基于遗传神经网络算法后勤指挥决策能力预测

分析了后勤指挥的主要影响因素,运用信息论中的信息压缩原理,建立和优化了后勤机关指挥决策能力预测指标体系。建立了遗传算法优化的BP神经网络后勤机关指挥能力预测模型,消除了BP神经网络存在的初始权值和阈值难以确定的局限性。给出了预测实例,证明了该算法的合理性和有效性。     

高校网络德育理念初探

高校由于信息资源和人才的优势,始终处于网络社会发展的最前沿。网络正深刻改变着高校师生的工作、学习、生活、思维、交往等各个方面,网络德育应运而生。要推动高校网络德育的建设,首先应在理念上与时俱进、不断更新。     

雷达组网探测资源可监控性分析

探测资源可监控性是实现雷达组网系统资源优化管理与控制的前提,与管控灵活性有着密切的关系。以雷达群组网系统为背景,综合考虑组网探测资源可监控性需求、技术可行性与经济性等因素,深入分析了雷达组网系统指控中心、组网雷达及附属设备等资源的可监视性与可控性,并提出了探测资源可监控性设计原则,这对组网管控系统及组网雷达的升级改造与研制具有一定的指导与参考价值。     

导弹俯仰通道制导控制一体化设计

根据弹目相对运动关系及导弹系统模型,建立了导弹俯仰通道制导控制一体化模型。利用反馈线性化方法将该模型转化成为可控线性系统,基于自适应反演控制方法设计了控制器对转换后的系统进行控制。仿真结果表明,制导控制一体化设计能够有效减小导弹脱靶量,缩短导弹系统响应时间。     

高超声速飞行器组合导航系统研究

为提高高超声速飞行器的导航精度,在SINS/GPS位置、速度组合导航模型基础上增加了GPS姿态信息,推导了姿态算法中姿态角误差与平台误差角的关系。通过理论分析说明了其可消除数学模型误差,提高系统的姿态精度,并以此建立了SINS/GPS组合导航系统姿态、位置、速度观测方程。通过仿真验证了该算法的有效性,结果表明SINS/GPS姿态、位置、速度组合导航可以有效提高高超声速飞行器导航定位精度。     

基于满足率的随舰备件配置方案

针对满足率只有统计定义的问题,从不同角度研究了备件满足率的概率性质,给出了满足率的两种概率模型,揭示了满足率的内涵和实际工程意义。在此基础上,给出了系统备件保障满足率的概率定义,建立了以系统备件满足率为约束、备件总重量最小为目标的随舰备件配置优化模型,研究了优化模型的边际效益算法。实例分析表明：该方法为合理制定舰艇随舰备件保障方案提供了决策依据。     

LEO卫星网络路径选择策略

路由算法在选择路径时,主要考虑传输延迟和跳数这两个因素,分别选取最短延迟路径(Least Delay Path,LDP)或最少跳数路径(Least Hops Path,LHP)。在卫星网络中,基于LHP选径策略实现更加简单,但其应用在LEO卫星网络中合理性的研究成果不多。对极轨道LEO卫星网络中,LDP和LHP之间关系进行详细地理论分析,验证了LHP选径策略的合理性。并在此基础上,提出一种基于横向传输优先级(Horizontal Transmitting Priority,HTP)的LHP最短路径选择策略,利用横向链路长短特性简化路径决策流程。通过仿真,该方法能够快速寻找到最短LHP路径,为LEO卫星网络路由算法提供一定的研究基础。     

一类分段线性费用网络流问题

本文通过把一类分段线性费用网络流问题化成线性费用网络流问题,给出了求解这类分段线性费用网络流问题的算法。     

激光陀螺SINS/GPS组合导航车载试验系统

SINS GPS组合导航系统已经应用于许多不同的领域。介绍一种已经进入试验阶段的低成本激光陀螺SINS GPS组合导航系统。根据系统的硬件结构,设计实现了与实际系统相匹配的组合导航滤波器,根据车载试验的结果,着重分析了系统车载试验中不同导航模式对系统性能的影响,最后给出了一些有益的结论。     

On the uncapacitated K‐commodity network design problem with zero flow‐costs

Extending Sastry's result on the uncapacitated two‐commodity network design problem, we completely characterize the optimal solution of the uncapacitated K‐commodity network design problem with zero flow costs for the case when K = 3. By solving a set of shortest‐path problems on related graphs, we show that the optimal solutions can be found in O(n³) time when K = 3, where n is the number of nodes in the network. The algorithm depends on identifying a list of “basic patterns”; the number of basic patterns grows exponentially with K. We also show that the uncapacitated K‐commodity network design problem can be solved in O(n³) time for general K if K is fixed; otherwise, the time for solving the problem is exponential. © 2004 Wiley Periodicals, Inc. Naval Research Logistics, 2004