遗传算法在目标跟踪中的传感器分配算法

传感器在进行目标跟踪时,常规算法主要通过线性规划建立传感器与目标之间的分配方法.但是在对多目标和多传感器的战场环境中,这些方法有一定局限性.研究了基于遗传算法的传感器分配方法,通过构造符合传感器分配这一特殊问题的染色体,从而形成初始种群,然后利用遗传算法模拟生物遗传迭代和自然选择的遗传机理,通过多次选择最终收敛于问题的一个满意解.仿真显示,在大数据运算的环境中,该算法有更高的可行性和有效性.     

A model of supply-chain decisions for resource sharing with an application to ventilator allocation to combat COVID-19

We present a stochastic optimization model for allocating and sharing a critical resource in the case of a pandemic. The demand for different entities peaks at different times, and an initial inventory for a central agency are to be allocated. The entities (states) may share the critical resource with a different state under a risk-averse condition. The model is applied to study the allocation of ventilator inventory in the COVID-19 pandemic by FEMA to different U.S. states. Findings suggest that if less than 60% of the ventilator inventory is available for non-COVID-19 patients, FEMA's stockpile of 20 000 ventilators (as of March 23, 2020) would be nearly adequate to meet the projected needs in slightly above average demand scenarios. However, when more than 75% of the available ventilator inventory must be reserved for non-COVID-19 patients, various degrees of shortfall are expected. In a severe case, where the demand is concentrated in the top-most quartile of the forecast confidence interval and states are not willing to share their stockpile of ventilators, the total shortfall over the planning horizon (until May 31, 2020) is about 232 000 ventilator days, with a peak shortfall of 17 200 ventilators on April 19, 2020. Results are also reported for a worst-case where the demand is at the upper limit of the 95% confidence interval. An important finding of this study is that a central agency (FEMA) can act as a coordinator for sharing critical resources that are in short supply over time to add efficiency in the system. Moreover, through properly managing risk-aversion of different entities (states) additional efficiency can be gained. An additional implication is that ramping up production early in the planning cycle allows to reduce shortfall significantly. An optimal timing of this production ramp-up consideration can be based on a cost-benefit analysis.     

控制分配在平流层飞艇姿态控制中的应用

针对平流层飞艇一般采用多控制机构的特点,将广义逆控制分配方法应用到飞艇姿态控制系统中,并根据飞艇控制机构特性采用了加权伪逆控制分配算法。飞艇姿态控制仿真结果表明:设计的控制分配方法可以有效实现多控制机构的协调操纵,对姿态角控制效果良好,避免了单一操纵舵面过早进入饱和状态的情况;合理调整控制分配权值可减少能量损耗,增强实时性,便于工程实现。     

云平台上基于关键路径截取的有向无环图应用调度算法

针对云平台上有向无环图科学应用执行容易产生虚拟机资源过剩、资源使用率低及费用虚高的问题,给出一种基于关键路径截取的有向无环图应用调度算法。该算法采取关键路径截取技术,循环找出最晚完成的未分配任务,从该任务出发,在所有未分配任务构成的图中找出最大连通子图,并计算该子图的关键路径,然后将关键路径上的任务集调度到性能匹配的虚拟机上执行;同时通过任务回填技术充分利用虚拟机的空闲时间槽,提高资源使用率。实验结果表明,在云计算平台上,该算法不仅能够在截止时间内完成有向无环图科学应用,而且可以提高资源使用率,有效减少完成该应用所需整体费用。     

某型舰近程反潜防御区反潜直升机配置＊

针对某型舰近程反潜防御区反潜直升机的配置问题,依据近程反潜防御区反潜作战的任务、性质和兵力配置要求,提出了反潜直升机配置的基本原则,建立了反潜直升机前出距离计算模型,给出了反潜直升机配置的具体方法,并给出了具体的量化计算结果,可为编队指挥员优化某型舰近程反潜防御区反潜直升机配置提供决策支持和参考。     

某型舰近程反潜防御区反潜直升机配置

针对某型舰近程反潜防御区反潜直升机的配置问题,依据近程反潜防御区反潜作战的任务、性质和兵力配置要求,提出了反潜直升机配置的基本原则,建立了反潜直升机前出距离计算模型,给出了反潜直升机配置的具体方法,可为编队指挥员优化某型舰近程反潜防御区反潜直升机配置提供决策支持和参考。     

云模型在雷达干扰资源多目标优化配置中的应用

鉴于干扰效果/效益评估在雷达干扰资源优化分配中的重要地位,提出了一种基于云模型和匈牙利算法的雷达干扰资源优化分配模型。利用一维云模型单条件单规则发生器和逆向云发生器构建了评估指标干扰效果推理器,利用基于风险态度因子的云模型映射函数定义了云模型之间距离的度量方法。提出了一种基于云模型与逼近理想解法的雷达干扰效益矩阵求解方法,最后运用匈牙利算法实现了干扰资源优化分配。将所建模型应用到干扰资源分配中,结果表明该模型能够较好的处理评估中的不确定性知识,是合理、可行的。     

缩小国民收入分配差距和深化分配公平探析

国民收入分配公平是发展社会主义市场经济,建设和谐社会、小康社会的内在要求,而不合理的户籍制度、市场竞争体制以及监管制度缺陷,导致了贫富差距日益扩大。要实现共同富裕的基本目标,就必须加大改革力度,促进社会公平竞争,不断缩小收入分配差距,让全体人民共享发展成果。     

多无人机协同任务分配方法

任务分配是多UCAV协同控制的核心和有效保证,是一类复杂的多目标优化问题。针对一种扩展的混合整数线性规划(MILP)任务分配模型,通过对模型特点的分析,提出一种基于相似度的遗传退火算法解决该问题并进行仿真实验,仿真结果表明该算法具有较强的收敛性和较好的多样性,验证了改进算法解决该问题模型的有效性。     

基于非负张量表示的扩展LDA标注模型

由于“语义鸿沟”的存在,自动图像标注是一项极具挑战性的工作。考虑到图像低层视觉特征与高层语义概念的差异,分别从图像表示与语义建模两个方面来实现自动图像标注。在图像表示方面,提出了一种正则化约束下的非负张量表示方法,用以提取符合人眼视觉直观理解的图像高阶结构特征。在语义建模方面,提出了一种三层贝叶斯模型——扩展隐Dirichlet分配。该模型利用隐变量来实现图像与标注词的关联,并通过一种基于变分推理的期望最大值方法来估计其参数。实验结果表明,ELDA模型在大规模数据库NUS-WIDE上的标注结果相较于现有方法有了显著的提高。