基于活跃度和任务的目标导向VANETs路由算法

针对车载自组织网络(VANETs)中节点移动速度快、节点任务分布不均、网络拓扑结构不稳定等特点,提出了一种基于节点活跃度和任务的目标导向VANETs路由算法GATRA(goal-oriented routing algorithm based on activity and task)。该算法根据当前运动节点的运动方向与目标节点的关系,以及任务饱和程度,综合考虑采用消息携带还是转发策略,以节约传输平均时延。在选择中继节点时,综合考虑邻接节点的位置、运动速度和方向等影响因素,设计节点活跃度的计算方法,作为选择中继节点的策略,从而提高了消息传输的成功率。仿真结果表明,与当前典型的VANETs路由算法相比,GATRA算法在传输成功率和平均延迟时间上具有较大提升。     

基于广义回归神经网络的单位运营状况分类

单位的运营状况会直接影响股东和广大人民的利益,针对运营状况可以使用广义回归神经网络进行分类。由于广义回归神经网络中径向基函数的扩展参数Spread的选取会导致分类的准确率,提出了一种果蝇优化算法优化参数Spread的分类模型。充分利用了果蝇优化算法的寻优能力,将优化后的参数代入到广义回归神经网络中对单位的财务数据进行运营状况的分类。结果表明,与广义回归神经网络做比较,优化后的网络模型对数据的分类可以达到很高的准确率,在相关领域的分类上有非常大的实用性。     

自适应模糊PID在导弹快速转弯中的研究北大核心

PID在非线性不强的系统中应用广泛,但由于控制参数固定不变,难以满足战术导弹等具有强非线性和运动状态快速变化的飞行器。针对导弹快速转弯过程中运动状态的快速变化,通过在线获取导弹输入姿态角偏差和偏差变化率,以单交叉高斯加权的方法确定了输入输出量的论域及量化等级,并与传统PID构成了自适应模糊PID控制器;通过调整校正量增益因子,适应不同范围的姿态角偏差和偏差变化率,实时在线校正PID控制参数。仿真结果显示,所设计的控制器能够根据导弹姿态角偏差的变化实时调整控制参数,在响应速度、稳态精度等方面均优于传统PID,具有较强的鲁棒性,适应快速转弯过程中运动状态的强非线性变化。     

美军联合作战规划与执行系统发展的启示

本文梳理了自20世纪60年代以来美军联合作战规划与执行系统的发展历程、当前现状、发展趋势,揭示了对联合作战规划与执行系统的认识误区,提出了适应未来作战环境的联合作战规划发展建议。     

基于MAS的区域反导发射车协同拦截规划研究北大核心

发射车协同拦截规划是区域反导战术级目标分配后确定最优拦截方案的决策问题,对于直接提高拦截效费比具有重要意义。首先分析了协同拦截的物质基础、协同过程和协同特点,然后给出了基于多智能体系统(multi-agent system,MAS)的协同拦截规划模型、规划算法,最后计算了发射车可协同拦截次数,构建自适应协同拦截模式决策模型。开展基于MAS的区域反导发射车协同拦截规划研究,为实现发射车协同拦截规划顶层设计夯实坚实的技术理论基础。     

多飞行器协同轨迹优化设计

针对多飞行器协同轨迹约束多、耦合强的复杂多目标优化与决策问题,对多飞行器协同轨迹优化进行了较为系统的研究。首先,对多飞行器协同轨迹优化进行了数学描述和对多飞行器在未知环境下的航迹规划进行了数学建模;其次,提出了多飞行器协同任务规划系统优化设计的数值算法,其主要包括多飞行器协同任务分配算法与飞行器最优航迹规划;最后,基于以上的研究,对3种典型不同情况下的多飞行器协同轨迹优化进行了飞行数值仿真与分析。该算法具有以下特性:全局一体优化、采用最优的多维策略、实时在线性、高精度、能够考虑各种随机干扰的作用等。     

卫星对地面目标时间窗口快速预报算法

卫星对地面目标的时间窗口计算是航天领域的一个重要问题。对圆轨道卫星对地面静止目标的时间窗口问题进行了研究,并针对该问题提出一种快速求解方法。该算法首先分析未考虑地球自转时的卫星对地面目标的时间窗口,然后根据地球自转特征对计算结果进行迭代修正,从而得到该周期内卫星精确的时间窗口。通过数值计算结果表明,卫星时间窗口绝对误差在0.1 ms量级,相比1 s步长的跟踪传播法,计算时间减少99.1%。     

针对从右到左平方乘算法的RSA故障分析

提出了针对从右到左平方乘算法实现的RSA故障分析算法,该算法利用多次在模幂运算执行过程中在不同指定位置对模数N注入故障获得的故障签名,通过密钥搜索恢复出参与故障运算的密钥片断,最终恢复完整密钥。从理论上分析了该算法的复杂度,并通过仿真实验进行了验证,得到了密钥搜索空间和所需注入故障数目与一次攻击恢复密钥片断长度之间的对应关系。     

求解CVRP问题的一种改进启发式蚁群算法

针对蚁群算法求解CVRP问题时收敛速度慢、求解质量不高的缺点,提出了一种改进启发式蚁群算法。该算法借鉴蚁群系统和基于排列的蚂蚁系统的优点设计信息素更新策略,既加强了对每次迭代最好解的利用,又避免了陷入局部最优;按一定比例使用基本方法和基于PFIH方法构造路径,扩大了算法的搜索空间;采用一种混合局部搜索算子,增强了算法局部寻优能力。实验结果表明,改进启发式蚁群算法可以大幅度减少车辆运行成本,具有较快的收敛速度。     

改进人工蜂群算法的无人机航迹规划研究

如何快速地规划出满足约束条件的飞行航迹,是实现无人机自主飞行的关键。将改进的人工蜂群算法应用于求解无人机航迹规划问题,同时在人工蜂群算法的侦察阶段引入差分进化算法的思想。通过仿真实验并与标准人工蜂群算法比较,结果表明此算法能够有效加快收敛速度,提高最优航迹精度,是解决航迹规划和其他高维复杂函数优化的有效方法。