Augmented nested sampling for stochastic programs with recourse and endogenous uncertainty

We propose a novel simulation‐based approach for solving two‐stage stochastic programs with recourse and endogenous (decision dependent) uncertainty. The proposed augmented nested sampling approach recasts the stochastic optimization problem as a simulation problem by treating the decision variables as random. The optimal decision is obtained via the mode of the augmented probability model. We illustrate our methodology on a newsvendor problem with stock‐dependent uncertain demand both in single and multi‐item (news‐stand) cases. We provide performance comparisons with Markov chain Monte Carlo and traditional Monte Carlo simulation‐based optimization schemes. Finally, we conclude with directions for future research.     

Exact algorithms and bounds for the dynamic assignment interdiction problem

We study a multi‐stage dynamic assignment interdiction (DAI) game in which two agents, a user and an attacker, compete in the underlying bipartite assignment graph. The user wishes to assign a set of tasks at the minimum cost, and the attacker seeks to interdict a subset of arcs to maximize the user's objective. The user assigns exactly one task per stage, and the assignment costs and interdiction impacts vary across stages. Before any stage commences in the game, the attacker can interdict arcs subject to a cardinality constraint. An interdicted arc can still be used by the user, but at an increased assignment cost. The goal is to find an optimal sequence of assignments, coupled with the attacker's optimal interdiction strategy. We prove that this problem is strongly NP‐hard, even when the attacker can interdict only one arc. We propose an exact exponential‐state dynamic‐programming algorithm for this problem as well as lower and upper bounds on the optimal objective function value. Our bounds are based on classical interdiction and robust optimization models, and on variations of the DAI game. We examine the efficiency of our algorithms and the quality of our bounds on a set of randomly generated instances. © 2017 Wiley Periodicals, Inc. Naval Research Logistics 64: 373–387, 2017     

舰艇防空反导自适应干扰HDP算法分析与仿真

为干扰来袭的多波次、多方向反舰导弹,提高舰艇防空反导能力,分析了自适应干扰HDP算法模型,并通过实例进行仿真。通过对结果进行分析,验证了启发式动态规划(HDP)算法在自适应电子干扰策略最优组合的生成过程中的时效性、预测精度以及适用性,为该算法的后续研究提供支持。     

一种结构化的编译型 PROLOG数据库及其管理策略

PROLOG数据库存放着构成PROLOG程序的子句以及表示成子句的全局数据,它的组织与管理是实用PROLOG系统的关键,这一点在提高执行效率的编译型PROLOG系统中尤为如此。本文以YH-SIM——一个扩充了的WAM模型为基础,提出一种新颖的编译型PROLOG数据库结构形式,其中·过程中的子句索引与子句彼此分离; ·子句索引块分成多个专门的子索引块; ·一个子句按两种形式存放,子句代码和子句项(源子句形式)。二者分离且共享同一索引,因此代码库和项库的管理是一体化的。这些结构化的特征,有力地支持PROLOG数据库的操作及管理(子句的插入删除,以及空间分配与回收)。文中还介绍了一种简明有效的管理方法。     

向量巨型机高效程序设计技术

本文着重研究适应向量巨型机体系结构的高效程序设计技术。围绕减少指令流水线阻塞,提高多功能部件并行度,数据调度与局部化技术三个方面进行了深入的讨论,给出了一系列设计高效程序的方法和技巧。     

程序进化器

研究用模拟进化方法进行程序设计的途径。构造了以形式文法为遗传表示的程序进化器,提出了这个进化器使用的有关算法。本文用程序进化器解决了人工蚁问题。     

专用字符集译码逻辑的程序优化设计

提出了一种组合逻辑译码电路优化设计的基本原则 ,给出了基于该优化设计原则的程序设计所涉及的关键数据结构和算法 ,并利用现有中小规模译码驱动电路 744 8系列芯片和门电路等实现了工程实践中需要的特殊字符集译码优化设计的参考电路 .     

数字化部队战斗力优化组合模型

数字化部队在战场上的出现,是信息战争产生的重要标志之一.随着信息技术的兴起,一些西方国家组建了数字化部队并加深了对其编成和结构理论的研究.首先介绍了模块理论,通过对数字化部队战斗力原理的分析,讨论了数字化部(分)队战斗力构成要素.在此基础上,使用线性规划理论试探性的构建出数字化部(分)队战斗力模块组合模型,并对模型的不同组合方式进行了论证和分析,得出数字化部(分)队战斗力模块的一种优化组合.最后展望了本课题下一步工作的研究重点.     

助推-滑翔式导弹中段弹道方案的初步分析

建立了助推—滑翔式弹道中段的无量纲运动方程。采用非线性规划方法实现弹道优化。首先求解不同初始速度、速度倾角和最大升阻比的最大射程弹道,然后考虑驻点热流、过载约束,求解总气动加热最小和射程最大的最优弹道。基于前者的计算结果分析了初始条件对最大射程弹道的影响。将考虑约束的再入滑翔弹道与弹道式再入的特征参数比较,表明再入滑翔弹道的峰值热流较小,而总气动加热增加,但再入滑翔飞行时间在一般锥形体再入机动飞行器的热防护系统可承受的时间范围内。     

分布式流体系结构及其编程模型与资源管理

利用互联网资源提供大数据计算服务面临着资源异构性、动态性与通信长延迟等方面的挑战,现有分布式计算模型仍存在一些不足。运用流计算模型提出分布式流体系结构,包括分布式流编程模型与资源管理等,能够高效支持多种并行执行模式。在10个CPU-GPU异构结点上实现了原型系统,仿真实验验证了7个不同的测试用例。实验结果表明,与本地串行计算相比,分布式流体系结构可以平均提高39倍计算性能,具有较大的应用潜力。