装备采办合同的博弈模型与方法

文章分析了"竞争、评价、监督、激励"四个机制的引入对装备采办合同中的委托方与代理方策略与效用的影响。在建立基于效用值的博弈分析模型的基础上,提出了应用于优化装备采办合同管理的多阶段动态博弈模型与方法。最后,进行了实例的计算。     

维修费用合理值计算的基本方法

阐述了武器装备维修费用合理值的计算与评估方法 ,包括平均维修费用、一次性维修费用、实际维修费用等方面     

基于改进AHP与集对分析法的防空兵群阵地选择

防空兵群阵地选择是防空兵力部署的前提条件,阵地选择与配置的正确与否是防空兵部队能否有效进行抗击敌空袭兵器的一个重要因素.在分析以往防空阵地优选方法不足的基础上,提出了基于改进的层次分析与集对分析的多因素优选方法,建立了防空兵群配置地域方案优选的模型.通过实例分析了影响防空兵群阵地选择的相关因素,确定了配置地域优选的指标体系,用三标度法确定指标因素的权重,以相对贴近度的大小对待选阵地进行优选和排序.该方法能够定性与定量相结合,模型简单规范,为防空兵群阵地优选提供了一种有效的方法和途径.     

基于改进模糊综合评判法的告警器能力评估

针对模糊综合评判法在告警器评估时的有效评估问题,对评估过程的指标赋权、隶属度、信息集合算子进行了研究,提出了一种改进的适合告警器的模糊综合评判方法。该方法根据最小二乘原理和离差函数,把目标规划方法应用到组合赋权之中,充分考虑了权重的主客观因素;建立了基于隶属云的评估模型,用隶属云代替隶属函数,保留了隶属度的随机特性;提出了将密度加权平均(Density Weighted Average,DWA)算子用到信息集结中,充分利用了所有的评估信息。通过对某型机载雷达告警器的有效评估,表明了该方法的合理性。     

基于GM(1,1)预测与改进Vague集距离的装甲分队目标威胁评估

针对装甲分队目标威胁评估动态指标的变化特性,运用灰色模型(Grey Model,GM(1,1))对装甲分队目标威胁评估动态指标进行了预测;针对现有vague集距离度量法缺失信息较多、违背直觉等不足,通过理论推导提出了vague集新的距离度量公式,然后将其应用到TOPSIS(Technique for Order Preference by Simularity to Ideal Solution)算法中,对装甲分队目标威胁进行了评估与排序,并与非预测方法的评估结果进行了对比,结果表明:采用本文提出的评估算法得出的评估结果更加合理有效,研究成果可为装甲分队火力优化分配提供科学参考。     

以身作则的“谭值长”

今年1月5日一大早,刚下过雪的路面上一行清晰的脚印直通一师青松集团水电站发电厂房门前。厂房内机器轰鸣作响,值夜班的伍永生大声嚷着:"谭值长,你怎么每天都这么早啊?"伍永生所说的谭值长是该公司水电站检修车间值长、党支部书记谭科亮。1992年毕业于江苏扬州电气自动化专业学校的他,同年被分配到青松集团水电站检修班工作,先后担任过检修工、技术员等。科班出身的谭科亮,工作踏实认真,又肯钻研技术,注重"传     

基于乘积偏好关系的专家模糊核聚类赋权方法

多属性、多目标性决策中,针对专家给出各方案偏好关系下的决策问题,提出一种基于乘积偏好关系的专家模糊核聚类赋权方法。该方法运用模糊核聚类的思想实现对决策专家的聚类,并通过放宽归一化约束条件,克服了传统模糊核聚类算法中离群点对聚类结果的影响。同时,在专家类内赋权过程中,运用CI-IOWG算子集结同类专家的意见,依据不同专家对于形成类别一致性意见的贡献程度来确定专家权重;克服了传统基于熵权或判断矩阵一致性的赋权方法的局限性。算例表明,该方法可行、有效。     

基于“综合赋权”模糊物元模型的机场运行安全评价

为了保证机场运行安全,防止事故的发生,依据模糊物元分析理论,结合机场运行安全评价指标体系,构建了基于综合赋权的机场系统模糊物元安全评价模型。在该模型中,通过层次分析法和熵值法主客观综合所确定的权重,为指标体系进行线性加权,实现综合赋权,从而将计算得到的综合权重用于模糊物元建模与评价。实例分析结果表明,该模型步骤简单,过程科学合理,并兼顾了主客观因素的影响,评价结果总体反映了机场的真实安全水平,也为机场安全的科学评价提供了新思路。     

基于复杂排队系统的三值光学计算机服务模型与性能分析

三值光学计算机的运算请求处理过程缺乏合理、系统的性能评价标准与体系。基于M/M/1、M/M/n、M~X/M/1和M/M~B/1构成的复杂排队系统,构建三值光学计算机的四阶段服务模型,同时建立立即调度和结束时调度两种策略和算法。基于不同排队系统讨论运算请求的接收时间、预处理时间、运算时间和发送时间的计算方法,进而得到最终响应时间。通过仿真实验对两种策略的模型进行验证,结果表明,结束时调度策略明显优于立即调度策略。