片上多核处理器的双向环设计与物理实现

针对少量强核构成的片上多核处理器,设计了一种双向环。该结构包含5个不同类型的环链路层,分别用于传输命令、大量数据以及小量数据;采用源路由方式,并设计了专门的拥塞控制网络,防止报文的相互覆盖;路由器采用无缓冲无阻塞结构,单节拍通过环的每个跳步,以降低环的传输延迟并实现可预知的确定延迟传输。针对环的链路距离长位宽大的挑战,通过实验选择了合理的中继器插入方法,并采用相邻导线交替插入反相器以信号线反向交错排布等串扰优化等方法,对环进行了物理设计和和长链路进行了延时优化。最终实现结果表明,本文所设计的环达到了1GHz的工作主频,并具备高达256GByte/s的链路带宽,完全满足高性能数字信号处理的需求。     

天基光学短弧观测约束域的粒子群优化定轨方法

针对空间目标定轨问题,提出一种利用两段天基光学短弧观测数据的粒子群优化定轨新算法。在介绍天基光学短弧观测测量帧集、测量约束域及目标函数构造的基础上,为解决已有的基于网格搜索思想寻优的算法存在的多解、局部最优解及运算量过大等问题,提出了一种利用粒子群优化算法在约束域内对目标函数值寻优达到定轨目的的新算法。对算法的性能进行了仿真验证。多次仿真结果表明:该算法大大降低了计算量,且有效地解决了目标函数多解和局部最优解问题,对目标定轨的精度与定轨算法的克拉美罗下限接近。     

基于复—方向小波变换和视觉表示的图像增强

针对复—方向小波变换具有好的平移不变性、方向选择性、对图像边缘特征的表示比传统实小波要好等优势,提出了一种基于视觉表示统计特性和复—方向小波变换的图像增强新方法。该算法在图像的多尺度复—方向小波变换域内进行动态范围(亮度)修正和局部对比度调整以增强图像。实验结果表明,与目前经典的多尺度增强算法相比,运用本文的算法增强的图像视觉效果好,在边缘和细节处失真小,而且对图像源的变化具有很好的鲁棒性。     

防空导弹实时优化射表计算的延拓法

文章给出防空导弹轨道实时优化射表的计算方法。首先介绍最优轨道对参数的连续依赖性和优化算法的算法模型的收敛性理论。特别对于每条最优轨道存在一个吸引区域 D* ,使得只要初始迭代轨道属于这个区域 ,由算法模型构造的轨道序列将收敛到所要的最优轨道。根据这个理论 ,设计了计算射表的延拓法。理论证明和计算实践证实由这种算法能有效地计算为实时优化提供初始迭代值的射表     

果蝇算法优化的相关向量机在电子装备中的应用

针对电子装备渐变故障预测问题,提出一种基于果蝇算法优化相关向量机的故障预测方法。该方法将原始时间序列数据进行相空间重构处理,并基于折交叉验证和果蝇算法优化相关向量机模型的核函数参数,从而建立故障预测模型,并以某型雷达发射机速调管监测数据对模型性能进行了验证。实验结果表明,相比已有方法,该方法在全局优化、收敛速度、预测精度以及预测可靠性方面都具有一定优势。     

防御阵地火力编成一种静态评估方法和优化模型

提出了防御阵地火力编成的建模思想、要素体系,并得到了相应的权重值,分析了地形对火力发扬的影响,建立了各种火器的等效关系式,找到了各参量的计算方法,对多种参量用模糊评判的方法进行分级、综合和评判。不仅能评价各级火力阵地的优劣,而且能对火力阵地进行优化,组合和配系。     

以发射质量最小为优化目标的反TBM拦截器优化研究

以反ＴＢＭ拦截器发射质量最小为优化目标,系统地研究了反ＴＢＭ拦截器总体优化技术,建立了反ＴＢＭ拦截器数学模型和优化算法,并得出重要结论。     

基于插件技术的人工免疫智能空间优化平台研究

采用人工智能方法求解空间优化问题已成为当前地理学研究领域的热点之一。研究目的在于通过设计一个开放的、可扩展的人工免疫空间优化模型框架,开发基于插件技术的优化工具软件,丰富空间优化决策支持的方法和技术体系。研究从空间优化问题的基本特点和计算需求出发,定义了面向空间优化问题求解的克隆选择优化模型框架。在此基础上,采用"插件-宿主平台"结构设计了人工免疫智能空间优化平台的总体架构,定义免疫算子插件与空间优化问题应用插件开发机制。实验结果表明,平台的架构和功能设计充分考虑了计算平台的开放性和扩展性,通过平台标准接口的功能扩展可实现对不同类型空间优化问题的求解。空间优化问题研究者或政府决策部门无需关系人工免疫优化方法的具体内涵即可基于本平台完成其具体空间优化决策支持任务。     

基于粒子群优化的点云场景拼接算法

多视点三维点点云场景拼接是解决激光三维主动成像目标自遮挡或被遮挡情况下目标数据不完全问题的一种有效方法,它将直接影响到后续的目标检测与识别处理。本文提出了一种基于粒子群优化（PSO）的点云拼接算法,该方法通过投影分布熵对待拼接场景姿态进行估计,由此获取场景拼接的初值,然后利用PSO实现多视点场景的精确拼接。仿真实验结果表明,本文方法是一种有效可行的方法。     

分布式约束优化问题及其求解算法

分布式约束优化问题(DCOP)能够对多智能体系统(MAS)中的各种分布式推理任务进行建模,广泛应用于分布式规划、调度、资源分配等问题中。首先从DCOP的概念出发,引入一个典型的DCOP实例,在此基础上对DCOP问题求解的两类主流算法进行了详细介绍和比较分析。针对DCOP对现实问题建模中出现的部分集中式、硬约束、开放式、隐私和anytime等5个方面的问题进行了阐述,并介绍了相应的扩展算法。在动态实时问题,自稳定性与误差容错以及在物理分布式环境下仿真等问题仍需进一步研究。