高隔离度干涉截止滤光片的设计与制备

根据光通讯无源器件和激光探测仪器对光学薄膜的特殊需求,采用解析法和自动优化法综合设计了高隔离度的干涉截止滤光片,分析了膜厚改变2%对设计膜系的透过率曲线的影响,通过莱宝APS1104镀膜机对所设计的膜系进行了实际镀制,获得了性能优良的高隔离度截止滤光片.     

燃料电池AIP废气处理方案优选模型研究

对潜艇300 kW燃料电池几种可行的气体处理方案进行了对比分析,并运用模糊综合评判方法建立了方案优选模型.研究表明,应用旋转床吸收器吸收废气中的二氧化碳,并配以相应的水处理系统,将二氧化碳排至舷外的方案是最佳方案.     

基于流场特性的管内检测机器人的外形优选研究

管道内检测机器人的结构形状是影响其运动学、动力学特性的关键因素,在机器人设计中占有重要地位。在合理提出一些基本假设后,用二阶迎风差分格式离散管道内检测机器人附近流场的控制方程,并用SIMPLE算法求解,得到了7种不同形状的管道内检测机器人所受的差压驱动力及其周围的流场信息,并对这几种结构的CFD特性作了比较。最后综合空化条件、驱动力、腔内有效体积和加工难度等因素,确定了上游半球形结构为设计形状。     

火炮动态后坐装置有限元分析与优化

活塞缸是火炮动态后坐装置中的关键部件,其结构强度设计是整个实验装置强度设计的核心。利用I-DEAS软件,在对其进行实体建模和有限元网格划分的基础上,计算了活塞缸整体的应力应变值,得到了活塞缸工作时的应力应变图,并对其结构中应力状况恶劣的部位进行了结构优化。     

分布式数据库系统的查询优化策略研究

在分析比较分布式数据库系统和集中式数据库系统查询优化目标不同特点的基础上,归纳出分布式数据库系统的查询优化目标,进而提出查询优化的策略,并在举例中重点讨论了操作执行顺序的不同对查询性能的影响。     

基于GA-PSO的目标分配问题研究

防空作战中的目标分配问题属于NP完全问题,在综合考虑火力单元作战效能和防御效能的基础上,引入火力单元综合有利度,建立了一种用于大规模多火力单元对抗多轮次目标的静态目标分配模型,给出了基于GA因子的改进PSO算法,并将算法应用于目标分配模型的求解,通过VC 6.0编程和计算机仿真验证了模型的可行性和算法的有效性.     

BSC信道下线性分组码的差错概率下界分析

针对BSC信道,提出了一种线性分组码的最大似然译码差错概率下界的计算方法.根据最大似然译码算法原理,首先将译码差错概率转化为差错事件的联合概率,基于改进的Dawson-Sankoff界的优化准则,推导出BSC信道下线性分组码差错冗余事件的判决准则,最后得到差错概率下界的计算表达式.该下界只依赖于码字的Hamming重量...     

匈牙利法的末段两层火力反TBM目标分配优化

介绍了匈牙利法解决Assignment Problem的基本原理,对匈牙利法解决指派问题的解题步骤和特殊情况进行了说明。在给出末段两层火力防御TBM的目标分配原则的基础上,阐述了相关概念,改进了匈牙利法运用方式,并建立了目标分配模型。最后通过实例的解算,证明了该方法应用于末段两层火力防御TBM目标分配中的可行性,为末段协同反TBM的目标分配提供了一种有效的算法。     

信息熵与TOPSIS装备保障力量部署方案优化

针对装备保障力量部署方案复杂性和模糊性特点,在分析装备保障力量部署的内容、影响因素及方案优化目的基础上,建立了装备保障力量部署方案评估指标体系,采用信息熵理论来确定评估指标的权重,并提出了基于熵权TOPS IS的装备保障力量部署方案优选方法,使装备保障力量部署方案决策更加科学合理,具有一定的实用性。     

Using stochastic programming to solve an outpatient appointment scheduling problem with random service and arrival times

We study a stochastic outpatient appointment scheduling problem (SOASP) in which we need to design a schedule and an adaptive rescheduling (i.e., resequencing or declining) policy for a set of patients. Each patient has a known type and associated probability distributions of random service duration and random arrival time. Finding a provably optimal solution to this problem requires solving a multistage stochastic mixed‐integer program (MSMIP) with a schedule optimization problem solved at each stage, determining the optimal rescheduling policy over the various random service durations and arrival times. In recognition that this MSMIP is intractable, we first consider a two‐stage model (TSM) that relaxes the nonanticipativity constraints of MSMIP and so yields a lower bound. Second, we derive a set of valid inequalities to strengthen and improve the solvability of the TSM formulation. Third, we obtain an upper bound for the MSMIP by solving the TSM under the feasible (and easily implementable) appointment order (AO) policy, which requires that patients are served in the order of their scheduled appointments, independent of their actual arrival times. Fourth, we propose a Monte Carlo approach to evaluate the relative gap between the MSMIP upper and lower bounds. Finally, in a series of numerical experiments, we show that these two bounds are very close in a wide range of SOASP instances, demonstrating the near‐optimality of the AO policy. We also identify parameter settings that result in a large gap in between these two bounds. Accordingly, we propose an alternative policy based on neighbor‐swapping. We demonstrate that this alternative policy leads to a much tighter upper bound and significantly shrinks the gap.