无人飞行器Ad Hoc网络中容错节点移动控制算法

针对无人飞行器Ad Hoc网络的容错设计需求,基于UAV节点的可控移动特性,提出了一种基于强化边启发的节点移动控制算法.首先采用文化基因算法对给定通信网络对应的拓扑图进行搜索,求解使图获取顶点2 -连通属性所需新增的最小成本强化边组合.以强化边为启发,将连接的节点移动到彼此通信范围内来实现强化边,同时以这些节点为leader,采用基于一致性算法的leader-follower控制算法移动其他关联节点,使变化后的网络为顶点2-连通,从而实现网络容错.仿真实验结果表明算法的可行性与有效性,节点总的移动距离少于用于对比的块移动算法和紧缩算法.     

使用三个数域的数域筛算法

大整数分解难题是RSA密码的数学安全基础.目前数域筛算法是分解365比特以上大整数的最有效方法,然而它的时间复杂度仍然是亚指数的.对于目前普遍使用的1024比特以上大整数,数域筛算法还不能分解,所以研究数域筛算法具有重要的意义.现有的一般数域筛算法普遍使用两个数域,对多个数域的研究极少.一般数域筛算法经过修改可以使用三个数域,即两个代数数域和一个有理数域.分析表明:修改后的数域筛算法与原来的一般数域筛算法在时间复杂度上处于同一量级.但修改后的数域筛算法有更多地方可以合并计算,所以计算速度更快了.通过两个实验也验证了这一结论.     

超声速型面可控喷管设计方法

提出了基于B-Spline曲线和特征线方法的超声速型面可控喷管设计方法,通过设置喷管轴向马赫数分布可以灵活地调整喷管的型面形状。数值验证结果表明,该方法不仅可以设计出高品质的喷管出口流场,而且能够实现喷管型面的灵活调整,可以获得长度与最短长度喷管一致,但流场品质更优的喷管。     

舰船成本预测系统中的自变量约简方法

针对舰船成本预测系统中自变量众多且相互关系错综复杂的特点,提出了用模糊粗糙集方法对舰船成本预测系统中的自变量进行约简。在模糊粗糙集方法的框架下,给出了模糊不可分辨关系和相对约简的定义,构建了基于模糊粗糙集的舰船成本预测系统自变量约简模型,并且针对实际的舰船成本预测系统一般是混合数据系统的问题,对广义差别矩阵的定义进行了改进,设计了相应的启发式约简算法。实例分析结果表明:文中所提的方法不仅能使约简的自变量大为减少,而且约简的效果较传统方法更好,且计算过程也更简单。     

基于信息熵的多属性群决策通指装备效能评估算法

基于通指装备效能评价指标的多样性和描述语言的模糊性,首先将对通指装备评价属性的定量、定性描述指标统一转化为三角模糊数,实现定量指标与定性指标的规范化处理,在此基础上提出一种基于信息熵排序的模糊多属性群决策算法,实现对通指装备的综合评价．最后,通过通指装备效能评估实例分析并证明了算法的可行性和有效性．     

基于L-M算法改进BP网络的信息对抗能力评估

在未来密集和复杂的电磁环境中,快速、客观地评估敌我双方的信息对抗能力具有重要的意义。目前通常采用的人工打分方法具有一定的主观性,且周期较长,难于满足战场瞬息万变的需求。提出了一种基于L evenberg-M arquardt算法改进的BP神经网络信息对抗能力评估方法,以某组信息对抗数据为训练数据,对改进BP神经网络进行训练,并进行了验证性的仿真试验。仿真结果表明:改进BP神经网络能客观有效地评估信息对抗能力,较大程度地提高了神经网络的收敛速度、缩短了评估时间。     

混合遗传算法在大型运输机装载问题中的运用

为解决大型运输机装载方案的制定问题,构建了考虑飞机重心、飞机载重量、货舱容积、货物摆放方向、承压能力、装载优先级、货物底置位置和系留等现实约束的装载方案数学模型,提出了一种新的融合整体退火选择方式和对交叉、变异概率进行自适应处理的混合遗传算法,并将此方法运用到两个货物装载算例中。仿真实例表明:该混合遗传算法方法为大型运输机装载方案制定选择提供了一种科学有效的决策方法。     

基于启发式算法的复杂军事网络路径优化

使用一种启发式算法,使得复杂网络中最大介数最小化,可以达到接近最优化的路径,以改善复杂网络的信息容量。针对海上编队作战系统复杂网络的平均介数、最大介数与网络大小、迭代次数、介数分布情况的仿真发现,复杂网络容量超出比对文献中理论预测的最大值,这对于解决复杂军事网络的拥塞,提高复杂军事网络容量和作战效能重大意义。     

具有战时随机延误与损耗的多配送中心路径优化

建立了具有战时随机延误与损耗的多配送中心配送路径安排模型,给出了基于随机模拟的蚁群算法。算法通过给定残存率、用时与置信度阈值,把多目标问题作为单目标来处理。用随机模拟的方法来求路径的置信度,并以此为基础搜索转移策略的临域与判断未遍历点的插入位置。算法设计了符合问题特点的从虚拟点出发的转移策略与对两类路段不同的信息素更新策略,确保算法的实现。最后,通过算例说明了该方法的可行性与有效性。     

基于分合粒子群算法的多无人机任务重分配

多UAV在执行任务过程中,战场环境以及UAV编队状态的改变将导致原有的分配计划失效或效率降低,因此有必要重新分配任务。针对多无人机任务重分配问题,首先建立了相应的数学模型。其次运用分组基础上的任务重分配策略进行任务分配,提出了改进的K均值聚类算法进行初步分组,再在分组的基础下,提出了分合粒子群优化算法进行组内任务分配。最后进行实验仿真。实验结果与分析表明基于分合粒子群算法的任务重分配方法能有效地满足多变的战场环境要求。