基于合作博弈的智能集群自主聚集研究

智能集群是指由大量智能体构成、采用自组织策略协作完成任务的群体。以无人车集群系统协同监视再入体着靶过程为任务背景,开展智能集群自组织策略的关键技术研究。设计了无人车集群执行再入体着靶协同监视的集群行为模式,提出了基于合作博弈的智能集群自组织策略,各智能体以实现群体聚集为“合作目标”,以降低自身能量消耗为“竞争目标”,开展博弈,基于微粒群算法规划局部路径,最终使群体系统涌现出聚集行为。仿真实验验证了设计的自主聚集策略的有效性。     

C3I系统中作战文书自动生成句子优化聚合

作战文书的自动生成依赖于知识库,而知识库在构造时为保持信息的完全而高度冗余,这就导致输出也呈现较多的冗余.为使生成的文书每一句话内容合理、结构清晰、简明连贯,具有较好的可读性就必须对内容规划的输出进行优化聚合(aggregtion)处理.讨论了作战文书中优化聚合的概念、类型,并给出了Schema和RST表示下的优化聚合实现方法.     

一种时空数据流中范围聚集查询共享策略

根据查询谓词的相似性来实现计算共享是数据流查询优化的主要策略之一,主要针对时空数据流中基于滑动窗口的范围聚集问题进行查询优化,采用时间片段和空间片段分别描述滑动窗口之间和空间范围谓词之间的重叠。提出基于时空分片技术将时空数据流元组分成互不重叠的时空片段。范围聚集查询首先基于时空片段生成中间结果,然后根据查询条件与时空片段的映射关系生成查询结果。实验表明,提出的时空分片策略能大大提高时空数据流中范围聚集查询的性能。     

低开销的软错误免疫寄存器设计

随着工艺尺寸的逐渐缩小,集成电路中由放射性粒子引起的软错误不断增加,在设计时必须考虑由软错误引起的可靠性问题.使用软错误免疫寄存器对电路敏感部分选择性加固是降低逻辑电路软错误率简单有效的方法.总结了常用的软错误免疫寄存器结构,并使用可靠性分析方法对8种寄存器进行量化研究和比较,得出双模时空冗余寄存器具有更高的可靠度;针对现有可靠寄存器开销较大的缺点,设计了一种基于时钟延时的动态主级时空双模冗余寄存器--DMTS-DR,不仅能很好地免疫自身的SEU,还能对前级组合逻辑的SET进行有效屏蔽.与其它可靠寄存器相比,DMTS-DR的面积和延时开销都有大幅降低,在可靠性、面积和速度间实现了较好的折中.     

C~4ISR系统任务实时性的评价方法

提出一种定量评价C4ISR(Command Control Communication Computer Intelligence Surveillance and Reconnaissance)系统任务实时性方法--时序着色模糊时间Petri网(TCFTPN)方法.用时序逻辑公式来限制着色Petri网的变迁引发行为,用模糊时间来表示各工作过程的时延特性和降级工作问题.通过估计在规定的时间内标识从任务开始状态到达任务完成状态的概率来确定C4ISR系统的任务实时性.     

基于预设模板的系统动态构建与集成技术

针对动态变化的军事任务保障需求,以及信息系统构建过程中所面临的资源动态聚合、功能动态组合、环境动态适应等问题,基于网络化计算与存储环境,利用资源封装、软件仓储等技术,提出一种基于预设模板的信息系统动态构建与集成方法和过程,并通过构建基础环境和方向联指等应用实例开展试验验证,结果表明该方法可有效支撑军事信息系统的柔性组合,大幅提升系统开设效率。     

基于时序特征编码的目标战术意图识别算法?

对战场目标战术意图的快速、准确和自动识别,是智能决策的前提和基础。目标战术意图通常由多个战术动作组合完成,因而目标状态呈现动态、时序变化特征。本文针对目标意图识别问题的特点,提出一种基于栈式自编码器（ SAE）的智能识别模型,设计智能识别模型的基本框架,提出一种基于时序特征的输入信号编码方法及相应的模式解析机制,通过将目标状态在多个时刻的时序特征和战场环境、目标属性等信息统一编码为输入信号,将军事专家的知识经验封装为模式标签,模拟人的推理模式与认知经验,实现对目标战术意图的智能识别。最后通过实验,分析预训练过程和网络深度对算法性能的影响,并通过与多层感知机（MLP）和逻辑回归分类器（LRC）识别准确率的比较,验证所提SAE算法的有效性。     

一阶超对策模型中结局偏好认知信息集结的模式识别法

针对一类一阶n人超对策模型,提出了一种结局偏好认知信息的集结方法.首先通过对单一局中人中不同专家给出的对其他局中人结局偏好信息的不同认知进行关联分析,确定出专家的权重评价值,进而运用模糊模式识别原理,通过建立一个非线性规划模型,给出了一种新的超对策结局偏好认知信息的集结方法.最后,用一个数值例子对文中所提方法进行了说明.     

态势估计中一种基于贝叶斯估计的统计时间推理方法

统计时间推理是态势估计中的一个重要组成部分。Ｋｉｒｉｌｏｖ的基于极大似然估计（Ｍａｘｉ－ｍｕｍＬｉｋｅｌｉｈｏｏｄＥｓｔｉｍａｔｉｏｎ,ＭＬＥ）的推理方法将未知时间变量看作常数,估计方差较大。文中建立的已知时间信息和未知时间变量之间的关系模型,将未知时间变量扩展为随机变量,将贝叶斯估计（ＢａｙｅｓＥｓｔｉｍａｔｉｏｎ,ＢＥ）引入时间推理。经过对两种推理算法的性能进行分析和比较,发现在一定范围内,基于ＢＥ的方法性能优于基于ＭＬＥ的方法。     

Comparison of rank aggregation methods based on inherent ability

Ranking is a common task for selecting and evaluating alternatives. In the past few decades, combining rankings results from various sources into a consensus ranking has become an increasingly active research topic. In this study, we focus on the evaluation of rank aggregation methods. We first develop an experimental data generation method, which can provide ground truth ranking for alternatives based on their “inherent ability.” This experimental data generation method can generate the required individual synthetic rankings with adjustable accuracy and length. We propose characterizing the effectiveness of rank aggregation methods by calculating the Kendall tau distance between the aggregated ranking and the ground truth ranking. We then compare four classical rank aggregation methods and present some useful findings on the relative performances of the four methods. The results reveal that both the accuracy and length of individual rankings have a remarkable effect on the comparison results between rank aggregation methods. Our methods and results may be helpful to both researchers and decision‐makers.