推理树概率逻辑公式集有效赋值列数计算

本文通过对概率逻辑推理树知识结构模型的研究,得出在树推理中对矩阵列消减起主要作用的相邻关系及其计算方法,给出了树推理模型的有效赋值列数的一般计算方法。     

L—R型模糊数及其在装备贮存可靠性研究中的应用

由于数据不足,在全寿命周期的初始阶段使用传统的可靠性分析技术,难以对装备的贮存可靠性进行研究。在模糊集理论的基础上,应用L-R型模糊数的模糊故障树分析技术,探讨了装备贮存可靠性的研究问题。     

基于故障树的系统安全风险实时监测方法

当前的安全性分析方法大都属于预先安全性分析方法,即在系统使用前对系统进行安全性分析。但系统的动态特性,如组成部件工作状态的动态变化,使系统的安全性呈现实时变化。为研究系统的实时安全风险,提出了一种基于故障树的实时安全风险监测方法。该方法用故障树表示系统结构,建立系统安全风险评估模型,根据系统的技术状态参数与系统组件工作状态的对应关系,实时对系统的安全风险进行监测;并根据安全风险监测的情况,对安全风险变化原因做出解释,做到防患于未然。用一个具有前馈控制冷却系统的例子演示了该方法的有效性。     

空间应急飞行器姿态快速机动控制研究

以空间应急飞行器姿态机动快速控制过程为研究对象,对姿态快速解耦控制问题进行研究.采用决策树理论对时间最优控制和倾斜开关曲线控制这两种控制策略进行综合,以控制时间作为代价函数,获得三通道时间最优控制策略.与其他方法相比,本控制策略控制时间大幅缩短,控制精度满足设计需求.另外对控制器不同控制周期下的控制效果进行仿真比较,对控制器控制周期选择具有指导意义.     

基于可拓方法的C3I作战方案生成与评价

作战指挥决策支持系统是指挥自动化系统的重要组成部分,作战方案生成与评价是作战指挥决策支持系统的基本功能.根据作战指挥决策支持系统特点将可拓方法应用于作战方案生成与评价,并分析了其优势所在.结合空战案例运用发散树方法进行作战方案集的开拓,并利用优度评价方法进行作战方案的评价,从而得到最佳作战方案.     

人员密集场所火灾亡人事故成因探讨

通过构建火灾亡人事件树、早期确认火灾失败故障树、火场逃生自救失败故障树和外部抢险救援失败故障树,获得了人员密集场所火灾亡人事故因果分析图。对1991年至2007年发生在我国人员密集场所的22起特别重大火灾亡人事故按照因果分析图进行统计分析,得出了人员密集场所火灾亡人事故成因。     

基于遗传算法的MIL-STD-188-220c标准最佳转发树的构造

针对MIL-STD-188-220C标准的路由协议多目的地址最佳转发树问题,提出一种基于遗传算法的优化算法,仿真结果表明,该算法具有收敛快,寻路成功率高的优点。     

基于隐Markov树的序贯故障诊断模型

为了充分利用先验信息和实测信号,提高故障识别率,根据Bayes方法和序贯决策的思想,将实测信号分段,将前一段信号的诊断后验信息作为后一段信号的先验信息,提出了一种基于隐Markov树(hidden Markov tree,HMT)的序贯故障诊断模型.给出了诊断模型的建模步骤、HMT模型的建立方法和Bayes后验概率的计算方法.将模型应用于某型减速器故障诊断的结果表明,对于有先验信息和无先验情况,该序贯模型都可以有效地提高故障识别率.     

基于支持向量机的多分类军事目标识别应用

针对现代战场信息化程度的不断提高,电磁环境日趋复杂,侦查目标难以准确地识别情况,提出了运用支持向量机多分类器对军事侦查目标进行有效识别.结构风险最小化地支持向量机分类方法是小样本情况下统计机器学习的经典,具有速度快、泛化能力强等特点.用该算法建模军事目标的识别问题,达到了较高的识别准确率.所以应用在对侦查目标的识别上具有良好的效果,在军事应用上有较广阔的前景.     

Optimal production ramp-up in the smartphone manufacturing industry

Motivated by challenges in the smartphone manufacturing industry, we develop a dynamic production ramp-up model that can be applied to economically satisfy nonstationary demand for short-life-cycle products by high-tech companies. Due to shorter life cycles and more rapid evolution of smartphones, production ramp-up has been increasingly critical to the success of a new smartphone. In the production ramp-up, the key challenge is to match the increasing capacity to nonstationary demand. The high-tech smartphone manufacturers are urged to jointly consider the effect of increasing capacity and decreasing demand. We study the production planning problem using a high-dimensional Markov decision process (MDP) model to characterize the production ramp-up. To address the curse of dimensionality, we refine Monte Carlo tree search (MCTS) algorithm and theoretically analyze its convergence and computational complexity. In a real case study, we find that the MDP model achieves revenue improvement by stopping producing the existing product earlier than the benchmark policy. In synthetic instances, we validate that the proposed MCTS algorithm saves computation time without loss of solution quality compared with traditional value iteration algorithm. As part of the Lenovo production solution, our MDP model enables high-tech smartphone manufacturers to better plan the production ramp-up.