适用于认知无线传感器网络的高效频谱分配方法

广泛工作在ISM(Industrial,Scientific and Medical)频段的无线传感器网络面临严重的频谱稀缺问题。在无线通信中,动态频谱分配被认为是提高频谱效能的重要途径。针对典型集中式管理的认知无线传感器网络设计了基于图着色结合负载强度的高效频谱分配算法。首先在协议干扰模型下确保频谱资源在空间上充分利用,随后综合考虑节点负载强度与公平性建立优化模型并按照乘子法加拟牛顿法框架求解最优值。仿真实验表明算法与固定频谱分配方式和传统自适应频谱分配算法相比,在系统吞吐量和节点缓冲区队列长度两个关键性能指标上具有显著优势。     

应用加权紧致非线性格式的VFE-2钝前缘三角翼转捩模拟

为研究前缘转捩对钝前缘三角翼涡结构的影响,采用高阶精度加权紧致非线性格式和γ-Reθ转捩模型对VFE-2中等半径钝前缘三角翼进行数值模拟。将计算结果与试验结果进行详细对比,结果表明:钝前缘三角翼的前缘分离涡发生在翼尖下游,在特定雷诺数下其具体发生位置受转捩因素影响,采用全湍流模型计算会推迟分离,而耦合转捩模型后的计算结果和试验结果吻合良好。运用耦合转捩模型方法,对钝前缘三角翼涡结构随迎角变化进行模拟。计算结果与试验结果吻合,表明在较小的迎角下,前缘不会产生分离诱导涡;随迎角不断增大,分离诱导涡在三角翼后缘附近产生并向上游移动。     

基于高精度加权紧致非线性格式的γ－Reθ转捩模型标定与应用

为准确模拟航空工程中的转捩问题,在高精度数值风洞平台上采用低速平板试验数据对基于高精度加权紧致非线性格式的γ-Re_θ转捩模型进行了标定,并在二维低速问题中进行了应用。计算结果与试验的对比表明:基于高精度加权紧致非线性格式的γ-Re_θ转捩模型可准确模拟自然转捩、旁路转捩及分离转捩的位置,并且具有较低的网格敏感性;在中等雷诺数范围,层流区域和湍流区域有相同量级时,计算必须采用转捩模型才能准确模拟阻力系数。     

当前火灾自动报警系统运行中存在问题及对策

结合多年工作实践,对火灾自动报警系统设计、施工与运行中存在的诸多问题进行了探讨,分析了存在问题的原因,并从设计、产品选用、施工管理、消防验收、日常管理、提高认识程度、加强监督检查几个方面提出了相应的解决办法和建议。     

在任职教育中开发学员任职经验的探讨

任职教育是在受训学员有着一定的任职经验基础上,提高岗位任职能力的一种短期培训。在教学实施过程中,必须注重挖掘任职经验,交流任职经验,再把经验上升为理论从而去指导部队实践。这种任职经验的开发,有利于在教学过程中按需施教,扩大师生的视野,丰富教学资源,实现理论与实践的统一,有效达成任职教育的目标。     

求解非线性规划的小生境遗传模拟退火算法

提出了用小生境遗传模拟退火算法求解带复杂约束的非线性规划问题。首先分析了遗传算法＂早熟＂收敛以及局部搜索能力弱的不足,由此引入小生境以增加种群多样性,并抑制＂早熟＂收敛现象,同时引入模拟退火算法以增强局部搜索能力,改进进化后期收敛速度慢的不足,最后结合典型非线性规划算例验证了混合算法的效率、精度和可靠性。     

具有时滞的二阶多点边值问题3个正解的存在性

研究具有时滞的二阶多点边值问题,应用Avery和Peterson推广的Leggett-Williams不动点定理,给出了该边值问题至少存在3个正解的充分条件。     

多目标广义指派问题的模糊匈牙利算法求解

提出和讨论了两类多目标的广义指派决策问题,分别给出了它们的多目标整数线性规划数学模型,并结合模糊理论与解决传统指派问题的匈牙利方法提出了一种新的求解算法:模糊匈牙利法.最后给出了一个数值例子.     

一类拟线性周期抛物边值问题

研究了一类带有小扩散系数的拟线性周期抛物混合边值问题。给出当扩散系数趋于零时其非平凡解的渐近性。     

A genetic algorithm with neighborhood search for the resource‐constrained project scheduling problem

The resource‐constrained project scheduling problem (RCPSP) consists of a set of non‐preemptive activities that follow precedence relationship and consume resources. Under the limited amount of the resources, the objective of RCPSP is to find a schedule of the activities to minimize the project makespan. This article presents a new genetic algorithm (GA) by incorporating a local search strategy in GA operators. The local search strategy improves the efficiency of searching the solution space while keeping the randomness of the GA approach. Extensive numerical experiments show that the proposed GA with neighborhood search works well regarding solution quality and computational time compared with existing algorithms in the RCPSP literature, especially for the instances with a large number of activities. © 2011 Wiley Periodicals, Inc. Naval Research Logistics, 2011