基于遗传算法的目标分配问题研究

通过对地空导弹部队射击指挥中目标分配问题的分析,建立了目标优化分配数学模型。在此基础上,给合遗传算法对模型进行求解。通过在具体实例中的应用表明,采用遗传算法为有效地解决这一复杂组合优化问题提供了一种新途径。     

一种面向复杂系统的模糊可靠性分配方法

针对系统研制初期的不确定的约束条件与设计目标 ,进行了复杂系统模糊可靠性分配建模 ;结合遗传算法理论 ,考虑了一般系统的求解 ;实例分析验证了所提出方法的性能和可行性 .     

液体火箭发动机非线性燃烧不稳定过程的并行仿真

采用计算燃烧学方法对火箭发动机非线性燃烧不稳定工作过程进行了并行数值模拟。气相控制方程组用欧拉坐标系下的Navier Stokes方程组描述 ,液相控制方程组在Lagrangian坐标系下进行描述。气、液两相作用通过方程组的源项互相耦合。编制了串行和并行程序 ,并在并行计算环境下进行了测试。从计算结果可以看出并行计算的效率较高。     

一种面向任务的通用仿真资源集成管理平台的设计与实现

针对当前仿真领域中对仿真资源可重用性的需求,根据实践经验及相关理论知识对仿真资源管理系统的设计与实现进行了研究。提出了一种面向任务的通用仿真资源集成管理平台,该平台用面向任务的视角集成管理资源,以B/S系统结构及Web服务技术保证其通用性,以细粒度的用户验证机制保证其安全性。通过对实际原型系统的测试,与其它同类系统比较,该资源管理平台具有明显优势,能够很好的满足仿真资源管理的需求,并具有较强的通用性。     

改进粒子群算法在导弹火力分配中的应用

粒子群优化算法是一种新兴的优化技术,思想来源于人工生命和演化计算理论.由于该算法简单易实现,可调参数少,目前已得到广泛研究和应用.在建立导弹武器火力分配数学模型的基础上,运用改进粒子群算法对模型进行了最优化求解,实例的计算结果表明该优化算法对于模型的求解具有较好的收敛性.     

遗传算法在目标跟踪中的传感器分配算法

传感器在进行目标跟踪时,常规算法主要通过线性规划建立传感器与目标之间的分配方法.但是在对多目标和多传感器的战场环境中,这些方法有一定局限性.研究了基于遗传算法的传感器分配方法,通过构造符合传感器分配这一特殊问题的染色体,从而形成初始种群,然后利用遗传算法模拟生物遗传迭代和自然选择的遗传机理,通过多次选择最终收敛于问题的一个满意解.仿真显示,在大数据运算的环境中,该算法有更高的可行性和有效性.     

提高惯导系统Unscented卡尔曼滤波实时性技术

Unscented卡尔曼滤波(UKF)通过构造一组,具有与给定状态估计相同的一、二阶矩,也可能是高阶矩的样本点,实现对非线性系统的状态估计,因此其计算效率取决于能够捕获这些数字特征的样本点数目.通过构造n 2个样本点来捕获n维状态变量的均值和方差,提出了将这种方法应用于惯性导航的初始对准.仿真结果表明在同等滤波精度的情况下,该方法比UKF计算效率更高,实时性更好.     

非线性系统中的机动目标跟踪算法

对于非线性系统中的机动目标跟踪问题 ,首先针对“当前”统计模型的缺陷提出了一种修正算法 ,然后应用转换测量Kalman滤波算法进行跟踪。仿真结果表明在非线性观测条件下 ,算法明显提高了对弱机动和非机动目标的跟踪性能 ,同时保持了对强机动目标的高性能跟踪     

神经网络模型预测函数控制方法

在建立基于神经网络模型的非线性预测函数控制系统结构和基于BP网络非线性预测模型的基础上,提出了基于神经网络模型的非线性预测函数控制方法,并对其优化法等进行了讨论。通过与PID方法的仿真比较表明,预测函数控制方法具有抑制干扰能力强、跟踪性能好的特点,能够满足一些非线性系统的控制要求。     

A model of supply-chain decisions for resource sharing with an application to ventilator allocation to combat COVID-19

We present a stochastic optimization model for allocating and sharing a critical resource in the case of a pandemic. The demand for different entities peaks at different times, and an initial inventory for a central agency are to be allocated. The entities (states) may share the critical resource with a different state under a risk-averse condition. The model is applied to study the allocation of ventilator inventory in the COVID-19 pandemic by FEMA to different U.S. states. Findings suggest that if less than 60% of the ventilator inventory is available for non-COVID-19 patients, FEMA's stockpile of 20 000 ventilators (as of March 23, 2020) would be nearly adequate to meet the projected needs in slightly above average demand scenarios. However, when more than 75% of the available ventilator inventory must be reserved for non-COVID-19 patients, various degrees of shortfall are expected. In a severe case, where the demand is concentrated in the top-most quartile of the forecast confidence interval and states are not willing to share their stockpile of ventilators, the total shortfall over the planning horizon (until May 31, 2020) is about 232 000 ventilator days, with a peak shortfall of 17 200 ventilators on April 19, 2020. Results are also reported for a worst-case where the demand is at the upper limit of the 95% confidence interval. An important finding of this study is that a central agency (FEMA) can act as a coordinator for sharing critical resources that are in short supply over time to add efficiency in the system. Moreover, through properly managing risk-aversion of different entities (states) additional efficiency can be gained. An additional implication is that ramping up production early in the planning cycle allows to reduce shortfall significantly. An optimal timing of this production ramp-up consideration can be based on a cost-benefit analysis.