基于BP神经网络的防空导弹火力单元阵地评价模型

建立了防空导弹阵地评价的指标体系。对应用人工神经网络解决防空导弹阵地评价的方法问题进行了探讨 ,并且给出了神经网络的评价模型及算法。实例证明该方法是可行的。     

基于神经网络的内燃机燃烧过程的辨识

发动机燃烧过程的数值计算精度是计算有害排放物和发动机结构优化的基础。跳出基于零维模型、准维模型和多维模型的数值计算方法,基于利用神经网络对燃烧过程进行辨识,并给出了仿真结果。     

网络信息检索结果的影响因素及应对策略

针对目前出现的“信息过载”问题,分析了网络信息检索结果处理的现状,从信息源、用户行为及检索机制3个方面分析了影响检索结果的因素,对提高检索结果的满意度提出了一些建议。     

基于n-宗派的C2组织协作性量化分析

C2组织的协作性是目前信息化战争研究中的一个热点。利用"社会网络分析方法",对C2组织的指挥控制关系网络模型进行"n-宗派"分析,可以有效地揭示组织的子结构特征以及定量地研究组织的协作性。分析了指挥控制关系网络模型n-宗派中"n"的现实意义,设计了"宗派协作指数"和"组织协作指数"的计算方法和公式。结合示例,以2-宗派为例说明了C2组织协作性量化分析的步骤和过程。研究表明,基于n-宗派的C2组织协作性量化分析具有可操作性和现实意义。     

消防无线通信存在问题及对策研究

介绍了我国消防无线通信在灭火救援中的重要性,重点从消防通信装备的配备、技术和管理等方面分析了消防无线通信在使用中存在的问题,并提出了解决这些问题的对策。     

基于神经网络和遗传算法对反装甲目标威胁度评估研究

针对威胁度估计问题和装甲车辆在战场上的实际情况,运用神经网络和遗传算法理论探索反装甲目标威胁度评估问题。基于BP神经网络模型的算法,利用神经网络良好的自适应能力和遗传算法强大的全局搜索能力,通过样本数据训练,提高了威胁度估计的准确性和适应性。经过验证该算法能够有效反应出反各种反装甲目标的威胁度,其稳定性、精确性也比较高。     

卫星通信网作战效能评估研究

通过对卫星通信网完成信息传输作战任务的能力分析,建立了卫星通信网作战效能评估指标体系;将模糊层次分析法和熵权法相结合,建立了确定指标权重向量的综合集成赋权模型,采用专家打分和隶属度函数法计算单因素模糊评估向量,采用相对状态特征值对评估结果进行处理,建立了模糊综合评估模型,实现了卫星通信网作战效能的评估,并对评估结果进行了分析。     

基于BP神经网络的装备故障诊断专家系统研究

分析了神经网络和专家系统的特点,提出了基于BP神经网络与专家系统结合的某装备的故障诊断方法,构造了BP神经网络的装备故障诊断专家系统的诊断模型,克服了传统专家系统在知识获取和表达的薄弱环节,并用了某型装备的故障实际数据进行了验证,结果表明了神经网络与专家系统结合是一种有效的诊断方法。     

Benders decomposition with alternative multiple cuts for a multi‐product closed‐loop supply chain network design model

In this article, we consider a multi‐product closed‐loop supply chain network design problem where we locate collection centers and remanufacturing facilities while coordinating the forward and reverse flows in the network so as to minimize the processing, transportation, and fixed location costs. The problem of interest is motivated by the practice of an original equipment manufacturer in the automotive industry that provides service parts for vehicle maintenance and repair. We provide an effective problem formulation that is amenable to efficient Benders reformulation and an exact solution approach. More specifically, we develop an efficient dual solution approach to generate strong Benders cuts, and, in addition to the classical single Benders cut approach, we propose three different approaches for adding multiple Benders cuts. These cuts are obtained via dual problem disaggregation based either on the forward and reverse flows, or the products, or both. We present computational results which illustrate the superior performance of the proposed solution methodology with multiple Benders cuts in comparison to the branch‐and‐cut approach as well as the traditional Benders decomposition approach with a single cut. In particular, we observe that the use of multiple Benders cuts generates stronger lower bounds and promotes faster convergence to optimality. We also observe that if the model parameters are such that the different costs are not balanced, but, rather, are biased towards one of the major cost categories (processing, transportation or fixed location costs), the time required to obtain the optimal solution decreases considerably when using the proposed solution methodology as well as the branch‐and‐cut approach. © 2007 Wiley Periodicals, Inc. Naval Research Logistics, 2007     

非线性系统的神经网络广义预测控制

研究了神经网络广义预测控制方法在非线性系统中的应用,基于BP网络构造神经网络预测器,利用非线性系统的开环输入输出数据离线训练神经网络,根据拟牛顿BFGS优化算法使得二次型性能指标函数达到最小,得到了最优的控制序列。同时给出了神经网络广义预测控制算法的步骤,讨论了提高系统鲁棒性的措施。仿真结果表明,这种神经网络预测控制算法具有响应速度快、控制效果好和跟踪精度高等特点。