法国敲定第二艘航母2015年入役

相关新闻 6月30日晚,本刊记者窦为龙在来华访问的法国国防部长阿里奥-马里召开的新闻发布会上获悉,现今,法国基本完成了建立一支以职业军人为主、志愿服役军人为辅的职业化军队,并在应对未来军事变革中,法国拟定了一个未来15年计划,计划突出了海军将建设新的多用途驱逐舰、“梭鱼”级攻击型核潜艇、舰用巡航导弹、弹道导弹核潜艇等,其中再建一艘航母也在计划中。马里部长还透露,为加紧计划的实施,法国将增加15％的国防费用。     

在西部大开发中积极贯彻国防需求

实施西部大开发战略,是党中央统揽全局、面向新世纪作出的重大决策。西部大开发标志着西部地区经济建设和社会发展进入了一个新的历史时期,也为推动国防动员建设提供了良好的发展机遇。在西部大开发中,正确处理国防建设与经济建设的关系,积极贯彻落实国防需求,加快推进两部地区国防动员建设,是历史赋予我们的神圣使命。     

双拥工作要与时俱进

江泽民同志在党的“十六大”报告中指出：“创新是一个民族进步的灵魂,是一个国家兴旺发达的不竭动力,也是一个政党永葆生机的源泉”,“创新就要不断解放思想、实事求是、与时俱进”。“与时俱进、改革创新”是“十六大”报告的精髓,是落实好“十六大”提出的全面建设小康社会目标的客观要求。     

基于两阶段算法的半潜维修船功能舱室布局

以维修舱空间、舱室邻接、舱室全局位置三个指标为目标函数,以满足高初稳性要求、保证船舶浮态等为约束条件,建立技术可行前提下半潜维修船功能舱室布局优化模型。通过设计贪婪取走启发式算法与规划求解相结合的两阶段算法,实现对模型的求解。以载重为5×10~4 t的半潜船体为载体进行设计,得到半潜维修船功能舱室优化布局方案。随着维修设备质量系数的增加,可行的布局方案数呈上升趋势。该方法可提高半潜维修船在功能舱室布局过程中决策的科学性。     

基于可视化HPSO的无人机装备维修任务调度

分析了目前军用无人机装备维修任务调度问题的组成及现状,构建了改进的混合粒子群算法,通过离散化粒子群简化粒子论域,加快计算速度;引入浓度监控机制,综合粒子浓度分布和适应度大小两方面信息,对进化过程进行调控;结合遗传算法,增加粒子间的交叉、变异,加快粒子群进化速度,防止陷入局部最优;并在Matlab环境下对图形展示函数进行优化,实现迭代过程动态可视。最后通过实例分析,高效计算得出最佳调度方案,实现了混合粒子群算法在装备资源调度问题的有效应用。     

基于改进近邻传播算法的Walsh软扩频盲解扩方法

针对现代二次雷达系统通信中存在的Walsh软扩频难以盲解扩问题,借鉴常规扩频解扩方法及聚类分析,提出了一种基于近邻传播算法的Walsh软扩频盲解扩方法。该方法首先对接收信号进行采样得到目标结构数据集合,并根据统计量估计得出信号时延。然后采用改进近邻传播算法进行伪码集合估计,并得到聚类中心从而得到伪码集合。最后利用已知的Walsh码和信息码的映射关系得到信息序列,完成盲解扩问题。仿真结果表明,在白噪声条件下,可有效解决Walsh软扩频盲解扩问题,性能较同类算法均有提升并降低算法复杂度。     

基于模糊聚类——拍卖机制的火力协同方法

针对协同作战中环境影响复杂度高,火力分配不及时、效率低等问题,提出了陆战场协同任务分配方法,构建了多武器-目标任务的数学模型。在该数学模型的基础上,基于聚类算法与拍卖算法相结合的原理进行优化求解,在两级分配的模式下,可在更短的时间内获得分配方案。算例表明,所构建协同任务分配模型能够及时有效地获得任务分配方案,较好地解决了多武器-目标的协同任务分配问题。     

混合遗传算法的战时舰艇伴随保障人员优化配置

遂行一次作战任务的伴随保障人员总数往往是有限的,针对各舰艇进行人员科学配置,对于缩短战时累计修复时间、提升维修效率意义重大。建立了战时舰艇伴随保障人员优化配置模型,分析了与之相关的因素和限制条件,运用混合遗传算法求解人员配置方案,实现战时舰艇编队累计修复时间之和的最小化,通过数值仿真实验验证了模型及算法的可行性、客观性和高效性,有效缩短了总修复时间。     

基于K-Means聚类算法的空中态势威胁挖掘

战场环境复杂多样,各种探测手段层出不穷,空中威胁属性指标种类繁多,增大了指挥员对空中态势威胁分析难度。正确、快速地对空中态势进行威胁分析,将给战场部署提供有效的决策依据。建立基于K-Means聚类算法的空中目标威胁等级聚类模型,通过对空中目标威胁属性特征的数据进行分析,对威胁目标聚类进行深度挖掘,将目标威胁等级问题转化为最优聚类问题。实例分析表明该算法在对威胁目标等级聚类中有效,提高了目标威胁等级聚类的可靠性、精确性。     

基于区域分割的快速KNN定位算法

针对位置指纹定位算法指纹匹配效率低、定位实时性差等问题,基于传统的K最近邻思想提出一种区域分割的方法。该算法在指纹匹配阶段根据区域分割的思想,逐步缩小对目标点的定位区域范围,选取该范围内所有的参考点作为待匹配的指纹,利用KNN算法进行最终的位置估计,实现目标的快速定位。这样的过程大幅度减小了KNN算法的指纹匹配功耗,使其能应用在较大的指纹数据库中。仿真实验结果表明,该算法在保证定位精度的情况下,定位的速度明显快于传统的KNN定位算法。