基于马尔科夫链的一种评价方法

应用了数理统计与随机过程理论,从分析动态系统的状态以及状态转移情况给出了一种合理的评价方法,经过实例验证,该方法效果较好.     

多窗口谱图分析的低截获概率雷达信号识别

在当前复杂的战场环境中,低截获概率雷达信号因其具有大时宽带宽积、强干扰性能、高分辨率和低截获性特点得到了广泛应用,传统的雷达侦察手段很难对其进行有效识别.在低截获概率雷达典型调制分析的基础之上,研究基于人工智能的雷达信号分类识别方法.从低截获概率雷达信号时频特征入手,提出基于多窗口时频谱图分析方法.该算法采用Hermi...     

物元理论在优选对地打击目标中的应用

优选对地打击目标是现代信息化战争条件下联合作战对地火力协调中心在计划火力时的首要任务。旨在从目标的重要性、可靠性、射击紧迫性及对其射击时自身被发现的机会四个因素入手,举例证明如何构造物元模型,做到定性与定量相结合,对于编制炮兵C4I系统计划火力软件具有一定的参考价值。     

A worst‐case formulation for constrained ranking and selection with input uncertainty

In this research, we consider robust simulation optimization with stochastic constraints. In particular, we focus on the ranking and selection problem in which the computing time is sufficient to evaluate all the designs (solutions) under consideration. Given a fixed simulation budget, we aim at maximizing the probability of correct selection (PCS) for the best feasible design, where the objective and constraint measures are assessed by their worst‐case performances. To simplify the complexity of PCS, we develop an approximated probability measure and derive the asymptotic optimality condition (optimality condition as the simulation budget goes to infinity) of the resulting problem. A sequential selection procedure is then designed within the optimal computing budget allocation framework. The high efficiency of the proposed procedure is tested via a number of numerical examples. In addition, we provide some useful insights into the efficiency of a budget allocation procedure.     

Information theory for ranking and selection

We study the classical ranking and selection problem, where the ultimate goal is to find the unknown best alternative in terms of the probability of correct selection or expected opportunity cost. However, this paper adopts an alternative sampling approach to achieve this goal, where sampling decisions are made with the objective of maximizing information about the unknown best alternative, or equivalently, minimizing its Shannon entropy. This adaptive learning is formulated via a Bayesian stochastic dynamic programming problem, by which several properties of the learning problem are presented, including the monotonicity of the optimal value function in an information-seeking setting. Since the state space of the stochastic dynamic program is unbounded in the Gaussian setting, a one-step look-ahead approach is used to develop a policy. The proposed policy seeks to maximize the one-step information gain about the unknown best alternative, and therefore, it is called information gradient (IG). It is also proved that the IG policy is consistent, that is, as the sampling budget grows to infinity, the IG policy finds the true best alternative almost surely. Later, a computationally efficient estimate of the proposed policy, called approximated information gradient (AIG), is introduced and in the numerical experiments its performance is tested against recent benchmarks alongside several sensitivity analyses. Results show that AIG performs competitively against other algorithms from the literature.     

基于深度森林的网络流量分类方法

随着网络应用的迅猛发展,流量分类在网络资源分配、流量调度和网络安全等诸多研究领域受到广泛关注。现有的机器学习流量分类方法对流量数据特征的选取和分布要求苛刻,导致在实际应用中的复杂流量场景下分类精确度和稳定度难以提高。为了解决样本特征属性的复杂性给分类性能带来的不利影响,引入了基于深度森林的流量分类方法。该算法通过级联森林和多粒度扫描机制,能够在样本数量规模和特征属性选取规模有限的情况下,有效地提高流量整体分类性能。通过网络流量公开数据集Moore对支持向量机、随机森林和深度森林机器学习算法进行训练和测试,结果表明基于深度森林的网络流量分类器的分类准确率能够达到96. 36%,性能优于其他机器学习模型。     

军事物流服务商准入标准设置和甄选研究综述

军事物流服务商甄选研究是新军事变革下供应商管理发展的重要方向,是有效完成后勤保障任务、顺利实施作战行动的重要保证。基于此,本文从供应商关系理论和发展、物流服务商指标体系选择以及结合其他方法对物流服务商甄选三个方面对国内外研究现状进行总结概述,对整个军事物流服务商的选择过程加以研究,将其科学客观地运用于军事物流服务商选择的实际操作中,对于加强军事物流服务商需求管理、提高选择质效以及优化工作流程具有重大意义。同时,分析现有研究成果的不足,并对其未来发展前景提出展望,针对性地提出了军事物流服务商初步准入标准以及后续复选的方法,为军事物流服务商选择体系的完善提供参考。     

飞行器碰撞概率计算的一般方法

研究了飞行器碰撞概率计算的一般方法,这种方法通过飞行器和空间物体各自的状态矢量、位置误差协方差矩阵以及形状尺寸来计算飞行器和空间物体的碰撞概率。从位置误差协方差矩阵的一般形式出发,推导了飞行器的碰撞概率计算公式。在推导过程中,将飞行器的相对运动速度看作是方向不变的矢量,从而可以消去平行于相对速度的一维,将三维的概率计算问题转化为和相对速度垂直的相遇平面内的二维概率问题。针对二维概率问题分别研究了三种碰撞概率的计算方法,并比较了它们各自的优缺点。最后通过数值算例验证了三种方法各自的特点及正确性。     

MANET多路径路由中最大可靠性路径选择算法

如何选择路径的数量和质量对多路径路由机制的性能有着重要的影响。已有的多路径算法没有深入研究如何选择多路径的问题。对目前存在的两个典型问题进行了分析,在此基础上研究了路径可靠性模型和虚拟完全非交叉多路径模型,然后提出一个最大可靠性多路径选择算法。算法利用路径权重作为路径可靠性的近似解决方案,以此克服路径可靠性度量问题(NP难题)研究的复杂性,根据路径可靠性模型和完全非交叉多路径模型来选择可靠的路径集,使用这组路径集并行分布流量。应用OPNET模拟平台实现了算法,结果表明,本算法能增加聚合带宽,优化网络带宽的应用,提高网络的吞吐率和多路径路由的性能。     

基于模糊综合评判的地空导弹阵地选择

在现代防空中,由于精确制导技术在空袭兵器当中的运用,使防空作战中兵力机动显得格外重要.为实现机动作战,阵地选择就成为机动作战中的重要环节.运用模糊数学原理和方法,结合地空导弹部队阵地选择的特点,给出了阵地选择评价因素指标体系,建立了阵地选择方案的二级模糊综合评判模型,并采用层次分析法(AHP)对阵地选择评价因素的权重进行了确定,最终得出阵地选择合理的评价结果.