网络计划方法在编制计划中的应用

网络计划方法是一种计划进度控制方法,这种方法把系统原理、图论以及网络原理通过建立网络模型应用到管理中来,通过绘制计划任务网络图,计算网络图的时间参数及网络图的优化,可以达到科学安排工作,合理分配人力、物力、财力等资源,从而提高工作效率的目的。     

多媒体技术与物理课堂教学的整合

随着计算机多媒体技术的发展,以现代信息技术为核心的教育技术的应用,为教育现代化开拓了一个广泛的天空,为优化课堂教学,构建创新型教学模式,提供了丰富的土壤。两年多来,石河子市广大教育工作者大胆探索,勇于实践,将现代信息技术与物理教学整合,显著地提高了课堂教学的质量和     

强侧风作用下棚车气动外形优化

铁路通用车型中,强侧风作用下棚车的气动性能最差。利用二维定常不可压缩N-S方程、k-ε两方程紊流模型,采用有限体积法对强侧风作用下棚车气动外形进行了优化研究。结果表明,棚车车顶形状对强侧风作用下棚车气动性能有较大影响,圆弧型车顶的P65型棚车气动性优于“人”字型车顶P64型棚车;棚车侧壁和车顶圆弧采用圆弧过渡比直接连接的效果好,综合考虑棚车气动性能和有效容量两方面因素,建议车顶圆弧和过渡圆弧半径分别取2692mm和500mm。     

兵器装备集团首款混合动力汽车专利数达156项

7月12日,长安汽车集团在北京发布其自主品牌轿车发展战略：强化自主创新,大力发展自主品牌轿车,推动产业升级和结构优化,以贴近市场需求为导向,以培育核心技术为重点,以提升质量优势为关键,打造知名轿车品牌。按照此发展战略,未来5年内至少推出10款轿车,其中1-2款要专门出口到欧美等发达国家;到2010年,长安轿车年产销量将达到70万辆,其中自主品牌轿车超过25万辆。同时,长安还介绍了其自主品牌轿车的定位,并推出了全新的自主品牌轿车徽标。今后长安将携新的品牌徽标全力进军轿车领域。     

遗传算法在装备调拨辅助决策中的应用

利用遗传算法求解装备调拨中的路径优化问题和运输装载问题,并利用MATLAB进行了实例仿真,对装备调拨的辅助决策具有积极的意义。     

一种吞吐量优化的无人机飞行轨迹规划算法

基于无人机(Unmanned Aerial Vehicle,UAV)协作通信已成为满足下一代蜂窝用户需求的有效技术.UAV的飞行轨迹对通信服务质量有直接影响.为此,提出吞吐量优化的UAV飞行轨迹规划(UAV Trajectory Planning to Maximize Throughput,TPMT)算法.TPMT算法以最大化用户与UAV通信链路的吞吐量为目标函数,并通过求解目标函数规划UAV的飞行轨迹.先构建用户与UAV的信道模型,再建立最大化吞吐量的目标函数,然后,引用混合优化算法GASimplex求解目标函数.仿真结果表明,提出的TPMT算法能够快速收敛,并提高了吞吐量.     

基于改进WOA的军用机场失效下的备降场选择策略

当军用机场节点面临蓄意攻击、自然灾害时,容易遭到破坏,进而使空中交通秩序混乱,影响战略物资输送,制约战斗力持续生成,为此提出了基于鲸鱼优化算法(WOA)的机场失效条件下的军用运输机备降场选择方法.在该方法中,考虑距离代价与空中相撞风险代价,将机场失效的备降场选择问题描述为约束优化问题;引入冯诺依曼拓扑结构对标准WOA进行改进;采用改进WOA对约束优化问题进行求解.仿真表明:该方法收敛快,实用性强,易于实现,能够根据需要合理分配飞机完成备降场选择.     

栈式自编码和残差神经网络的射频信号个体识别

传统基于暂态特征和稳态特征的射频信号个体识别方法存在特征提取困难、特征微小、无法区分射频信号个体差异等问题,识别率较低.随着深度学习技术的发展,结合栈式自编码网络深度融合目标特征优势和残差神经网络在解决退化问题时的优势,提出了一种基于SEA和ResNet网络的射频信号个体识别方法.包括信号时频域特征提取方法分析、多域特征拼接与融合、基于轻量化ResNetLite网络的射频信号个体识别方法等步骤.仿真结果表明,相对于传统时频域特征提取方法和BP分类方法,新方法能够有效提取和融合信号细微、高层次及深层次特征,且识别率有一定幅度的提升,同时,对计算资源、存储资源的消耗有约7倍的降低,可支持嵌入式设备小型化需求,便于工程实现.     

一种基于粒子群优化算法的异构传感器分配方法

针对复杂的战场环境下目标环境机动性增强、传感器资源相对不足且单一传感器获取空间目标信息不完备问题,结合传感器节点自身的性能特征,考虑传感器的抗干扰性能等因素,提出一种传感器信息感知能力评估指标体系,并构建了传感器感知能力定量评价模型,计算出传感器指数.再利用传感器指数,考虑了覆盖率、电磁环境变化、态势变化等因素作为目标函数,研究基于粒子群算法的传感器分配方法,以实现传感器位置的最优分配及感知能力最大化的需求.仿真结果表明,将粒子群优化算法用于该研究,提高了传感器的总体感知能力和资源有效利用率.     

基于分层强化学习的联合作战仿真作战决策算法

如何对复杂装备体系进行有效的认知决策,一直以来都是联合作战研究领域中的热点与难点,采用一种具有较强适应性的决策算法,对于应对战场突发状况具有重要意义.通过结合近端策略优化和分层强化学习,提出了一种基于分层强化学习的联合作战仿真作战决策算法,以空地一体化联合作战为背景进行作战想定,结合自主设计的作战原型系统,分析了武器装备体系作战决策流程,对分层强化学习的层次结构、奖励函数的设计、决策网络结构和训练方法进行了详细说明.通过自主开发的仿真平台对算法的有效性进行验证,为联合作战中指挥决策的适应性机制问题提供较为有效的解决方法和辅助参考价值.