基于仿真实验的弹道导弹阵地优选

合理部署弹道导弹位置对于提高作战效能具有至关重要的作用。基于解析计算的优化方法难以反映环境因素、武器装备的技术和动力特性等不确定性因素对部署位置的影响,求得的结果存在置信度低的问题。故将解析法与仿真实验相结合,以体系对抗条件下弹道导弹作战效能评估的数学模型为基础,建立了由各种作战实体和行动的模型聚合而成的弹道导弹攻防对抗仿真模型,然后通过仿真实验找出最优部署位置,最后给出了应用示例。实验表明该方法具有速度快、效率高、结果清晰直观的特点,可为指挥员提供科学、快速的决策支持。     

面向混部云失败批处理作业的预测算法

为了降低混部云失败批处理作业的风险,使用K-means聚类算法将批处理作业分为四类,在分类的基础上提出了二层嵌套分类模型(two-layer nested classification model, TLNM),实现了基于TLNM的预测算法。基于Ali Trace 2018数据集上的实验结果表明,该算法的接受者操作特性(receiver operating characteristic, ROC)曲线明显优于其他常用分类器,ROC曲线下面积(即AUC)可以达到0.978,表明该算法具有良好的分类性能。同时召回率可以达到0.951,通过混淆矩阵可以看出TLNM算法能够准确预测出执行失败的批处理作业。     

节点实时性能自适应的集群资源分配算法

由于配置和所运行作业的不同,集群各节点的实时性能差异较大。为提高集群性能,提出节点实时性能自适应的集群资源分配算法 (node real-time performance adaptive cluster resource scheduling algorithm,NPARSA)。节点实时性能用其配置(CPU核数及速度、内存容量、磁盘容量)和实时状态参数(CPU、内存和磁盘的剩余数量及磁盘读写速度)表示。NPARSA根据作业类型自主选择节点性能评价指标的权值,实现节点实时性能对于作业类型的自适应。实时性能最优的节点分配给作业。虚拟机实验和物理集群实验表明,与Spark默认资源分配算法、没有考虑作业类型与节点匹配的算法、使用作业和节点匹配差异程度作为资源分配依据的算法相比,NPARSA能更有效地缩短作业执行时间、提高集群性能。     

软件保障性评估在维修性分配和预计软件中的应用

从软件保障性的影响要素——软件生命周期过程、软件自身的设计特性和保障资源出发,阐明了软件保障性评估的原理,提出了一套软件保障性评估方案。通过在某维修性分配和预计软件上的具体实践,充分验证了该评估方案的可行性和实用性。     

基于改进粒子群算法的装备维修资源优化问题研究

通过对粒子群算法的分析,针对其易过早收敛的不足,将遗传算法的变异操作引入其中,并给出了惯性因子的调整方式。在建立维修资源优化模型的基础上,结合实例运用改进的粒子群算法和模拟退火遗传算法进行了仿真,结果表明,该算法具有更好的收敛性。     

地空导弹武器系统抗击TBM时的有效部署区

基于弹道导弹的航迹特点,提出了地空导弹武器系统反TBM有效部署区的概念,建立了数学模型,并且论述了使用有效部署区域图进行战斗部署的方法。     

雷达干扰资源一对多分配方法

在对雷达干扰资源分配的一般优化模型和求解算法进行分析的基础上,从提高资源利用效率的角度出发,提出了目标雷达分群思想,并建立了一种新的基于一对多策略的雷达干扰资源分配模型,通过对目标雷达群的一对一分配实现对单部雷达的一对多分配.最后,对该模型中一些关键性问题进行了探讨,如任务整合、新任务参数确定、任务优先级排序、干扰机位置部署以及单目标雷达群干扰效益评估等.     

防空监视网络传感器资源分配的最优化

针对防空监视网络的传感器管理问题,讨论了传感器资源分配的最优化方法。提出了把传感器资源分配问题映射为多代理系统分布约束最优化问题的解决策略,设计了基于约束代价下界搜索的异步分枝定界最优化算法,实现了传感器资源分配问题最优解的异步并行搜索,给出的仿真实例说明了传感器资源分配最优化方法的有效性。     

防空兵群(团)火力配系优化

首先阐明了防空兵群(团)火力配系优化的基本概念,然后,运用作战模拟的有关理论,分别建立了火力单位距目标的最佳配置距离(D)、防空兵群(团)对来袭目标的抗击率(Pk)和被保护目标的安全率(Pa)的优化模型。在此基础上,提出了防空兵群(团)火力配系优化的一般方法。最后通过一个实例,说明了防空兵群(团)火力配系的具体步骤。     

面向卫星的在轨服务任务规划方法

针对空间在轨服务日趋成熟以及在轨服务现实需求增长的背景,以在轨服务航天器为研究对象,研究面向卫星的在轨服务任务规划问题,探讨如何合理安排与调配在轨服务资源。将问题分解为在轨服务资源分配和在轨服务路径规划两层,并建立双层优化数学模型。设计在轨服务任务规划算法求解问题,包括基于多种群并行进化的混沌遗传算法和基于全局坐标转换的NSGA-Ⅱ+GSDE算法,并通过仿真结果对比分析,验证算法的可行性和有效性。