基于贝叶斯网络的空中目标威胁估计算法

联合作战条件下,指挥决策人员在海量描述战场态势的数据和信息面前往往会束手无策,无法快速作出正确的决策。贝叶斯网络模型是一种基于概率推理的网络化数学模型,能够通过一些变量的信息来获取其他的概率信息,从而解决不定性和不完整性问题。提出了一种基于贝叶斯网络的空中目标威胁估计算法,用空中威胁网络模型找到空中威胁目标各属性之间的潜在关系,并建立空中目标威胁估计算法,最后以一个实例来验证该空中目标威胁估计的计算过程和有效性。     

VNS和SA相结合的指挥控制资源部署

针对指挥控制资源部署问题,引入任务复杂度来定义决策实体的工作负载,并建立以最小化决策实体工作负载的均方根为目标的优化模型。针对传统的层次聚类法容易陷入局部最优,提出了一种变邻域搜索(Variable Neighborhood Search,VNS)和模拟退火(Simulated Annealing,SA)相结合的具有全局性的求解方法,使用VNS进行全局寻优,使用SA对VNS中的邻域进行局部寻优。最后通过一个联合作战案例的平台调度方案,验证了所提方法的优越性。     

Capacity investment decisions under risk aversion

This article studies the optimal capacity investment problem for a risk‐averse decision maker. The capacity can be either purchased or salvaged, whereas both involve a fixed cost and a proportional cost/revenue. We incorporate risk preference and use a consumption model to capture the decision maker's risk sensitivity in a multiperiod capacity investment model. We show that, in each period, capacity and consumption decisions can be separately determined. In addition, we characterize the structure of the optimal capacity strategy. When the parameters are stationary, we present certain conditions under which the optimal capacity strategy could be easily characterized by a static two‐sided (s, S) policy, whereby, the capacity is determined only at the beginning of period one, and held constant during the entire planning horizon. It is purchased up to B when the initial capacity is below b, salvaged down to Σ when it is above σ, and remains constant otherwise. Numerical tests are presented to investigate the impact of demand volatility on the optimal capacity strategy. © 2016 Wiley Periodicals, Inc. Naval Research Logistics 63: 218–235, 2016     

基于改进匈牙利算法的多技能人员调度方法

人员的优化配置对于提高装备制造效率具有重要意义。针对经典匈牙利算法不能解决具有并联环节的人员指派问题的不足,提出利用虚拟工作代替并联环节,将问题转化为典型的指派问题;通过判断虚拟工作的可实现性,迭代搜索得到最优解。以某多技能人员任务指派系统为例,详细介绍了该优化方法的步骤。优化结果很好地验证了改进算法的有效性。     

增量式神经网络聚类算法

神经网络模型具有强大的问题建模能力,但是传统的反向传播算法只能进行批量监督学习,并且训练开销很大。针对传统算法的不足,提出全新的增量式神经网络模型及其聚类算法。该模型基于生物神经学实验证据,引入新的神经元激励函数和突触调节函数,赋予模型以坚实的统计理论基础。在此基础上,提出一种自适应的增量式神经网络聚类算法。算法中引入"胜者得全"式竞争等学习机制,在增量聚类过程中成功避免了"遗忘灾难"问题。在经典数据集上的实验结果表明:该聚类算法与K-means等传统聚类算法效果相当,特别是在增量学习任务的时空开销方面具有较大优势。     

65纳米工艺双层三维静态存储器的软错误分析与评估

首先搭建了3D SRAM软错误分析平台,可以快速、自动分析多层die堆叠结构3D SRAM的软错误特性。此平台集成了多种层次模拟软件Geant4、TCAD、Nanosim,数据记录处理软件ROOT,版图处理软件Calibre,以及用于任务链接和结果分析的Perl和shell脚本。利用该平台,对以字线划分设计的3D SRAM和同等规模的2D SRAM分别进行软错误分析,并对分析结果进行了对比。对比分析表明2D 和3D SRAM的翻转截面几乎相同,但3D SRAM单个字中发生的软错误要比2D SRAM更严重,导致难以使用ECC技术对其进行加固。静态模式下2D SRAM和3D SRAM敏感节点均分布于存储阵列中,表明静态模式下逻辑电路不会引发软错误。     

基于BP神经网络的闭路制导改进方法

针对传统闭路制导方法中的制导方法误差,提出了一种根据"真实目标"进行制导的改进制导方法。采用BP神经网络逼近算法,推导建立预定关机点及落点坐标与需要速度间的映射关系,并装订上弹,使关机点附近对应每一个位置能够映射出相应的需要速度矢量。然后利用闭路制导关机及导引方法对导弹实施控制。通过仿真,该方法大大减小了制导方法误差,提高了导弹射击精度。     

适用于金属物体识别的L形无芯RFID标签设计

设计了一种L形无芯射频识别标签,该标签包含6个不同尺寸的L形散射单元,利用其交叉极化方向上的反向散射场进行识别。标签基于频域特征进行编码,每个标签可携带6 bit信息。使用CST仿真软件对所设计L形无芯RFID标签进行仿真,分析了L形散射单元的尺寸变化时对标签谐振特性的影响。此外,还仿真了标签的接地板尺寸增加后的情况,证明该标签可适用于金属物体的识别或金属背景下的物体识别。     

针对多振源密频及波动线谱主动控制的改进算法及试验

为了让船舶机械主动隔振装置在线谱频率波动和多振源密频耦合等实船复杂工况下,仍能取得良好的振动线谱主动控制效果,研究了以多通道窄带Fx-Newton算法为基础的改进算法,提出了窄带滤波相位失真的自适应补偿器,使控制算法对线谱频率波动具有高鲁棒性;研究了多参考信号Fx-Newton算法,从多振源分离提取互不相关的多参考信号...     

一种支持向量回归的局部邻域稀疏化方法

调整高斯核函数参数可以改变其VC维,通过密度聚类算法发现并分离全局中非线性复杂度不同的局部特征,以支持向量比率为优化指标确定满足局部稀疏条件的核函数,从而达到优化核函数选择以提高整体回归稀疏性的目的。