失效概率函数求解的高效算法

结合基于分数矩约束的极大熵方法和替代模型法,发展了一种失效概率函数求解的高效算法。所提算法的基本思路是利用自主学习的迭代Kriging方法来构造失效概率函数,即采用较少的训练样本来构造粗糙的失效概率函数,在此基础上通过添加新的违反学习函数约束的样本来更新失效概率函数,直到达到精度要求。对于每一个分布参数的训练样本点,所提方法采用分数矩约束的极大熵法来求解相应的失效概率样本。由于分数矩的计算采用了高效的降维积分,并且由于分数矩约束下极大熵法中优化策略高效地逼近了响应的概率密度函数,从而使得失效概率样本能够被高效高精度地估计出来。为了检验所提方法的精度及效率,给出了两个算例,对比了所提方法与已有的失效概率函数求解的Bayes公式法及Monte Carlo法等,结果表明,所提方法适用于求解复杂的功能函数问题,且在满足精度要求的基础上大大降低了计算量。     

网络安全实验平台K - 划分映射方法

对网络安全实验平台映射问题进行形式化描述,提出基于K-划分的映射方法,其核心思想是为了尽量减少占用网络资源,尽可能将逻辑拓扑紧密连接的节点映射到同一台交换机上。基于K-划分的映射方法采用贪心法确定初始划分状态,根据评价函数进行节点移动,对生成的子图进行算法迭代,直到所有子图的节点数量不大于物理拓扑端口容量为止。基于K-划分的映射方法弥补了K-L算法中初始划分状态选取的任意性对最终结果产生较大影响的缺陷,实验结果表明该算法的求解时间远小于遗传算法,能在较短的时间内得到映射结果。     

审视战术变革视野下的颠覆性技术

文章从战术变革的角度重新审视了颠覆性技术广义和狭义的基本概念,阐述了颠覆性技术的主要特征,提出了颠覆性技术在国家和军队两个层面的形成机制。     

稀疏贝叶斯学习框架下的扩展目标雷达关联成像

传统的关联成像方法未考虑复杂扩展目标的结构信息,在高分辨成像时的应用受到限制,为此提出一种自适应结构配对稀疏贝叶斯学习方法。该方法在稀疏贝叶斯学习的框架内针对扩展目标建立一种结构配对层次化高斯先验模型,然后采用变分贝叶斯期望-最大化算法交替进行目标重构和参数优化。该方法将某一信号分量的重构与周围信号分量联系起来,并能在迭代过程中自适应地调整表征各信号分量相关性的参数。实验结果表明,该方法针对扩展目标可以有效地进行高分辨成像。     

多核环境下负载均衡的并行离散事件全局调度机制

分析了多核环境下传统的离散事件时间弯曲并行系统的性能,针对其事件调度开销小和负载均衡能力强难以兼得的问题,提出了一种基于分布式队列的全局调度机制,设计了相应的数据结构和调度算法,大大减少了锁开销.通过大量实验对多核环境下几种典型离散事件系统并行策略的性能分析表明,本文提出的全局调度策略不仅事件调度开销小,而且回滚率大大降低,有效克服了传统策略回滚量较大或难以实现动态负载平衡的情况,并具备良好的可扩展性.     

界面改性对SiCp/Cu复合材料导热性能的影响

采用磁控溅射法结合结晶化热处理工艺在SiC颗粒表面成功制备了金属Mo涂层,分析Mo涂层的成分和形貌;采用热压烧结工艺制备SiCp/Cu复合材料,重点对比分析Mo界面阻挡层厚度对复合材料导热性能的影响。结果表明:磁控溅射法能够在SiC颗粒表面沉积得到Mo涂层,随溅射时间的延长,Mo涂层的厚度增加、粗糙度增大,且磁控溅射后SiC颗粒表面直接得到的Mo涂层为非晶态,结晶化热处理后,变为致密平整的晶态Mo涂层。磁控溅射时间对Mo涂层厚度和复合材料导热性能影响明显。随磁控溅射时间的增加,复合材料的热导率呈先增后减趋势。采用磁控溅射9h镀Mo改性并经过800℃结晶化热处理的SiC复合粉体在850℃下热压烧结制备的SiCp/Cu复合材料(VSiC=50%),其热导率达到了最高值274.056W/(m·K)。