基于直觉模糊熵的飞行保障效能灰色聚类评估

随着空军在未来战争中越来越重要,飞行保障效能的好坏直接关系到空军战斗力的生成。通过分析飞行保障任务,构建了飞行保障效能评估指标体系,建立了基于直觉模糊熵的动态客观权重模型;运用灰色聚类评估方法对飞行保障效能进行了评估,并结合实例,验证了该方法的有效性,为保障能力的提升提供了参考依据。     

ANP在依托C4 ISR的指挥控制效能评估中的应用研究

指挥信息系统（ C4 ISR）作为联系指挥者、指挥对象和武器平台的重要手段,其作用的发挥对指挥体系的整体指挥控制效能具有重要影响。将指挥员、指挥机关、指挥信息系统和所属部队等多种因素作为影响指挥控制效能的主要因素,在分析各因素之间的相互影响及其内部各子因素的相互关系后,采用网络层次分析法（ Analytic Network Process, ANP）建立了指挥控制效能评估的网络模型,并运用Super Decision（SD）软件对模型予以实现。     

设计模式的战术标图系统数据组织与管理设计

战术标图系统是军队指挥自动化的基础性工作之一,设计模式的使用有助于提高软件设计质量和开发效率。在阐述战术标图系统以数据、视图和控制器分离为基础的总体结构后,着重分析了系统在数据组织和管理方面的功能需求,结合Factory Method、Composite和State设计模式思想,提出了相应设计模型。设计模式的使用,提高了战术标图系统的稳定性、可扩展性和易维护性。     

采用SHLPN分析特种车载总线网络可靠性

针对特种车载总线网络可靠性难以评估的问题,提出采用随机高级Petri网(Stochastic High-level Petri Net,SHLPN)分析特种车载总线网络可靠性。深入分析特种车载总线网络故障模式的基础上,将其等效为冗余总线控制器模块、远程终端模块和冗余链路模块的串联,分别建立各个模块的SHLPN模型,得到了各个模块的稳态可用度计算式,进而综合得到特种车载总线网络的稳态可用度计算式。最后,实例分析验证了所提方法的有效性。     

非致命微波武器综合效能评估

针对非致命微波武器效能评估问题,通过分析影响非致命微波武器效能的关键因素,建立了非致命微波武器评价指标体系,提出了非致命微波武器效能的评估方法。采用一致性排序法确定各个指标的分配权重,并将Vague集应用到效能评估中,利用加权贴近度表征非致命微波武器效能的评估值。得到评估结果与实际情况相符,为国内非致命微波武器发展提供了理论依据。     

炮兵对有生力量压制比的仿真计算方法

为了评估炮兵对有生力量压制效果,应用离散事件仿真方法建立了炮兵射击有生力量仿真模型,提出一种炮兵对有生力量压制比的仿真计算方法。首先,给出了压制比的概念与模型。然后,建立了基于离散事件仿真的炮兵射击有生力量模型。最后,结合实例验证了仿真计算方法的正确性。     

考虑节点自修复能力的C2关系网络毁伤特性研究

针对指挥控制关系网络受到攻击时节点及网络毁伤程度的量化评价问题,首先形式化定义了攻击强度和节点自修复能力函数,在此基础上,分别给出了网络中节点无自修复能力和自修复能力随时间变化时的节点毁伤模型。最后通过仿真计算,得到了节点的失效过程描述以及随机攻击和选择性攻击两种不同攻击目标选择方式下网络效率随攻击时间的变化关系。     

基于RNN汉语语言模型自适应算法研究

深度学习在自然语言处理中的应用越来越广泛。相比于传统的n-gram统计语言模型,循环神经网络(Recurrent Neural Network,RNN)建模技术在语言模型建模方面表现出了极大的优越性,逐渐在语音识别、机器翻译等领域中得到应用。然而,目前RNN语言模型的训练大多是离线的,对于不同的语音识别任务,训练语料与识别任务之间存在着语言差异,使语音识别系统的识别率受到影响。在采用RNN建模技术训练汉语语言模型的同时,提出一种在线RNN模型自适应(self-adaption)算法,将语音信号初步识别结果作为语料继续训练模型,使自适应后的RNN模型与识别任务之间获得最大程度的匹配。实验结果表明:自适应模型有效地减少了语言模型与识别任务之间的语言差异,对汉语词混淆网络进行重打分后,系统识别率得到进一步提升,并在实际汉语语音识别系统中得到了验证。     

防暴驱散车武器配置设计及作战效能评估

从武警部队执行中心任务需求出发,分析了防暴驱散车的功能要求,提出了防暴驱散车作战武器配置方案,建立了防暴驱散车作战效能评估模型。运用模糊层次分析法,通过模糊互补判断矩阵及最小方差算法,将定性分析与定量分析相结合,实现了对防暴驱散车作战效能的评估。     

The probability of the existence of a feasible flow in a stochastic transportation network

Stochastic transportation networks arise in various real world applications, for which the probability of the existence of a feasible flow is regarded as an important performance measure. Although the necessary and sufficient condition for the existence of a feasible flow represented by an exponential number of inequalities is a well‐known result in the literature, the computation of the probability of all such inequalities being satisfied jointly is a daunting challenge. The state‐of‐the‐art approach of Prékopa and Boros, Operat Res 39 (1991) 119–129 approximates this probability by giving its lower and upper bounds using a two‐part procedure. The first part eliminates all redundant inequalities and the second gives the lower and upper bounds of the probability by solving two well‐defined linear programs with the inputs obtained from the first part. Unfortunately, the first part may still leave many non‐redundant inequalities. In this case, it would be very time consuming to compute the inputs for the second part even for small‐sized networks. In this paper, we first present a model that can be used to eliminate all redundant inequalities and give the corresponding computational results for the same numerical examples used in Prékopa and Boros, Operat Res 39 (1991) 119–129. We also show how to improve the lower and upper bounds of the probability using the multitree and hypermultitree, respectively. Furthermore, we propose an exact solution approach based on the state space decomposition to compute the probability. We derive a feasible state from a state space and then decompose the space into several disjoint subspaces iteratively. The probability is equal to the sum of the probabilities in these subspaces. We use the 8‐node and 15‐node network examples in Prékopa and Boros, Operat Res 39 (1991) 119–129 and the Sioux‐Falls network with 24 nodes to show that the space decomposition algorithm can obtain the exact probability of these classical examples efficiently. © 2016 Wiley Periodicals, Inc. Naval Research Logistics 63: 479–491, 2016