大容量数据下基于DTN的链路中断优化传输技术

激光或GHz以上的高频链路的应用将导致DTN(Delay Tolerant Network)网络链路数据容量的增大,大容量数据链路的间歇性中断将严重影响数据的传输效率。针对DTN网络中大容量数据链路频繁中断和节点的剩余缓存空间剧烈变化的问题,提出在DTN路由算法上增加拥塞状态预测机制和易中断链路判定机制,根据节点的拥塞程度定义惩罚函数,缓解链路中断和节点资源受限导致的拥塞。仿真结果表明,该机制可以有效提高DTN网络的传输性能。     

通信对抗无人机集群侦察区域规划规则研究

侦察区域规划是通信对抗无人机集群智能侦察的首要任务。能否合理规划侦察区域,对通信对抗侦察任务的完成至关重要。通过研究侦察区域规划分配和动态调整流程,结合通信对抗战斗原则和相关军事经验,整理归纳出通信对抗无人机集群进行侦察区域规划的行为规则、判定规则和策略规则,并提出了规则的使用建议,构想了具体应用场景。     

地球静止轨道航天器绕飞持续观测任务轨迹规划与控制

针对地球静止轨道(geosynchronous orbit, GEO)航天器的高清观测任务,成像卫星在连续小推力作用下接近GEO航天器,对GEO航天器自然绕飞并以有利的光照条件对其持续观测。针对Clohessy-Wiltshire (CW)方程的偏差问题,通过修正非球形摄动和重力加速度二次长期项偏差对CW方程进行改进,补偿非线性偏差的长期项和主要的摄动项。在轨迹规划问题上,计算绕飞轨迹的初始相位角区间,以保证成像卫星在整个绕飞任务中都能够以良好的观测角观测GEO航天器。基于CW方程和改进的CW方程对成像卫星接近和绕飞GEO航天器全过程进行仿真,基于CW方程的仿真没有达到预期目标;基于改进的CW方程的仿真达到预期目标,全过程所需施加的总速度增量仅为4.67 m/s,工程上具有很强的可行性。     

一种用于SEAD任务的改进型Voronoi图

根据雷达所在位置构造Delaunay三角形,取它的外心作为Voronoi图的顶点,构造常规Voronoi图,使用随机搜索算法可以为无人战斗机规划安全路径。由于战场环境威胁各异,使用常规Voronoi图不再能表征真实的SEAD任务,增大了无人战斗机的威胁,本文提出了一种新的Voronoi图的改进方法,以提高无人战斗机在执行SEAD任务时的生存概率。首先,根据可能出现的各种情况进行了分析,提出了改进型Voronoi图的构图原则。然后,提出了在不同威胁体下,基于"Delaunay多边形"构造改进型Voronoi图的方法。最后,进行了仿真。仿真算例的结果验证此方法可以明显地提高无人战斗机的生存概率。     

试论战略数据规划及其概念基础

讨论了当前人们对数据规划概念的不同理解 ,在分析信息、系统等概念的基础上 ,提出了一个明确的面向整个组织的数据规划概念 ,给出了一种基于这一概念的新的数据规划方法的框架。     

排课中时间表问题的探讨

提出一种时间表的设计方案及其改进形式,讨论了它的相关性能。应用本方案,不仅可以提高排课中搜索的效率(最高可达(2n 1)/2倍),还可以满足排课过程中对时间的各种需求,具有很强的适应性和可移植性;再利用层次分析法得到各时间段的可接受度,分析了使用改进时间表的公平性,其公平性因子将得到成倍提高。     

战场环境下巡航导弹低空突防航迹判断研究

抗击巡航导弹(CM)是地面防空兵部队面临的一项重要任务,而准确判断巡航导弹的进袭航线是地面防空兵部队合理调整战斗部署、组织侦察射击的重要依据。通过对巡航导弹战场环境建模,建立巡航导弹战场环境的Voronoi图,并进行了基于不同威胁体的改进,在计算分段航线上巡航导弹的突防概率基础上,用模糊最大树法判断敌巡航导弹最/次可能的来袭航路,从而为后续的地面防空兵兵力部署提供了依据。     

基于粗糙集理论的一种综合定权法

基于粗糙集理论中信息量的概念提出了一种新的主观定权法,再以优化理论为依据建立了综合定权的优化模型,并给出了模型的精确解,据此推导出了一种兼顾主观偏好和客观信息的综合权重赋值法,最后给出了一个应用实例说明了这种定权方法的有效性.     

军事能力到装备系统的双层规划模型及其求解算法

阐述了基于能力的军事规划新思路,提出了从军事能力到系统项目的两层规划模型。该模型上层以效果和效果-成本比值最大化为目标,通过资本规模来约束下层决策。下层以各种能力最大化为目标,在成本约束下寻求不同系统项目的最佳组合,并将结果返回上层影响最终的决策。应用了多目标遗传算法来求解该规划模型。算例结果表明,所建立的双层规划模型及其求解算法对于国防资源分配问题是有效的。     

A novel modeling approach for express package carrier planning

Express package carrier networks have large numbers of heavily‐interconnected and tightly‐constrained resources, making the planning process difficult. A decision made in one area of the network can impact virtually any other area as well. Mathematical programming therefore seems like a logical approach to solving such problems, taking into account all of these interactions. The tight time windows and nonlinear cost functions of these systems, however, often make traditional approaches such as multicommodity flow formulations intractable. This is due to both the large number of constraints and the weakness of the linear programming (LP) relaxations arising in these formulations. To overcome these obstacles, we propose a model in which variables represent combinations of loads and their corresponding routings, rather than assigning individual loads to individual arcs in the network. In doing so, we incorporate much of the problem complexity implicitly within the variable definition, rather than explicitly within the constraints. This approach enables us to linearize the cost structure, strengthen the LP relaxation of the formulation, and drastically reduce the number of constraints. In addition, it greatly facilitates the inclusion of other stages of the (typically decomposed) planning process. We show how the use of templates, in place of traditional delayed column generation, allows us to identify promising candidate variables, ensuring high‐quality solutions in reasonable run times while also enabling the inclusion of additional operational considerations that would be difficult if not impossible to capture in a traditional approach. Computational results are presented using data from a major international package carrier. © 2008 Wiley Periodicals, Inc. Naval Research Logistics, 2008