节点及关联关系的重要性进行准确评估.交通目标体系是一种多层复杂网络模型,目前的评估方法没有考虑到路径的权重和对网络整体价值,造成评估模型与实际网络不符合的问题.针对该问题,提出一种改进的融合算法对多层网络进行评估.该方法构建的节点关联度矩阵考虑了各层网络中边的权重和网络整体价值,再将每层的节点关联度进行融合.通过仿真分析和对比,该方法能够准确有效地评估多层交通网络节点的重要性,对目标选择具有一定实用价值.     

基于参差中重频脉组的搜索雷达跟踪波束设计

为解决常规搜索雷达在强气象、地物杂波下目标检测性能下降的问题,基于目标先验信息,设计一种跟踪波束实现对特定目标的跟踪处理,对目标所在的波位采用参次中重复频率脉组的方式探测,有效扩展速度检测清晰区并抑制慢速气象杂波及强地物杂波,实现目标距离、速度双模糊的解算,提高对跟踪目标的检测性.基于先验信息实现目标距离、速度模糊解算,试验表明,通过采用基于参差中重频的脉组跟踪波束探测,能够提升搜索雷达对特定目标的检测能力,并实现重点目标的高精度测速,提高目标的航迹质量.     

移动WSNs中基于跳数矢量的节点定位算法

针对节点定位精度以及安全性,提出跳数矢量的节点定位算法(Hop Vector-based Node Localization Al-gorithm,HVLA).通过控制包的交互,获取跳数信息.然后,锚节点依据跳数信息构建跳数矢量,再利用质心定位算法估计未知节点的位置.同时,利用未知节点反馈控制包的响应时间,丢弃一些发布虚假数据的节点,进而实现定位数据的安全性.仿真结果表明,相比于同类算法,HVLA算法的平均定位误差得到有效控制,并且平均定位时延下降了约30.22％,剩余能量率也提升了13.33％.     

基于GeoHash索引的A算法优化

A*(A Star)算法进行最短路径计算时,一般采用曼哈顿函数作为最优邻接点的评估标准,在算法执行的过程中,需要对每一步每个邻接点进行计算,判断出当前最优邻接点,然后迭代执行下一步,在数据量较大的情况下,算法的时间复杂度呈几何增长.使用GeoHash索引算法代替曼哈顿函数作为评估标准,在有地理坐标信息的网络拓扑中进行最短路径查找,直接以GeoHash编码索引值作为判断标准,进行快速查找.GeoHash值是经纬度经过一系列编码转换后的实际值,能够拓扑网格中的属性值,减少算法的计算时间,优化算法的时间复杂度.提高A*算法在道路规划、运行调度、无人驾驶路径分析时的最短路径计算时间,可增加实际应用广泛性.     

分块自适应加权改进大规模概率模糊聚类

为解决传统基于贝叶斯理论的概率模糊聚类(Bayesian Fuzzy Clustering,BFC)算法在处理大规模数据集聚类时的时间开销和存储代价瓶颈,提出基于数据分块的单程自适应加权BFC算法,算法在大规模数据集分块的基础上,设计了基于数据加权的改进BFC算法,用于数据分块内数据聚类,以挑选出对聚类贡献最具代表的标识数据及其自适应权值,在块间迭代聚类过程中,将标识数据及其权值合并到下一数据块中并参与聚类,从而将上一数据块的聚类信息有效地传递到下一数据块中,最后分析算法的收敛性和时间复杂度.实验结果表明,算法在继承传统BFC算法良好聚类性能基础上,减少计算复杂度,有效提高聚类效率,适用于大规模数据集聚类.     

基于改进粒子群算法的火炮内弹道多参数符合计算

为了研究火炮在发射过程中膛内火药燃烧规律以及弹丸运动规律,需要建立火炮内弹道数学模型并进行数值求解,在此过程中对部分内弹道参数进行符合计算是优化内弹道模型的重要途经之一.在经典内弹道方程组的基础上,阐述了经典内弹道计算原理,并对基本粒子群算法进行了改进,使改进后的粒子群算法在迭代初期有较大的惯性权重ω和学习因子c1以及较小的学习因子c2,而在迭代后期有较小的惯性权重ω和学习因子c1以及较大的学习因子c2,从而有效地避免粒子群陷入局部最优而导致收敛精度低的缺陷.将改进后的粒子群算法应用于火炮内弹道多参数符合计算,算例结果表明该方法完全满足工程实际要求,具有收敛速度快、符合精度高的特性,是火炮内弹道多参数符合计算的理想算法之一.     

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.