中国与西方民主社会主义国家的混合经济体制比较

混合经济体制在科学社会主义的中国与民主社会主义的西方世界同时存在,并且都发挥了积极的作用。但是,学者们对混合经济体制的认识却存在较大差异,进而导致了论证上的分歧,文章在论述上将采取在国家意志层面上的混合经济体制概念内涵。通过对两种混合经济体制从所处的文明发展阶段、国家的指导思想、发生学、组成成分的功能以及目标趋向等层面进行比较分析,改变传统对混合经济体制研究中对两者在政治哲学、历史哲学等方面的不足。两种混合经济体制的相似点关涉到混合经济体制模式未来发展和对二者关系的认识问题,而传统对此研究的认识论基础主要是一分为二的矛盾分析法,故而在思想认识产生了上一些问题,文章将采用“一分为三”的方法论对此进行一些尝试。     

基于0-1规划的弹种决策与发射时序优化

对于身管发射武器系统,同一发射单元使用不同弹种完成作战任务时,需要确立合适的弹种决策与最佳的发射时机.提出用O-1变量来描述弹种决策变量.通过时弹种发射机制及武器系统控制特点进行分析,构造多种0-1变量用以描述武器系统作战时序之间的约束关系,建立了弹种发射时序的0-1规划模型,并用LINGO软件实现了0-1规划的求解.给出了典型应用实例,进行了仿真计算,结果表明,该方法简单可行.     

风对反潜巡逻机应召搜索延迟时间的影响研究

为了定量分析风对反潜巡逻机应召搜索延迟时间的影响,根据飞行气象学中风对飞行的影响描述以及实际需求,建立了反潜巡逻机飞往潜艇初始概略位置的航路模型。研究结果证明了模型的正确性,并通过仿真分析了反潜巡逻机的航速和航向、风速和风向的变化对延迟时间的影响。结果表明风对延迟时间的影响是不能忽略的,为反潜巡逻机航路的优化、应召搜索效能的提高提供了决策依据。     

Hilbert空间中Lipschitz拟伪压缩映像公共不动点的杂交投影算法

给出了Hilbert空间中Lipschitz拟伪压缩映像族公共不动点的一个投影算法,并利用所给出的算法证明了一个强收敛定理,扩展了参考文献[1]的结果。     

复杂约束下的导弹作战任务规划模型和算法研究*

导弹作战任务规划是一个涉及时间、资源、质量和其他关系约束的复杂问题.首先通过定叉约束满足效用对基本约束满足模型进行了扩展,建立了导弹任务规划的约束满足优化模型.在此基础上,研究了任务规划模型求解的时间和效用传播算法,提出了基于综合效用的优化求解框架.该模型和求解框架易于解决具有多种约束因素的复杂问题,具有较好的通用性.通过定义软、硬约束效用,使得实际任务规划问题求解具有更好的灵活性.     

控制速度方向的弹道修正导引方法

由于制导炮弹由身管武器发射,其飞行控制能力和导引信息量有限,故基于预测落点位置偏差量来修正速度方向并在控制时间内连续分配导引指令的思想提出一种新的三维末制导方法。根据非线性弹道方程组的级数解预测弹丸落点位置,得到落点与目标的偏差,并提出两种通过此偏差解算当前速度方向修正量的方法。取剩余飞行时间为修正时间,通过将速度方向修正量分配到整个剩余导引段建立加速度修正公式,从而减小导引指令饱和的可能性。通过连续地预测落点和分配加速度指令来实时地导引飞行。仿真结果表明:该导引方法简单可行,精度高,对控制能力要求较低,且具备较好的制导效果和毁伤效果,可为该体制制导炮弹的应用提供参考依据。     

时延分布式控制系统的Truetime仿真分析

针对航空发动机分布式控制系统的时延问题,应用Matlab的Truetime工具箱,设计了控制系统仿真分析平台,分析了时延对系统稳定性的影响。首先针对一类应用状态反馈的控制系统,分析了存在传感器到控制器单侧时延的情况下,系统保持稳定的充分条件。在此基础上,以某型航空发动机为例,基于Truetime工具箱设计了分布式控制仿真系统,分析了不同的时延条件对系统稳定性的影响。仿真结果与理论分析结果一致,证明了系统的有效性。     

直接力/气动力复合控制系统的有限时间镇定

考虑到复合控制系统中,直接力的离散特性会使系统的设计复杂化。针对采用姿控式直/气复合控制的导弹,基于有限时间稳定理论,引入辅助滑模面,研究其控制系统的有限时间镇定,得到一个受控良好的复合控制系统。在此基础上,利用辅助模糊控制,对系统不确定性进行估计,进一步改善了复合系统的控制品质。最后以俯仰通道为例,对所提出的方法进行仿真,结果验证了该方法的有效性。     

基于配置管理的软件维护性评估

对软件质量进行定量化管理是软件工程领域的趋势,也是软件质量保证的重要手段。针对软件维护性定量评估难、数据获取难的问题,分析了软件维护性受配置管理关键要素的影响,提出利用配置管理数据对软件维护性间接评估的方法。结合软件工程开发实际,建立了配置管理数据收集过程,利用维护时间作为参数,统计5类功能点维护时间对软件维护性进行度量,实现了软件维护性的定量评估,并利用实际项目对方法的可行性和有效性进行了验证。     

增量式神经网络聚类算法

神经网络模型具有强大的问题建模能力,但是传统的反向传播算法只能进行批量监督学习,并且训练开销很大。针对传统算法的不足,提出全新的增量式神经网络模型及其聚类算法。该模型基于生物神经学实验证据,引入新的神经元激励函数和突触调节函数,赋予模型以坚实的统计理论基础。在此基础上,提出一种自适应的增量式神经网络聚类算法。算法中引入"胜者得全"式竞争等学习机制,在增量聚类过程中成功避免了"遗忘灾难"问题。在经典数据集上的实验结果表明:该聚类算法与K-means等传统聚类算法效果相当,特别是在增量学习任务的时空开销方面具有较大优势。