兵力展开问题研究

如何将基地的兵力以最短时间展开到多个阵地中,是运输问题中的一种。为解决此问题对著名的兵力展开问题进行了研究。建立了兵力展开问题的数学模型,此模型是一个混合整数规划模型。提出了一种求解方法,该方法可解决类似的混合整数规划问题。最后给出了一个实例。     

基于灰色神经网络的装甲器材需求量预测

分析了装甲器材需求量影响因素,将灰色预测与神经网络预测方法相结合,建立了装甲器材需求量预测的灰色神经网络计算模型。该模型具有灰色系统的少数据建模及神经网络的精度可控性等优点,能较好地解决目前装甲器材需求预测精度不高的问题,可为装甲器材管理部门制定订购、调拨计划提供决策依据。     

任务驱动下航材需求量的GA-GM-BP预测

机务保障影响着航空装备战斗力的生成,机务保障资源是任务成功率的物质支撑.基于航材需求信息的灰色性,通过采用DEMATEL方法提取影响航空备件需求量的关键影响因素,采用遗传算法优化的灰色神经网络对需求量进行了仿真预测,其预测精度较BP神经网络和灰色神经网络都高.该方法对于其他航空机务保障资源的需求预测有借鉴意义.     

基于小波神经网络的货运量预测

选取我国1979—2011年国民生产总值、能源生产总值、进出口贸易额、社会消费品零售总额和固定资产投资总额5项指标作为货运总量的主要影响因素,以货运总量为输出,建立了基于Morlet小波函数的小波神经网络预测模型。该模型能够揭示货运量与相关变量之间的非线性映射关系,经实例分析得到了较满意的结果,并通过与实际货运量和BP神经网络预测结果的对比,证明了小波神经网络在货运量预测方面应用的可行性。     

Lot sizing with learning and forgetting in setups: Analytical results and insights

This article considers the dynamic lot sizing problem when there is learning and forgetting in setups. Learning in setups takes place with repetition when additional setups are made and forgetting takes place when there is a break between two successive setups. We allow the amount forgotten over a break to depend both on the length of the break and the amount of learning at the beginning of the break. The learning and forgetting functions we use are realistic. We present several analytical results and use these in developing computationally efficient algorithms for solving the problem. Some decision/forecast horizon results are also developed, and finally we present managerial insights based on our computational results. © 2016 Wiley Periodicals, Inc. Naval Research Logistics 63: 93–108, 2016     

舰船主动力装置系统可靠性的模糊预计

利用模糊数学理论中的综合评判方法,综合考虑多方面的模糊因素,借助于已知单元的可靠性预计舰船主动力装置系统中其它单元的可靠性,进而预计系统的可靠性．     

战时装备备件需求的多层次灰色预测

通过确定战时备件需求评价指标体系 ,运用层次分析原理和灰色理论 ,建立了战时备件需求的多层次灰色预测模型 ,并结合参战的某型舰的主机气阀弹簧的战损需求进行多层次灰色预测     

基于自适应模糊神经网络的弹药消耗预计模型

根据我军弹药消耗预计方法的现状,利用模糊控制和神经元网络原理,提出了一种新的预计方法。量化的作战条件作为系统的输入,预计值作为系统的输出,根据历史的输入、输出数据确定系统的特性,建立预计模型。利用此种方法建立的模型根据历史数据训练后,输入现有战斗估计条件,即可对部队日平均作战消耗做出预计。     

大型装备费用预测中的系统分析

将大型装备连续建造的总成本及控制变量作为一个变化系统,并用灰色系统理论进行建模分析,采用龙格-库塔法求解微分方程组.通过对精度的分析,指出使用灰色系统预测结果不能采用统计分析方法的相关性检验标准,而要通过预测数列与原始数列的逼近情况来判断其预测精度.     

基于卫星云图历史资料反演云团非线性预测模型

针对线性预测方法难以有效描述云团的非线性、非平稳变化的困难,基于经验正交函数分解(EOF)和遗传算法参数优化结合的思想,提出了一条云团非线性预测模型反演的方法途径。首先将卫星云图序列作EOF的时、空分解;在此基础上,引入遗传算法对EOF的时间系数序列进行了动力模型重构和模型参数反演,建立了EOF时间系数的非线性微分方程组;再通过时、空函数合成,构造了云团演变的动力预报模型。试验结果表明,反演的云团预报模型能较为合理地描述特定季节区域内云团演变的基本趋势,预测结果与实际云图的主要特征基本相符,尤其是实现了云图3h以上的中、长时效的客观预测。