Two-agent scheduling with linear resource-dependent processing times

This paper considers a two-agent scheduling problem with linear resource-dependent processing times, in which each agent has a set of jobs that compete with that of the other agent for the use of a common processing machine, and each agent aims to minimize the weighted number of its tardy jobs. To meet the due date requirements of the jobs of the two agents, additional amounts of a common resource, which may be in discrete or continuous quantities, can be allocated to the processing of the jobs to compress their processing durations. The actual processing time of a job is a linear function of the amount of the resource allocated to it. The objective is to determine the optimal job sequence and resource allocation strategy so as to minimize the weighted number of tardy jobs of one agent, while keeping the weighted number of tardy jobs of the other agent, and the total resource consumption cost within their respective predetermined limits. It is shown that the problem is -hard in the ordinary sense, and there does not exist a polynomial-time approximation algorithm with performance ratio unless ; however it admits a relaxed fully polynomial time approximation scheme. A proximal bundle algorithm based on Lagrangian relaxation is also presented to solve the problem approximately. To speed up convergence and produce sharp bounds, enhancement strategies including the design of a Tabu search algorithm and integration of a Lagrangian recovery heuristic into the algorithm are devised. Extensive numerical studies are conducted to assess the effectiveness and efficiency of the proposed algorithms.     

多传感器任务分派的快速启发式规划新算法

在多目标多传感器管理中经常采用的线性规划算法中,随着传感器个数和目标个数的增加,计算量会爆炸式增长,使得跟踪系统不能实时计算,为此,根据传感器管理中线性规划的特点,提出了一种快速启发式算法,考虑组合中的传感器个数将组合的分配效用转化为权重,递推分配权重最大的组合,逐步减小组合和目标的个数.证明了权重最大的组合分派能实现组合中的传感器的最大效用.仿真结果表明该算法在与采用线性规划方法的跟踪精度相当的情况下,能有效地减小计算量.     

改进的遗传算法在导弹火力分配中的应用

弹道导弹系统是一个非常复杂的系统,有其自身的特点,其造价昂贵,数量有限,发射点也很分散.因此,火力分配问题在弹道导弹射击中具有极为重要的地位.尤其对于常规战术弹道导弹,火力分配的合理与否将直接影响作战效果与战斗力的发挥.根据地地战术导弹的作战运用特点,建立了导弹火力分配的优化模型;详细介绍了一种改进的遗传算法,将其应用于火力分配优化模型的求解,通过算例比较,证明该改进算法更能有效快速地找到最优解.     

去调频FM-CW SAR距离维成像研究

调频连续波(FM-CW)合成孔径雷达因其体积小、重量轻、成本低及分辨率高等特点越来越受到关注。详细分析了去调频FM-CW SAR距离维成像过程,得到了FM-CW SAR残留视频相位在距离维傅立叶变换过程中被消除的有用结论;分析了影响距离维分辨率的因素,提出了改善FM-CW SAR距离分辨率,同时降低距离维采样率的方法。理论分析表明,去调频连续波SAR同样存在斜置现象,因此,还详细分析了FM-CW SAR斜置的产生以及去斜的方法,提出了包含去斜的距离维成像算法,为方位向更好的聚焦提供了条件。     

SPH算法在超高速碰撞数值模拟中的应用

采用大型动力学软件Ls-dyna中的SPH求解器,对球形弹丸超高速碰撞靶板的过程进行数值模拟。给出由于碰撞速度不同,而引起的不同的碎片云图像,以及不同的靶板破碎孔的尺寸。同时模拟了入射角度不同,而得到不同的超高速碰撞物理过程。初步分析结果表明数值模拟结果是合理的,较清晰地模拟了超高速碰撞下碎片云的生成、膨胀过程。另外,通过数值模拟结果与实验结果的比较分析,表明SPH方法得到的结果能描述相应的超高速碰撞现象。所以采用SPH算法针对超高速碰撞物理过程进行数值模拟是可行的。     

粗糙模糊C-均值算法及其在图像聚类中的应用

提出一种新的粗糙模糊C均值算法(RFCM),该算法基于粗糙集的上、下近似的概念改进了FCM的目标函数,从而改变了隶属度函数的分布,使得隶属度函数的分布更加合理,同时RFCM的时间复杂性比FCM更低。将RFCM用于图像的聚类,相对于FCM算法,图像的边缘更光滑,同时对初始隶属度矩阵敏感度更低。该算法具有较好的稳定性,是一种实用的算法。     

目标打击任务中多弹型的火力配置模型及优化计算

目前对于单弹型火力配置问题的解决方法比较成熟,但在现代战争中,经常是多种弹型联合使用,因此需要对多类型的导弹火力配置进行探讨。这里针对多种不同类型的导弹毁伤多个目标的问题进行具体分析,建立了导弹突击目标火力配置的数学模型。根据模型的特殊性,灵活运用遗传算法对模型进行了最优化求解。实例的计算结果表明该算法对于模型的求解具有较好的收敛性。     

不确定多属性决策的单目标优化方法研究

运用神经网络的非线性映射和遗传算法的寻优特性,建立了不确定多属性决策的单目标优化模型。把属性值区间作为遗传算法染色体的搜索范围,用训练好的神经网络计算适应度。用不同的适应度函数来计算综合属性值区间数的下界和上界,然后对方案进行排序。算例结果表明,该方法是可行的。     

威胁联网下低空突防航路规划研究

分析了威胁联网下信息交流和资源共享对飞行航路规划的影响;针对威胁联网,制定相关的威胁体相互支援表,采用遗传算法进行低空突防航路规划.通过仿真计算证明,此方法规划出的飞行航路能有效提高威胁联网下的战斗机低空突防安全性,为航路规划提供了一种新思路.     

无源RFID系统中推断式二进制搜索算法

在现有的RFID标准中,一般标签ID都由几个不同含义区间组成。针对这种特点,提出推断式二进制防碰撞算法：在识别每个区间段的ID时,利用某个特定读写器中的前缀库推断该区间段各个位的取值,以便减少待识别标签ID的位数。同时,通过调整参数u,可以对系统可靠性进行控制。仿真实验表明,在没有新前缀出现的情况下,推断式二进制防碰撞算法能够将QT算法的识别速度提高3倍、标签平均响应次数降低3／4。